deepAI 项目使用教程

deepAI 项目使用教程

deepAI Detection of Accounting Anomalies using Deep Autoencoder Neural Networks - A lab we prepared for NVIDIA's GPU Technology Conference 2018 that will walk you through the detection of accounting anomalies using deep autoencoder neural networks. The majority of the lab content is based on Jupyter Notebook, Python and PyTorch. 项目地址: https://gitcode.com/gh_mirrors/de/deepAI

1. 项目的目录结构及介绍

deepAI/
├── data/
│   └── (数据文件)
├── images/
│   └── (图像文件)
├── models/
│   └── (模型文件)
├── .gitignore
├── GTC_2018_CoLab.ipynb
├── GTC_2018_Lab-solutions.ipynb
├── GTC_2018_Lab.ipynb
├── LICENSE
├── README.md
└── requirements.txt

目录结构说明

• data/: 存放项目所需的数据文件。
• images/: 存放项目中使用的图像文件。
• models/: 存放训练好的模型文件。
• .gitignore: Git 忽略文件，指定哪些文件或目录不需要被 Git 管理。
• GTC_2018_CoLab.ipynb: 项目的主要 Jupyter Notebook 文件，包含实验代码和说明。
• GTC_2018_Lab-solutions.ipynb: 包含实验的解决方案。
• GTC_2018_Lab.ipynb: 实验的初始 Notebook 文件。
• LICENSE: 项目的开源许可证文件。
• README.md: 项目的说明文档。
• requirements.txt: 项目所需的 Python 依赖包列表。

2. 项目的启动文件介绍

GTC_2018_CoLab.ipynb

这是项目的主要启动文件，包含了实验的代码和详细的说明。通过运行这个 Jupyter Notebook，用户可以逐步了解如何使用深度自编码器神经网络检测会计异常。

启动步骤

1. 安装必要的依赖包：

   pip install -r requirements.txt
   

2. 启动 Jupyter Notebook：

   jupyter notebook
   

3. 在 Jupyter Notebook 界面中打开 GTC_2018_CoLab.ipynb 文件，按照说明逐步运行代码。

3. 项目的配置文件介绍

requirements.txt

这个文件列出了项目运行所需的 Python 依赖包及其版本。用户可以通过以下命令安装这些依赖包：

pip install -r requirements.txt

配置文件内容示例

torch==1.7.1
numpy==1.19.2
pandas==1.1.3
matplotlib==3.3.2

配置说明

• torch: 用于深度学习的 PyTorch 库。
• numpy: 用于数值计算的库。
• pandas: 用于数据处理的库。
• matplotlib: 用于数据可视化的库。

通过安装这些依赖包，用户可以确保项目在本地环境中正常运行。

deepAI Detection of Accounting Anomalies using Deep Autoencoder Neural Networks - A lab we prepared for NVIDIA's GPU Technology Conference 2018 that will walk you through the detection of accounting anomalies using deep autoencoder neural networks. The majority of the lab content is based on Jupyter Notebook, Python and PyTorch. 项目地址: https://gitcode.com/gh_mirrors/de/deepAI