ML-Notebooks

项目介绍: ML-Notebooks

ML-Notebooks 是一个收集了不同机器学习任务和应用的代码笔记本的代码库。这些笔记本设计简洁，容易重用和扩展，适用于教育和研究目的。

功能特色

• 支持Codespaces：用户可以通过点击绿色的 "<> Code" 按钮并选择 "Configure and create codespace" 选项来启动一个开发环境。这个环境预装了所有的依赖库，准备好供用户使用。
• 环境准备：在启动的 Codespace 中，用户可以在 /notebooks 文件夹下安装运行笔记本所需的所有库。通过执行 conda create --name myenv --file spec-file.txt 命令来安装所有Python库，包括PyTorch。
• 激活环境：执行 conda activate myenv 来激活环境。如果终端提示缺少conda init配置，可以执行命令如 conda init zsh，然后重新打开终端。
• 测试运行：用户可以通过打开 /notebooks/bow.ipynb 来测试一切是否正常工作。

入门指南

ML-Notebooks 提供了多个主题的学习资源，每个主题都配有相应的代码笔记本，用户可以通过 Google Colab 或 Kaggle 打开和运行。以下是一些示例：

• 计算图入门：这是一个基础教程，用于了解计算图的概念。查看笔记本
• PyTorch入门：构建一个简单的神经网络，并进行训练。查看笔记本
• 对比解释AI：了解解释人工智能中的对比解释。查看笔记本

自然语言处理 (NLP)

ML-Notebooks 提供多种自然语言处理任务的实现，例如：

• 词袋模型文本分类：构建一个简单的词袋模型文本分类器。
• BERT情感分类：使用经过微调的BERT模型进行情感分类。

计算机视觉

在计算机视觉领域，ML-Notebooks 也提供了多种实现：

• 孪生网络：用于图像相似度查找的孪生网络实现。
• 变分自编码器：用于生成MNIST手写数字的变分自编码器。

生成对抗网络 (GAN)

项目包括实现不同类型的GAN:

• 深度卷积GAN：生成MNIST数字。
• 条件GAN：根据条件生成指定类别的数字。

参数高效微调

• LoRA BERT：使用LoRA方法对BERT模型进行微调。
• LoRA T5：使用LoRA方法对T5模型进行微调。

若发现任何问题或有疑问，可以在项目页面提出issue，我们会尽快处理。同时，如果在研究中使用了这些代码示例，请引用项目提供的参考文献。