Repolode
Предложить
udacity

udacity/deep-learning

Подборка обучающих и проектных Jupyter-ноутбуков для программы Udacity Deep Learning Nanodegree Foundation: нейросети, RNN, GAN и многое другое.

Открыть на GitHubСайт
Звёзды
4,059
Форки
4,382
Открытые issues
3
Последний коммит
11 дней назад

Что это?

В репозитории собраны обучающие и проектные ноутбуки из программы Udacity Deep Learning Nanodegree Foundation. В большинстве обучающих материалов пошагово разбирается реализация моделей: свёрточных и рекуррентных сетей, GAN и других. Также рассматриваются инициализация весов и пакетная нормализация.

Материалы охватывают темы от модели для анализа тональности, написанной на NumPy, до введения в TensorFlow, TFLearn и TensorBoard. В других ноутбуках рассматриваются автоэнкодеры, transfer learning с VGG, эмбеддинги Word2Vec, модели sequence-to-sequence и глубокое обучение с подкреплением на основе Q-learning в игре из OpenAI Gym.

Среди проектных ноутбуков — предсказание спроса на прокат велосипедов с помощью NumPy, классификация изображений CIFAR-10, генерация текста, машинный перевод с английского на французский и генерация лиц с помощью DCGAN на наборе CelebA. В каждом каталоге есть собственный requirements.txt, а файлы окружения Conda находятся в папке environments.

Ключевые возможности

  • 01Обучающие ноутбуки по CNN, RNN, GAN, автоэнкодерам и обучению с подкреплением
  • 02Реализации на NumPy, TensorFlow и TFLearn
  • 03Пять проектных ноутбуков, в том числе по классификации изображений и машинному переводу
  • 04Файлы requirements.txt в отдельных каталогах для установки пакетов через pip
  • 05Файлы окружений Conda, включая отдельные варианты для GPU

Сценарии использования

  • Изучать глубокое обучение, пошагово реализуя модели в Jupyter
  • Разбираться в основах TensorFlow по вводным ноутбукам
  • Практиковаться в реализации GAN, RNN или Word2Vec
  • Выполнять проекты из Nanodegree самостоятельно, вне курса

Быстрый старт

  1. 1

    Выберите учебное руководство или папку проекта в оглавлении

  2. 2

    Установите зависимости этой папки с помощью pip

    pip3 install -r requirements.txt

Что важно знать

  • Файлы окружения Conda зависят от платформы, поэтому вам может понадобиться файл для вашей системы.
  • Материал построен на основе программы Udacity Nanodegree и представляет собой коллекцию ноутбуков, а не упакованную библиотеку.

В подборках

Открытые инструменты для обучения и образования

Темы

#deep-learning#jupyter#tensorflow#neural-networks#tutorial#gan#rnn#education

Частые вопросы

Что такое deep-learning?
Подборка обучающих и проектных Jupyter-ноутбуков для программы Udacity Deep Learning Nanodegree Foundation: нейросети, RNN, GAN и многое другое. В репозитории собраны обучающие и проектные ноутбуки из программы Udacity Deep Learning Nanodegree Foundation. В большинстве обучающих материалов пошагово разбирается реализация моделей: свёрточных и рекуррентных сетей, GAN и других. Также рассматриваются инициализация весов и пакетная нормализация.
deep-learning можно использовать бесплатно? Какая у него лицензия?
deep-learning распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.
deep-learning всё ещё поддерживается?
Активно поддерживается. Последний коммит в deep-learning — 27 окт. 2026 г..
Для чего можно использовать deep-learning?
Изучать глубокое обучение, пошагово реализуя модели в Jupyter Разбираться в основах TensorFlow по вводным ноутбукам Практиковаться в реализации GAN, RNN или Word2Vec Выполнять проекты из Nanodegree самостоятельно, вне курса
Как установить deep-learning?
Выберите учебное руководство или папку проекта в оглавлении Установите зависимости этой папки с помощью pip: pip3 install -r requirements.txt
Где скачать deep-learning?
Исходный код и инструкции по установке — на GitHub: https://github.com/udacity/deep-learning

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