annotated_deep_learning_paper_implementations

🧑‍🏫 60+ 篇深度學習論文實作/教學,附帶並排筆記 📝;包含 transformers(原始、XL、Switch、Feedback、ViT 等)、優化器(Adam、AdaBelief、Sophia 等)、GANs(CycleGAN、StyleGAN2 等)、🎮 強化學習(PPO、DQN)、CapsNet、蒸餾等 🧠

annotated_deep_learning_paper_implementations 是什麼?

🧑‍🏫 60+ 篇深度學習論文實作/教學,附帶並排筆記 📝;包含 transformers(原始、XL、Switch、Feedback、ViT 等)、優化器(Adam、AdaBelief、Sophia 等)、GANs(CycleGAN、StyleGAN2 等)、🎮 強化學習(PPO、DQN)、CapsNet、蒸餾等 🧠

annotated_deep_learning_paper_implementations 概覽

這是什麼

這是一系列使用 PyTorch 實作的神經網路與相關演算法的簡單範例,並附有說明文件。網站會將這些內容以並排格式呈現為註解筆記。此儲存庫持續維護中,幾乎每週都會加入新的實作。

主要功能

  • 超過 60 個深度學習論文的實作/教學,並附有並排註解。
  • 涵蓋 Transformer(原始、XL、Switch、Feedback、ViT 等)、最佳化器(Adam、AdaBelief、Sophia 等)、生成對抗網路(CycleGAN、StyleGAN2 等)、強化學習(PPO、DQN)、膠囊網路、蒸餾等。
  • 包含擴散模型(DDPM、DDIM、潛變擴散、穩定擴散)、圖神經網路(GAT、GATv2)以及正規化層的實作。
  • 提供語言模型取樣技術(貪婪、溫度、Top-k、核取樣)。
  • 支援可擴展的訓練/推論,包含 Zero3 記憶體最佳化。

使用情境

研究人員與實務工作者可透過這些實作,藉由註解程式碼來理解深度學習論文。並排的筆記有助於學習演算法。適合用於研究 Transformer、最佳化器、生成對抗網路、強化學習及其他神經網路架構。

快速開始

bashpip install labml-nn

授權與價格

授權為 MIT。此專案為開放原始碼。

內容整理自該專案公開的 README 與儲存庫資訊。

將此徽章加入你的 README

Featured on YunoDB 徽章樣式與說明

你是這個專案的維護者嗎?展示它已收錄於 YunoDB。

Markdown[![Featured on YunoDB](https://yunodb.com/badge/labmlaiannotated-deep-learning-paper-implementations.svg)](https://yunodb.com/tools/labmlaiannotated-deep-learning-paper-implementations?utm_source=github&utm_medium=badge)
HTML<a href="https://yunodb.com/tools/labmlaiannotated-deep-learning-paper-implementations?utm_source=github&utm_medium=badge"><img src="https://yunodb.com/badge/labmlaiannotated-deep-learning-paper-implementations.svg" alt="Featured on YunoDB" height="20"></a>