fromthetensor

从张量到稳定的扩散

受晶体管的启发。

机器学习很困难，许多教程很难遵循，并且很难从第一原则中理解软件2.0。

您想成为ML工程师吗？好吧，这是擅长这一点的步骤：

1. 下载论文
2. 实施它
3. 继续这样做直到有技能

-乔治·霍兹（George Hotz）

第1节：介绍：欺骗我们的张量 - 1周

• 因此，这些张量 - 课程概述。描述使用张量的深度学习模型如何构建，以及CNN和RNN等不同架构以不同方式使用张量。了解反向传播和梯度下降的概念。 [视频]

第2节：深度学习：什么是深度学习？ - 1周

• 构建一个简单的神经网络 - 您的第一个小程序！使模型有效并学习深度学习的基础。 [代码] [视频]

• 构建一个简单的CNN - 深度学习的介绍章节，学习如何构建简单的CNN并了解卷积和汇总的概念。 [代码] [视频]

• 构建一个简单的RNN - 了解复发性神经网络的基础知识，并了解“内存”的概念，该概念可帮助他们存储以前的输入状态。 [代码] [视频]

第3节：实施论文（第1部分）：视觉模型 - 3周

• 实施LENET-了解LENET体系结构及其应用程序。 [代码] [纸]

• 实施Alexnet-了解如何实现图像分类任务的Alexnet。 [代码] [纸]

• 实施重新系统 - 了解如何实现图像分类任务的重新系统。 [代码] [纸]

• 建立DCGAN - 学习如何建立DCGAN和对抗训练的概念。 [代码] [纸]

第4节：实施论文（第2部分）：语言模型 - 3周

• 实施GRU和LSTM-了解LSTM和GRU细胞的概念。 [代码] [纸]

• 实施CBOW和SKIP-GRAM-了解Word2Vec架构及其应用程序。 [代码] [纸]

• 构建变压器 - 了解变压器体系结构及其应用。 [代码] [纸]

• 微调BERT - 了解BERT体系结构并微调预训练的模型。 [代码] [纸]

第5节：实施论文（第3部分）：视觉语言模型 - 1周

• 构建稳定的扩散模型 - 了解稳定的扩散体系结构及其在图像生成任务中的应用。 [代码] [纸]