rasbt/deeplearning-models

解决的问题

此仓库提供了一系列完整的深度学习架构与模型实现，旨在帮助开发者与学生了解如何使用主流框架构建与训练各种神经网络。

运作方式

本项目以一系列 Jupyter Notebooks 的形式组织，展示了不同模型类型的实现。这些 Notebooks 提供了 PyTorch (包含 PyTorch Lightning) 与 TensorFlow 的代码，涵盖了从基础机器学习到进阶深度学习模型的广泛架构。

目标受众

专为深度学习从业者与学习者设计，适合需要 PyTorch 与 TensorFlow 实现之神经网络架构具体且可执行示例的用户。

特色亮点

• 多元架构：涵盖传统机器学习 (感知器、逻辑回归)、MLP、CNN (AlexNet, DenseNet, VGG, ResNet, MobileNet)、Transformer (DistilBERT) 以及自动编码器。
• 评估模态：包含计算机视觉、自然语言处理 (情感分类) 与序数回归的实现。
• 框架灵活性：提供 PyTorch, PyTorch Lightning 与 TensorFlow 的平行实现。
• 专业技术：包含归一化层、度量学习 (Siamese Networks) 以及各类自动编码器 (全连接、卷积与变分) 的示例。