deep_learning_from_scratch

Deeplearning/Ai de Stracth

Introdução

Este repositório é para praticar aprendizado profundo e IA generativa. Basicamente, abrange os populares modelos de aprendizado profundo em CV, PNL, genai etc. O objetivo deste repositório é fornecer uma compreensão abrangente e prática do aprendizado profundo e da IA ​​generativa. O repositório é estruturado de tal maneira que abrange os seguintes tópicos:

• Modelos de previsão: usado para regressão, classificação etc.
  • googlenet
  • Resnet
  • Densenet
  • Modelos de recomendação
    • dlrm
    • Deepfm
    • mmoe
    • bst
• Modelos generativos: usado para gerar novos dados
  • Modelos autogressivos
    • pixelcnn
  • Vae
  • modelo baseado em energia
  • fluxo normalizando
  • Modelo de difusão
• Modelos de descoberta: usado para aprender o estado oculto dos dados para tarefa a jusante
  • Ae
  • Aprendizagem auto-supervisionada:
    • Aprendizagem contrastiva: SIMCLR
  • Vit

A lista acima não incluiu todos os trabalhos revolucionários, como GaN, o modelo de difusão não estão incluídos. Estou no meu caminho de prática e continuaria adicionando -os mais tarde.

Todos os modelos são codificados usando Pytorch e iluminação, também tentamos ajustar os hiperparâmetros usando o Ray Tune. Os usuários que têm interesse podem se referir ao ReadMe.md em cada pasta do modelo para obter mais detalhes.

Como usar

O repo é estruturado de forma que cada modelo esteja em uma pasta separada. Os usuários podem acessar diretamente a pasta de interesse e executar o código. O código está bem documentado e fácil de entender. Os usuários também podem se referir ao readme.md em cada pasta do modelo para obter mais detalhes.

Configurar

1. Clone o repositório em sua máquina local

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

2. Crie o ambiente virtual do Python

 python3 -m venv venv
source venv/bin/activate

3. Instale os pacotes necessários

 pip install -r requirements.txt

4. Vá para a pasta de cada modelo e execute o código

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