安装

1. 克隆 Git 仓库：

git clone https://github.com/SingleZombie/DL-Demos.git

2. 运行安装命令：

python setup.py develop
pip install -r requirements.txt

建议创建一个名为 work_dirs 的目录，并将临时结果存放其中。

描述

深度学习示例。

项目

吴恩达深度学习专项课程

1. 逻辑回归
2. 浅层神经网络
3. 深度神经网络（MLP）
4. 参数初始化
5. 正则化
6. 高级优化器（小批量、动量、Adam）
7. 使用 TensorFlow 和 PyTorch 的多分类问题
8. NumPy 二维卷积
9. 基础 CNN
10. ResNet
11. NMS
12. 我的 YOLO 模型
13. 使用 PyTorch 的字母级语言模型
14. 使用 PyTorch 和 Glove 进行情感分析
15. 使用 PyTorch 的日期翻译注意力模型
16. 使用 PyTorch 的 Transformer 英中翻译

生成模型

1. 使用 PyTorch 的 VAE
2. 使用 PyTorch 的 DDPM
3. 使用 PyTorch 的 PixelCNN
4. 使用 PyTorch 的 VQVAE
5. 使用 PyTorch 的 DDIM

其他

1. 使用 PyTorch 的风格迁移
2. PyTorch DDP 示例
3. 傅里叶特征

DL-Demos 快速上手指南

DL-Demos 是一个涵盖深度学习基础、生成模型及前沿技术的开源演示项目，基于 PyTorch 和 TensorFlow 实现，适合学习者快速复现经典算法。

环境准备

• 操作系统：Linux / macOS / Windows
• Python 版本：建议 Python 3.8 及以上
• 前置依赖：
  • Git
  • pip
  • PyTorch / TensorFlow（安装脚本会自动处理部分依赖）

💡 国内加速建议：推荐使用清华或阿里镜像源加速 pip 安装。

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

安装步骤

1. 克隆项目仓库

   git clone https://github.com/SingleZombie/DL-Demos.git
   cd DL-Demos
   

2. 安装依赖包 建议使用虚拟环境（如 conda 或 venv），然后执行：

   python setup.py develop
   pip install -r requirements.txt
   

   若需国内加速，请参照上方“环境准备”中的镜像源命令替换第二行。

3. 创建工作目录 项目建议创建一个名为 work_dirs 的文件夹用于存放临时结果：

   mkdir work_dirs
   

基本使用

本项目按模块分类，每个子目录对应一个具体的深度学习演示（如逻辑回归、ResNet、DDPM 等）。

最简单的运行示例： 以运行“浅层神经网络 (Shallow Neural Network)"为例，进入对应项目目录并执行主脚本（具体脚本文件名请参考各子目录下的代码结构，通常为 main.py 或 train.py）：

# 假设进入 Andrew Ng 系列第 02 项演示目录
cd projects/02_Shallow_Neural_Network

# 运行训练脚本（具体命令视子项目而定，以下为通用示例）
python main.py

运行后，生成的模型权重和日志文件将默认保存至根目录下的 work_dirs 文件夹中。您可以浏览 Project 列表选择感兴趣的主题（如 Generative Model 中的 DDPM 或 Others 中的风格迁移）进行探索。