15.2K ·GitHub
Что это такое?
Это исследовательский репозиторий Google DeepMind: реализации и демонстрационный код, сопровождающие его опубликованные научные статьи, а также открытые окружения и наборы данных, которые сообщество может развивать дальше.
Это исследовательский репозиторий Google DeepMind: реализации и демонстрационный код, сопровождающие его опубликованные научные статьи, а также открытые окружения и наборы данных, которые сообщество может развивать дальше.Это одна библиотека, которую можно установить, или набор отдельных проектов?Это коллекция из десятков самостоятельных проектов — по одной папке на каждую публикацию: от Deep Q-Network и Differential Neural Computer до AlphaFold CASP13 и Perceiver IO. Это не единый устанавливаемый пакет.
Это коллекция из десятков самостоятельных проектов — по одной папке на каждую публикацию: от Deep Q-Network и Differential Neural Computer до AlphaFold CASP13 и Perceiver IO. Это не единый устанавливаемый пакет.Как получить код к статье, которая меня интересует?Склонируйте репозиторий и откройте папку с названием нужной статьи; каждый проект автономен, поэтому инструкции берите внутри его собственной папки.
Склонируйте репозиторий и откройте папку с названием нужной статьи; каждый проект автономен, поэтому инструкции берите внутри его собственной папки.Что нужно установить на компьютере для работы с этим кодом?В основном Python и Jupyter-ноутбуки; в репозитории нет общего файла зависимостей, настройки Docker или CI, так что зависимости каждого проекта придётся ставить самостоятельно.
В основном Python и Jupyter-ноутбуки; в репозитории нет общего файла зависимостей, настройки Docker или CI, так что зависимости каждого проекта придётся ставить самостоятельно.Код готов для продакшена или это скорее исследовательская работа?Это иллюстративный исследовательский код, а не поддерживаемый продукт: полнота у каждого проекта своя, и в репозитории прямо сказано, что это не официальный продукт Google.
Это иллюстративный исследовательский код, а не поддерживаемый продукт: полнота у каждого проекта своя, и в репозитории прямо сказано, что это не официальный продукт Google.Для кого этот репозиторий?Для исследователей в области машинного обучения, студентов и инженеров, которые хотят воспроизвести или развить опубликованные работы DeepMind; DeepMind прямо приглашает к этому всё исследовательское сообщество.
Для исследователей в области машинного обучения, студентов и инженеров, которые хотят воспроизвести или развить опубликованные работы DeepMind; DeepMind прямо приглашает к этому всё исследовательское сообщество.Могу ли я экспериментировать в тех же окружениях, которые DeepMind использует для своих исследований?Да — репозиторий ссылается на открытые окружения, использовавшиеся в исследованиях DeepMind, такие как DeepMind Lab и StarCraft II, так что вы можете ставить эксперименты в тех же условиях, что описаны в статьях.
Да — репозиторий ссылается на открытые окружения, использовавшиеся в исследованиях DeepMind, такие как DeepMind Lab и StarCraft II, так что вы можете ставить эксперименты в тех же условиях, что описаны в статьях.Есть ли там знаменитые результаты вроде AlphaFold?Да, здесь есть реализация AlphaFold CASP13 и десятки других проектов: Perceiver IO, PolyGen для генерации 3D-мешей, офлайн-RL-бенчмарки RL Unplugged, а также работа 2022 года в Nature об управлении плазмой токамака с помощью глубокого обучения с подкреплением.
Да, здесь есть реализация AlphaFold CASP13 и десятки других проектов: Perceiver IO, PolyGen для генерации 3D-мешей, офлайн-RL-бенчмарки RL Unplugged, а также работа 2022 года в Nature об управлении плазмой токамака с помощью глубокого обучения с подкреплением.Зачем DeepMind выкладывает этот код в открытый доступ?Заявленная цель — ускорить научный прогресс: публикация работающего кода, окружений и наборов данных позволяет другим исследователям проверять, повторно использовать и развивать эти работы, а не начинать с одной лишь статьи.
Заявленная цель — ускорить научный прогресс: публикация работающего кода, окружений и наборов данных позволяет другим исследователям проверять, повторно использовать и развивать эти работы, а не начинать с одной лишь статьи.What are similar projects?DeepLearning, google-research, math, maths-cs-ai-compendium, sutskever-30-implementations, mit-deep-learning, spinningup, reinforcement-learning-an-introduction
DeepLearning, google-research, math, maths-cs-ai-compendium, sutskever-30-implementations, mit-deep-learning, spinningup, reinforcement-learning-an-introductionWhich topics is it in?graph-neural-networks, physics, science, jupyter, neural-networks, papers, examples, algorithms, reinforcement-learning, jupyter notebook, academic-research, artificial-intelligence
graph-neural-networks, physics, science, jupyter, neural-networks, papers, examples, algorithms, reinforcement-learning, jupyter notebook, academic-research, artificial-intelligence