Project Name | Stars | Downloads | Repos Using This | Packages Using This | Most Recent Commit | Total Releases | Latest Release | Open Issues | License | Language |
---|---|---|---|---|---|---|---|---|---|---|
Nlp Tutorial | 12,403 | 2 months ago | 34 | mit | Jupyter Notebook | |||||
Natural Language Processing Tutorial for Deep Learning Researchers | ||||||||||
Text_classification | 7,411 | 9 months ago | 46 | mit | Python | |||||
all kinds of text classification models and more with deep learning | ||||||||||
Tensorflow_cookbook | 6,085 | 2 months ago | 28 | mit | Jupyter Notebook | |||||
Code for Tensorflow Machine Learning Cookbook | ||||||||||
Smile | 5,736 | 121 | 30 | a month ago | 30 | December 05, 2020 | 10 | other | Java | |
Statistical Machine Intelligence & Learning Engine | ||||||||||
Franc | 3,745 | 276 | 61 | 7 months ago | 34 | August 15, 2021 | 4 | mit | JavaScript | |
Natural language detection | ||||||||||
Catalyst | 3,106 | 19 | 10 | 2 months ago | 108 | April 29, 2022 | 5 | apache-2.0 | Python | |
Accelerated deep learning R&D | ||||||||||
Uer Py | 2,518 | 2 months ago | 127 | apache-2.0 | Python | |||||
Open Source Pre-training Model Framework in PyTorch & Pre-trained Model Zoo | ||||||||||
Flaml | 2,504 | 4 | 17 hours ago | 68 | June 17, 2022 | 170 | mit | Jupyter Notebook | ||
A fast library for AutoML and tuning. Join our Discord: https://discord.gg/Cppx2vSPVP. | ||||||||||
Awesome Deeplearning | 2,255 | 4 days ago | 481 | apache-2.0 | Jupyter Notebook | |||||
深度学习入门课、资深课、特色课、学术案例、产业实践案例、深度学习知识百科及面试题库The course, case and knowledge of Deep Learning and AI | ||||||||||
Kashgari | 2,141 | 1 | 1 | 2 years ago | 11 | October 18, 2019 | 32 | apache-2.0 | Python | |
Kashgari is a production-level NLP Transfer learning framework built on top of tf.keras for text-labeling and text-classification, includes Word2Vec, BERT, and GPT2 Language Embedding. |
本项目是飞桨官方出品的一站式深度学习在线百科,飞桨致力于让深度学习技术的创新与应用更简单,更多飞桨内容欢迎访问飞桨官网。本项目内容涵盖:
📒课程类:零基础实践深度学习、产业实践深度学习、特色课程、飞桨套件课程汇总资料
📒书籍类:《动手学深度学习》飞桨版
📒宝典类:深度学习百问、面试宝典
📒案例类:飞桨产业实践范例库(包含智慧城市:火灾烟雾检测、 安全帽检测 ;智能制造:钢材缺陷检测 、 机械手抓取;互联网:财报识别与关键字段抽取 等。
从理论到实践,从科研到产业应用,各类学习材料一应俱全,旨在帮助开发者高效地学习和掌握深度学习知识,快速成为AI跨界人才。
我希望: | 我可以学习: |
---|---|
