Wissenschaftliche Texte zu PyTorch

PyTorch ist ein Framework für maschinelles Lernen und wird vor allem in der Künstlichen Intelligenz eingesetzt. Es ermöglicht die Entwicklung von neuronalen Netzen und wird oft mit anderen Frameworks wie TensorFlow und Keras verglichen. PyTorch wird in der Informatik und angrenzenden Disziplinen wie der Datenwissenschaft verwendet. Durch seine Flexibilität und Geschwindigkeit hat PyTorch eine wichtige Rolle in der Forschung und Entwicklung von Deep-Learning-Anwendungen übernommen.

2 Veröffentlichungen

Künstliche Intelligenz und Maschinelles Lernen. Vergleich der Deep Learning Frameworks TensorFlow, Keras, PyTorch, CNTK und MXNeT

Autor:in: Marco Nitschke (Autor:in)

Fach: Informatik - Wirtschaftsinformatik

Kategorie: Ausarbeitung , 2021 22 Seiten , Note: 1,3

Katalognummer: 1043196

Preis: US$ 18,99
Trace-Based Runtime Prediction of Reoccurring Data-Parallel Processing Jobs

Autor:in: Alireza Alamgiralem (Autor:in)

Fach: Ingenieurwissenschaften - Computertechnik

Kategorie: Masterarbeit , 2021 103 Seiten , Note: 1.7

Katalognummer: 1180656

Preis: US$ 42,99

Die Entwicklung von PyTorch hat die Forschung im Bereich des maschinellen Lernens und der künstlichen Intelligenz maßgeblich vorangetrieben. Durch seine Fähigkeit, komplexe neuronale Netze zu erstellen und zu trainieren, ermöglicht PyTorch die Lösung von Problemen in Bild- und Sprachverarbeitung sowie in anderen Anwendungsfeldern. Zentrale Theorien und Modelle, wie das Konzept der Automatischen Differenzierung, spielen eine wichtige Rolle in der Entwicklung von PyTorch-Anwendungen. Fragen zur Effizienz und Skalierbarkeit von PyTorch-Modellen sowie die Integration mit anderen Technologien sind Gegenstand aktueller Forschung. Du findest wissenschaftliche Arbeiten zu PyTorch als PDF und eBook, viele auch als Print-on-Demand, bei GRIN.