17.6K ·GitHub
这是什么?
这是一个大型 Jupyter Notebook 合集,实现了多种深度学习架构和模型,并提供基于 TensorFlow 和 PyTorch 的训练技巧。
这是要导入的库,还是一组示例笔记本?
它是一个独立 Jupyter 笔记本的参考合集,而不是可以安装的库。每个笔记本都是一份自包含的实现,供你阅读和运行,而不是需要导入的包。
这些笔记本怎么用?
克隆仓库,然后在 Jupyter 中打开你想要的模型对应的笔记本。每个笔记本都可以单独运行,通常使用 MNIST、CIFAR-10 或 CelebA 等标准数据集进行训练。
我需要同时安装 TensorFlow 和 PyTorch 吗?
你只需要安装某个笔记本所用的框架即可。这个合集同时包含 TensorFlow 和 PyTorch 的笔记本,所需依赖取决于你打开的具体笔记本。
所有笔记本都已经完整填写并有文档说明了吗?
没有。很多表格条目中的数据集、描述和笔记本链接仍标注为占位符(TBD),因此各条目的完善程度和文档质量参差不齐。
这个合集是给谁看的?
面向希望参考经典和现代深度学习架构实现(CNN、RNN、GAN、VAE、GNN、Transformer)以便学习或改编的学生和从业者。
合集涵盖了哪些模型系列?
涵盖传统机器学习(感知机、逻辑回归/Softmax 回归)、多层感知机(MLP)、CNN(AlexNet、VGG、ResNet、DenseNet、MobileNet、LeNet)、Transformer(DistilBERT)、RNN、自编码器、VAE、GAN 以及图神经网络(GNN)。
序数回归笔记本是用来做性能基准测试的吗?
不是。它们明确是对 CORAL 和 CORN 等序数回归论文方法的参考实现,而不是性能基准测试。
是否包含 PyTorch Lightning 的示例?
包含。有几个 PyTorch Lightning 笔记本,演示了检查点保存,以及如何结合 TensorBoard 日志继续训练。
这些笔记本中常用哪些数据集?
最常用的数据集有 MNIST、CIFAR-10、CelebA、IMDB 影评和 QuickDraw。
What are similar projects?
DeepLearning, AI-For-Beginners, leedl-tutorial, pytorch-book, TensorFlow-Examples, fastbook, nlp-tutorial, DeepLearning-500-questions
Which topics is it in?
rnn, transfer-learning, convolutional-neural-networks, gan, tensorflow, natural-language-processing, neural-network, jupyter notebook, transformer, computer-vision, pytorch, tutorial