كتاب 3D Deep Learning with Python - تأليف Xudong Ma & Vishakh Hegde & Lilit Yolyan (غلاف ورقي)
من Target
حول هذا المنتج
ملخص الكتاب قم بتصور وبناء نماذج التعلم العميق باستخدام البيانات ثلاثية الأبعاد عبر استخدام PyTorch3D وأطر عمل Python الأخرى للتغلب على تحديات التطبيقات في العالم الحقيقي بكل سهولة
الميزات الرئيسية: فهم معالجة البيانات ثلاثية الأبعاد مع التصيير، وتحسين PyTorch، والتجميع غير المتجانس تنفيذ مفاهيم التصيير القابل للتفاضل مع أمثلة عملية اكتشاف كيف يمكنك تسهيل عملك باستخدام أحدث تقنيات التعلم العميق ثلاثي الأبعاد باستخدام PyTorch3D
وصف الكتاب: من خلال هذا الدليل العملي حول الـ 3D deep learning، سيتمكن المطورون العاملون في مجال الرؤية الحاسوبية ثلاثية الأبعاد من تطبيق معرفتهم والبدء في العمل في وقت قصير جداً. هذا الكتاب، المكتمل بشروحات خطوة بخطوة للمفاهيم الأساسية وأمثلة عملية، يتيح لك استكشاف وفهم شامل لتقنيات الـ 3D deep learning المتطورة. ستتعلم كيفية استخدام PyTorch3D لمعالجة بيانات السحب النقطية والشبكات ثلاثية الأبعاد الأساسية، بما في ذلك تحميل وحفظ ملفات ply و obj، وإسقاط النقاط ثلاثية الأبعاد في إحداثيات الكاميرا باستخدام نماذج الكاميرا المنظورية أو نماذج الكاميرا المتعامدة، ورندرة السحب النقطية والشبكات إلى صور، وغير ذلك الكثير. ومع تنفيذك لبعض أحدث خوارزميات التعلم العميق ثلاثية الأبعاد، مثل الرندرة التفاضلية (differential rendering) و Nerf و synsin و mesh RCNN، ستدرك مدى سهولة البرمجة لهذه النماذج الخاصة بالتعلم العميق باستخدام مكتبة PyTorch3D. بنهاية كتاب التعلم العميق هذا، ستكون مستعداً لتنفيذ نماذج التعلم العميق 3D الخاصة بك بكل ثقة.
ما ستتعلمه: تطوير نماذج رؤية حاسوبية 3D للتفاعل مع البيئة المحيطة إتقان التعامل مع البيانات 3D باستخدام السحب النقطية (point clouds)، والشبكات (meshes)، وتنسيقات ملفات ply و obj العمل مع الهندسة 3D، ونماذج الكاميرا، وأنظمة الإحداثيات والتحويل بينها فهم مفاهيم التصيير (rendering)، والتظليل (shading)، وغيرها بكل سهولة تنفيذ التصيير التفاضلي (differential rendering) للعديد من نماذج التعلم العميق 3D نماذج التعلم العميق 3D المتقدمة والأحدث مثل Nerf و synsin و mesh RCNN
لمن هذا الكتاب: هذا الكتاب مخصص لممارسي تعلم الآلة من المستوى المبتدئ إلى المتوسط، وعلماء البيانات، ومهندسي تعلم الآلة، ومهندسي التعلم العميق الذين يتطلعون إلى إتقان تقنيات الرؤية الحاسوبية باستخدام بيانات 3D.
- المميزات
- قم بتصور وبناء نماذج التعلم العميق باستخدام البيانات ثلاثية الأبعاد 3D باستخدام PyTorch3D وأطر عمل Python الأخرى للتغلب على تحديات تطبيقات العالم الحقيقي بكل سهولة. المميزات الرئيسية: فهم معالجة البيانات ثلاثية الأبعاد 3D مع التصيير (rendering)، وتحسين PyTorch، والمعالجة المجمعة غير المتجانسة (heterogeneous batching). تنفيذ مفاهيم التصيير القابل للتفاضل مع أمثلة عملية. اكتشف كيف يمكنك تسهيل عملك باستخدام أحدث تقنيات التعلم العميق ثلاثي الأبعاد 3D باستخدام PyTorch3DBook. الوصف: مع هذا الدليل العملي للتعلم العميق ثلاثي الأبعاد 3D، سيتمكن المطورون العاملون في مجال الرؤية الحاسوبية ثلاثية الأبعاد 3D من تطبيق معرفتهم والبدء في العمل في وقت قصير. يتيح لك هذا الكتاب، المكتمل بشروحات خطوة بخطوة للمفاهيم الأساسية والأمثلة العملية، استكشاف وفهم التعلم العميق ثلاثي الأبعاد 3D المتطور بشكل شامل.
- المؤلفون: Xudong Ma & Vishakh Hegde & Lilit Yolyan
- 236 صفحة
- الحواسيب، الذكاء الاصطناعي
المواصفات
- الأبعاد (الإجمالية)
9.25 بوصة (ارتفاع) × 7.5 بوصة (عرض) × 0.5 بوصة (عمق)
- الوزن
0.91 رطل
- العمر المقترح
22 سنة فما فوق
- عدد الصفحات
236
- النوع
أجهزة الكمبيوتر
- النوع الفرعي
الذكاء الاصطناعي
- الناشر
Packt Publishing
- الموضوع
عام
- التنسيق
غلاف ورقي
- المؤلف
Xudong Ma & Vishakh Hegde & Lilit Yolyan
- اللغة
الإنجليزية