uvadlc_notebooks
1.0.0
참고 : 노트북을 더 좋은 형식으로 보려면 RTD 웹 사이트를 방문하십시오 : https://uvadlc-notebooks.readthedocs.io/en/latest/
코스 웹 사이트 : https://uvadlc.github.io/
코스 판 : 가을 2024 (10 월 28 일 -2 월 20 일) - 최신 상태로 유지
녹음 : YouTube 재생 목록
저자 : Phillip Lippe
올해 코스 에디션을 위해, 우리는 해당 구현을 보면서 강의의 "이론"을 이해하는 데 도움이되는 일련의 Jupyter 노트북을 만들었습니다. 최적화 기술, 변압기, 그래프 신경망 등과 같은 다양한 주제를 방문합니다 (전체 목록은 아래 참조). 노트북은 자료를 이해하고 Pytorch Lightning을 포함한 Pytorch 프레임 워크에 대한 세부 정보를 가르쳐주는 데 도움이됩니다. 또한, 우리는 대체 프레임 워크로서 노트북의 일대일 번역을 Jax+Flax 로 제공합니다.
노트북은 모든 그룹 튜토리얼 세션의 첫 시간에 제공됩니다. 튜토리얼 세션 동안 컨텐츠를 제시하고 노트북의 구현을 설명합니다. 채워진 노트북을보고 싶거나 직접 시도하고 싶거나 실제 세션 중에 코드를 원할지 스스로 결정할 수 있습니다. 노트북은 당신이 등급이 매겨 지거나 유사하게 의무적 인 과제의 직접적인 부분이 아닙니다. 그러나 노트북에 익숙해지고 실험하거나 확장하는 것이 좋습니다. 또한 제시된 내용은 등급별 과제 및 시험과 관련이 있습니다.
자습서는 Pytorch Lightning의 공식 튜토리얼로 통합되었습니다. 따라서 문서에서 볼 수 있습니다.
이 웹 사이트에서는 노트북이 HTML 형식으로 내보내면서 원하는 장치에서 읽을 수 있습니다. 그러나, 우리는 또한 그들에게 시도하고 스스로 달리라고 제안합니다. 권장하는 노트북을 실행하는 세 가지 주요 방법이 있습니다.
CPU의 로컬 : 모든 노트북은이 웹 사이트를 구축하는 Github 저장소에 저장됩니다. 여기에서 찾을 수 있습니다 : https://github.com/phlippe/uvadlc_notebooks/tree/master/docs/tutorial_notebooks. 노트북은 GPU의 필요없이 공통 노트북에서 실행할 수 있도록 설계되었습니다. 노트북을 실행할 때 자동으로 다운로드 하거나이 Google 드라이브에서 수동으로 다운로드 할 수있는 사기꾼 모델을 제공합니다. 사전에 걸린 모델 및 데이터 세트에 필요한 디스크 공간은 1GB 미만입니다. 모든 올바른 파이썬 패키지가 설치되도록하려면 동일한 저장소에서 콘다 환경을 제공합니다 (시스템에 따라 CPU 또는 GPU 버전을 선택하십시오).
Google Colab : 자신의 컴퓨터와 다른 플랫폼에서 노트북을 실행하는 것을 선호하거나 GPU 지원을 실험하려면 Google Colab을 사용하는 것이 좋습니다. 이 문서 웹 사이트의 각 노트북에는 Google Colab에서 열 수있는 링크가있는 배지가 있습니다. 노트북 ( Runtime -> Change runtime type )을 실행하기 전에 GPU 지원을 활성화해야합니다. 각 노트북은 독립적으로 실행할 수 있으며 Google 드라이브 또는 이와 유사하게 연결할 필요가 없습니다. 그러나 세션을 닫을 때 로컬 컴퓨터에 저장하지 않거나 노트북을 Google 드라이브에 미리 복사하면 변경 사항이 손실 될 수 있습니다.
Snellius Cluster : 노트북을 기반으로 자신의 (더 큰) 신경망을 훈련 시키려면 Snellius 클러스터를 사용할 수 있습니다. 그러나 이것은 새로운 모델을 실제로 훈련시키고 다른 두 가지 옵션을 사용하여 모델의 토론 및 분석을 수행하는 경우에만 제안됩니다. Snellius는 학생 계정을 사용하여 GPU_SHARD 파티션에서 Jupyter 노트북을 직접 실행할 수 없습니다. 대신, jupyter nbconvert --to script ...ipynb 사용하여 메모를 스크립트로 변환 한 다음 스크립트를 실행하기 위해 Snellius에서 작업을 시작할 수 있습니다. Snellius에서 실행할 때 몇 가지 조언 :
progress_bar_refresh_rate=0 설정하여이를 수행 할 수 있습니다.plt.show() 에게 plt.savefig(...) . 우리는 코스의 7 가지 튜토리얼에 대해 논의하고 모든 영역의 무언가를 다루기 위해 강의를 통해 퍼져 나갈 것입니다. 주제에 따라 튜토리얼을 강의와 정렬 할 수 있습니다. 자습서 목록은 다음과 같습니다.
딥 러닝 과정 에서이 튜토리얼을 발표 한 것은 이번이 처음입니다. 다른 프로젝트와 마찬가지로 작은 버그 및 문제가 예상됩니다. 철자 실수, 구현 버그 또는 노트북 개선/추가에 대한 제안에 대한 학생들의 피드백에 감사드립니다. 다음 링크를 사용하여 피드백을 제출하거나 우편물 당 직접 저에게 연락하십시오 (UVA Dot NL의 P DOT LIPPE) 또는 TA 세션 중에 저를 잡으십시오.
튜토리얼이 도움이되고 인용하고 싶다면 다음 Bibtex를 사용할 수 있습니다.
@misc { lippe2024uvadlc ,
title = { {UvA Deep Learning Tutorials} } ,
author = { Phillip Lippe } ,
year = 2024 ,
howpublished = { url{https://uvadlc-notebooks.readthedocs.io/en/latest/} }
}
