Udemy線上課程 深度學習經典（論文精講-源碼解讀）(含教材) 講師:唐宇迪 唐 影音教學 中文發音 中文版(2DVD)
深度學習經典論文解讀與項目實戰課程旨在幫助同學們掌握當下深度學習領域最核心論文思想及其源碼實現。
所選論文均是計算機視覺與自然語言處理領域最流行和通用算法，主要內容包括四大核心部分：1.論文核心思想解讀；2.論文細節知識點精講；3.論文代碼復現與應用；4.大型開源項目源碼解讀；整體風格通俗易懂，所有論文均結合實戰項目展開，理論與實戰應用完美結合，適合進階提升與轉行就業的同學們。
01 課程介紹與BenchMark導讀
001 課程介紹.mp4
002 論文與開源項目的重要性.mp4
02 NLP必備經典論文-BERT論文解讀
003 論文講解思路概述.mp4
004 BERT模型摘要概述.mp4
005 模型在NLP領域應用效果.mp4
006 預訓練模型的作用.mp4
007 輸入數據特殊編碼字符解析.mp4
008 向量特征編碼方法.mp4
009 BERT模型訓練策略.mp4
010 論文總結分析.mp4
011 BERT.pdf
011 數據代碼下載.html
03 自然語言處理通用框架BERT原理解讀
012 BERT任務目標概述.mp4
013 傳統解決方案遇到的問題.mp4
014 注意力機制的作用.mp4
015 self-attention計算方法.mp4
016 特征分配與softmax機制.mp4
017 Multi-head的作用.mp4
018 位置編碼與多層堆疊.mp4
019 位置編碼與多層堆疊.mp4
020 BERT模型訓練方法.mp4
021 訓練實例.mp4
022 BERT.pdf
022 數據代碼下載.html
04 谷歌開源項目BERT源碼解讀與應用實例
023 BERT開源項目簡介.mp4
024 項目參數配置.mp4
025 數據讀取模塊.mp4
026 數據預處理模塊.mp4
027 tfrecord制作.mp4
028 Embedding層的作用.mp4
029 加入額外編碼特征.mp4
030 加入位置編碼特征.mp4
031 mask機制.mp4
032 構建QKV矩陣.mp4
033 完成Transformer模塊構建.mp4
034 訓練BERT模型.mp4
035 數據代碼下載.html
05 基于BERT的中文情感分析實戰
036 訓練BERT中文分類模型.mp4
037 讀取處理自己的數據集.mp4
038 訓練BERT中文分類模型.mp4
039 -BERT.zip
039 數據代碼下載.html
06 基于BERT的中文命名實體識別實戰
040 命名實體識別數據分析與任務目標.mp4
041 NER標注數據處理與讀取.mp4
042 構建BERT與CRF模型.mp4
043 -BERT.zip
043 數據代碼下載.html
07 BERT基礎補充-詞向量模型
044 詞向量模型通俗解釋.mp4
045 模型整體框架.mp4
046 訓練數據構建.mp4
047 CBOW與Skip-gram模型.mp4
048 負采樣方案.mp4
049 -word2vec.zip
049 數據代碼下載.html
08 物體檢測經典框架MaskRcnn論文解讀
050 物體檢測通用框架論文整體概述.mp4
051 MaskRcnn創新點介紹.mp4
052 網絡結構分析.mp4
053 總結概述.mp4
09 物體檢測框架-MaskRcnn項目介紹與配置
054 Mask-Rcnn開源項目簡介.mp4
055 開源項目數據集.mp4
056 參數配置.mp4
057 數據代碼下載.html
10 MaskRcnn網絡框架源碼詳解
058 FPN層特征提取原理解讀.mp4
059 FPN網絡架構實現解讀.mp4
060 生成框比例設置.mp4
061 基于不同尺度特征圖生成所有框.mp4
062 RPN層的作用與實現解讀.mp4
063 候選框過濾方法.mp4
064 Proposal層實現方法.mp4
065 DetectionTarget層的作用.mp4
