rasbt/deeplearning-models

해결하는 문제

이 저장소는 개발자와 학생들이 인기 있는 프레임워크를 사용하여 다양한 신경망을 구축하고 학습하는 방법을 이해할 수 있도록 돕기 위해 딥러닝 아키텍처와 모델 구현의 포괄적인 모음을 제공합니다.

작동 방식

이 프로젝트는 다양한 모델 유형의 구현을 보여주는 일련의 Jupyter Notebooks로 구성되어 있습니다. 이 노트북들은 PyTorch (PyTorch Lightning 포함) 및 TensorFlow를 위한 코드를 모두 제공하며, 기본적인 머신러닝부터 고급 딥러닝 모델까지 광범위한 아키텍처를 다룹니다.

대상 사용자

PyTorch 및 TensorFlow로 구현된 신경망 아키텍처의 구체적이고 실행 가능한 예제를 원하는 딥러닝 실무자와 학습자를 위해 설계되었습니다.

주요 특징

• 다양한 아키텍처: 전통적인 머신러닝 (퍼셉트론, 로지스틱 회귀), MLP, CNN (AlexNet, DenseNet, VGG, ResNet, MobileNet), Transformer (DistilBERT) 및 오토인코더를 다룹니다.
• 평가 모달리티: 컴퓨터 비전, 자연어 처리 (감정 분류) 및 순서 회귀에 대한 구현을 포함합니다.
• 프레임워크 유연성: PyTorch, PyTorch Lightning 및 TensorFlow에서의 병렬 구현을 제공합니다.
• 전문 기술: 정규화 계층, 메트릭 학습 (Siamese Networks) 및 다양한 유형의 오토인코더 (완전 연결, 합성곱, 변분) 예제를 포함합니다.