深度学习模型大合集：GitHub趋势榜第一，两天斩获2000星
source link: https://www.tuicool.com/articles/Qbi6Jrr
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
最近，威斯康辛大学麦迪逊分校统计学助理教授、机器学习和深度学习研究者 Sabastian Raschka 在 GitHub 上创建了一个项目，包含大量深度学习架构、模型和 tips。该项目发布两天即获得了 2000 多星，目前在 GitHub Trending 上名列第一。
项目地址： https://github.com/rasbt/deeplearning-models
目录
该项目的目录如下：
-
传统机器学习
-
多层感知机
-
卷积神经网络（CNN)
-
度量学习（Metric Learning）
-
自编码器
-
生成对抗网络（GAN）
-
循环神经网络（RNN）
-
有序回归
-
技巧和窍门
-
PyTorch 工作流和机制
-
TensorFlow 工作流和机制
其中每个部分包含多个子部分，主要介绍了各部分相关的模型和 TensorFlow、PyTorch 实现。
以 CNN 为例，我们来看一下它包含哪些内容。
卷积神经网络
这部分首先介绍了 CNN 的基础知识和概念，然后介绍了不同的 CNN 模型，如全卷积神经网络、 AlexNet 、 VGG 、ResNet 等，每个子部分都包含示例及其 TensorFlow 和 PyTorch 实现。
技巧和窍门
除了模型，该项目还介绍了一些模型训练的技巧和窍门。
这部分主要介绍了 PyTorch 中的周期学习率（cyclical learning rate），具体涉及三项内容：
-
简要介绍了周期学习率的基础概念；
-
使用「LR range test」为周期学习率选择基础和最大学习率；
-
使用周期学习率在 CIFAR-10 上训练简单的卷积神经网络。
PyTorch 和 TensorFlow 的工作流和机制
该项目的最后介绍了 PyTorch 和 TensorFlow 的工作流和机制，涉及数据集、训练和预处理等内容。
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK