Repolode
Предложить
rasbt

rasbt/deeplearning-models

Подборка примеров в Jupyter Notebook с реализациями архитектур глубокого обучения и советами по обучению на PyTorch и TensorFlow.

Открыть на GitHub
Звёзды
17,632
Форки
4,090
Открытые issues
8
Последний коммит
в прошлом месяце

Что это?

В репозитории собраны Jupyter Notebook с пояснениями и реализациями классических и современных моделей глубокого обучения: от перцептронов и многослойных перцептронов до CNN, таких как LeNet, AlexNet, VGG, ResNet и MobileNet, а также RNN, LSTM, трансформеров (дообучение DistilBERT), GAN, автокодировщиков и графовых нейросетей.

Помимо архитектур, здесь рассматриваются практические темы: функции потерь для порядковой регрессии (CORAL, CORN), слои нормализации, K-fold кросс-валидация, аугментация данных с AutoAugment и TrivialAugment, transfer learning, ограничение градиента, расписания скорости обучения, пользовательские загрузчики данных, обучение на нескольких GPU с DataParallel и конвейерным параллелизмом, а также рабочие процессы на базе Lightning.

Большинство примеров написано на PyTorch; для многих моделей также есть варианты на TensorFlow 1.x и PyTorch Lightning. Каждый ноутбук посвящён распространённому набору данных, например MNIST, CIFAR-10, CelebA или IMDB.

Ключевые возможности

  • 01Реализации архитектур CNN, RNN, трансформеров, GAN, автокодировщиков и GNN в Jupyter Notebook.
  • 02Большинство примеров — на PyTorch; для многих моделей есть варианты на TensorFlow 1.x и PyTorch Lightning.
  • 03Методы порядковой регрессии, такие как CORAL, CORN и переформулировка с квадратичной ошибкой.
  • 04Практические темы обучения, включая аугментацию данных, K-fold валидацию и ограничение градиента.
  • 05Примеры обучения на нескольких GPU с использованием DataParallel и конвейерного параллелизма.

Сценарии использования

  • Изучить, как устроена и обучается конкретная архитектура, например ResNet или DistilBERT.
  • Найти готовый к запуску пример порядковой регрессии или конкретной функции потерь.
  • Посмотреть примеры загрузки данных или обучения на нескольких GPU для проектов на PyTorch.
  • Сравнить реализации одной и той же модели на PyTorch и TensorFlow.

Быстрый старт

  1. 1

    Откройте в Jupyter ноутбук PyTorch, ссылка на который есть в README, например basic-ml/perceptron.ipynb

Что важно знать

  • В README нет инструкций по установке и зависимостям.
  • У многих записей нет описания (они помечены как TBD), поэтому, чтобы узнать, что делает каждый ноутбук, его нужно прочитать.

В подборках

Библиотеки и инструменты компьютерного зренияИнструменты и библиотеки обработки естественного языка

Темы

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

Частые вопросы

Что такое deeplearning-models?
Подборка примеров в Jupyter Notebook с реализациями архитектур глубокого обучения и советами по обучению на PyTorch и TensorFlow. В репозитории собраны Jupyter Notebook с пояснениями и реализациями классических и современных моделей глубокого обучения: от перцептронов и многослойных перцептронов до CNN, таких как LeNet, AlexNet, VGG, ResNet и MobileNet, а также RNN, LSTM, трансформеров (дообучение DistilBERT), GAN, автокодировщиков и графовых нейросетей.
deeplearning-models можно использовать бесплатно? Какая у него лицензия?
deeplearning-models распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.
deeplearning-models всё ещё поддерживается?
Обновлялся за последние 6 месяцев. Последний коммит в deeplearning-models — 26 сент. 2026 г..
Для чего можно использовать deeplearning-models?
Изучить, как устроена и обучается конкретная архитектура, например ResNet или DistilBERT. Найти готовый к запуску пример порядковой регрессии или конкретной функции потерь. Посмотреть примеры загрузки данных или обучения на нескольких GPU для проектов на PyTorch. Сравнить реализации одной и той же модели на PyTorch и TensorFlow.
Как установить deeplearning-models?
Откройте в Jupyter ноутбук PyTorch, ссылка на который есть в README, например basic-ml/perceptron.ipynb
Где скачать deeplearning-models?
Исходный код и инструкции по установке — на GitHub: https://github.com/rasbt/deeplearning-models

Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.

Похожие проекты

microsoft / AI-For-Beginners

Учебная программа Microsoft по ИИ для начинающих: 12 недель и 24 урока о символическом ИИ, нейросетях, компьютерном зрении, NLP и этике, с ноутбуками на PyTorch и TensorFlow.

Обучающие материалы#artificial-intelligence#machine-learning#deep-learning
70,6 тыс.+228 за неделю13,7 тыс.Jupyter NotebookMITОбновлён позавчера

mrdbourke / pytorch-deep-learning

Бесплатный онлайн-курс с упором на практический код и коллекцией ноутбуков: глубокое обучение на PyTorch от основ до развёртывания моделей.

Обучающие материалы#deep-learning#pytorch#machine-learning
19,4 тыс.+69 за неделю5,2 тыс.Jupyter NotebookMITОбновлён в прошлом месяце

TingsongYu / PyTorch-Tutorial-2nd

Бесплатная книга на китайском языке и примеры кода для изучения PyTorch: от основ до CV, NLP, приложений на базе LLM и развёртывания.

Обучающие материалы#pytorch#deep-learning#tutorial
4,6 тыс.+4 за неделю492Jupyter NotebookБез лицензииАктивно поддерживаетсяОбновлён 6 дней назад

ben1234560 / AiLearning-Theory-Applying

Учебный репозиторий на китайском языке: основы математики для ИИ, машинное и глубокое обучение, Transformer, BERT и разборы конкурсных задач с пояснениями к коду и датасетами.

Обучающие материалы#machine-learning#deep-learning#nlp
3,6 тыс.476Jupyter NotebookMITОбновлён 20 дней назад