الصفحة الرئيسية>المتعلقة بالبرمجة>بايثون
تنزيل

دروس التعلم العميق UVA

ملاحظة: للنظر في دفاتر الملاحظات بتنسيق أجمل ، تفضل بزيارة موقعنا على الويب: https://uvadlc-notebooks.readthedocs.io/en/latest/

موقع الدورة : https://uvadlc.github.io/
طبعة الدورة : خريف 2024 (28 أكتوبر - 20 ديسمبر) - يتم تحديثه
التسجيلات : قائمة تشغيل YouTube
المؤلف : فيليب ليبي

بالنسبة إلى إصدار الدورة التدريبية لهذا العام ، أنشأنا سلسلة من أجهزة الكمبيوتر المحمولة Jupyter المصممة لمساعدتك على فهم "النظرية" من المحاضرات من خلال رؤية التطبيقات المقابلة. سنزور مواضيع مختلفة مثل تقنيات التحسين والمحولات والشبكات العصبية الرسم البياني والمزيد (للحصول على قائمة كاملة ، انظر أدناه). توجد دفاتر الملاحظات لمساعدتك في فهم المواد وتعليمك تفاصيل إطار Pytorch ، بما في ذلك Lightning Pytorch . علاوة على ذلك ، نحن نقدم ترجمات فردية من دفاتر الملاحظات إلى Jax+Flax كإطار بديل.

يتم تقديم دفاتر الملاحظات في الساعة الأولى من كل جلسة تعليمية جماعية. خلال جلسات البرنامج التعليمي ، سنقدم المحتوى ونشرح تنفيذ دفاتر الملاحظات. يمكنك أن تقرر نفسك ما إذا كنت تريد فقط إلقاء نظرة على دفتر الملاحظات المملوءة ، أو تريد تجربته بنفسك ، أو رمزًا أثناء الجلسة العملية. لا تعد دفاتر الملاحظات جزءًا مباشرة من أي مهام إلزامية سيتم تصنيفها أو بالمثل. ومع ذلك ، فإننا نشجعك على التعرف على دفاتر الملاحظات وتجربة أو تمديدها بنفسك. علاوة على ذلك ، سيكون المحتوى المقدم ذا صلة بالتعيين والامتحان المتدرج.

تم دمج البرامج التعليمية كدروس تعليمية رسمية لـ Pytorch Lightning. وبالتالي ، يمكنك أيضًا عرضها في وثائقهم.

كيفية تشغيل دفاتر الملاحظات

على هذا الموقع ، ستجد أجهزة الكمبيوتر المحمولة التي يتم تصديرها إلى تنسيق HTML بحيث يمكنك قراءتها من أي جهاز تفضله. ومع ذلك ، نقترح عليك أن تجربهم أيضًا وتشغيلهم بنفسك. هناك ثلاث طرق رئيسية لتشغيل دفاتر الملاحظات التي نوصي بها:

  • محليًا على وحدة المعالجة المركزية : يتم تخزين جميع أجهزة الكمبيوتر المحمولة على مستودع GitHub الذي يبني هذا الموقع الإلكتروني أيضًا. يمكنك العثور عليها هنا: https://github.com/phlippe/uvadlc_notebooks/tree/master/docs/tutorial_notebooks. تم تصميم دفاتر الملاحظات بحيث يمكنك تنفيذها على أجهزة الكمبيوتر المحمولة الشائعة دون ضرورة وحدة معالجة الرسومات. نحن نقدم نماذج مسبقة يتم تنزيلها تلقائيًا عند تشغيل دفاتر الملاحظات ، أو يمكن تنزيلها يدويًا من محرك Google. مساحة القرص المطلوبة للنماذج المسبقة ومجموعات البيانات أقل من 1 جيجابايت. للتأكد من أن لديك كل حزم Python المناسبة المثبتة ، نقدم بيئة كوندا في نفس المستودع (اختر إصدار وحدة المعالجة المركزية أو GPU اعتمادًا على نظامك).

  • Google Colab : إذا كنت تفضل تشغيل دفاتر الملاحظات على منصة مختلفة عن الكمبيوتر الخاص بك ، أو ترغب في تجربة دعم GPU ، فإننا نوصي باستخدام Google Colab. يحتوي كل دفتر ملاحظات على موقع الوثائق هذا على شارة مع رابط لفتحه على Google Colab. تذكر تمكين دعم GPU قبل تشغيل دفتر الملاحظات ( Runtime -> Change runtime type ). يمكن تنفيذ كل دفتر ملاحظات بشكل مستقل ، ولا يتطلب منك توصيل محرك Google أو ما شابه. ومع ذلك ، عند إغلاق الجلسة ، قد تضيع التغييرات إذا لم تقم بحفظها على جهاز الكمبيوتر المحلي الخاص بك أو قمت بنسخ دفتر الملاحظات إلى Google Drive مسبقًا.

