fromthetensor

Vom Tensor bis zur stabilen Diffusion

Inspiriert vom Transistor.

Maschinelles Lernen ist schwierig, viele Tutorials sind schwer zu befolgen, und es ist schwer zu verstehen, dass Software 2.0 aus den ersten Prinzipien ist.

Willst du ein ML -Ingenieur sein? Nun, hier sind die Schritte, um gut darin zu werden:

1. Laden Sie ein Papier herunter
2. Implementieren Sie es
3. Machen Sie dies weiter, bis Sie Fähigkeiten haben

- George Hotz

Abschnitt 1: Intro: Das Betrügen am Tensor - 1 Woche

• Also über diese Tensoren - Kursübersicht. Beschreiben Sie, wie Deep -Learning -Modelle mithilfe von Tensoren baubar sind und wie unterschiedliche Architekturen wie CNNs und RNNs Tensoren auf unterschiedliche Weise verwenden. Verstehen Sie das Konzept der Backpropagation und des Gradientenabstiegs. [Video]

Abschnitt 2: Deep Learning: Was ist überhaupt tiefes Lernen? - 1 Woche

• Erstellen eines einfachen neuronalen Netzwerks - Ihr erstes kleines Programm! Das Modell zum Arbeiten bringen und die Grundlagen des tiefen Lernens lernen. [Code] [Video]

• Aufbau eines einfachen CNN - ein Intro -Kapitel zum tiefgreifenden Lernen, lernen Sie, wie man einen einfachen CNN aufbaut und die Konzepte der Faltung und des Poolings versteht. [Code] [Video]

• Aufbau eines einfachen RNN - Erfahren Sie die Grundlagen wiederkehrender neuronaler Netzwerke und verstehen Sie das Konzept des "Gedächtnisses", das ihnen hilft, Zustände früherer Eingaben zu speichern. [Code] [Video]

Abschnitt 3: Implementierung von Arbeiten (Teil 1): Vision Modelle - 3 Wochen

• Implementierung von Lenet - Erfahren Sie mehr über die Lenet -Architektur und ihre Anwendung. [Code] [Papier]

• Implementierung von Alexnet - Erfahren Sie, wie Sie Alexnet für Bildklassifizierungsaufgaben implementieren. [Code] [Papier]

• Implementierung von RESNET - Erfahren Sie, wie Sie RESNET für Bildklassifizierungsaufgaben implementieren. [Code] [Papier]

• Aufbau eines DCGAN - Erfahren Sie, wie Sie ein DCGAN und das Konzept des kontroversen Trainings bauen. [Code] [Papier]

Abschnitt 4: Implementierung von Arbeiten (Teil 2): ​​Sprachmodelle - 3 Wochen

• Implementierung von GRU und LSTM - Erfahren Sie die Konzepte von LSTM- und GRU -Zellen. [Code] [Papier]

• Implementierung von CBOW und Skip-Gram-Erfahren Sie mehr über die Word2VEC-Architektur und ihre Anwendung. [Code] [Papier]

• Aufbau eines Transformators - Erfahren Sie mehr über die Transformatorarchitektur und ihre Anwendung. [Code] [Papier]

• Feinabstimmung eines Bert-Erfahren Sie mehr über die Bert-Architektur und die Feinabstimmung eines vorgeborenen Modells. [Code] [Papier]

Abschnitt 5: Implementierung von Arbeiten (Teil 3): Visionsprachel-Modelle-1 Woche

• Erstellen eines stabilen Diffusionsmodells - Erfahren Sie mehr über die stabile Diffusionsarchitektur und ihre Anwendung bei Aufgaben der Bildgenerierung. [Code] [Papier]