MarioSieg/magnetron
این یک پروژه در حال توسعه (WIP) هست که هدفش ساخت یک کتابخانهٔ یادگیری عمیق شبیه PyTorch، ولی کاملاً از صفر و با کد نویسی دستیه.
کاربرد:
این پروژه برای کسانی مناسبه که می‌خوان بدونن چطور یک فریم‌ورک یادگیری ماشین مثل PyTorch از داخل کار می‌کنه — از صفر تا صد محاسبات تانسور، پس‌انتشار (backpropagation)، و مدیریت حافظه.
در چه شرایطی بهتره استفاده شود؟
اگر دانشجو یا توسعه‌دهنده‌ای هستی و می‌خوای مفاهیم پایه‌ای شبکه‌های عصبی رو عمیق‌تر بفهمی، این پروژه می‌تونه یه منبع عالی برای یادگیری باشه. همچنین برای افرادی که به ساخت فریم‌ورک‌های سفارشی علاقه دارن، یه نقطهٔ شروع قوی محسوب می‌شه.
چند مثال از موارد استفاده:
آموزش مفاهیم autograd و محاسبات گرادیان به صورت دستی
شبیه‌سازی لایه‌های عصبی بدون وابستگی به کتابخانه‌های بزرگ
استفاده در محیط‌هایی که نیاز به کنترل کامل روی عملیات محاسباتی هست
توسعه مدل‌های سبک برای دستگاه‌های با منابع محدود
- ##DeepLearning
- ##PyTorchClone
- ##FromScratch
- ##Autograd
- ##NeuralNetworks
- ##MachineLearning
- ##CPlusPlus
- ##AIResearch
- ##Programming
- ##LowLevelML