深度学习与PyTorch实战
共44课时
4,387
准备进军Ai的同学们,熟悉Python,热衷于NLP与CV相关领域
VIP专属
领域会员免费
课程收录到: AI工程师
VIP专属
领域会员免费
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讲师。在图像识别领域有着丰富经验,实现过包括人脸识别,物体识别,关键点检测等多种应用的新算法。 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,出品多套机器学习与深度学习系列课程,课程生动形象,风格通俗易懂。
课程概述

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。

适用人群

准备进军Ai的同学们,熟悉Python,热衷于NLP与CV相关领域
课程目录
  • 神经网络原理解读与整体架构分析
    1时32分6秒 2019-12-30  试读
  • 2
    卷积神经网络解读
    1时21分1秒 2020-01-06  试读
  • 3
    PyTorch框架实战神经网络
    1时23分29秒 2020-01-06  试读
  • 4
    PyTorch图像识别实战
    1时29分45秒 2020-01-17 
  • 5
    RNN与word2vec模型
    1时32分9秒 2020-01-17 
  • 6
    BERT模型解读
    1时30分45秒 2020-01-17 
  • 7
    BERT训练与对抗生成网络
    1时12分46秒 2020-01-19 
BERT原理解读(重录清晰版)
  • 1
    1-BERT任务目标概述
    5分27秒 2020-01-30 
  • 2
    2-传统解决方案遇到的问题
    11分9秒 2020-01-30 
  • 3
    3-注意力机制的作用
    6分57秒 2020-01-30 
  • 4
    4-self-attention计算方法
    11分25秒 2020-01-30 
  • 5
    5-特征分配与softmax机制
    9分20秒 2020-01-30 
  • 6
    6-Multi-head的作用
    9分9秒 2020-01-30 
  • 7
    7-位置编码与多层堆叠
    7分18秒 2020-01-30 
  • 8
    8-transformer整体架构梳理
    10分58秒 2020-01-30 
  • 9
    9-BERT模型训练方法
    9分38秒 2020-01-30 
  • 10
    10-训练实例
    9分47秒 2020-01-30 
BERT源码解读
  • 1
    1-BERT开源项目简介
    7分35秒 2020-01-30 
  • 2
    2-项目参数配置
    12分9秒 2020-01-30 
  • 3
    3-数据读取模块
    7分41秒 2020-01-30 
  • 4
    4-数据预处理模块
    9分37秒 2020-01-30 
  • 5
    5-tfrecord数据源制作
    11分36秒 2020-01-30 
  • 6
    6-Embedding层的作用
    7分29秒 2020-01-30 
  • 7
    7-加入额外编码特征
    9分23秒 2020-01-30 
  • 8
    8-加入位置编码特征
    5分12秒 2020-01-30 
  • 9
    9-mask机制的作用
    8分50秒 2020-01-30 
  • 10
    10-构建QKV矩阵
    12分38秒 2020-01-30 
  • 11
    11-完成Transformer模块构建
    9分56秒 2020-01-30 
  • 12
    12-训练BERT模型
    8分51秒 2020-01-30 
MaskRcnn源码解读
  • 1
    Mask-Rcnn开源项目简介
    8分55秒 2020-01-30 
  • 2
    开源项目数据集
    5分40秒 2020-01-30 
  • 3
    参数配置
    12分7秒 2020-01-30 
  • 4
    FPN层特征提取原理解读
    13分17秒 2020-01-30 
  • 5
    FPN网络架构实现解读
    11分57秒 2020-01-30 
  • 6
    生成框比例设置
    7分35秒 2020-01-30 
  • 7
    基于不同尺度特征图生成所有框
    8分24秒 2020-01-30 
  • 8
    RPN层的作用与实现解读
    9分31秒 2020-01-30 
  • 9
    候选框过滤方法
    5分46秒 2020-01-30 
  • 10
    Proposal层实现方法
    8分15秒 2020-01-30 
  • 11
    DetectionTarget层的作用
    7分52秒 2020-01-30 
  • 12
    正负样本选择与标签定义
    5分34秒 2020-01-30 
  • 13
    RoiPooling层的作用与目的
    9分55秒 2020-01-30 
  • 14
    RorAlign操作的效果
    7分22秒 2020-01-30 
  • 15
    整体框架回顾
    9分15秒 2020-01-30