Skip to content
Projets

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

Original

NYU Deep Learning Spring 2020 (NYU-DLSP20) Binder

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 :

Explorer des projets similaires