深度学习与PyTorch实战

深度学习与PyTorch实战
共44节 14582人在学 课程详情
  • 深度学习与PyTorch实战

    • 神经网络原理解读与整体架构分析
    • 卷积神经网络解读
    • PyTorch框架实战神经网络
    • PyTorch图像识别实战
    • RNN与word2vec模型
    • BERT模型解读
    • BERT训练与对抗生成网络
  • BERT原理解读(重录清晰版)

    • 1-BERT任务目标概述
    • 2-传统解决方案遇到的问题
    • 3-注意力机制的作用
    • 4-self-attention计算方法
    • 5-特征分配与softmax机制
    • 6-Multi-head的作用
    • 7-位置编码与多层堆叠
    • 8-transformer整体架构梳理
    • 9-BERT模型训练方法
    • 10-训练实例
  • BERT源码解读

    • 1-BERT开源项目简介
    • 2-项目参数配置
    • 3-数据读取模块
    • 4-数据预处理模块
    • 5-tfrecord数据源制作
    • 6-Embedding层的作用
    • 7-加入额外编码特征
    • 8-加入位置编码特征
    • 9-mask机制的作用
    • 10-构建QKV矩阵
    • 11-完成Transformer模块构建
    • 12-训练BERT模型
  • MaskRcnn源码解读

    • Mask-Rcnn开源项目简介
    • 开源项目数据集
    • 参数配置
    • FPN层特征提取原理解读
    • FPN网络架构实现解读
    • 生成框比例设置
    • 基于不同尺度特征图生成所有框
    • RPN层的作用与实现解读
    • 候选框过滤方法
    • Proposal层实现方法
    • DetectionTarget层的作用
    • 正负样本选择与标签定义
    • RoiPooling层的作用与目的
    • RorAlign操作的效果
    • 整体框架回顾

    订阅失败

    深度学习与PyTorch实战
    深度学习与PyTorch实战 ...

    订阅列表已满,请先移出部分订阅内容。

    当前章节需购买后观看
    开通超级会员免费看!专家精选系列课程,满足你从入门到精通!更有问答月卡免费送,你的问题有问必答!
    提交答案

    购买课程

    扫码完成付费,可继续学习全部课程内容

    加载中...
    播放页问题反馈
    视频学习中有任何产品建议都可由此反
    馈,我们将及时处理!

    课程介绍

    系列课程包括深度学习中经典网络架构,结合计算机视觉与自然语言处理两大核心模块展开原理
    分析与项目实战。通俗讲解深度学习中两大经典网络架构CNN与RNN模型,结合当下最主流PyTorch框架进行实战演练,选择当下NLP与CV中经典项目与解决方案,全部基于真实数据集,结合项目源码展开网络架构分析与实例应用。课程风格通俗易懂,用最接地气的方式带领同学们进军Ai,提供全部课程所需数据与项目源码。
    推荐课程
    正在试验
    后自动删除环境
    课程实验
    本次实验时间已到期 00:00:00
    程序员研修院 v1.1.0
    一、播放器优化
    修改播放器默认倍速设置,增加1.25倍速
    调整目录展示形式,增加折叠/展开
    优化播放器的使用体验,有播放问题可以点击播放页内的”反馈“提交问题
    查看全部版本记录
    课件正在飞速打包中,请耐心等待几秒钟~