Beschleunigen des Modelltrainings mit PyTorch 2.X
A

Beschleunigen des Modelltrainings mit PyTorch 2.X

PyTorch
PyTorch model training optimization Compile API distributed training GPU acceleration deep learning
Autor
Maicon Melo Alves
Verlag
Packt Publishing
Jahr
2024
Sprache
Englisch
37
Dieses Buch bewerten

Zum Lesen des Buches, Anmelden / Registrieren

Vorschau des Fragments

Ähnliche Bücher

Deep Learning mit PyTorch, Zweite Auflage: Training und Anwendung von Deep Learning und Generative AI-Modellen

Deep Learning mit PyTorch, Zweite Auflage: Training und Anwendung von Deep Learning und Generative AI-Modellen

Howard Huang, Eli Stevens, Luca Antiga, Thomas Viehmann

LLMs mit PyTorch entwickeln: Eine Schritt-für-Schritt-Anleitung zum Erstellen fortschrittlicher KI-Modelle mit PyTorch

LLMs mit PyTorch entwickeln: Eine Schritt-für-Schritt-Anleitung zum Erstellen fortschrittlicher KI-Modelle mit PyTorch

Anand Trivedi

KI und ML für Programmierer in PyTorch: Ein Programmierleitfaden zu generativer KI und maschinellem Lernen

KI und ML für Programmierer in PyTorch: Ein Programmierleitfaden zu generativer KI und maschinellem Lernen

Laurence Moroney

Künstliche Intelligenz mit Python. Zweite Auflage: Ihr umfassender Leitfaden zum Erstellen intelligenter Apps mit Python 3.x und TensorFlow 2

Künstliche Intelligenz mit Python. Zweite Auflage: Ihr umfassender Leitfaden zum Erstellen intelligenter Apps mit Python 3.x und TensorFlow 2

Alberto Artasanchez, Prateek Joshi

TensorFlow 2.0 lernen: Implementierung von Machine-Learning- und Deep-Learning-Modellen mit Python

TensorFlow 2.0 lernen: Implementierung von Machine-Learning- und Deep-Learning-Modellen mit Python

Pramod Singh, Avinash Manure

Aktives Maschinelles Lernen mit Python: Datenqualität über Quantität mit aktivem Lernen verfeinern und steigern

Aktives Maschinelles Lernen mit Python: Datenqualität über Quantität mit aktivem Lernen verfeinern und steigern

Margaux Masson-Forsythe

KI Fortgeschrittenes Maschinelles Lernen für Finanzen mit Python

KI Fortgeschrittenes Maschinelles Lernen für Finanzen mit Python

Hayden Van Der Post

Lernen von Pandas 2.0: Ein umfassender Leitfaden zur Datenmanipulation und -analyse für Data Scientists und Machine-Learning-Experten

Lernen von Pandas 2.0: Ein umfassender Leitfaden zur Datenmanipulation und -analyse für Data Scientists und Machine-Learning-Experten

Matthew Rosch

Skalierung von maschinellem Lernen mit Spark: Verteiltes ML mit MLlib, TensorFlow und PyTorch

Skalierung von maschinellem Lernen mit Spark: Verteiltes ML mit MLlib, TensorFlow und PyTorch

Adi Polak

Praktisches Maschinelles Lernen mit Scikit-Learn und PyTorch: Konzepte, Werkzeuge und Techniken zum Aufbau intelligenter Systeme

Praktisches Maschinelles Lernen mit Scikit-Learn und PyTorch: Konzepte, Werkzeuge und Techniken zum Aufbau intelligenter Systeme

Aurélien Géron