ML Notebooks

？机器学习笔记本

该存储库包含用于不同任务和应用程序的机器学习笔记本。这些笔记本应该体积最小、易于重复使用且可扩展。您可以自由地将它们用于教育和研究目的。

该存储库支持 Codespaces！

• 单击绿色的"<> Code"按钮，然后单击"Configure and create codespace"选项来启动一个新实例。确保选择此存储库提供的开发容器配置。这将设置一个环境，其中安装了所有依赖项并准备就绪。
• 代码空间完全运行后，您可以在/notebooks文件夹下安装运行笔记本所需的所有库。打开终端并只需运行conda create --name myenv --file spec-file.txt即可安装包括 PyTorch 在内的所有 Python 库。
• 激活您的环境conda activate myenv 。您可能需要运行conda init zsh或您正在使用的任何 shell...然后关闭+重新打开终端。
• 最后，您可以通过打开笔记本（例如/notebooks/bow.ipynb来尝试一切是否正常。

---

入门

姓名	描述	笔记本
计算图简介	了解计算图的基本教程
PyTorch 你好世界！	构建一个简单的神经网络并训练它
PyTorch 简单介绍	详细讲解介绍PyTorch概念
反事实解释	了解可解释人工智能的反事实解释的基本教程
从头开始的线性回归	使用随机梯度下降从头开始实现线性回归
从头开始的逻辑回归	从头开始实现逻辑回归
简明逻辑回归	二值图像分类逻辑回归模型的简洁实现。
第一个神经网络 - 图像分类器	使用 MNIST 构建最小图像分类器
从头开始的神经网络	从头开始实现简单的神经网络
GNN 简介	图神经网络简介。将基本 GCN 应用于 Cora 数据集以进行节点分类。

自然语言处理

姓名	描述	笔记本
词袋文本分类器	构建一个简单的词袋文本分类器。
连续词袋 (CBOW) 文本分类器	构建连续的词袋文本分类器。
深度连续词袋 (Deep CBOW) 文本分类器	构建一个深度连续的词袋文本分类器。
文本数据增强	介绍最常用的文本数据增强技术及其实现
使用微调 BERT 进行情绪分类	使用微调的 BERT 模型进行情绪分类

变形金刚

姓名	描述	笔记本
使用 Transformer 进行文本分类	注意力机制和位置嵌入在文本分类任务上的实现
使用 Transformer 的神经机器翻译	Transformer 的实现，用于将任何格式的人类可读日期转换为 YYYY-MM-DD 格式。
特征分词转换器	特征分词器转换器在分类任务上的实现
使用 Transformer 进行命名实体识别	Transformer 的实现，用于执行标记分类并识别 PubMed 摘要中的物种
使用 Transformer 进行提取式问答	Transformer 的实现，用于执行提取式问答

计算机视觉

姓名	描述	笔记本
连体网络	用于查找图像相似度的暹罗网络的实现
变分自动编码器	变分自动编码器的实现，用于生成 MNIST 手写数字的增强
使用滑动窗口和图像金字塔进行物体检测	在图像分类器之上使用滑动窗口和图像金字塔的基本对象检测实现
使用选择性搜索进行对象检测	在图像分类器之上使用选择性搜索的基本对象检测实现

生成对抗网络

姓名	描述	笔记本
深度卷积 GAN	深度卷积 GAN 的实现来生成 MNIST 数字
带有梯度惩罚的 Wasserstein GAN	使用梯度惩罚的 Wasserstein GAN 的实现来生成 MNIST 数字
条件生成对抗网络	用于生成 MNIST 数字的条件 GAN 的实现

参数高效微调

姓名	描述	笔记本
洛拉·伯特	使用 LoRA 实现 BERT 微调
洛拉·伯特纳	使用 LoRA 进行 token 分类任务的 BERT 微调的实现
洛拉T5	使用 LoRA 实现 T5 微调
洛拉小羊驼 1.1B	使用 LoRA 实现 TinyLlama 1.1B 微调
QLoRA TinyLlama 1.1B	使用 QLoRA 实现 TinyLlama 1.1B 微调
QLoRA 米斯特拉尔 7B	使用 QLoRA 实现 Mistral 7B 微调

---

如果您发现任何错误或对这些笔记本有任何疑问，请提出问题。我们将尽快解决这个问题。

如果您有任何疑问，请通过 Twitter 联系。

如果您在研究中使用代码示例，请引用以下内容：

 @misc{saravia2022ml,
  title={ML Notebooks},
  author={Saravia, Elvis and Rastogi, Ritvik},
  journal={https://github.com/dair-ai/ML-Notebooks},
  year={2022}
}