book

Referencia de bolsillo de PyTorch

by Joe Papa

September 2024

Intermediate to advanced

310 pages

6h 36m

Spanish

O'Reilly Media, Inc.

Book available

Read now

Unlock full access

Quién debería leer este libroPor qué escribí este libroNavegar por este libroConvenciones utilizadas en este libroUtilizar ejemplos de códigoAprendizaje en línea O'ReillyCómo contactar con nosotrosAgradecimientos
¿Qué es PyTorch?¿Por qué utilizar PyTorch?Cómo empezarEjecutar en Google ColaboratoryEjecutar en un ordenador localEjecución en plataformas en la nubeVerificar tu entorno PyTorchUn ejemplo divertido
¿Qué es un tensor?Ejemplo sencillo de CPUEjemplo sencillo de GPUMover Tensores entre CPU y GPUCrear TensoresAtributos del tensorTipos de datosCrear tensores a partir de muestras aleatoriasCrear tensores como otros tensoresOperaciones tensorialesIndexar, Rebanar, Combinar y Dividir TensoresOperaciones tensoriales para matemáticasDiferenciación automática (Autograd)
El proceso globalPreparación de datosCarga de datosTransformaciones de datosDosificación de datosPreparación general de datos (torch.utils.data)Desarrollo de modelosDiseño de modelosFormaciónValidaciónPruebaImplementación de modelosGuardar modelosImplementación en PyTorch HubImplementación en producción
Clasificación de imágenes con aprendizaje por transferenciaTratamiento de datosDiseño de modelosFormación y validaciónPruebas e ImplementaciónAnálisis de Sentimiento con TorchtextTratamiento de datosDiseño de modelosFormación y validaciónPruebas e ImplementaciónAprendizaje Generativo-Generación de Imágenes de Moda-MNIST con DCGANTratamiento de datosDiseño de modelosFormaciónPruebas e Implementación
Capas y activaciones personalizadasEjemplo de capa personalizada (lineal compleja)Ejemplo de activación personalizada (ReLU complejo)Arquitecturas de modelos personalizadosFunciones de pérdida personalizadasAlgoritmos personalizados del optimizadorFormación personalizada, validación y bucles de prueba
PyTorch en un TPUPyTorch en varias GPU (una sola máquina)Proceso paralelo de datosModelo de procesamiento paraleloProcesamiento Paralelo Combinado de Datos y Procesamiento Paralelo de ModelosEntrenamiento distribuido (varias máquinas)Optimización del modeloAjuste de hiperparámetrosCuantizaciónPoda
Herramientas y Bibliotecas de Implementación de PyTorchModelo de ejemplo comúnAPI de PythonTorchScriptTorchServeONNXBibliotecas móvilesImplementación en una aplicación FlaskAplicación Colab FlaskImplementación en la nube con TorchServeInicio rápido con DockerImplementación en móviles y perímetrosiOSAndroidOtros dispositivos de perímetro
El ecosistema PyTorchTorchvision para Imagen y VídeoConjuntos de datos y E/SModelosTransformaciones, operaciones y utilidadesTorchtext para PNLCrear un objeto Conjunto de datosPreprocesar datosCrear un cargador de datos para la producción por lotesDatos (torchtext.data)Conjuntos de datos (torchtext.datasets)Vocabularios (torchtext.vocab)TensorBoard para visualizaciónCurvas de aprendizaje con ESCALARESModelar arquitecturas con GRAPHSDatos con IMÁGENES, TEXTO y PROYECTORDistribuciones de pesos con DISTRIBUCIONES e HISTOGRAMASHiperparámetros con HPARAMSLa API TensorBoardDocumentos con códigoRecursos adicionales de PyTorchTutorialesLibrosCursos en línea y formación en directo

Content preview from Referencia de bolsillo de PyTorch

Prefacio

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

¡Vivimos tiempos apasionantes! Algunos hemos tenido la suerte de vivir grandes avances tecnológicos: la invención del ordenador personal, los albores de Internet, la proliferación de los teléfonos móviles y la llegada de las redes sociales. Y ahora, ¡se están produciendo grandes avances en la IA!

Es emocionante observar y formar parte de este cambio. Creo que no hemos hecho más que empezar, y es asombroso pensar en cómo podría cambiar el mundo en la próxima década. Es estupendo que vivamos en estos tiempos y podamos participar en la expansión de la IA.

PyTorch ha permitido, sin duda, algunos de los mejores avances en aprendizaje profundo e IA. Se puede descargar y utilizar gratuitamente, y con él cualquiera con un ordenador o conexión a Internet puede realizar experimentos de IA. Además de referencias más completas como ésta, hay muchos cursos de formación gratuitos y económicos, artículos de blog y tutoriales que pueden ayudarte. Cualquiera puede empezar a utilizar PyTorch para el aprendizaje automático y la IA.

Quién debería leer este libro

Este libro está escrito tanto para principiantes como para usuarios avanzados interesados en el aprendizaje automático y la IA. Te ayudará tener cierta experiencia escribiendo código Python y unos conocimientos básicos de ciencia de datos y aprendizaje automático.

Si te estás iniciando en el aprendizaje automático, ...