oreilly-japan / Deep Learning From Scratch 3
Licence: mit
『ゼロから作る Deep Learning ❸』(O'Reilly Japan, 2020)
Stars: ✭ 380
Programming Languages
python
139335 projects - #7 most used programming language
Projects that are alternatives of or similar to Deep Learning From Scratch 3
Qualia2.0
Qualia is a deep learning framework deeply integrated with automatic differentiation and dynamic graphing with CUDA acceleration. Qualia was built from scratch.
Stars: ✭ 41 (-89.21%)
Mutual labels: gpu, automatic-differentiation
Mbpmid2010 gpufix
MBPMid2010_GPUFix is an utility program that allows to fix MacBook Pro (15-inch, Mid 2010) intermittent black screen or loss of video. The algorithm is based on a solution provided by user fabioroberto on MacRumors forums.
Stars: ✭ 334 (-12.11%)
Mutual labels: gpu
Realsr Ncnn Vulkan
RealSR super resolution implemented with ncnn library
Stars: ✭ 357 (-6.05%)
Mutual labels: gpu
Bayadera
High-performance Bayesian Data Analysis on the GPU in Clojure
Stars: ✭ 342 (-10%)
Mutual labels: gpu
Arrayfire Python
Python bindings for ArrayFire: A general purpose GPU library.
Stars: ✭ 358 (-5.79%)
Mutual labels: gpu
Ilgpu
ILGPU JIT Compiler for high-performance .Net GPU programs
Stars: ✭ 374 (-1.58%)
Mutual labels: gpu
Mapd Charting
Dimensional charting built to work natively with crossfilter rendered using d3.js
Stars: ✭ 368 (-3.16%)
Mutual labels: gpu
Aparapi
The New Official Aparapi: a framework for executing native Java and Scala code on the GPU.
Stars: ✭ 352 (-7.37%)
Mutual labels: gpu
Gpu Physics Unity
Through this configuration, no per voxel data is transferred between the GPU and the CPU at runtime.
Stars: ✭ 342 (-10%)
Mutual labels: gpu
Cuda Api Wrappers
Thin C++-flavored wrappers for the CUDA Runtime API
Stars: ✭ 362 (-4.74%)
Mutual labels: gpu
Curl
CURL: Contrastive Unsupervised Representation Learning for Sample-Efficient Reinforcement Learning
Stars: ✭ 346 (-8.95%)
Mutual labels: gpu
Kotlindl
High-level Deep Learning Framework written in Kotlin and inspired by Keras
Stars: ✭ 354 (-6.84%)
Mutual labels: gpu
Hipsycl
Implementation of SYCL for CPUs, AMD GPUs, NVIDIA GPUs
Stars: ✭ 377 (-0.79%)
Mutual labels: gpu
本書概要
本書では「DeZero」というディープラーニングのフレームワークを作ります。DeZeroは本書オリジナルのフレームワークです。最小限のコードで、フレームワークのモダンな機能を実現します。本書では、この小さな——それでいて十分にパワフルな——フレームワークを、全部で60のステップで完成させます。それによって、PyTorch、TensorFlow、Chainerなどの現代のフレームワークに通じる深い知識を養います。
ニュース
【試し読み】本書の一部をオンラインで公開しています。 https://koki0702.github.io/dezero-book/
ファイル構成
| フォルダ名 | 説明 |
|---|---|
| dezero | DeZeroのソースコード |
| examples | DeZeroを使った実装例 |
| steps | 各stepファイル（step01.py ~ step60.py） |
| tests | DeZeroのユニットテスト |
必要な外部ライブラリ
本書で使用するPytnonのバージョンと外部ライブラリは下記の通りです。
またオプションとして、NVIDIAのGPUで実行できる機能も提供します。その場合は下記のライブラリが必要です。
- CuPy （オプション）
実行方法
本書で説明するPythonファイルは、主にstepsファルダにあります。 実行するためには、下記のとおりPythonコマンドを実行します（どのディレクトリからでも実行できます）。
$ python steps/step01.py
$ python steps/step02.py
$ cd steps
$ python step31.py
デモ
DeZeroの他の実装例はexamplesにあります。
正誤表
本書の正誤情報は、🔎 正誤表ページに掲載しています。
正誤表ページに掲載されていない誤植や間違いなどを見つけた方は、✉️ [email protected]までお知らせください。
Note that the project description data, including the texts, logos, images, and/or trademarks,
for each open source project belongs to its rightful owner.
If you wish to add or remove any projects, please contact us at [email protected].