Deep Learning Experiments
1.0.0
修订和扩展
| 话题 | 笔记 | 视频 | 代码 |
|---|---|---|---|
| 概述 | - | - | |
| 监督学习 | - | - | |
| 多层感知器(MLP) | - | 笔记本 | |
| 卷积神经网络(CNN) | - | 笔记本 | |
| 复发性神经网络(RNN) | - | 笔记本 | |
| 变压器 | - | 笔记本 | |
| 曼巴 | - | Simplemamba mamba2 | |
| 优化 | - | - | |
| 正则化 | - | - | |
| 检测 | - | - | |
| 分割 | - | SAM2 | |
| 自动编码器(AE) | - | AE&DENOSING AE 着色AE | |
| 变异自动编码器(VAE) | - | vae和cvae | |
| 生成对抗网络(GAN) | - | DCGAN和CGAN | |
| 大型语言模型(LLMS)的介绍 | - | GPT2-TS-TRAIN,GPT2-TS-VAL | |
| LLM数据和模型 | - | gpt2-ts-ft,gpt2-ts-ft-val |
| 话题 | 笔记 | 视频 | 代码 |
|---|---|---|---|
| 发展环境 | - | - | |
| Python | - | - | |
| numpy | - | - | |
| Einsum | - | 笔记本 | |
| Einops | - | 笔记本 | |
| Pytorch | - | - | |
| Gradio | - | 笔记本 骆驼聊天 | |
| 效率 | - | 代码 | |
| Pytorch闪电 | - | 笔记本 | |
| 型号包装和服务 | - | ONNX导出 ONNX运行时 Torchscript&Tensorrt Pytriton Yolo客户 Pytriton Yolo服务器 | |
| Docker | = | - | |
| huggingfcae | - | - |
假设您已经有anaconda或venv ,请安装所需的Python软件包以在此版本中运行实验。
pip install -r requirements.txt --upgrade
| AI,ML和深度学习 | 笔记 | 视频 | 代码 |
|---|---|---|---|
| 概述 | YouTube | - | |
| 工具包 | |||
| 发展环境 和代码编辑器 | YouTube | - | |
| Python | YouTube | - | |
| numpy | YouTube | Jupyter | |
| Einsum | YouTube | Jupyter | |
| Einops | YouTube | jupyter& jupyter(音频) | |
| Pytorch&Timm | YouTube | Pytorch/timm& 输入jupyter | |
| Gradio&Hugging Face | YouTube | Jupyter | |
| 重量和偏见 | YouTube | Jupyter | |
| 拥抱脸加速器 | 与W&B相同 | 与W&B相同 | jupyter& Python |
| 数据集和数据装载机 | YouTube | Jupyter | |
| 监督学习 | YouTube | ||
| Pytorch闪电 | YouTube | Mnist&KWS | |
| 关键字发现应用程序 | cd versions/2022/supervised/python &&python3 kws-infer.py --gui | ||
| 构建块: MLP,CNN,RNN,变形金刚 | |||
| MLP | YouTube | CIFAR10上的MLP | |
| CNN | YouTube | CNN在CIFAR10上 | |
| 变压器 | YouTube | CIFAR10上的变压器 | |
| 反向传播 | |||
| 优化 | |||
| 正则化 | |||
| 无监督的学习 | 很快 | ||
| 自动编码器 | YouTube | ae mnist 着色CIFAR10 |
如果您觉得这项工作有用,请给它一个明星,叉或引用:
@misc{atienza2020dl,
title={Deep Learning Lecture Notes},
author={Atienza, Rowel},
year={2020},
publisher = {GitHub},
journal = {GitHub repository},
howpublished = {url{https://github.com/roatienza/Deep-Learning-Experiments}},
}