最新深度学习合集:GitHub趋势排行第一位,仅两天斩获2000+Star!

最近,威斯康辛大学麦迪逊分校统计学助理教授、机器学习和深度学习研究者 Sabastian Raschka 在 GitHub 上创建了一个项目,包含大量深度学习架构、模型和 tips。该项目发布两天即获得了 2000 多星,目前在 GitHub Trending 上名列第一。

项目地址:https://github.com/rasbt/deeplearning-models

目录

该项目的目录如下:

传统机器学习

多层感知机

卷积神经网络(CNN)

度量学习(Metric Learning)

自编码器

生成对抗网络(GAN)

循环神经网络(RNN)

有序回归

技巧和窍门

PyTorch 工作流和机制

TensorFlow 工作流和机制

其中每个部分包含多个子部分,主要介绍了各部分相关的模型和 TensorFlow、PyTorch 实现。

以 CNN 为例,我们来看一下它包含哪些内容。

卷积神经网络

这部分首先介绍了 CNN 的基础知识和概念,然后介绍了不同的 CNN 模型,如全卷积神经网络、AlexNet、VGG、ResNet 等,每个子部分都包含示例及其 TensorFlow 和 PyTorch 实现。

技巧和窍门

除了模型,该项目还介绍了一些模型训练的技巧和窍门。

这部分主要介绍了 PyTorch 中的周期学习率(cyclical learning rate),具体涉及三项内容:

简要介绍了周期学习率的基础概念;

使用「LR range test」为周期学习率选择基础和最大学习率;

使用周期学习率在 CIFAR-10 上训练简单的卷积神经网络。

详情参见:https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/tricks/cyclical-learning-rate.ipynb

PyTorch 和 TensorFlow 的工作流和机制

该项目的最后介绍了 PyTorch 和 TensorFlow 的工作流和机制,涉及数据集、训练和预处理等内容。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20190609A03XI800?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券