Repolode
제출하기
rasbt

rasbt/deeplearning-models

PyTorch와 TensorFlow로 다양한 딥러닝 아키텍처와 학습 기법을 구현한 Jupyter Notebook 예제 모음입니다.

GitHub에서 보기
스타
17,632
포크
4,089
열린 이슈
8
마지막 커밋
지난달

어떤 프로젝트인가요?

이 저장소에는 퍼셉트론과 다층 퍼셉트론부터 LeNet, AlexNet, VGG, ResNet, MobileNet 같은 CNN, RNN과 LSTM, 트랜스포머(DistilBERT 파인튜닝), GAN, 오토인코더, 그래프 신경망까지 고전 및 최신 딥러닝 모델을 구현한 주석이 달린 Jupyter Notebook이 모여 있습니다.

아키텍처 외에도 순서형 회귀 손실(CORAL, CORN), 정규화 레이어, K-fold 교차 검증, AutoAugment와 TrivialAugment를 사용한 데이터 증강, 전이 학습, 그래디언트 클리핑, 학습률 스케줄, 커스텀 데이터 로더, DataParallel 및 파이프라인 병렬화를 사용한 멀티 GPU 학습, Lightning 기반 워크플로 등 실용적인 주제를 다룹니다.

대부분의 예제는 PyTorch로 작성되어 있으며, 일부는 TensorFlow 1.x로 작성되어 있고 여러 모델에 PyTorch Lightning 버전도 제공됩니다. 각 노트북은 MNIST, CIFAR-10, CelebA, IMDB 같은 널리 쓰이는 데이터셋을 대상으로 합니다.

핵심 기능

  • 01Jupyter Notebook으로 구현한 CNN, RNN, 트랜스포머, GAN, 오토인코더, GNN 아키텍처.
  • 02대부분의 예제는 PyTorch로 제공되며, 여러 모델에는 TensorFlow 1.x 및 PyTorch Lightning 버전도 있습니다.
  • 03CORAL, CORN, 제곱 오차 재구성 등 순서형 회귀 기법.
  • 04데이터 증강, K-fold 검증, 그래디언트 클리핑을 비롯한 실용적인 학습 주제.
  • 05DataParallel 및 파이프라인 병렬화를 활용한 멀티 GPU 예제.

활용 사례

  • ResNet이나 DistilBERT 같은 특정 아키텍처의 구성과 학습 방법을 알아볼 때.
  • 순서형 회귀나 특정 손실 함수의 실행 가능한 참고 구현을 찾을 때.
  • PyTorch 프로젝트에서 데이터 로딩 또는 멀티 GPU 학습 패턴을 참고할 때.
  • 동일한 모델의 PyTorch 및 TensorFlow 구현을 비교할 때.

빠른 시작

  1. 1

    README에서 링크된 PyTorch 노트북(예: basic-ml/perceptron.ipynb)을 Jupyter에서 엽니다

사용 전 알아둘 점

  • README에는 설치 방법이나 종속 항목에 대한 안내가 없습니다.
  • 설명이 없고 'TBD'로 표시된 항목이 많으므로, 각 노트북의 내용을 파악하려면 직접 읽어야 합니다.

포함된 컬렉션

컴퓨터 비전 라이브러리 및 도구자연어 처리 도구 및 라이브러리

토픽

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

자주 묻는 질문

deeplearning-models은(는) 무엇인가요?
PyTorch와 TensorFlow로 다양한 딥러닝 아키텍처와 학습 기법을 구현한 Jupyter Notebook 예제 모음입니다. 이 저장소에는 퍼셉트론과 다층 퍼셉트론부터 LeNet, AlexNet, VGG, ResNet, MobileNet 같은 CNN, RNN과 LSTM, 트랜스포머(DistilBERT 파인튜닝), GAN, 오토인코더, 그래프 신경망까지 고전 및 최신 딥러닝 모델을 구현한 주석이 달린 Jupyter Notebook이 모여 있습니다.
deeplearning-models은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?
deeplearning-models은(는) MIT 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.
deeplearning-models은(는) 아직 유지보수되고 있나요?
6개월 이내 업데이트. deeplearning-models의 마지막 커밋은 2026년 9월 26일입니다.
deeplearning-models은(는) 어디에 사용할 수 있나요?
ResNet이나 DistilBERT 같은 특정 아키텍처의 구성과 학습 방법을 알아볼 때. 순서형 회귀나 특정 손실 함수의 실행 가능한 참고 구현을 찾을 때. PyTorch 프로젝트에서 데이터 로딩 또는 멀티 GPU 학습 패턴을 참고할 때. 동일한 모델의 PyTorch 및 TensorFlow 구현을 비교할 때.
deeplearning-models는 어떻게 설치하나요?
README에서 링크된 PyTorch 노트북(예: basic-ml/perceptron.ipynb)을 Jupyter에서 엽니다
deeplearning-models은(는) 어디서 받을 수 있나요?
소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/rasbt/deeplearning-models

요약은 프로젝트 README를 바탕으로 AI가 작성했습니다. GitHub 통계는 매일 갱신됩니다.

관련 프로젝트