practicalAI-cn

AI 实战练习
授权协议 MIT
开发语言 Python
所属分类 神经网络/人工智能、 机器学习/深度学习
软件类型 开源软件
地区 不详
投 递 者 谢骏奇
操作系统 跨平台
开源组织
适用人群 未知
 软件概览

praticeAI 是一个 AI 实战项目,让你有能力使用机器学习从数据中获取有价值的见解。

  • 使用 PyTorch 实现基本的机器学习算法和深度神经网络

  • 不需要任何设置,在浏览器中使用 Google Colab 运行所有程序

  • 不仅仅是教程,而是学习产品级的面向对象机器学习编程

查看 notebooks

  • 如果不需要运行 notebooks,使用 Jupyter nbviewer 就可以方便地查看它们
  • 将 https://github.com/ 替换为 https://nbviewer.jupyter.org/github/ ,或者打开 https://nbviewer.jupyter.org 并输入 notebook 的 URL

运行 notebooks

  • 在本项目的 notebooks 文件夹获取 notebook
  • 你可以在 Google Colab(推荐)或本地电脑运行这些 notebook
  • 点击一个 notebook,然后替换URL地址中 https://github.com/ 为https://colab.research.google.com/github/ ,或者使用这个 Chrome扩展 一键完成
  • 登录你自己的 Google 账户
  • 点击工具栏上的 复制到云端硬盘,会在一个新的标签页打开 notebook
  • 通过去掉标题中的副本完成 notebook 重命名; 运行代码、修改等,所有这些都会自动保存到你的个人 Google Drive
 相关资料
  • AI 实战 - practicalAI 中文版 让你可以使用机器学习从数据中得到有价值见解。 用 PyTorch 实现基本的机器学习算法和深层神经网络。 无需任何设置,即可使用 Google Colab 在浏览器上运行。 学习面向对象的机器学习来编写产品代码,而不仅仅是教程。 Notebooks 基础 深度学习 进阶 主题 Notebooks PyTorch 高级循环神经网络 Advanced R

  • 经过前面的几篇文章,Backbone中的Model, Collection,Router,View,都简单的介绍了一下,我觉得看完这几篇文章,差不多就能开始使用Backbone来做东西了,所有的项目无外乎对这几个模块的使用。不过对于实际项目经验少些的同学,要拿起来用估计会有些麻烦。因此这里就先找个现成的案例分析一下。 6.1 大家都来分析todos 关于Backbonejs实例分析的文章网上真是一

  • 在前两篇文章中,我们已经对这个todos的功能、数据模型以及各个模块的实现细节进行了分析,这篇文章我们要对前面的分析进行一个整合。 首先让我们来回顾一下我们分析的流程:1. 先对页面功能进行了分析;2. 然后又分析了数据模型;3. 最后又对view的功能和代码进行了详解。你是不是觉得这个分析里面少了点什么?没错,就知道经验丰富的你已经看出来了,这里面少了对于流程的分析。这篇文章就对整体流程进行分析

  • 本文向大家介绍.NET Corek中Git的常用命令及实战演练,包括了.NET Corek中Git的常用命令及实战演练的使用技巧和注意事项,需要的朋友参考一下 写在前面 上篇文章我带着大家通过分析了一遍ASP.NET Core的源码了解了它的启动过程,然后又带着大家熟悉了一遍配置文件的加载方式,最后引出了依赖注入以及控制反转的概念!如果大家把前面几张都理解了,那么你也就入了ASP.NET Core

  • 看完了教程,是不是有这么一种感觉:看的时候觉得很简单,照着教程敲代码也没啥大问题。 于是准备开始独立写代码,就发现不知道从哪开始下手了。 这种情况是完全正常的。好比学写作文,学的时候觉得简单,写的时候就无从下笔了。 虽然这个教程是面向小白的零基础Python教程,但是我们的目标不是学到60分,而是学到90分。 所以,用Python写一个真正的Web App吧! 目标 我们设定的实战目标是一个Blo

  • 看完了教程,是不是有这么一种感觉:看的时候觉得很简单,照着教程敲代码也没啥大问题。 于是准备开始独立写代码,就发现不知道从哪开始下手了。 这种情况是完全正常的。好比学写作文,学的时候觉得简单,写的时候就无从下笔了。 虽然这个教程是面向小白的零基础Python教程,但是我们的目标不是学到60分,而是学到90分。 所以,用Python写一个真正的Web App吧! 目标 我们设定的实战目标是一个Blo