======================================= Découvrir le deep learning en exercices ======================================= Les notebooks utilisent principalement :epkg:`pytorch` car la lecture du code décrivant un réseaux de neurones est une des plus intuitives. Elle est beaucoup moins *verbeuse* que celle de :epkg:`tensorflow` et offre plus de liberté dans la conception d'un modèle de deep learning. C'est ce qui a séduit de nombreux chercheurs à l'utiliser d'autant plus cette liberté ne s'est pas faite au détriment des performances. :epkg:`pytorch` supporte également le standard :epkg:`ONNX` ce qui facilite la mise en production de modèles. .. contents:: :local: Premier pas avec pytorch ======================== .. toctree:: :maxdepth: 2 notebooks/100_Logistic_IRIS notebooks/110_Perceptron_Iris notebooks/200_Perceptron_MNIST notebooks/210_Convolution_MNIST notebooks/300_Convolution_CIFAR10 notebooks/400_backward Tous les notebooks excepté le premier ont été écrits par `Matthieu Bizien `_. Autres sources de notebooks =========================== * `tutoriels de pytorch `_ * `Deep Learning course: lecture slides and lab notebooks `_ (master DataScience Université Paris Saclay) * `Réaliser un moteur de recherche d'images avec du deep learning `_