6 个仓库
Awesome GitHub RepositoriesMini-Batch Processing
Techniques for processing data in small groups to optimize memory and training speed.
Distinct from Training Dataset Processing: Specific to the mini-batch gradient descent training process rather than general data pipelines
Explore 6 awesome GitHub repositories matching artificial intelligence & ml · Mini-Batch Processing. Refine with filters or upvote what's useful.
Awesome Mini-Batch Processing GitHub Repositories
用 AI 发现最棒的仓库。我们将通过 AI 为您搜索最匹配的仓库。
- kulbear/deep-learning-coursera
Kulbear/deep-learning-coursera
7,729在 GitHub 上查看This repository contains programming assignments and lecture notes from Andrew Ng's foundational deep learning course specialization on Coursera. The materials cover core neural network training techniques including optimization algorithms, normalization methods, regularization approaches, parameter initialization strategies, and learning rate scheduling to improve model convergence and generalization. The coursework explores design principles where successive neural network layers learn progressively more abstract feature representations from input data. It provides guidance on selecting ope
Covers mini-batch gradient descent optimization for processing training data in small groups to speed up iterations.
Jupyter Notebookcourseradeep-learning - lyhue1991/eat_pytorch_in_20_days
lyhue1991/eat_pytorch_in_20_days
6,157在 GitHub 上查看该项目是一个深度学习系列教程和教育课程，旨在教授 PyTorch 基础知识。它作为掌握神经网络架构、自动微分以及张量和动态计算图使用的结构化训练指南。 该课程侧重于实际实现，专门指导推荐系统、广告模型和兴趣网络的发展，以预测用户偏好。它还提供用于时间序列预测和处理序列数据的教学内容。 该材料涵盖了广泛的深度学习能力，包括构建用于图像和文本分类以及结构化数据的模型。它结合了用于 GPU 加速、训练指标可视化以及创建用于测试模型预测的 Web 界面工作流。 该项目以 Jupyter Notebooks 合集的形式提供。
Teaches how to organize raw datasets into shuffled mini-batches for efficient training.
Jupyter Notebookdeep-learningpytorch - online-ml/river
online-ml/river
5,853在 GitHub 上查看River 是一个用于在线机器学习的 Python 框架，旨在对流式数据进行模型训练和评估。它通过一次处理一个观测值来更新模型参数，从而实现增量学习，无需在内存中存储完整的训练数据集。 该库通过专门的概念漂移（Concept Drift）检测系统脱颖而出，该系统监控数据分布的变化以触发模型自适应。它还提供了一个渐进式验证框架，通过在训练前对样本进行测试来模拟实时部署。 该系统涵盖了广泛的流式处理功能，包括实时特征工程、时间序列预测和在线异常检测。它支持通过增量聚类和决策树进行无监督学习，以及用于模型选择的集成聚合和 Bandit 策略。 该项目包括从 CSV 文件和 API 等来源进行流式数据摄取的实用程序，以及用于计算运行统计信息和内存高效数据草图（Data Sketches）的工具。
Handles small groups of observations using data frames to balance batch efficiency with online learning requirements.
Python - udacity/deep-learning
udacity/deep-learning
4,058在 GitHub 上查看该项目是一个深度学习教育课程和实现指南，专为构建和训练神经网络而设计。它提供了一个开发模型以解决模式识别和生成任务的课程。 该材料包括用于计算机视觉训练、自然语言处理和生成式 AI 的专门模块。它涵盖了迁移学习在分类新数据中的实际应用以及合成媒体的创建。 该项目包含网络架构设计、机器学习数据流水线的构建，以及使用模型性能诊断来识别欠拟合或过拟合。 内容通过 Jupyter Notebook 交付。
Implements techniques for processing data in small groups to optimize memory and training speed.
Jupyter Notebook - hunkim/pytorchzerotoall
hunkim/PyTorchZeroToAll
3,974在 GitHub 上查看PyTorchZeroToAll 是一个教育资源和教程合集，专注于深度学习和 PyTorch 框架。它为实现神经网络架构提供了一条结构化的学习路径，范围从基础语言语法和原理到复杂的模型设计。 该项目作为一个实现指南，用于构建各种网络类型，包括线性、逻辑、卷积和循环网络。它专门涵盖了通过使用注意力机制和字符级网络进行序列建模的工作流。 该资源还涵盖机器学习数据准备，包括使用自定义数据集加载器、文本处理工具以及将原始源文件转换为张量以用于训练流水线。
Covers mini-batch processing techniques to stabilize gradient descent and manage memory during training.
Pythonbasicdeeplearningpython - ashishpatel26/andrew-ng-notes
ashishpatel26/Andrew-NG-Notes
3,594在 GitHub 上查看This project is a collection of structured study notes and notebooks serving as an educational resource for deep learning and neural network fundamentals. It provides a technical reference for implementing machine learning theory, covering everything from basic network design to the construction of advanced architectures. The material specifically focuses on the implementation of convolutional neural networks for computer vision and sequence models for natural language processing. It includes detailed guidance on building object detection systems, face recognition, and speech transcription mo
Implements mini-batch gradient descent to accelerate training and reduce memory consumption.
Jupyter Notebookandrew-ngandrew-ng-courseandrew-ng-machine-learning
