fchollet/deep-learning-with-python-notebooks

项目概览

作为官方配套笔记本，该项目允许读者通过 Google Colab 直接运行书中示例代码，并支持通过 Keras 3 在 JAX、TensorFlow 或 PyTorch 之间选择后端。

项目类型

模型开发 · 基础设施 · 学习资源

应用场景

学习教育

部署方式

查看项目说明

License

MIT

适合谁

• 需要运行书中实践示例代码的《Deep Learning with Python》读者。

核心能力

• Jupyter 笔记本包含可运行的代码块和章节标题，覆盖从基础机器学习到计算机视觉、文本分类以及图像/文本生成的示例。
• 允许通过环境变量在 JAX、TensorFlow 或 PyTorch 之间选择后端。

限制与风险

• 笔记本仅包含可运行的代码块和章节标题，省略了正文段落、插图和伪代码。
• 建议将笔记本与书籍对照阅读，以便理解代码的上下文。
• 第 8-18 章在使用更快的 GPU 时体验会更好，拥有 Colab Pro 订阅可提供帮助。

如何开始

• 推荐在 Google Colab 中运行，该托管平台提供运行代码所需的依赖项；打开笔记本后直接运行代码单元格即可。

核验依据

• README: This repository contains Jupyter notebooks implementing the code samples found in the book
• README: Chapter 17: Image Generation
• README: The code for third edition is written using Keras 3. As such, it can be run with JAX, TensorFlow or PyTorch as a backend.
• README: This book uses datasets and model weights provided by Kaggle, an online Machine Learning community and platform.
• README: We recommend running these notebooks on Colab, which provides a hosted runtime with all the dependencies you will need.

内容核验时间：