Découverte du deep learning

Lectures, notebooks, helpers pour faire du deep learning ou apprentissage profond sous Python. Le deep learning signifie aussi des calculs intensifs et des modules qui utilisent un compilateur C++ pour optimiser les calculs et le GPU si vous en avez.

Vous pouvez exécuter la fonction pyopencl_status pour obtenir plus d’information sur les processeurs disponibles.

Si tensorflow reste sans doute le framework de deep learning le plus utilisé, beaucoup de chercheurs et professeurs utilisent soit keras, soit epkg:torch et le dernier est le plus plébiscité par les chercheurs. L’installation est simple et la documentation est très bien faite, le code est souvent plus intuitif. Son point faible est encore la mise en production de modèles, tensorflow est plus avancé sur ce point. ONNX et onnxruntime est l’option choisie par pytorch qui n’est pas le seul framework à suivre cette direction.

github, documentation, ensae_teaching_dl, blog

Build status Build Status Windows https://circleci.com/gh/sdpython/ensae_teaching_dl/tree/master.svg?style=svg https://badge.fury.io/py/ensae_teaching_dl.svg MIT License https://codecov.io/github/sdpython/ensae_teaching_dl/coverage.svg?branch=master GitHub Issues Notebook Coverage

Modules

Functions

l-classes

l-methods

l-staticmethods

l-properties

Index du module

Exemples

Page de recherche

l-license

Changes

ensae_teaching_dl

Index

FAQ

Gallerie de notebooks

History

Statistics on code

Unit Test Coverage