Yann LeCun推荐的Github深度学习入门教程，累计9500+星

▲  Yann LeCun的Twitter
▲  Sebastian Raschka的Twitter： 作者： Sebastian Raschka 项目： Deep Learning Models Star： 9500+⭐ 项目链接（点击阅读原文即可访问）： https://github.com/rasbt/deeplearning-models 内容： 包含了由TensorFlow/PyTorch实现的80个模型，覆盖了从传统机器学习（逻辑回归、感知器等）到高阶深度网络应用（对抗生成网络等）的内容。具体如下（每个目录下有多个case）：

• 传统机器学习

• 多层感知器

• 卷积神经网络

• 度量学习

• 自编码器

• 生成式对抗网络

• 循环神经网络

• 有序回归

• 建议和技巧

• PyTorch工作流和机制

• TensorFlow工作流和机制

示例代码（定义感知机）

 1device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
 2
 3
 4def custom_where(cond, x_1, x_2):
 5    return (cond * x_1) + ((1-cond) * x_2)
 6
 7
 8class Perceptron():
 9    def __init__(self, num_features):
10        self.num_features = num_features
11        self.weights = torch.zeros(num_features, 1, 
12                                   dtype=torch.float32, device=device)
13        self.bias = torch.zeros(1, dtype=torch.float32, device=device)
14
15    def forward(self, x):
16        linear = torch.add(torch.mm(x, self.weights), self.bias)
17        predictions = custom_where(linear > 0., 1, 0).float()
18        return predictions
19
20    def backward(self, x, y):  
21        predictions = self.forward(x)
22        errors = y - predictions
23        return errors
24
25    def train(self, x, y, epochs):
26        for e in range(epochs):
27
28            for i in range(y.size()[0]):
29                # use view because backward expects a matrix (i.e., 2D tensor)
30                errors = self.backward(x[i].view(1, self.num_features), y[i]).view(-1)
31                self.weights += (errors * x[i]).view(self.num_features, 1)
32                self.bias += errors
33
34    def evaluate(self, x, y):
35        predictions = self.forward(x).view(-1)
36        accuracy = torch.sum(predictions == y).float() / y.size()[0]
37        return accuracy

推荐阅读

15600+星的 Python Fire为什么这么火，用完你就知道了

瓜瓜笔记 | 8 月份机器学习热门开源项目

【瓜瓜笔记】李沐《动手学深度学习》, PyTorch 版源代码已开源，附书籍和代码下载链接

瓜瓜笔记 | 让你彻彻底底搞懂 JSON

瓜瓜笔记 | 推荐一个『网页版图片标记与分割工具』

秋招必备！Github 1.8 万星的『程序员面试宝典』