Recenze čtenářů
Shrnutí:Kniha nabízí praktické poznatky pro implementaci strojového učení, zejména se zaměřením na hluboké sítě víry. Její kvalita je však poznamenána četnými překlepy a špatnými vysvětlivkami, stejně jako nedostatkem originálního obsahu napříč svazky. Zatímco někteří čtenáři ji považovali za užitečnou pro učení, jiní ji kritizovali za to, že se jedná o nekvalitní počin vydaný vlastním nákladem.
Klady:⬤ Praktická a zasvěcená
⬤ poskytuje dobré pochopení implementace strojového učení
⬤ obsahuje užitečné příklady kódu v jazyce C++
⬤ zlepšuje pochopení hlubokých sítí víry
⬤ někteří ji chválí jako naprosto úžasný zdroj, který zvyšuje rychlost a přesnost provádění.
Zápory:⬤ Špatná kvalita psaní s mnoha překlepy a matoucími vysvětleními
⬤ obsah se zdá být recyklován napříč svazky
⬤ obsahuje příliš mnoho dokumentace kódu
⬤ chybí přehledné diagramy a vizualizace
⬤ mnozí doporučují lepší zdroje dostupné online nebo jinými prostředky.
(na základě 11 hodnocení čtenářů)
Původní název:
Deep Belief Nets in C++ and Cuda C: Volume 1: Restricted Boltzmann Machines and Supervised Feedforward Networks
Obsah knihy:
Objevte základní stavební kameny nejběžnějších forem hlubokých sítí víry. Na každém kroku tato kniha poskytuje intuitivní motivaci, shrnutí nejdůležitějších rovnic relevantních pro dané téma a v závěru obsahuje vysoce komentovaný kód pro vláknové výpočty na moderních procesorech i masivní paralelní zpracování na počítačích s grafickými kartami podporujícími CUDA.
Kniha Deep Belief Nets in C++ and CUDA C: Volume 1, první ze tří dílů série věnované hlubokému učení a belief netům v jazycích C++ a CUDA C, vám ukáže, že struktura těchto elegantních modelů je mnohem bližší struktuře lidského mozku než tradiční neuronové sítě; mají myšlenkový proces, který je schopen učit se abstraktní pojmy sestavené z jednodušších primitiv. Uvidíte tak, že typická hluboká věrohodná síť se může naučit rozpoznávat složité vzory optimalizací milionů parametrů, a přesto může být tento model odolný vůči nadměrnému přizpůsobení.
Všechny postupy a algoritmy představené v knize jsou k dispozici v kódu ke stažení, který obsahuje také některé knihovny souvisejících postupů.
Co se naučíte
⬤ Využívat hluboké učení pomocí jazyků C++ a CUDA C.
⬤ Pracovat s řízenými dopřednými sítěmi.
⬤ Zavádět omezené Boltzmannovy stroje.
⬤ Používat generativní vzorkování.
⬤ Zjistěte, proč jsou důležité.
Pro koho je tato kniha určena
Těm, kteří mají alespoň základní znalosti neuronových sítí a nějaké předchozí zkušenosti s programováním, i když se doporučuje znalost jazyka C++ a CUDA C.
