deep_learning_from_scratch

StracthのDeeplearning/AI

導入

このレポは、深い学習と生成的AIを練習するためのものです。基本的に、CV、NLP、Genaiなどの一般的なディープラーニングモデルをカバーしています。このレポの目標は、深い学習と生成AIの包括的かつ実用的な理解を提供することです。レポは、次のトピックをカバーするように構成されています。

• 予測モデル：回帰、分類などに使用されます。
  • googleNet
  • resnet
  • デンセン
  • 推奨モデル
    • DLRM
    • deepfm
    • mmoe
    • BST
• 生成モデル：新しいデータを生成するために使用されます
  • オートグレーシスモデル
    • pixelcnn
  • vae
  • エネルギーベースのモデル
  • フローの正規化
  • 拡散モデル
• ディスカバリーモデル：ダウンストリームタスクのデータの隠された状態を学習するために使用されます
  • ae
  • 自己学習学習：
    • 対照学習：SIMCLR
  • vit

上記のリストには、Ganのようなすべての革新的な作品が含まれていませんでした。拡散モデルは含まれていません。私は練習を実践する道を進んでおり、後で追加し続けます。

すべてのモデルは、Pytorchと照明を使用してコーディングされており、レイチューンを使用してハイパーパラメーターを調整しようとしました。興味のあるユーザーは、詳細については、各モデルフォルダーのreadme.mdを参照できます。

使い方

リポジトリは、各モデルが別のフォルダーにあるように構成されています。ユーザーは、関心のあるフォルダーに直接移動して、コードを実行できます。コードは十分に文書化されており、理解しやすいです。ユーザーは、詳細については、各モデルフォルダーのreadme.mdを参照することもできます。

設定

1. リポジトリをローカルマシンにクローンします

 cd path/to/your/workspace
git clone https://github.com/Bingzw/DL_genAI_practicing.git

2. Python仮想環境を作成します

 python3 -m venv venv
source venv/bin/activate

3. 必要なパッケージをインストールします

 pip install -r requirements.txt

4. 各モデルのフォルダーに移動して、コードを実行します

 cd path/to/model/folder
python train.py