VIP内容
PyTorch非常容易学习，并提供了一些高级特性，比如支持多处理器，以及分布式和并行计算。PyTorch有一个预训练模型库，为图像分类提供开箱即用的解决方案。PyTorch提供了进入尖端深度学习的最易访问的切入点之一。它与Python编程语言紧密集成，因此对于Python程序员来说，编写它似乎是自然和直观的。独特的、动态的处理计算图的方法意味着PyTorch既高效又灵活。
本书是为那些想要使用PyTorch进行深度学习的人而写的。目的是通过直接实验让您了解深度学习模型。这本书非常适合那些熟悉Python，了解一些机器学习基础知识，并正在寻找一种方法来有效地发展他们的技能的人。这本书将集中在最重要的特征和给出实际的例子。它假设您有Python的工作知识，并熟悉相关的数学思想，包括线性代数和微分。这本书提供了足够的理论，让你开始和运行，不需要严格的数学理解。在本书结束时，您将有一个深度学习系统的实用知识，并能够应用PyTorch模型来解决您关心的问题。
成为VIP会员查看完整内容
【百度提取码: utwu】Deep Learning with PyTorch
热门内容
最新内容
最新论文
Model-based reinforcement learning is a compelling framework for data-efficient learning of agents that interact with the world. This family of algorithms has many subcomponents that need to be carefully selected and tuned. As a result the entry-bar for researchers to approach the field and to deploy it in real-world tasks can be daunting. In this paper, we present MBRL-Lib -- a machine learning library for model-based reinforcement learning in continuous state-action spaces based on PyTorch. MBRL-Lib is designed as a platform for both researchers, to easily develop, debug and compare new algorithms, and non-expert user, to lower the entry-bar of deploying state-of-the-art algorithms. MBRL-Lib is open-source at https://github.com/facebookresearch/mbrl-lib.
