Учиться, учиться, учиться везде. Название не неправильное, это мой вывод после небольшого исследования самых популярных репозиториев глубокого обучения на GitHub. Большая часть лучших репозиториев связана с: изучением глубокого обучения, примерами кода или упрощением глубокого обучения. Размер кружков на графике соответствует количеству звезд GitHub.

Звезды, вероятно, не лучший показатель: это относительно медленно меняющаяся переменная, и люди часто не снимают звездочки с проекта. Однако это дало мне первое приблизительное представление о наиболее интересных темах за долгое время. Мне нравится строить графики, и я хотел бы поделиться этим пониманием. Данные для графика собирал mbadry1@GitHub с его крутым скриптом. Для дельты проверьте его другой скрипт: Trending-Deep-Learning.

Предостережения и другие идеи

  • Данные для приведенного выше графика относятся к февралю 2020 года, но я думаю, что это относительно медленно меняющееся число. Посмотреть можно здесь: https://star-history.t9t.io/
  • У меня почему-то сложилось впечатление, что большие фреймворки и библиотеки будут занимать большую долю, так и есть, но обучающие и упрощенные фреймворки также занимают большой кусок.
  • Есть что-то под названием Даркнет, о котором я не слышал. Интересный проект и логотип. Сейчас кажется заброшенным, но у него было огромное количество поклонников.
  • Подробный график смотрите здесь или ниже.
  • Осторожно, есть репозитории, связанные с NSFW ;-)

Создание графика

Чтобы сделать график, я подумал о нескольких вариантах. Сначала я думал просто вручную сделать все это в Inkscape, но это заняло бы вечность. Потом я вспомнил, что на диаграммах.net есть способ импорта CSV-файлов. Я скопировал данные и адаптировал их к .csv с помощью Notepad++, но, к сожалению, не смог заставить их правильно отображаться на диаграммах.net. Они предоставляют какой-то скриптовый язык поверх CSV, но его действительно сложно понять. Погуглив еще немного, я обнаружил RawGraphs.io. Не забудьте добавить это в закладки, это действительно классный инструмент. После этого потребовалось кодирование и стилизация SVG в Inkscape, чего нельзя сделать в RawGraphs (именно поэтому он и называется RawGraphs).

Почему

Моя миссия — разработать алгоритмы для компьютерных интерфейсов мозга с высокой пропускной способностью. После разработки интракортикальных BCI в течение 8 с лишним лет я считаю, что мой следующий шаг — узнать о современных и мощных декодерах и кодировщиках. Может быть, даже узнать что-то о познании. Глубокое обучение, вероятно, не лучшее место для поиска, я знаю. Но я считаю, что есть что-то важное, чтобы узнать из него. Я работаю в течение нескольких месяцев в посте, развивающем эту идею. Быть в курсе!