查看原文
其他

GitHub 热门:深度学习模型大合集,5600+ Star

(给Python开发者加星标,提升Python技能

转自:机器之心
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。


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。



推荐阅读

(点击标题可跳转阅读)

GitHub 热门:微软新开源的 Python 静态类型检查器

GitHub 热门:各大网站的 Python 爬虫登录汇总

GitHub 热门:别再用 print 输出来调试代码了

GitHub 热门:Python 算法大全,Star 超过 2 万



觉得本文对你有帮助?请分享给更多人

关注「Python开发者」加星标,提升Python技能

好文章,我在看❤️

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存