Dies ist die Linux-App namens Deep Learning mit PyTorch, deren neueste Version als DLSP19.zip heruntergeladen werden kann. Es kann online beim kostenlosen Hosting-Anbieter OnWorks für Workstations ausgeführt werden.
Laden Sie diese App namens Deep Learning mit PyTorch mit OnWorks kostenlos herunter und führen Sie sie online aus.
Befolgen Sie diese Anweisungen, um diese App auszuführen:
- 1. Diese Anwendung auf Ihren PC heruntergeladen.
- 2. Geben Sie in unserem Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX den gewünschten Benutzernamen ein.
- 3. Laden Sie diese Anwendung in einem solchen Dateimanager hoch.
- 4. Starten Sie den OnWorks Linux-Online- oder Windows-Online-Emulator oder den MACOS-Online-Emulator von dieser Website.
- 5. Rufen Sie vom gerade gestarteten OnWorks Linux-Betriebssystem aus unseren Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX mit dem gewünschten Benutzernamen auf.
- 6. Laden Sie die Anwendung herunter, installieren Sie sie und führen Sie sie aus.
SCREENSHOTS
Ad
Deep Learning mit PyTorch
BESCHREIBUNG
Dieser Kurs befasst sich mit den neuesten Techniken des Deep Learning und Representation Learning und konzentriert sich auf überwachtes und unüberwachtes Deep Learning, Einbettungsmethoden, metrisches Lernen, Faltungs- und wiederkehrende Netze mit Anwendungen für Computer Vision, natürliches Sprachverständnis und Spracherkennung. Zu den Voraussetzungen gehören DS-GA 1001 Intro to Data Science oder ein Kurs für maschinelles Lernen auf Hochschulniveau. Um den Übungen folgen zu können, benötigen Sie einen Laptop mit Miniconda (einer Minimalversion von Anaconda) und mehreren installierten Python-Paketen. Die folgende Anleitung würde für Mac- oder Ubuntu-Linux-Benutzer unverändert funktionieren, Windows-Benutzer müssten das Git-BASH-Terminal installieren und dort arbeiten. JupyterLab verfügt über ein integriertes auswählbares dunkles Design, sodass Sie nur dann etwas installieren müssen, wenn Sie die klassische Notebook-Oberfläche verwenden möchten.
Eigenschaften
- In den Vorlesungen werden Jupyter-Notebooks zur interaktiven Datenexploration und -visualisierung verwendet
- Dieses Notebook-Repository verfügt jetzt über eine Begleitwebsite
- Grundlagen des überwachten Lernens, neuronaler Netze und Deep Learning
- Faltungs-Neuronales Netzwerk und seine Anwendungen
- Regularisierungstricks, Optimierungstricks und verstehen, wie Deep Learning funktioniert
- Visualisierung der Parametertransformation neuronaler Netze und grundlegende Konzepte der Faltung
Kategorien
Dies ist eine Anwendung, die auch von https://sourceforge.net/projects/deep-l-with-pytorch.mirror/ abgerufen werden kann. Es wurde in OnWorks gehostet, um es auf einfachste Weise online über eines unserer kostenlosen Betriebssysteme ausführen zu können.
