机器学习教程 practicalAI

MIT
Python 查看源码»
跨平台
2019-01-08
段段段落

让你可以使用机器学习从数据中得到有价值见解。

  • 用 PyTorch 实现基本的机器学习算法和深层神经网络。

  • 无需任何设置,即可使用 Google Colab 在浏览器上运行。

  • 学习面向对象的机器学习来编写产品代码,而不仅仅是教程。

Notebooks

BasicsDeep LearningAdvancedTopics
notebook Notebooksfire PyTorchbooks Advanced RNNscamera_flash Computer Vision
snake Pythoncontrol_knobs Multilayer Perceptronsracing_car Highway and Residual Networksalarm_clock Time Series Analysis
1234 NumPymag_right Data & Modelscrystal_ball Autoencodershouses Topic Modeling
panda_face Pandaspackage Object-Oriented MLperforming_arts Generative Adversarial Networksshopping_cart Recommendation Systems
chart_with_upwards_trend Linear Regressionframed_picture Convolutional Neural Networksbee Transformer Networksspeaking_head Pretrained Language Modeling
bar_chart Logistic Regressionmemo Embeddings
Multitask Learning
deciduous_tree Random Forestsgreen_book Recurrent Neural Networks
dart One-shot Learning
boom Clustering

cherries Reinforcement Learning

运行 notebooks

  1. 在本项目的 notebooks 文件夹,进入 notebooks;

  2. 你可以在 Google Colab (建议的)或本地机器运行这些 notebook;

  3. 点击一项 notebook,把 notebook 的 URL 替换 https://github.com/ 成 https://colab.research.google.com/github/,或者使用该 Chrome扩展,一键完成操作;

  4. 登入你的 Google 账号;

  5. 点击工具栏上的 复制到云端硬盘 按钮,之后会在一个新标签页打开 notebook;

  6. 删去标题的 副本 部分,来重命名该 notebook;

  7. 你可以运行代码、做修改等。这将自动存储在你的私人谷歌云盘。

的码云指数为
超过 的项目
加载中

评论(0)

暂无评论

暂无资讯

暂无问答

暂存

1.百万人脸数据集:https://weibo.com/1402400261/Heids41fV 2.CUDA开发例子代码:https://github.com/NVIDIA/cuda-samples 3.AI实战-practicalAI 中文版:https://github.com/MLEveryday/p...

01/30 15:12
10
0
Coding and Paper Letter(四十八)

资源整理。 1 Coding: 1.强化学习算法的实现。 Python,OpenAI Gym,Tensorflow练习和解决方案。 reinforcement learning 2.网页上基于LaTex的数学公式js库。 KaTex 3.通过分组极端点和中心点...

01/27 21:02
4
0

没有更多内容

加载失败,请刷新页面

没有更多内容

返回顶部
顶部