入门深度学习 | 零基础实践深度学习⤵️、深度学习百问⤵️、动手学深度学习paddle版⤵️ |
进阶深度学习 | 产业实践深度学习、深度学习百问⤵️、面试宝典⤵️ |
趣味深度学习 | 特色课程⤵️、飞桨产业实践范例库 |
我希望: | 我可以学习: |
---|---|
入门深度学习 | 零基础实践深度学习⤵️、深度学习百问⤵️、动手学深度学习paddle版⤵️ |
进阶深度学习 | 产业实践深度学习、特色课程⤵️、面试宝典⤵️ |
实践深度学习 | 飞桨产业实践范例库、飞桨各产品课程⤵️ |
AI Studio在线课程:《零基础实践深度学习》:理论和代码结合、实践与平台结合,包含20小时视频课程,由百度杰出架构师、飞桨产品负责人和资深研发人员共同打造。
《零基础实践深度学习》书籍:本课程配套书籍,由清华出版社2020年底发行,京东/当当等电商均有销售。
飞桨教育官方出品的Transformer系列内容解读可以参考以下两个平台。
Transformer原理和实践系列课:https://aistudio.baidu.com/aistudio/education/group/info/24683
飞桨教育官方账号:https://aistudio.baidu.com/aistudio/personalcenter/thirdview/908086
领域 | 章节名称 | 课程简介 | notebook链接 |
---|---|---|---|
NLP | 经典的预训练语言模型(上)-预训练模型发展历史 | 介绍预训练语言模型的发展历史,word2vec,elmo,bert,gpt,bert一些拓展。 | notebook链接 |
NLP | 经典的预训练模型(上)-ELMo | 全面详细的介绍ELMo模型结构,优缺点等。 | notebook链接 |
NLP | 经典的预训练模型(上)-Transformer | 讲解Transformer的基本原理,包括Embedding,self-attention,encoder,decoder,复杂度计算,共享机制等内容。 | notebook链接 |
NLP | 经典的预训练模型(下)-GPT | 全面详细的介绍GPT的原理,预训练和finetune模式,GPT模型结构,优缺点等。 | notebook链接 |
NLP | 经典的预训练模型(下)-BERT | 全面详细的介绍BERT的基本原理,预训练任务和fine tune的方式,BERT本身的模型结构,优缺点等。 | notebook链接 |
NLP | 预训练模型之自然语言理解-RoBERTa | 讲解预训练模型在自然语言理解方面的改进--RoBERTa | notebook链接 |
NLP | 预训练模型之自然语言理解-ERNIE | 讲解预训练模型之自然语言理解的改进:ERNIE | notebook链接 |
NLP | 预训练模型之自然语言理解-KBERT | 讲解预训练模型之自然语言理解的改进:KBERT | notebook链接 |
NLP | 预训练模型之自然语言理解-THU-ERNIE | 讲解预训练模型之自然语言理解的改进:THU-ERNIE | notebook链接 |
NLP | 预训练模型之长序列建模-Transformer-XL | 讲解预训练模型之长序列建模的改进:Transformer-XL | notebook链接 |
NLP | 预训练模型之长序列建模-XLNet | 讲解自然语言理解之长序列建模的改进:XLNet | notebook链接 |
NLP | 预训练模型之长序列建模-Longformer | 讲解预训练模型之长序列建模的改进:Longformer | notebook链接 |
模型优化 | 预训练模型-高效结构 | 基于ELECTRA的标点符号预测 | notebook链接 |
模型优化 | 预训练模型-蒸馏 | 预训练模型蒸馏算法:Patient-KD、DistilBERT、TinyBERT、DynaBERT模型详解,以及使用DynaBERT策略对TinyBERT进行模型蒸馏 | notebook链接 |
CV | 图像领域的Transformer-Vit,DeiT | 详细讲解ViT 以及 DeiT原理 | notebook链接 |
CV | 图像领域的Transformer-Swin Transformer | 详细讲解Swin Transformer原理 | notebook链接 |
CV | CV领域的Transformer模型DETR在目标检测任务中的应用 | 详细讲解DETR原理及代码解析 | notebook链接 |
返回⤴️
本项目将《动手学深度学习》原书中MXNet代码实现改为PaddlePaddle实现。原书作者:阿斯顿·张、李沐、扎卡里 C. 立顿、亚历山大 J. 斯莫拉以及其他社区贡献者,GitHub地址:https://github.com/d2l-ai/d2l-zh。
本项目面向对深度学习感兴趣,尤其是想使用PaddlePaddle进行深度学习的童鞋。本项目并不要求你有任何深度学习或者机器学习的背景知识,你只需了解基础的数学和编程,如基础的线性代数、微分和概率,以及基础的Python编程。
