=======================================
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
`_