深度学习李宏毅2021学习笔记 – 开源项目指南

鲁景晨

于 2024-08-08 07:36:39 发布

阅读量769

点赞数 9

本文链接：https://blog.csdn.net/gitblog_00185/article/details/141010027

版权

深度学习李宏毅2021学习笔记 – 开源项目指南

DeepLearning_LHY21_Notes深度学习李宏毅 2021 学习笔记项目地址:https://gitcode.com/gh_mirrors/de/DeepLearning_LHY21_Notes

项目介绍

该项目是由 unclestrong 在 GitHub 上维护的一个深度学习课程的学习笔记集合。它涵盖了台湾交通大学李宏毅教授于2021年讲授的《深度学习》课程的所有主题，从线性回归到自注意力机制、Transformer架构、GANs、BERT等前沿技术均有涉及。这些笔记以Markdown文件形式存储，包括理论讲解、公式推导以及部分代码实现示例。

项目快速启动

环境要求

Python >= 3.6
Jupyter Notebook 或其他 Markdown 支持编辑器
相关深度学习库（如 TensorFlow, PyTorch）

克隆仓库

首先，您需要克隆此仓库到您的本地机器上：

git clone https://github.com/unclestrong/DeepLearning_LHY21_Notes.git
cd DeepLearning_LHY21_Notes

安装依赖

确保安装所有必要的Python库：

pip install -r requirements.txt # 假设存在requirements.txt文件列出所需库

运行Jupyter Notebooks

对于Jupyter Notebook或.ipynb文件，您可以打开它们并运行代码单元格：

jupyter notebook

然后在浏览器中导航至 DeepLearning_LHY21_Notes/Notes_notebook 目录下对应的Notebook文件。

应用案例和最佳实践

项目中的每个章节都提供了详细的理论说明和一些基础的代码示例，例如：

自动编码器 (Auto-Encoder)

这是一个简化版的自动编码器代码框架：

import torch
from torch import nn

class Autoencoder(nn.Module):
    def __init__(self):
        super(Autoencoder, self).__init__()
        self.encoder = nn.Sequential(
            nn.Linear(784, 128),
            nn.ReLU(True),
            nn.Linear(128, 64),
            nn.ReLU(True), 
            nn.Linear(64, 12)
        )
        self.decoder = nn.Sequential(
            nn.Linear(12, 64),
            nn.ReLU(True),
            nn.Linear(64, 128),
            nn.ReLU(True),
            nn.Linear(128, 784),
            nn.Sigmoid()
        )

    def forward(self, x):
        x = self.encoder(x)
        x = self.decoder(x)
        return x

更多高级的应用和最佳实践，请参考各章节末尾的扩展阅读和相关资源链接。