066 正負樣本選擇與標簽定義.mp4
067 RoiPooling層的作用與目的.mp4
068 RorAlign操作的效果.mp4
069 整體框架回顧.mp4
11 基于MASK-RCNN框架訓練自己的數據與任務
070 Labelme工具安裝.mp4
071 使用labelme進行數據與標簽標注.mp4
072 完成訓練數據準備工作.mp4
073 maskrcnn源碼修改方法.mp4
074 基于標注數據訓練所需任務.mp4
075 測試與展示模塊.mp4
076 -MASK-RCNN.zip
076 數據代碼下載.html
12 練手小項目-人體姿態識別demo
077 COCO數據集與人體姿態識別簡介.mp4
078 網絡架構概述.mp4
079 流程與結果演示.mp4
080 -demo.zip
080 數據代碼下載.html
13 物體檢測基礎算法（熟悉的同學略過）
081 物體檢測概述.mp4
082 深度學習經典檢測方法.mp4
083 faster-rcnn概述.mp4
084 faster-rcnn論文解讀.mp4
085 RPN網絡結構.mp4
086 損失函數定義.mp4
087 網絡細節.mp4
14 對抗生成網絡架構原理與實戰解析
088 對抗生成網絡通俗解釋.mp4
089 GAN網絡組成.mp4
090 損失函數解釋說明.mp4
091 數據讀取模塊.mp4
092 生成與判別網絡定義.mp4
093 .zip
093 數據代碼下載.html
15 CycleGan圖像融合論文解讀
094 CycleGan論文整體概述.mp4
095 論文涉及知識點簡介.mp4
096 損失函數公式分析.mp4
097 Cycle架構分析與目標函數定義.mp4
098 論文總結概述.mp4
16 基于CycleGan開源項目實戰圖像合成
099 CycleGan網絡所需數據.mp4
100 CycleGan整體網絡架構.mp4
101 PatchGan判別網絡原理.mp4
102 Cycle開源項目簡介.mp4
103 數據讀取與預處理操作.mp4
104 生成網絡模塊構造.mp4
105 判別網絡模塊構造.mp4
106 損失函數：identity_loss計算方法.mp4
107 生成與判別損失函數指定.mp4
108 額外補充：VISDOM可視化配置.mp4
109 數據代碼下載.html
17 超分辨率重構論文與項目解讀
110 論文概述.mp4
111 網絡架構.mp4
112 數據與環境配置.mp4
113 數據加載與配置.mp4
114 生成模塊.mp4
115 判別模塊.mp4
116 VGG特征提取網絡.mp4
117 損失函數與訓練.mp4
118 測試模塊.mp4
119 srgan.zip
119 數據代碼下載.html
18 圖像風格轉換論文實戰
120 style-transfer基本原理.mp4
121 風格生成網絡結構原理.mp4
122 風格生成網絡細節.mp4
123 風格轉換效果展示.mp4
124 參數解釋與配置.mp4
125 數據加載.mp4
126 特征提取網絡.mp4
127 網絡訓練.mp4
128 視頻與圖像測試模塊.mp4
129 .zip
129 數據代碼下載.html
19 圖像自動修復論文實戰
130 論文概述.mp4
131 網絡架構.mp4
132 細節設計.mp4
133 論文總結.mp4
134 數據與項目概述.mp4
135 參數基本設計.mp4
136 網絡結構配置.mp4
137 網絡迭代訓練.mp4
138 測試模塊.mp4
20 補充-遷移學習與Resnet網絡架構
139 遷移學習的目標.mp4
140 遷移學習策略.mp4
141 Resnet原理.mp4
142 Resnet網絡細節.mp4
143 Resnet基本處理操作.mp4
144 shortcut模塊.mp4
145 加載訓練好的權重.mp4
146 遷移學習效果對比.mp4
147 .zip
147 數據代碼下載.html
|
|
您現在的位置：
專業知識教學
