2 repositorios
Guidance and scripts for installing the software stack and acceleration libraries required for deep learning development.
Distinct from Build Environment Configurators: Focuses on the full stack installation for AI research (drivers, CUDA, PyTorch) rather than generic build-time flags or OS package configuration.
Explore 2 awesome GitHub repositories matching development tools & productivity · Deep Learning Environment Setup. Refine with filters or upvote what's useful.
Este proyecto es un tutorial de aprendizaje profundo (deep learning) en PyTorch y un recurso educativo. Proporciona un plan de estudios estructurado y guías paso a paso para diseñar, entrenar y validar redes neuronales desde cero. El recurso incluye guías específicas sobre la implementación de visión artificial, centrándose en la detección de objetos y la clasificación de imágenes mediante redes neuronales convolucionales. También proporciona instrucciones para optimizar el rendimiento del modelo mediante aceleración por hardware para reducir el tiempo de entrenamiento. Los materiales cubren el ciclo de vida completo del desarrollo de modelos, incluyendo operaciones con tensores, preparación de conjuntos de datos de imágenes y el uso de funciones de pérdida y optimizadores. También aborda la gestión del ciclo de vida del modelo mediante el guardado y recarga de pesos entrenados.
Offers guidance and scripts for installing the PyTorch software stack and hardware acceleration libraries.
This project provides precompiled TensorFlow binary distributions as Python wheels for Windows. It is designed to enable the installation of the TensorFlow framework without requiring manual compilation from source. The distribution specifically includes non-AVX builds, providing a machine learning runtime compatible with legacy or low-end CPUs that do not support AVX instructions. These packages facilitate machine learning environment setup and AI development workflows on Windows by offering ready-to-use binaries for rapid installation.
Facilitates deep learning environment setup on Windows using ready-to-use binary wheels.