GitHub上面,有个新发布的深度学习实践教程,叫PracticalAI,被PyTorch官方推特翻了牌,已经收获23k多标星。
项目出自一位印度少年之手,基于PyTorch。少年为向往机器学习的小伙伴们,指引了一条从萌新到老司机的进阶之路。
新手可以从基础的基础开始学起,不止线性规划和随机森林,连笔记本怎么用,NumPy等重要的Python库怎么用,都有手把手教程。
不过,不是纯新手也不要走,可以学着搭个高级的RNN,厉害的GAN,这里还有许多实际应用示例可以跑。毕竟,这是一个注重实践的项目。
可以用Google Colab、也可以用Jupyter Notebook来跑。
内容友好,持续更新
PracticalAI里面的内容,分为四个部分,并将持续更新:
背景基础 (Basics),深度学习入门 (Deep Learning) ,深度学习高阶 (Advanced) ,以及应用示例 (Topics) 。此处非直译。
背景基础部分,除了有Python指南、笔记本用法,以及Numpy、Pandas这些库的用法,还有线性规划、逻辑规划、随机森林、k-means聚类这些机器学习的基本技术。
有了这些,可以走进深度学习的世界了。
深度学习入门,包括了PyTorch指南、多层感知器 (MLP) 、数据与模型、面向对象的机器学习、卷积神经网络 (CNN) 、嵌入,以及递归神经网络 (RNN) 。
深度学习高阶,会涉及更高级的RNN、自编码器、生成对抗网络 (GAN) ,以及空间变换网络 (Spatial Transformer Networks) 等等。
最后是应用。计算机视觉是个重要的方向。除此之外,还会涉及时间序列分析 (Time Series Analysis) ,商品推荐系统,预训练语言模型,多任务学习,强化学习等等示例可以运行。也可以修改示例,写出自己的应用。
细心的小伙伴大概发现了,表格里的有些话题还没有加链接。少年表示,这些部分很快就会更新了。
另外,表上还有没填满的格子,少年欢迎大家前去添砖加瓦。
食用说明,无微不至
印度少年在介绍里,用三点来描述这个项目:
一是,可以用PyTorch来实现基础的机器学习算法,以及神经网络。
二是,可以用Google Colab直接在网页上运行一切,无需任何设定 (也可以用Jupyter跑) 。
三是,可以学做面向对象的机器学习,与实际应用联系紧密,不止是入门教程而已。
那么如何上手?笔记本跑起来啊:
(步骤几乎是针对Colab写的。Jupyter用户可忽略。)
第一步,项目里进到notebooks目录。
第二步,用Google Colab去跑这些笔记本,也可以直接在本地跑。
第三步,点击一个笔记本,把URL里的这一段:
https://github.com/
替换成这一段:
https://colab.research.google.com/github/
或者用Open In Colab这个Chrome扩展来一键解决。
第四步,登录账号。
第五步,点击工具栏里的COPY TO DRIVE按钮,就可以在新标签页里打开笔记本了。
第六步,给这个新笔记本重命名,把名称里的Copy of去掉就行。
第七步,运行代码,修改代码,放飞自我。所有改动都会自动保存到Google Drive。
(没梯子的话,不用Colab就行了。)
至于,热心观众要如何为这个项目贡献自己的力量,步骤就不仔细写了 (请前往项目页) 。
开始学习吧,不然等到内容更新了,要学的就更多了。
传送门