Atcold/NYU-DLSP20
Atcold/NYU-DLSP20 has 6,813 GitHub stars and 2,228 forks. GitHot measured -1 in 7 days. Last checked 2026-11-09 06:33 UTC. Last push 2025-06-16.
Comment ces chiffres sont mesurés
NYU Deep Learning Spring 2020
Progression mesurée des étoiles
- in 24h
- Mise à jour retardée
- in 7 days
- -1
- in 15 days
- Mise à jour retardée
- in 1 month
- Mise à jour retardée
Variations nettes sur des périodes qui se chevauchent, pas des totaux quotidiens. Les mesures absentes restent vides. Les étoiles indiquent l’intérêt, pas la qualité.
docs/fr/README-FR.md
OriginalNYU Deep Learning Spring 2020 (NYU-DLSP20) 
Ce répertoire a maintenant un site web associé, où tout le matériel de cours peut être trouvé au format vidéo et textuel.
🇬🇧 🇨🇳 🇰🇷 🇪🇸 🇮🇹 🇹🇷 🇯🇵 🇸🇦 🇫🇷 🇮🇷 🇷🇺 🇻🇳 🇷🇸 🇵🇹 🇧🇩 🇭🇺
Pour commencer
Pour pouvoir suivre les exercices, vous aurez besoin d'un ordinateur portable avec Miniconda (une version minimale d'Anaconda) et plusieurs packages Python installés. Les instructions suivantes fonctionneront telles quelles pour les utilisateurs de Mac ou Ubuntu Linux, les utilisateurs de Windows devront installer et travailler dans le terminal Git BASH.
Télécharger et installer Miniconda
Veuillez-vous rendre sur le site web d'Anaconda. Téléchargez et installez la dernière version de Miniconda pour Python $\geq$ 3.7 pour votre système d'exploitation.
wget <http:// link to miniconda>
sh <miniconda*.sh>
Vérifiez le dépôt git avec l'exercice
Une fois que Miniconda est prêt, consultez le répertoire des cours et procédez à la mise en place de l'environnement :
git clone https://github.com/Atcold/NYU-DLSP20
Créer un environnement Miniconda isolé
Changez le répertoire (cd) dans le dossier du cours, puis tapez :
# cd NYU-DLSP20
conda env create -f environment.yml
source activate NYU-DL
Démarrer Jupyter Notebook ou JupyterLab
Dans le terminal lancez :
jupyter lab
Ou bien pour l'interface classique :
jupyter notebook
Visualisation des notebooks
Les *Notebooks Jupyter * sont utilisés tout au long de ces conférences pour l'exploration et la visualisation des données. Nous utilisons des styles sombres pour GitHub et Jupyter Notebook. Nous vous conseillons de faire de même sinon les rendus risques d’être moches. JupyterLab a un thème sombre intégré sélectionnable, il vous suffit donc d'installer quelque chose si vous voulez utiliser l'interface classique. Pour voir le contenu de manière appropriée dans l'interface classique, installez ce qui suit :
- Notebooks Jupyter thème sombre ;
- GitHub thème sombre et commentez le bloc de code
invert #fff to #181818.
Explorer des projets similaires
tensorflow/tensorflow
Un framework open source d'apprentissage automatique pour tous
201,427 étoileshuggingface/transformers
🤗 Transformers : le framework de définition de modèles pour les modèles d'apprentissage automatique de pointe en texte, vision, audio et multimodal, pour l'inférence et l'entraînement.
168,711 étoilesAUTOMATIC1111/stable-diffusion-webui
Interface web de Stable Diffusion
165,274 étoilesComfy-Org/ComfyUI
La GUI, l'API et le backend les plus puissants et modulaires pour les modèles de diffusion, avec une interface de graphes et de nœuds. Le moteur d'inférence local le plus rapide au monde.
146,024 étoiles