深度学习与PyTorch实战
返回
深度学习与PyTorch实战
共44节
14571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
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
课件正在飞速打包中,请耐心等待几秒钟~