Cette galerie d’exemples utilise luz pour entraîner et valider une gamme d’architectures classique de réseaux d’apprentissage profond. La galerie propose également une utilisation de basique à avancée de luz.
CharGPT
intermédiaireUn modèle de langage au niveau caractère avec GPT-2 sur des textes shakespeariens.
See codeClassifieur binaire
basiqueDémonstration de l’usage d’un réseau pré-entraîné pour construire un classifieur binaire
See codeAutoencodeur
basique
Construit un autoencodeur pour le dataset MNIST. Démontre la possibilité
de surcharger la méthode predict
Illustration d’un lot d’entraînement de taille virtuelle
avancéMontre comment créer une étape personnalisée de traitement sur un lot virtuel au cours de l’entraînement
See codeRéseau de convolution (CNN) simple
basiqueEntraîne un réseau convolutif (CNN) similaire à un AlexNet pour classifier les chiffres du jeu de données MNIST
See codeDCGAN
intermédiaireRéseau de convolution génératif et discriminant pour la génération d’images.
See codeFonction de coût en Triplet
intermédiaireEntraîne un modèle d’embedding qui minimise une fonction de coût en Triplet.
See codeImplémentation de UNET
intermédiaireImplémente un modèle UNET pour segmenter le fond des images de chats et de chiens.
See codeClassification de texte à partir de zéro
basiqueImplémente la classification de texte à partir de zéro.
See codeEntraîner un modèle linguistique causal à partir de zéro
avancéImplémente des jeux de données et entraîne un modèle linguistique causal à partir de zéro en utilisant le code source R.
See code