book

Programación de PyTorch para Aprendizaje Profundo

by Ian Pointer

October 2024

Intermediate to advanced

220 pages

6h 5m

Spanish

O'Reilly Media, Inc.

Book available

Read now

Unlock full access

El aprendizaje profundo en el mundo actualPero, ¿qué es exactamente el aprendizaje profundo y necesito un doctorado para entenderlo?PyTorch¿Qué pasa con TensorFlow?Convenciones utilizadas en este libroUtilizar ejemplos de códigoAprendizaje en línea O'ReillyCómo contactar con nosotrosAgradecimientos
Construir una máquina de aprendizaje profundo personalizadaGPUCPU/Tarjeta madreRAMAlmacenamientoAprendizaje profundo en la nubeColaboratorio GoogleProveedores de la nube¿Qué proveedor de la nube debo utilizar?Utilizar Jupyter NotebookInstalar PyTorch desde ceroDescargar CUDAAnacondaPor fin, ¡PyTorch! (y Jupyter Notebook)TensoresOperaciones tensorialesDifusión tensorialConclusiónOtras lecturas
Nuestro problema de clasificaciónDesafíos tradicionalesPero primero, los datosPyTorch y los cargadores de datosConstruir un conjunto de datos de entrenamientoConstruir conjuntos de datos de validación y pruebaPor fin, ¡una Red Neuronal!Funciones de activaciónCrear una redFunciones de pérdidaOptimizandoFormaciónHacer que funcione en la GPUPonerlo todo juntoHacer prediccionesModelo de ahorroConclusiónOtras lecturas
Nuestro primer modelo convolucionalConvolucionesPuesta en comúnAbandonoHistoria de las arquitecturas CNNAlexNetInception/GoogLeNetVGGResNet¡Hay otras arquitecturas disponibles!Uso de modelos preentrenados en PyTorchExaminar la estructura de un modeloBatchNorm¿Qué modelo debes utilizar?Ventanilla única para modelos: PyTorch HubConclusiónOtras lecturas
Aprendizaje por transferencia con ResNetEncontrar ese ritmo de aprendizajeTasas de aprendizaje diferencialesAumento de datosAntorcha de Visión TransformaEspacios de color y transformadas lambdaClases de transformación personalizadasEmpieza poco a poco y creceConjuntosConclusiónOtras lecturas
Redes neuronales recurrentesRedes de memoria a largo plazoUnidades Recurrentes CerradasbiLSTMIncrustacionesantorchatextoObteniendo nuestros datos: ¡Tweets!Definición de camposConstruir un vocabularioCrear nuestro modeloActualizar el bucle de entrenamientoClasificar los TweetsAumento de datosInserción aleatoriaBorrado aleatorioIntercambio aleatorioVolver TraducciónAumento y torchtext¿Aprendizaje por transferencia?ConclusiónOtras lecturas
SonidoEl conjunto de datos ESC-50Obtención del conjunto de datosReproducir audio en JupyterExplorando la ESC-50SoX y LibROSAtorchaudioConstruir un conjunto de datos ESC-50Un modelo CNN para la ESC-50Esta Frecuencia Es Mi UniversoEspectrogramas MelUn nuevo conjunto de datosAparece una ResNet salvajeEncontrar una tasa de aprendizajeAumento de datos de audioTransformadas de torchaudioCadenas de efectos SoXSpecAugmentOtros experimentosConclusiónOtras lecturas
Son las 3 de la mañana. ¿Qué están haciendo tus datos?TensorBoardInstalación de TensorBoardEnvío de datos a TensorBoardGanchos PyTorchTrazar la media y la desviación típicaMapeo de activación de clasesGráficos de llamaInstalar py-spyLectura de gráficos de llamaArreglar una transformación lentaDepuración de problemas de la GPUComprobación de la GPUPunto de control de gradienteConclusiónOtras lecturas
Modelo de servicioCrear un servicio FlaskConfigurar los parámetros del modeloConstruir el contenedor DockerAlmacenamiento local frente a almacenamiento en la nubeRegistro y telemetríaImplementación en KubernetesConfiguración en Google Kubernetes EngineCrear un clúster k8sServicios de escaladoActualizaciones y limpiezaTorchScriptRastreandoScriptingLimitaciones de TorchScriptTrabajar con libTorchObtención de libTorch y Hello WorldImportar un modelo TorchScriptConclusiónOtras lecturas
Aumento de datos: Mixtos y SuavizadosconfusiónSuavizado de etiquetasOrdenador, ¡mejora!Introducción a la SuperresoluciónIntroducción a las GANEl falsificador y el críticoEntrenar un GANLos peligros del colapso del modoESRGANMás aventuras en la detección de imágenesDetección de objetosR-CNN más rápida y R-CNN de máscaraMuestras AdversarialesAtaques de caja negraDefensa contra ataques adversariosMás de lo que parece: La arquitectura del TransformadorPrestar atenciónAtención es todo lo que necesitasBERTFastBERTGPT-2Generar texto con GPT-2ULMFiT¿Qué utilizar?ConclusiónOtras lecturas

Content preview from Programación de PyTorch para Aprendizaje Profundo

Capítulo 1. Primeros pasos con PyTorch

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com

En este capítulo establecemos todo lo que necesitamos para trabajar con PyTorch. Una vez que lo hayamos hecho, todos los capítulos siguientes se basarán en esta base inicial, así que es importante que lo hagamos bien. Esto nos lleva a nuestra primera pregunta fundamental: ¿deberías construir un ordenador de aprendizaje profundo personalizado o simplemente utilizar uno de los muchos recursos disponibles basados en la nube?

Construir una máquina de aprendizaje profundo personalizada

Cuando te sumerges en el aprendizaje profundo, sientes la necesidad de construirte un monstruo para todas tus necesidades informáticas. Puedes pasarte días examinando distintos tipos de tarjetas gráficas, aprendiendo los carriles de memoria que te ofrecerán las posibles selecciones de CPU, el mejor tipo de memoria que puedes comprar y el tamaño de una unidad SSD que puedes adquirir para que el acceso a tu disco sea lo más rápido posible. No pretendo ninguna inmunidad ante esto; hace un par de años me pasé un mes haciendo una lista de piezas y construyendo un ordenador nuevo en la mesa de mi comedor.

Mi consejo, especialmente si eres nuevo en el aprendizaje profundo, es el siguiente: no lo hagas. Puedes gastarte fácilmente varios miles de dólares en una máquina que quizá no utilices demasiado. En lugar de eso, te recomiendo que trabajes en este libro ...