Материалы курса Глубокое обучение (практика) для 3 курса НоД МКН СПбГУ

Содержимое

Тема	Ноутбук и запись	Задания
1. Знакомство с Pytorch: тензоры, autograd, обучение перцептрона	01_pytorch_intro.ipynb Запись практики	01_basics.ipynb 02_mnist.ipynb
2. Как не потерять градиент: функции активации, инициализация, нормализация	02_initialization_batchnorm.ipynb Запись практики	03_init_act_norm_optim.ipynb
3. Регуляризация. Введение в свёрточные сети	03_regularization.ipynb 04_cnn_intro.ipynb Запись практики
4. Pytorch Lightning (самостоятельное изучение)	05_lightning_etc.ipynb	04_finetuning_augmentation.ipynb
5. Семантическая сегментация	06_segmentation.ipynb Запись практики	05_cell_segmentation.ipynb
6. Обнаружение объектов	07_object_detection.ipynb Запись практики	06_cell_detection.ipynb
7. Рекуррентные сети	08_rnn.ipynb Запись практики	07_amino_acid_rnn.ipynb
8. Трансформер: механизм внимания	09_transformer_attention.ipynb Запись практики
9. Трансформер: архитектуры	10_transformer_model.ipynb Запись практики	08_translation.ipynb
10. Глубокое обучение в структурной биологии	Запись лекции Слайды
11. Графовые сети	11_gnn.ipynb Запись практики	09_binding_affinity.ipynb
12. Генеративные модели: GAN, VAE	12_gan.ipynb 13_vae.ipynb Запись практики	10_gan.ipynb 11_vae.ipynb
13. Генеративные модели: DDPM	14_ddpm.ipynb Запись практики	12_ddpm_ddim.ipynb

Записи практик 3 курса СП можно найти по ссылке

Создание окружения conda

Для Linux и Windows:

# создаём окружение из файла
PIP_EXISTS_ACTION=w conda env create -f environment-linux.yaml
# активируем окружение
conda activate dl-mcs

Если вы добавили новые зависимости в .yaml файл, среду можно обновить командой

conda env update -f environment-linux.yaml --prune

Для MacOS команды аналогичные, но указываем environment-macos.yaml