| Tag |
First Indicator |
Second Indicator |
Subfields |
| LEADER |
00000cam a22000007i 4500 |
| 001 |
in00004670607 |
| 006 |
m o d |
| 007 |
cr cnu|||unuuu |
| 008 |
220210s2022 gw a o 001 0 ger d |
| 005 |
20260122204905.1 |
| 020 |
|
|
|z 9783960091851
|
| 035 |
|
|
|a (OCoLC)1296124706
|
| 037 |
|
|
|a 9781098130282
|b O'Reilly Media
|
| 040 |
|
|
|a ORMDA
|b eng
|e rda
|e pn
|c ORMDA
|d OCLCO
|d OCLCF
|d OCLCQ
|
| 041 |
1 |
|
|a ger
|h eng
|
| 049 |
|
|
|a TXAM
|
| 050 |
|
4 |
|a QA76.87
|
| 082 |
0 |
4 |
|a 006.3/2
|2 23
|
| 100 |
1 |
|
|a Papa, Joe,
|e author
|
| 240 |
1 |
0 |
|a PyTorch pocket reference.
|l German
|
| 245 |
1 |
0 |
|a PyTorch kompakt :
|b Syntax, Design Patterns und Codebeispiele für Deep-Learning-Modelle /
|c Joe Papa.
|
| 250 |
|
|
|a 1. Auflage.
|
| 264 |
|
1 |
|a Heidelberg :
|b dpunkt,
|c 2022.
|
| 300 |
|
|
|a 1 online resource (238 pages)
|
| 336 |
|
|
|a text
|b txt
|2 rdacontent
|
| 337 |
|
|
|a computer
|b c
|2 rdamedia
|
| 338 |
|
|
|a online resource
|b cr
|2 rdacarrier
|
| 500 |
|
|
|a Includes index.
|
| 520 |
|
|
|a Mit diesem benutzerfreundlichen Nachschlagewerk zu PyTorch haben Sie kompaktes Wissen zu einem der beliebtesten Frameworks für Deep Learning immer zur Hand. Der Autor Joe Papa bietet Ihnen mit dieser Referenz den sofortigen Zugriff auf Syntax, Design Patterns und gut nachvollziehbare Codebeispiele - eine Fülle an gesammelten Informationen, die Ihre Entwicklungsarbeit beschleunigen und die Zeit minimieren, die Sie mit der Suche nach Details verbringen. Data Scientists, Softwareentwickler:innen und Machine Learning Engineers finden in diesem Buch klaren, strukturierten PyTorch-Code, der jeden Schritt der Entwicklung neuronaler Netze abdeckt - vom Laden der Daten über die Anpassung von Trainingsschleifen bis hin zur Modelloptimierung und GPU/TPU-Beschleunigung. Lernen Sie in kurzer Zeit, wie Sie Ihren Code mit AWS, Google Cloud oder Azure in der Produktivumgebung einsetzen und Ihre ML-Modelle auf mobilen und Edge-Geräten bereitstellen.
|
| 588 |
0 |
|
|a Online resource; title from title details screen (O'Reilly, viewed February 10, 2022).
|
| 650 |
|
0 |
|a Python (Computer program language)
|
| 650 |
|
0 |
|a Neural networks (Computer science)
|
| 650 |
|
0 |
|a Machine learning.
|
| 650 |
|
2 |
|a Neural Networks, Computer
|
| 650 |
|
6 |
|a Python (Langage de programmation)
|
| 650 |
|
6 |
|a Réseaux neuronaux (Informatique)
|
| 650 |
|
6 |
|a Apprentissage automatique.
|
| 650 |
|
7 |
|a Machine learning.
|2 fast
|0 (OCoLC)fst01004795
|
| 650 |
|
7 |
|a Neural networks (Computer science)
|2 fast
|0 (OCoLC)fst01036260
|
| 650 |
|
7 |
|a Python (Computer program language)
|2 fast
|0 (OCoLC)fst01084736
|
| 856 |
4 |
0 |
|u https://proxy.library.tamu.edu/login?url=https://go.oreilly.com/TAMU/library/view/-/9781098130282/?ar
|z Connect to the full text of this electronic book
|t 0
|
| 955 |
|
|
|a Safari/O'Reilly ebooks
|
| 994 |
|
|
|a 92
|b TXA
|
| 999 |
f |
f |
|s 1009a95b-a10b-4ce7-8606-983b5ab5847e
|i 138f1c19-4da5-4ecc-90cc-c0c83f2c62e8
|t 0
|
| 952 |
f |
f |
|a Texas A&M University
|b College Station
|c Electronic Resources
|s www_evans
|d Available Online
|t 0
|e QA76.87
|h Library of Congress classification
|
| 998 |
f |
f |
|a QA76.87
|t 0
|l Available Online
|