rasbt/deeplearning-models

解決する課題

このリポジトリは、開発者や学生が主要なフレームワークを使用してさまざまなニューラルネットワークを構築・学習する方法を理解できるよう、ディープラーニングのアーキテクチャとモデル実装の包括的なコレクションを提供します。

仕組み

このプロジェクトは、さまざまなモデルタイプの実装を示す一連のJupyter Notebooksとして構成されています。これらのNotebooksは、PyTorch (PyTorch Lightningを含む) とTensorFlowの両方のコードを提供し、基本的な機械学習から高度なディープラーニングモデルまで、幅広いアーキテクチャをカバーしています。

対象読者

PyTorchおよびTensorFlowで実装されたニューラルネットワークアーキテクチャの具体的で実行可能な例を必要とする、ディープラーニングの実務者や学習者向けに設計されています。

ハイライト

• 多様なアーキテクチャ: 従来の機械学習 (パーセプトロン、ロジスティック回帰)、MLP、CNN (AlexNet, DenseNet, VGG, ResNet, MobileNet)、Transformer (DistilBERT)、オートエンコーダーを網羅しています。
• 評価モダリティ: コンピュータビジョン、自然言語処理 (感情分類)、順序回帰の実装が含まれています。
• フレームワークの柔軟性: PyTorch, PyTorch Lightning, TensorFlowでの並行実装を提供します。
• 専門的な技術: 正規化層、メトリック学習 (Siamese Networks)、およびさまざまなタイプのオートエンコーダー (全結合、畳み込み、変分) の例が含まれています。