IA e ML para programadores em PyTorch

Índice

A

• aceleradores
  • Aceleradores do Google Colab, Estender o conjunto de dados
  • model.to(device) para acelerador, Implementar redes neurais convolucionais, Otimizar a fase de carga
• precisão
  • Modelo de base de dados MNIST da moda, Treinar a rede neural-Treinara rede neural
    • treinar até à precisão pretendida, Paragemprecoce-Paragem precoce
  • processo de aprendizagem, Introdução ao aprendizado de máquina
  • velocidade versus precisão da aprendizagem, Conceber a rede neural
• funções de ativação, Conceção da rede neuronal
  • ReLU, Conceber a rede neuronal
    • rede feedforward, A camada da rede feedforward
• Adam optimizer, O Código Completo, O Código Completo, Arquitetura CNN para "Cavalos ou Humanos"
  • Amsgrad como implementação alternativa, Ajustar a taxa de aprendizagem
  • ajuste do parâmetro da taxa de aprendizagem, Ajustar a taxa de aprendizagem, Otimizar LSTMs empilhados, Ajustar a taxa de aprendizagem
  • DNN de séries temporais, Criar e treinar uma DNN para ajustar os dados de sequência
    • taxa de aprendizagem ajustada, Ajustar a taxa de aprendizagem
• Optimizador Amsgrad, Ajustar a taxa de aprendizagem
• APIs
  • divisão personalizada de conjuntos de dados, Utilizar divisões personalizadas
  • biblioteca de difusores(ver biblioteca de difusores (Hugging Face))
  • API Hugging Face para iniciar sessão, Usando difusores Hugging Face
  • API RAG por LangChain, Introdução ao RAG
  • API de transformadores da Hugging Face, Usando um modelo do Hugging Face Hub, A API de transformadores
    • (veja também biblioteca de transformadores (Hugging Face))
• compreensão ...