2
1
0
Ilya Sutskever 曾断言，只要读懂那 30 篇奠基论文，就能掌握人工智能 90% 的精髓。但面对枯燥的数学公式，大多数人很难将其转化为可运行的代码。
最近在 GitHub 上发现 Sutskever 30 这个开源项目，用纯 NumPy 实现了 Ilya Sutskever 推荐的 30 篇奠基性论文，全部完成。
时政
(
twitter.com
)
由
GitHubDaily
提交
Ilya Sutskever 曾断言，只要读懂那 30 篇奠基论文，就能掌握人工智能 90% 的精髓。但面对枯燥的数学公式，大多数人很难将其转化为可运行的代码。
最近在 GitHub 上发现 Sutskever 30 这个开源项目，用纯 NumPy 实现了 Ilya Sutskever 推荐的 30 篇奠基性论文，全部完成。
每个实现都不依赖深度学习框架，只用 NumPy 从零构建，配合 Jupyter Notebook 交互式学习，还自带合成数据可以直接运行。
GitHub：https://t.co/IZyKQ8I7i2
涵盖从 RNN、LSTM 到 Transformer、ResNet 的核心架构演进，包括注意力机制、残差连接、图神经网络等关键技术，还有 VAE、神经图灵机、CTC 损失等高级主题。
值得一提，项目还实现了 Kolmogorov 复杂度、MDL 原理、通用人工智能(AIXI)等理论基础，以及 RAG、长文本分析等现代应用。
如果你想从底层理解深度学习的核心机制，而不是只会调用框架 API，这个项目值得收藏学习。
点击图片查看原图
Markdown支持
评论加载中...
您可能感兴趣的：
2
312
311
311
4
4214
4213
4213
5
213
212
212
6
1953
1952
1952
18
187
186
186
23
548
547
547
