Udemy

Platform

中文

Language

Data Science

Category

深度学习经典(论文精讲-源码解读)

论文详解+项目复现

4.65 (13 reviews)

Students

20.5 hours

Content

Apr 2020

Last Update
Regular Price


What you will learn

掌握当下深度学习经典论文思想

掌握论文核心知识点与应用领域

熟练使用深度学习框架进行论文复现

掌握大型开源项目源码架构

掌握自然语言处理核心论文-BERT模型

掌握NLP核心架构-transformer

掌握NLP主流attention机制

熟练掌握BERT架构源码与实现细节

基于BERT模型构建自然语言处理通用框架

掌握物体检经典论文-MaskRcnn

掌握MaskRcnn项目源码架构

熟练将自己的图像识别与检测任务应用到mask rcnn架构中

熟练使用maskRcnn进行项目开发

掌握计算机视觉经典论文及其项目复现

掌握自然语言处理经典论文及其源码复现

课程内容均包括论文思想分析及其源码解读


Description

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最流行和通用算法,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,理论与实战应用完美结合,适合进阶提升与转行就业的同学们。


Screenshots

深度学习经典(论文精讲-源码解读)
深度学习经典(论文精讲-源码解读)
深度学习经典(论文精讲-源码解读)
深度学习经典(论文精讲-源码解读)

Content

课程介绍与BenchMark导读

课程介绍

论文与开源项目的重要性

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

论文总结分析

数据代码下载

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

位置编码与多层堆叠

BERT模型训练方法

训练实例

数据代码下载

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

数据代码下载

基于BERT的中文情感分析实战

训练BERT中文分类模型

读取处理自己的数据集

训练BERT中文分类模型

数据代码下载

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

数据代码下载

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

数据代码下载

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

数据代码下载

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

数据代码下载

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

数据代码下载

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

数据代码下载

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

数据代码下载

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

数据代码下载

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

数据代码下载

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

数据代码下载


2978662

Udemy ID

4/9/2020

Course created date

4/12/2020

Course Indexed date
Bot
Course Submitted by