deep_learning_from_scratch

来自Stracth的深度学习/AI

介绍

此存储库是为了实践深度学习和生成性AI。它基本上涵盖了简历，NLP，Genai等流行的深度学习模型等。该仓库的目的是提供对深度学习和生成AI的全面和实用的理解。该存储库的结构是涵盖以下主题的方式：

• 预测模型：用于回归，分类等。
  • Googlenet
  • 重新连接
  • Densenet
  • 推荐模型
    • DLRM
    • DeepFM
    • mmoe
    • BST
• 生成模型：用于生成新数据
  • 自动型型号
    • Pixelcnn
  • vae
  • 基于能量的模型
  • 标准化流程
  • 扩散模型
• 发现模型：用于学习下游任务的数据的隐藏状态
  • Ae
  • 自我监督的学习：
    • 对比学习：Simclr
  • VIT

上面的列表并未包括所有革命性的作品，例如GAN，扩散模型。我正在练习练习，以后会继续添加它们。

所有模型均使用Pytorch和Lighting编码，我们还尝试使用射线曲调调整超参数。有兴趣的用户可以参考每个模型文件夹中的readme.md，以获取更多详细信息。

如何使用

存储库的构造方式使每个模型都位于单独的文件夹中。用户可以直接转到感兴趣的文件夹并运行代码。该代码有充分的文献记载且易于理解。用户还可以参考每个模型文件夹中的readme.md，以获取更多详细信息。

设置

1. 克隆回购到您当地的机器

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

2. 创建Python虚拟环境

 python3 -m venv venv
source venv/bin/activate

3. 安装所需的软件包

 pip install -r requirements.txt

4. 转到每个型号的文件夹并运行代码

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