Repolode
投稿する
rasbt

rasbt/deeplearning-models

PyTorchとTensorFlowで多数の深層学習アーキテクチャや学習のコツを実装した、Jupyter Notebookのサンプル集です。

GitHub で見る
スター
17,632
フォーク
4,090
未解決の Issue
8
最終コミット
先月

これは何？

このリポジトリには、パーセプトロンや多層パーセプトロンから、LeNet、AlexNet、VGG、ResNet、MobileNetなどのCNN、RNN、LSTM、Transformer（DistilBERTのファインチューニング）、GAN、オートエンコーダ、グラフニューラルネットワークまで、古典的なものから最新のものまで、さまざまな深層学習モデルを実装した解説付きJupyter Notebookが収録されています。

アーキテクチャに加えて、順序回帰の損失関数（CORAL、CORN）、正規化レイヤー、K-fold交差検証、AutoAugmentやTrivialAugmentによるデータ拡張、転移学習、勾配クリッピング、学習率スケジュール、カスタムデータローダー、DataParallelやパイプライン並列化によるマルチGPU学習、Lightningを使ったワークフローなど、実践的なトピックも扱っています。

サンプルの大半はPyTorchで記述されており、一部はTensorFlow 1.xを使用しています。また、多くのモデルにはPyTorch Lightning版も用意されています。各Notebookは、MNIST、CIFAR-10、CelebA、IMDBなど、一般的なデータセットを対象としています。

主な機能

  • 01CNN、RNN、Transformer、GAN、オートエンコーダ、GNNのアーキテクチャをJupyter Notebookで実装。
  • 02大半のサンプルはPyTorchで記述されており、多くのモデルにはTensorFlow 1.x版とPyTorch Lightning版も用意。
  • 03CORAL、CORN、二乗誤差による再定式化など、順序回帰の手法を紹介。
  • 04データ拡張、K-fold検証、勾配クリッピングなど、実践的な学習手法を解説。
  • 05DataParallelとパイプライン並列化を使ったマルチGPUのサンプルを収録。

ユースケース

  • ResNetやDistilBERTなど、特定のアーキテクチャの構築方法や学習方法を学ぶ。
  • 順序回帰や特定の損失関数について、実行可能な実装例を探す。
  • PyTorchプロジェクトでデータ読み込みやマルチGPU学習の実装パターンを調べる。
  • 同じモデルのPyTorch版とTensorFlow版を比較する。

クイックスタート

  1. 1

    READMEからリンクされているPyTorchノートブック（basic-ml/perceptron.ipynbなど）をJupyterで開きます

使う前に知っておきたいこと

  • READMEにはインストール方法や依存関係に関する説明がありません。
  • 説明がなく「TBD」と記載されている項目が多いため、各ノートブックの内容を知るには、実際に開いて読む必要があります。

収録されている特集

コンピュータービジョンのライブラリとツール自然言語処理ツールとライブラリ

トピック

#deep-learning#pytorch#tensorflow#jupyter-notebook#computer-vision#nlp#neural-networks#tutorial

よくある質問

deeplearning-models とは？
PyTorchとTensorFlowで多数の深層学習アーキテクチャや学習のコツを実装した、Jupyter Notebookのサンプル集です。 このリポジトリには、パーセプトロンや多層パーセプトロンから、LeNet、AlexNet、VGG、ResNet、MobileNetなどのCNN、RNN、LSTM、Transformer（DistilBERTのファインチューニング）、GAN、オートエンコーダ、グラフニューラルネットワークまで、古典的なものから最新のものまで、さまざまな深層学習モデルを実装した解説付きJupyter Notebookが収録されています。
deeplearning-models は無料で使えますか？ライセンスは？
deeplearning-models は MIT ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
deeplearning-models は今もメンテナンスされていますか？
半年以内に更新あり。deeplearning-models の最終コミットは 2026年9月26日 です。
deeplearning-models は何に使えますか？
ResNetやDistilBERTなど、特定のアーキテクチャの構築方法や学習方法を学ぶ。 順序回帰や特定の損失関数について、実行可能な実装例を探す。 PyTorchプロジェクトでデータ読み込みやマルチGPU学習の実装パターンを調べる。 同じモデルのPyTorch版とTensorFlow版を比較する。
deeplearning-models のインストール方法は？
READMEからリンクされているPyTorchノートブック（basic-ml/perceptron.ipynbなど）をJupyterで開きます
deeplearning-models はどこで入手できますか？
ソースコードとインストール手順は GitHub にあります：https://github.com/rasbt/deeplearning-models

概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。

関連プロジェクト