深度学习与PyTorch实战
返回
深度学习与PyTorch实战
共44节
14910人在学
课程详情
¥119.00订阅全部
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
...
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!
课时介绍
RNN与BERT模型
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
关闭试验
继续试验
课程实验
本次实验时间已到期 00:00:00
课件正在飞速打包中,请耐心等待几秒钟~