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
共133节 2392人在学 课程详情
  • 课程介绍与BenchMark导读

    • 论文与开源项目的重要性
    • 课程介绍(数据代码下载------------->需要PC登录)
  • NLP必备经典论文-BERT论文解读

    • 论文讲解思路概述
    • BERT模型摘要概述
    • 模型在NLP领域应用效果
    • 预训练模型的作用
    • 输入数据特殊编码字符解析
    • 向量特征编码方法
    • BERT模型训练策略
    • 模型总结分析
  • 自然语言处理通用框架BERT原理解读

    • BERT任务目标概述
    • 传统解决方案遇到的问题
    • 注意力机制的作用
    • self-attention计算方法
    • 特征分配与softmax机制
    • Multi-head的作用
    • 位置编码与多层堆叠
    • transformer整体架构梳理
    • BERT模型训练方法
    • 训练实例
  • 谷歌开源项目BERT源码解读与应用实例

    • BERT开源项目简介
    • 项目参数配置
    • 数据读取模块
    • 数据预处理模块
    • tfrecord制作
    • Embedding层的作用
    • 加入额外编码特征
    • 加入位置编码特征
    • mask机制
    • 构建QKV矩阵
    • 完成Transformer模块构建
    • 训练BERT模型
  • 基于BERT的中文情感分析实战

    • 中文分类数据与任务概述
    • 读取处理自己的数据集
    • 训练BERT中文分类模型
  • 基于BERT的中文命名实体识别实战

    • 命名实体识别数据分析与任务目标
    • NER标注数据处理与读取
    • 构建BERT与CRF模型
  • BERT基础补充-词向量模型

    • 词向量模型通俗解释
    • 模型整体框架
    • 训练数据构建
    • CBOW与Skip-gram模型
    • 负采样方案
  • 物体检测经典框架MaskRcnn论文解读

    • 物体检测通用框架论文整体概述
    • MaskRcnn创新点介绍
    • 网络结构分析
    • 总结概述
  • 物体检测框架-MaskRcnn项目介绍与配置

    • Mask-Rcnn开源项目简介
    • 开源项目数据集
    • 参数配置
  • MaskRcnn网络框架源码详解

    • 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
  • 基于MASK-RCNN框架训练自己的数据与任务

    • Labelme工具安装
    • 使用labelme进行数据与标签标注
    • 完成训练数据准备工作
    • maskrcnn源码修改方法
    • 基于标注数据训练所需任务
    • 测试与展示模块
  • 练手小项目-人体姿态识别demo

    • COCO数据集与人体姿态识别简介
    • 网络架构概述
    • 流程与结果演示
  • 物体检测基础算法(熟悉的同学略过)

    • 物体检测概述
    • 深度学习经典检测方法
    • faster-rcnn概述
    • faster-rcnn论文解读
    • RPN网络结构
    • 损失函数定义
    • 网络细节
  • 对抗生成网络架构原理与实战解析

    • 对抗生成网络通俗解释
    • GAN网络组成
    • 损失函数解释说明
    • 数据读取模块
    • 生成与判别网络定义
  • CycleGan图像融合论文解读

    • CycleGan论文整体概述
    • 论文涉及知识点简介
    • 损失函数公式分析
    • Cycle架构分析与目标函数定义
    • 论文总结概述
  • 基于CycleGan开源项目实战图像合成

    • CycleGan网络所需数据
    • CycleGan整体网络架构
    • PatchGan判别网络原理
    • Cycle开源项目简介
    • 数据读取与预处理操作
    • 生成网络模块构造
    • 判别网络模块构造
    • 损失函数:identity loss计算方法
    • 生成与判别损失函数指定
    • 额外补充:VISDOM可视化配置
  • 超分辨率重构论文与项目解读

    • 论文概述
    • 网络架构
    • 数据与环境配置
    • 数据加载与配置
    • 生成模块
    • 判别模块
    • VGG特征提取网络
    • 损失函数与训练
    • 测试模块
  • 图像风格转换论文实战

    • style-transfer基本原理
    • 风格生成网络结构原理
    • 风格生成网络细节
    • 风格转换效果展示
    • 参数解释与配置
    • 数据加载
    • 特征提取网络
    • 网络训练
    • 视频与图像测试模块
  • 图像自动修复论文实战

    • 论文概述
    • 网络架构
    • 细节设计
    • 论文总结
    • 数据与项目概述
    • 参数基本设计
    • 网络结构配置
    • 网络迭代训练
    • 测试模块
  • 补充-迁移学习与Resnet网络架构

    • 迁移学习的目标
    • 迁移学习策略
    • Resnet原理
    • Resnet网络细节
    • Resnet基本处理操作
    • shortcut模块
    • 加载训练好的权重
    • 迁移学习效果对比

    订阅失败

    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 ...

    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!

    课时介绍

    DetectionTarget层的作用

    课程介绍

    购买课程后,添加小助手微信(微信号:csdnxy68)回复【唐宇迪】

    进入学习群,获取唐宇迪老师答疑

    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主流通用算法,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**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,Google,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!


    讲师卡更优惠,可加入全部课程(包括后续更细那内容)


    推荐课程

    信息系统项目管理师自考笔记

    李明 · 730人在学

    python从0到1:期货量化交易系统(CTP实战,高频及合成K线数据

    王先生 · 22119人在学

    手把手搭建Java超市管理系统【附源码】(毕设)

    汤小洋 · 4210人在学

    Java毕设springboot外卖点餐系统 毕业设计毕设源码 使用教

    黄菊华 · 788人在学

    基于SSM酒店管理系统(毕设)

    小尼老师 · 842人在学

    java项目实战之购物商城(java毕业设计)

    Long · 5155人在学

    手把手搭建Java求职招聘系统【附源码】(毕设)

    汤小洋 · 1506人在学

    Python Django 深度学习 小程序

    钟翔 · 2323人在学

    城管局门前三包管理系统+微信小程序(vue+springboot)

    赖国荣 · 599人在学

    Vue+Uni-app(uniapp)入门与实战+赠送仿美团点餐小程序

    李杰 · 3987人在学

    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
    课件正在飞速打包中,请耐心等待几秒钟~