深度学习百问内容包含深度学习基础篇、深度学习进阶篇、深度学习应用篇、强化学习篇以及面试宝典,详细信息请参阅Paddle知识点文档平台。
深度学习基础篇
深度学习进阶篇
深度学习应用篇
产业实践篇
强化学习篇
面试宝典
返回⤴️
返回⤴️
领域 | 竞赛案例 | 来源 | 介绍 |
---|---|---|---|
机器学习 | 【Paddle打比赛】个贷违约预测Baseline+ 0.607 | 开发者w5688414 | DataFountain个贷违约预测,参考官方的baseline并用paddle进行改进 |
NLP | 【Paddle打比赛】讯飞赛题—中文问题相似度挑战赛0.9+Baseline | PaddleEdu | 中文问题相似度挑战赛paddle版本Baseline,基于paddlenlp通过预训练模型的微调完成问题相似度评定任务 |
NLP | 基于PaddleHub的疫情期间网民情绪识别 | 开发者CChan | 本项目为疫情期间网民情绪识别比赛的解决方案。使用了PaddleHub和ERNIE实现对疫情期间微博文本的情绪识别。 |
NLP | 【Paddle打比赛】产品评论观点提取竞赛baseline | 开发者w5688414 | DataFountain基于BERT的产品评论观点提取竞赛baseline,增加了优化方法 |
NLP | 【Paddle打比赛】剧本角色情感识别baseline-精度0.676 | 开发者w5688414 | 剧本角色情感识别baseline,使用bert模型 |
语音 | 【Paddle打比赛】语音合成 | 开发者XYZ_916 | 2021 新网银行智能语音大赛baseline。截止2021.11.17,该方案在总分榜第一,作品榜第二 |
CV | 中文场景文字识别挑战赛baseline | 小度AIStudio | 中文场景文字识别挑战赛的baseline项目, 用于参赛选手借鉴参考 |
CV | 【Paddle打比赛】手写字体OCR识别竞赛baseline | 开发者Pink peach | 2021世界人工智能创新大赛,手写字体OCR识别竞赛baseline |
CV | 2020 CCF BDCI: 遥感影像地块分割baseline | 开发者lxastro | 2020 CCF BDCI: 遥感影像地块分割的baseline模型库,包括baseline模型的训练方法和比赛的评测脚本。 |
CV | 第三届中国AI+创新创业大赛:半监督学习目标定位竞赛第1名方案 | 开发者张牙舞爪 | 半监督学习目标定位竞赛第一名方案分享 A榜得分0.81425 B榜得分0.80428 |
数据挖掘 | 【Padddle打比赛】心电图智能诊断竞赛Baseline-0.6765 | 开发者w5688414 | AIWIN 心电图智能诊断竞赛 |
返回⤴️
产品 | 视频课程 | 学习文档 |
---|---|---|
PaddleGAN | 生成对抗网络七日打卡营 | |
PaddleOCR | OCR自动标注小工具讲解、3.5M超轻量实用OCR模型解读、OCR应用与部署实战 | |
PaddleClas | PaddleClas系列直播课 | |
PaddleDetection | 目标检测7日打卡营 | |
PaddleX | PaddleX实例分割任务详解、PaddleX目标检测任务详解、PaddleX语义分割任务详解、PaddleX图像分类任务详解、PaddleX客户端操作指南、飞桨全流程开发工具PaddleX | |
PaddleHub | 手把手教你转换PaddleHub模型教程 | |
VDL | 可视化分析工具助力AI算法快速开发、深度学习算法可视化调优实战演示 | |
高层API | 高层API助你快速上手深度学习 | |
PaddleNLP | 基于深度学习的自然语言处理 |
返回⤴️
非常感谢您使用本项目。您在使用过程中有任何建议或意见,可以在 Issue 上反馈给我们,也可以通过扫描下方的二维码联系我们,飞桨的开发人员非常高兴能够帮助到您,并与您进行更深入的交流和技术探讨。
本项目的发布受Apache 2.0 license许可认证。
本项目的不断成熟离不开各位开发者的贡献,如果您对深度学习知识分享感兴趣,非常欢迎您能贡献给我们,让更多的开发者受益。
本项目欢迎任何贡献和建议,大多数贡献都需要你同意参与者许可协议(CLA)来声明你有权并实际上授权我们可以使用你的贡献。
pip install pre-commit
pre-commit install
添加修改的代码后,对修改的文件进行代码规范,pre-commit 会自动调整代码格式,执行一次即可,后续commit不需要再执行。提交pr流程,详见:awesome-DeepLearning 提交 pull request 流程。
以下是awesome-DeepLearning贡献者列表: yang zhou,Niki_173,Twelveeee,buriedms,AqourAreA,zhangjin12138,rerny,LiuCongNLP,LemonCherryFu, lutianhao