機器之心報道

參與：路

最近，威斯康辛大學麥迪遜分校統計學助理教授、機器學習和深度學習研究者 Sabastian Raschka 在 GitHub 上創建了一個項目，包含大量深度學習架構、模型和 tips。該項目發布兩天即獲得了 2000 多星，目前在 GitHub Trending 上名列第一。

項目地址：https://github.com/rasbt/deeplearning-models

目錄

該項目的目錄如下：

• 傳統機器學習

• 多層感知機

• 卷積神經網絡（CNN)

• 度量學習（Metric Learning）

• 自編碼器

• 生成對抗網絡（GAN）

• 循環神經網絡（RNN）

• 有序回歸

• 技巧和竅門

• PyTorch 工作流和機制

• TensorFlow 工作流和機制

其中每個部分包含多個子部分，主要介紹了各部分相關的模型和 TensorFlow、PyTorch 實現。

以 CNN 為例，我們來看一下它包含哪些內容。

卷積神經網絡

這部分首先介紹了 CNN 的基礎知識和概念，然后介紹了不同的 CNN 模型，如全卷積神經網絡、、、ResNet 等，每個子部分都包含示例及其 TensorFlow 和 PyTorch 實現。

技巧和竅門

除了模型，該項目還介紹了一些模型訓練的技巧和竅門。

這部分主要介紹了 PyTorch 中的周期學習率（cyclical learning rate），具體涉及三項內容：

• 簡要介紹了周期學習率的基礎概念；

• 使用「LR range test」為周期學習率選擇基礎和最大學習率；

• 使用周期學習率在 CIFAR-10 上訓練簡單的卷積神經網絡。

詳情參見：https://github.com/rasbt/deeplearning-models/blob/master/pytorch_ipynb/tricks/cyclical-learning-rate.ipynb

PyTorch 和 TensorFlow 的工作流和機制

該項目的最后介紹了 PyTorch 和 TensorFlow 的工作流和機制，涉及數據集、訓練和預處理等內容。

總結

以上是生活随笔為你收集整理的深度学习模型大合集：GitHub趋势榜第一，两天斩获2000星的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。