  • Snellius Cluster : إذا كنت ترغب في تدريب الشبكات العصبية الخاصة بك (أكبر) بناءً على دفاتر الملاحظات ، فيمكنك الاستفادة من مجموعة Snellius. ومع ذلك ، يُقترح هذا فقط إذا كنت ترغب حقًا في تدريب نموذج جديد ، واستخدام الخيارين الآخرين للذهاب من خلال مناقشة النماذج وتحليلها. قد لا يسمح لك Snellius بحساب الطالب الخاص بك بتشغيل دفاتر Jupyter مباشرة على قسم GPU_Shared. بدلاً من ذلك ، يمكنك أولاً تحويل دفاتر الملاحظات إلى برنامج نصي باستخدام jupyter nbconvert --to script ...ipynb ، ثم بدء وظيفة على Snellius لتشغيل البرنامج النصي. بعض النصائح عند الركض على Snellius:

    • تعطيل عبارات TQDM في دفتر الملاحظات. وإلا فإن ملف الإخراج slurm الخاص بك قد يفيض ويكون عدة ميغابايت كبيرة. في Lightning Pytorch ، يمكنك القيام بذلك عن طريق تعيين progress_bar_refresh_rate=0 في المدرب.
    • التعليق على عبارات التخطيط matplotlib ، أو التغيير: الكود: plt.show() إلى plt.savefig(...) .

محاذاة المحاضرة التعليمية

سنناقش 7 من الدروس في الدورة التدريبية ، وانتشرت عبر محاضرات لتغطية شيء من كل منطقة. يمكنك محاذاة البرامج التعليمية مع المحاضرات بناءً على موضوعاتها. قائمة البرامج التعليمية هي:

  • دليل 1: العمل مع مجموعة Snellius
  • البرنامج التعليمي 2: مقدمة إلى Pytorch
  • البرنامج التعليمي 3: وظائف التنشيط
  • البرنامج التعليمي 4: التحسين والتهيئة
  • البرنامج التعليمي 5: Inception و Resnet و Densenet
  • البرنامج التعليمي 6: المحولات والاهتمام متعدد الرأس
  • البرنامج التعليمي 7: الرسم البياني الشبكات العصبية
  • البرنامج التعليمي 8: نماذج الطاقة العميقة
  • البرنامج التعليمي 9: أجهزة الترميز التلقائي
  • البرنامج التعليمي 10: هجمات عدوانية
  • البرنامج التعليمي 11: تطبيع التدفقات على نمذجة الصور
  • البرنامج التعليمي 12: نمذجة الصور التلقائية
  • البرنامج التعليمي 15: محولات الرؤية
  • البرنامج التعليمي 16: تعلم التعلم - تعلم التعلم
  • البرنامج التعليمي 17: التعلم المتناقض ذاتيًا مع SimClr

ردود الفعل أو الأسئلة أو المساهمات

هذه هي المرة الأولى التي نقدم فيها هذه البرامج التعليمية خلال دورة التعلم العميق. كما هو الحال مع أي مشروع آخر ، من المتوقع أن تكون الأخطاء والقضايا الصغيرة. نحن نقدر أي ردود فعل من الطلاب ، سواء كان ذلك عن خطأ إملائي أو خطأ في التنفيذ أو اقتراحات للتحسينات/الإضافات إلى دفاتر الملاحظات. يرجى استخدام الرابط التالي لتقديم التعليقات ، أو لا تتردد في الوصول إلي مباشرة لكل بريد (P dot lippe في UVA Dot NL) ، أو الاستيلاء علي خلال أي جلسة TA.

إذا وجدت البرامج التعليمية مفيدة وترغب في الاستشهاد بها ، فيمكنك استخدام bibtex التالي: 

 @misc { lippe2024uvadlc ,
   title        = { {UvA Deep Learning Tutorials} } ,
   author       = { Phillip Lippe } ,
   year         = 2024 ,
   howpublished = { url{https://uvadlc-notebooks.readthedocs.io/en/latest/} }
}
يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل