Tek seferde derin öğrenme kaynaklarını yakalayın! Makaleler, veri setleri, çerçeveler, kurslar, kitaplar vb.
İçbükey tapınaktan Qian Ming
Qubit Üretildi | Genel Hesap QbitAI
Son zamanlarda, GitHub'da makaleler, veri setleri, kurslar, kitaplar, bloglar, öğreticiler, çerçeveler vb. Dahil olmak üzere derin öğrenmenin tüm yönlerini kapsayan bir derin öğrenme kaynağı ortaya çıktı.
Kaynağa katkıda bulunanlar, diğer benzer kaynaklarla karşılaştırıldığında bu kaynağın daha hedeflendiğini söylüyor.
Birisi hangi derin öğrenme kaynaklarını aradığını bilirse, bu kaynakta en uygun kaynakları kolayca bulabilir.
Birisi ne tür kaynaklar arayacağını bilmese bile, buraya geldiğinde en yaygın kaynakları bulacaktır.
Bunun nedeni, derin öğrenme kaynaklarının tüm yönlerini dikkatlice sınıflandırmalarıdır.
Örneğin, tez bölümü yalnızca çeşitli genel kategorileri incelemekle kalmaz, aynı zamanda makaleleri cümle sınıflandırması için evrişimli sinir ağı gibi amaca göre sınıflandırır.
Şu anda, bu kaynak günlerce yayınlandı ve GitHub'da 1.250'den fazla yıldız aldı.
Kaynakta neler var?
Genel olarak bu kaynak, derin öğrenme kaynaklarının tüm yönlerini 7 kategoriye ayıran derin öğrenme alanında hao123 olarak anlaşılabilir. özellikle şudur:
kağıt
Tez kaynakları bölümü model, çekirdek ve uygulama olmak üzere 3 kategoriye ayrılmıştır.
Her kategorinin altında daha ayrıntılı iki sınıflandırma vardır. Örnek olarak model sınıflandırmasını alın:
Model sınıflandırmasında, evrişimli ağ, yinelenen ağ, otomatik kodlayıcı, üretici model ve olasılık modeli olarak rafine edilmiştir. Her modelin altında modelin amacına göre sınıflandırılarak ilgili kağıtlar verilecektir.
Örneğin, evrişimli ağ, görüntü sınıflandırması, cümle sınıflandırması, video sınıflandırması, yüz tanıma vb. Hakkında uygulama belgeleri sağlar ve kağıtlara bağlantılar ekler.Bazı kağıtların karşılık gelen uygulama kodları vardır ve belgeler de yıldızlarla derecelendirilir.
veri seti
Veri seti bölümü ayrıca görüntü veri seti, metin ve doğal dil işleme veri seti ve konuşma teknolojisi veri seti olmak üzere üç kategoriye sahiptir.
Her yön ayrıca sınıflandırılacak ve ilgili veri setinin özellikleri ve kullanımları, kaynak bağlantısı verilirken eklenecektir. Resim veri setini örnek olarak alın:
Görüntü veri seti 4 kategoriye ayrılmıştır: genel amaç, yüz tanıma, nesne tanıma ve davranış tanıma.
Yüz tanıma kategorisinde FERET, CMU's PIE, YouTube Faces DB, Grammatical Facial Expressions, FaceScrub, IMDB-WIKI ve FDDB olmak üzere toplam 8 veri seti bulunmaktadır. Her ikisi de bir giriş ve veri setini indirmek için bir bağlantı sağlar.
Kurslar, kitaplar, bloglar ve öğreticiler
Tez ve veri seti kaynakları ile karşılaştırıldığında derslerin, kitapların vb. Kaynakları görece daha azdır. Ancak derin öğrenme alanındaki değerli kaynaklar dahildir.
kurs
Stanford, CMU, Google, Nvidia, Fast.ai gibi sektördeki tanınmış üniversiteler, şirketler veya kurumlar tarafından sağlanan kursları kapsar.
kitabın
Birinci ve dördüncü kitapları Çince olan "Derin Öğrenme", "Sinir Ağları ve Derin Öğrenme", "Python Derin Öğrenme" ve "Scikit-Learn ve TensorFlow Makine Öğrenimi Uygulama Kılavuzu" olmak üzere toplam dört kitap bulunmaktadır. Derin öğrenme ilkelerinin, uygulama yöntemlerinin vb. Tanıtımını kapsar.
Blog
Derin öğrenme alanında, blog yazarları temelde dahil edilir.
Öğreticiler
Derin öğrenme öğreticileri ve NLP alanına derin öğrenmeyi uygulama konusunda öğreticiler dahil.
Çerçeve kaynakları
Çerçeve açısından toplamda 10 tane var. Bunlar Tensorflow, Pytorch, CNTK, MatConvNet, Keras, Caffe, Theano, CuDNN, Torch, Deeplearning4j'dir.
Her çerçeve, çerçevenin resmi web sitesine bir bağlantı verir ve yalnızca Torch bir GitHub bağlantısı verir.
Bu kaynağa kim katkıda bulundu
Bu kaynağın katkıda bulunanları, açık kaynak, Bilim için Açık Kaynak'a adanmış bir kuruluştur ve üyeleri arasında iki küçük erkek ve bir kız kardeş bulunmaktadır.
Hepsi Virginia Tech ile ilgilidir. İki küçük kardeş, Virginia Tech'de doktora öğrencisi olan Amirsina Torfi ve Ali T Z Kasgari; Virginia Tech'de doktora adayı olan Negin Forouzesh adlı küçük kız kardeş.
Portal
https://github.com/osforscience/deep-learning-ocean#what-s-the-point-of-this-open-source-project
- Bitiş -
Samimi işe alım
Qubit, editörleri / muhabirleri işe alıyor ve merkezi Pekin, Zhongguancun'da bulunuyor. Yetenekli ve hevesli öğrencilerin bize katılmasını dört gözle bekliyoruz! Ayrıntılar için, lütfen QbitAI diyalog arayüzünde "işe alım" kelimesiyle yanıt verin.
Qubit QbitAI · Toutiao İmzalayan Yazar
' ' Yapay zeka teknolojisi ve ürünlerindeki yeni eğilimleri takip edin
