:orphan:

|rss_image| :ref:`<== <ap-main-0>`  **page de blog - 2/3** :ref:`==> <ap-main-2>` :ref:`Blog <ap-main-0>` 

.. |rss_image| image:: feed-icon-16x16.png
    :target: ../_downloads/rss.xml
    :alt: RSS

----


.. _ap-main-1:

page de blog - 2/3
++++++++++++++++++

.. blogpostagg::
    :title: Voiture automatique
    :date: 2019-08-26
    :keywords: voiture automatique,deep learning,pytorch,onnxruntime
    :categories: deep learning
    :rawfile: 2019/2019-08-26_autocar.rst

    Ce n'est pas une vraie voiture mais un jeu.
    Il y a néanmoins tout ce qu'il faut pour la construire.
    `AutCar <https://github.com/christian-vorhemus/autcar>`_
    et apprendre les réseaux de neurones dont elle a besoin.




.. blogpostagg::
    :title: Réseau de neurones profond et continu
    :date: 2019-05-24
    :keywords: magnitude
    :categories: densité
    :rawfile: 2019/2019-05-24_continuite.rst

    C'est une idée qui me trottait dans la tête.
    Pourquoi les réseaux de neurones profonds fonctionnent
    si bien ? Pourquoi un grand nombre de couches fonctionne-t-il
    mieux qu'une simple couche alors même qu'on sait prouver que
    celle-ci peut approximer n'importe quelle fonction
    continue d'un convexe à valeur dans un convexe ?
    `Démonstration du théorème de la densité des réseaux de neurones
    <http://www.xavierdupre.fr/app/mlstatpy/helpsphinx/c_ml/rn/rn_4_densite.html>`_.
    

    ...




.. blogpostagg::
    :title: Quelques modules intéressants
    :date: 2019-05-20
    :keywords: magnitude
    :categories: modules
    :rawfile: 2019/2019-05-20_modules.rst

    `pymagnitude <https://github.com/plasticityai/magnitude>`_ :
    calculer les prédictions de modèles de deep learning un peu plus vite.
    

    ...




.. blogpostagg::
    :title: opencl on CPU
    :date: 2019-04-06
    :keywords: opencl,CPU
    :categories: CPU
    :rawfile: 2019/2019-04-06_clinfo.rst

    I don't have GPU when running my unit test,
    so I use CPU. So I got the following error:
    

    ...




.. blogpostagg::
    :title: S'entraîner avec un GPU
    :date: 2019-04-03
    :keywords: Colab,GPU
    :categories: Colab
    :rawfile: 2019/2019-04-03_colab.rst

    L'utilisation de GPU offre des performances
    souvent 10 fois supérieures à un CPU mais
    tout le monde n'a pas du GPU à disposition.
    Certains recommandent l'utilisation du
    `Google Colab Free GPU Tutorial
    <https://medium.com/deep-learning-turkey/google-colab-free-gpu-tutorial-e113627b9f5d>`_
    mais le service a tendance à réallouer les GPU
    après une ou deux heures ce qui ne permet des apprentissages
    très longs.
    Les `notebooks d'Azure <https://notebooks.azure.com/>`_
    sont gratuits pour les étudiants et professeurs
    pour tout ce qui utilise du CPU. Le GPU ne l'est pas.




.. blogpostagg::
    :title: Optimisation de calcul sur GPU
    :date: 2019-02-03
    :keywords: tvm
    :categories: GPU
    :rawfile: 2019/2019-02-03_tvm.rst

    `tvm <https://tvm.ai/>`_ est une librarie de calcul
    GPU hébergée sur `github/tvm <https://github.com/dmlc/tvm>`_
    et démarré par les concepteurs de
    `xgboost <https://github.com/dmlc/xgboost>`_.
    C'est une librairie de calcul sur GPU un peu
    comme :epkg:`cupy` avec un petit bout de
    :epkg:`chainer`.
    

    ...




.. blogpostagg::
    :title: Auto-Keras - auto machine learning
    :date: 2019-01-22
    :keywords: keras
    :categories: automl
    :rawfile: 2019/2019-01-22_autokeras.rst

    `auto-keras <https://autokeras.com/>`_,
    `Auto-Keras: Efficient Neural Architecture Search with Network Morphism <https://arxiv.org/abs/1806.10282>`_ ...
    A priori le module est capable de déterminer l'architecture
    la plus efficace.




.. blogpostagg::
    :title: 10 choses à savoir sur le deep learning
    :date: 2018-12-18
    :keywords: tips,deep learning
    :categories: lectures
    :rawfile: 2018/2018-12-18_10tips.rst

    Il n'existe pas encore de théorie sur le deep learning qui se différence
    du machine learning classique. Il existe en revanche quelques astuces
    utiles pour apprendre des modèles. En voici 10 toutes à connaître :
    `The 10 Deep Learning Methods AI Practitioners Need to Apply <https://medium.com/cracking-the-data-science-interview/the-10-deep-learning-methods-ai-practitioners-need-to-apply-885259f402c1>`_.




.. blogpostagg::
    :title: Quelques liens, lectures
    :date: 2018-11-30
    :keywords: bert,reinforcement learning
    :categories: lectures
    :rawfile: 2018/2018-11-30_reading.rst

    * `Deep Reinforcement Learning Course <https://github.com/simoninithomas/Deep_reinforcement_learning_Course>`_
    * `bert <https://github.com/google-research/bert>`_
    * `Python Deep Learning Projects <https://github.com/goodrahstar/Python-Deep-Learning-Projects>`_
    * `daily-paper-computer-vision <https://github.com/amusi/daily-paper-computer-vision>`_




.. blogpostagg::
    :title: Notebooks sur le deep learning par le créateur de Keras
    :date: 2018-11-07
    :keywords: deep learning,keras,Chollet
    :categories: lectures
    :rawfile: 2018/2018-11-07_keras.rst

    `Companion Jupyter notebooks for the book "Deep Learning with Python <https://github.com/fchollet/deep-learning-with-python-notebooks>`_





----

|rss_image| :ref:`<== <ap-main-0>`  **page de blog - 2/3** :ref:`==> <ap-main-2>` :ref:`2020-10 (1) <ap-month-2020-10-0>` :ref:`2021-01 (1) <ap-month-2021-01-0>` :ref:`2021-06 (2) <ap-month-2021-06-0>` :ref:`2021-11 (1) <ap-month-2021-11-0>` :ref:`2022-02 (1) <ap-month-2022-02-0>`