🐙 机器学习笔记本
此仓库包含用于不同任务和应用的机器学习笔记本。这些笔记本旨在简洁、易于重复使用和扩展。您可以自由地将其用于教育和研究目的。
此仓库支持 Codespaces!
- 通过点击绿色的“
<> Code
”按钮,然后选择“Configure and create codespace
”选项,启动一个新实例。确保选择此仓库提供的开发容器配置。这将设置一个安装了所有依赖项并准备就绪的环境。 - 一旦 codespace 完全运行,您可以在
/notebooks
文件夹下安装运行笔记本所需的所有库。打开一个终端并简单地运行conda create --name myenv --file spec-file.txt
以安装所有 Python 库,包括 PyTorch。 - 激活您的环境
conda activate myenv
。您可能需要运行conda init zsh
或您使用的其他 shell...然后关闭并重新打开终端。 - 最后,您可以通过打开一个笔记本(例如
/notebooks/bow.ipynb
)来尝试是否一切正常。
入门
自然语言处理
名称 | 描述 | 笔记本 |
---|---|---|
词袋文本分类器 | 构建一个简单的词袋文本分类器。 | |
连续词袋(CBOW)文本分类器 | 构建一个连续词袋文本分类器。 | |
深度连续词袋(Deep CBOW)文本分类器 | 构建一个深度连续词袋文本分类器。 | |
文本数据增强 | 介绍文本的最常见数据增强技术及其实现 | |
使用微调 BERT 的情感分类 | 使用微调 BERT 模型进行情感分类 |
计算机视觉
名称 | 描述 | 笔记本 |
---|---|---|
孪生网络 | 实现孪生网络以寻找图像相似性 |
|
变分自动编码器 | 实现变分自动编码器以生成MNIST手写数字的扩充 |
|
使用滑动窗口和图像金字塔的物体检测 | 用滑动窗口和图像金字塔在图像分类器上实现一个基本的物体检测 |
|
使用选择性搜索的物体检测 | 用选择性搜索在图像分类器上实现一个基本的物体检测 |
|
名称 | 描述 | 笔记本 |
---|---|---|
深度卷积GAN | 深度卷积GAN的实现,用于生成MNIST数字 |
|
梯度惩罚的Wasserstein GAN | 梯度惩罚的Wasserstein GAN的实现,用于生成MNIST数字 |
|
条件GAN | 条件GAN的实现,用于生成MNIST数字 |
|
参数高效微调
如果你在使用这些笔记本时发现任何错误或有任何问题,请提出问题。我们会尽快解决。
如有任何问题,可以在推特上联系。
如果你在研究中使用了这些代码示例,请引用以下内容:
@misc{saravia2022ml,
title={ML Notebooks},
author={Saravia, Elvis and Rastogi, Ritvik},
journal={https://github.com/dair-ai/ML-Notebooks},
year={2022}
}