深度学习经典论文与开源项目实战

深度学习经典论文与开源项目实战

唐宇迪 唐宇迪,计算机博士,专注于机器学习与计算机视觉领域,深度学习领域一线实战专家。参与多个国家级计算机视觉项目,多年数据领域培训经验,丰富的教学讲解经验。
  • 课程目录
  • 课程介绍
  • 课时1:课程介绍

  • 课时2:论文与开源项目的重要性

  • 课时3:课程全部数据代码下载(需PC登录)

  • 课时4:论文讲解思路概述

  • 课时5:BERT模型摘要概述

  • 课时6:模型在NLP领域应用效果

  • 课时7:预训练模型的作用

  • 课时8:输入数据特殊编码字符解析

  • 课时9:向量特征编码方法

  • 课时10:BERT模型训练策略

  • 课时11:论文总结分析

  • 课时12:BERT任务目标概述

  • 课时13:传统解决方案遇到的问题

  • 课时14:注意力机制的作用

  • 课时15:self-attention计算方法

  • 课时16:特征分配与softmax机制

  • 课时17:Multi-head的作用

  • 课时18:位置编码与多层堆叠

  • 课时19:transformer整体架构梳理

  • 课时20:BERT模型训练方法

  • 课时21:训练实例

  • 课时22:BERT开源项目简介

  • 课时23:项目参数配置

  • 课时24:数据读取模块

  • 课时25:数据预处理模块

  • 课时26:tfrecord制作

  • 课时27:Embedding层的作用

  • 课时28:加入额外编码特征

  • 课时29:加入位置编码特征

  • 课时30:mask机制

  • 课时31:构建QKV矩阵

  • 课时32:完成Transformer模块构建

  • 课时33:训练BERT模型

  • 课时34:中文分类数据与任务概述

  • 课时35:读取处理自己的数据集

  • 课时36:训练BERT中文分类模型

  • 课时37:命名实体识别数据分析与任务目标

  • 课时38:NER标注数据处理与读取

  • 课时39:构建BERT与CRF模型

  • 课时40:词向量模型通俗解释

  • 课时41:模型整体框架

  • 课时42:训练数据构建

  • 课时43:CBOW与Skip-gram模型

  • 课时44:负采样方案

  • 课时45:物体检测通用框架论文整体概述

  • 课时46:MaskRcnn创新点介绍

  • 课时47:网络结构分析

  • 课时48:总结概述

  • 课时49:Mask-Rcnn开源项目简介

  • 课时50:开源项目数据集

  • 课时51:参数配置

  • 课时52:FPN层特征提取原理解读

  • 课时53:FPN网络架构实现解读

  • 课时54:生成框比例设置

  • 课时55:基于不同尺度特征图生成所有框

  • 课时56:RPN层的作用与实现解读

  • 课时57:候选框过滤方法

  • 课时58:Proposal层实现方法

  • 课时59:DetectionTarget层的作用

  • 课时60:正负样本选择与标签定义

  • 课时61:RoiPooling层的作用与目的

  • 课时62:RorAlign操作的效果

  • 课时63:整体框架回顾

  • 课时64:Labelme工具安装

  • 课时65:使用labelme进行数据与标签标注

  • 课时66:完成训练数据准备工作

  • 课时67:maskrcnn源码修改方法

  • 课时68:基于标注数据训练所需任务

  • 课时69:测试与展示模块

  • 课时70:COCO数据集与人体姿态识别简介

  • 课时71:网络架构概述

  • 课时72:流程与结果演示

  • 课时73:物体检测概述

  • 课时74:深度学习经典检测方法

  • 课时75:faster-rcnn概述

  • 课时76:faster-rcnn论文解读

  • 课时77:RPN网络结构

  • 课时78:损失函数定义

  • 课时79:网络细节

  • 课时80:对抗生成网络通俗解释

  • 课时81:GAN网络组成

  • 课时82:损失函数解释说明

  • 课时83:数据读取模块

  • 课时84:生成与判别网络定义

  • 课时85:CycleGan论文整体概述

  • 课时86:论文涉及知识点简介

  • 课时87:损失函数公式分析

  • 课时88:Cycle架构分析与目标函数定义

  • 课时89:论文总结概述

  • 课时90:CycleGan网络所需数据

  • 课时91:CycleGan整体网络架构

  • 课时92:PatchGan判别网络原理

  • 课时93:Cycle开源项目简介

  • 课时94:数据读取与预处理操作

  • 课时95:生成网络模块构造

  • 课时96:判别网络模块构造

  • 课时97:损失函数:identity loss计算方法

  • 课时98:生成与判别损失函数指定

  • 课时99:额外补充:VISDOM可视化配置

  • 课时100:论文概述

  • 课时101:网络架构

  • 课时102:数据与环境配置

  • 课时103:数据加载与配置

  • 课时104:生成模块

  • 课时105:判别模块

  • 课时106:VGG特征提取网络

  • 课时107:损失函数与训练

  • 课时108:测试模块

  • 课时109:style-transfer基本原理

  • 课时110:风格生成网络结构原理

  • 课时111:风格生成网络细节

  • 课时112:风格转换效果展示

  • 课时113:参数解释与配置

  • 课时114:数据加载

  • 课时115:特征提取网络

  • 课时116:网络训练

  • 课时117:视频与图像测试模块

  • 课时118:论文概述

  • 课时119:网络架构

  • 课时120:细节设计

  • 课时121:论文总结

  • 课时122:数据与项目概述

  • 课时123:参数基本设计

  • 课时124:网络结构配置

  • 课时125:网络迭代训练

  • 课时126:测试模块

  • 课时127:迁移学习的目标

  • 课时128:迁移学习策略

  • 课时129:Resnet原理

  • 课时130:Resnet网络细节

  • 课时131:Resnet基本处理操作

  • 课时132:shortcut模块

  • 课时133:加载训练好的权重

  • 课时134:迁移学习效果对比

课程概述

深度学习经典论文解读与项目实战课程旨在帮助同学们掌握当下深度学习领域最核心论文思想及其源码实现。所选论文均是计算机视觉与自然语言处理领域最流行和通用算法,主要内容包括四大核心部分:1.论文核心思想解读;2.论文细节知识点精讲;3.论文代码复现与应用;4.大型开源项目源码解读;整体风格通俗易懂,所有论文均结合实战项目展开,理论与实战应用完美结合,适合进阶提升与转行就业的同学们。

课程特色:
1、深度学习领域经典和通用算法精讲,提升与面试必备!
2、通俗易懂,核心知识点全面覆盖,算法与代码结合!
3、大型开源项目实战,谷歌,Facebook等核心算法实战!
4、提供全部数据,代码,PPT,持续更新,永久有效!

课程咨询与福利领取请添加微信:digexiaozhushou(迪哥小助手)

随机推荐

屹嘉临YJL-4评测怎么样?不容错过的测评分享!

屹嘉临YJL-4适合入手吗?老用户评测分享!

怡颗莓蓝莓怎么样?购买前必看的评测报告!

4DRC遥控车好用吗?体验评测揭秘分析?

光合星球宝宝零食推荐哪种好用?独家评测揭秘内幕!

艾惟诺婴童护肤评测性价比高吗?评测报告来了!