gsamil

The Illustrated DeepSeek-R1

Jay Alammar'ın yazdığı The Illustrated DeepSeek-R1 isimli blog'un Türkçe çevirisidir.

DeepSeek-R1, yapay zeka modellerinin istikrarlı ilerleyişindeki son etkileyici adımdır. Temel olarak iki sebepten dolayı büyük bir gelişme olduğunu söyleyebiliriz:

1. Açık kaynak ağırlıklara sahip bir model olması (daha küçük, damıtık versiyonları da dahil)
2. OpenAI-O1 tarzı bir akıl yürütme modelini yeniden üretmek için bir eğitim yöntemini tasarlayıp paylaşması

somat

Classic Networks

LeNet-5: LeCun et al, "Gradient-Based Learning Applied to Document Recognition": http://yann.lecun.com/exdb/publis/pdf/lecun-01a.pdf

AlexNet: Krizhevsky et al, "ImageNet Classification with Deep Convolutional Neural Networks": https://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf

VGG-16: Simonyan et al, "Very Deep Convolutional Networks for Large-Scale Image Recognition": https://arxiv.org/pdf/1409.1556.pdf

Resnets

pgolding

from __future__ import print_function # Python 2/3 compatibility
import boto3
import json
import decimal
from boto3.dynamodb.conditions import Key, Attr

# Helper class to convert a DynamoDB item to JSON.
class DecimalEncoder(json.JSONEncoder):
    def default(self, o):
        if isinstance(o, decimal.Decimal):

DmitrySoshnikov

# "Understanding Python's closures".
#
# Tested in Python 3.1.2
#
# General points:
#
#    1. Closured lexical environments are stored
#       in the property __closure__ of a function
#
#    2. If a function does not use free variables