PyTorch入门到进阶，实战计算机视觉与自然语言处理
**** Hidden Message *****这是一门精心设计的PyTorch入门+进阶课
总结多年学术+从业经验，提炼精华，为希望进入深度学习领域的同学而设
体系化设计课程内容，带给你更贴心的学习体验
从基础到进阶，由易到难，学起来更有成就感，更有坚持的动力
多个计算机视觉、自然语言处理实战案例、掌握同类型项目开发
实现这些算法领域经典应用案例，获得丰富的工程经验与思维提升
计算机视觉（CV）任务
自然语言处理（NLP）任务
Pytorch搭建神经网络核心模块 / 简单神经网络结构 / 分类问题与回归问题 / 分类损失与回归损失
标准卷积神经网络：VGGNet、ResNet / 轻量型卷积神经网络：MobilenetV1 / Attention结构：SeResNet /
Inception结构：InceptionV1 / 交叉熵损失函数 / Adam优化器等
经典检测模型：SSD、FasterRCNN、YOLO / 目标(通用物体，文字，人脸，倾斜目标)检测算法概述 /
Anchor-free / Mmdetection / Detectron及Detectron2
语义分割、实例分割和全景分割算法综述（Unet、MaskRCNN、PointRend等）/ One-stage 实例分割算法
（YOLACT++、S4Net、SOLO）/ Pytorch-MaskRCNN模型训练
生成对抗网络概念 / GAN网络发展历程和最新进展 / 超分辨率重构 / 图像降噪&生成 / CycleGAN、pixel to pixel等
模型 / Pytorch-GAN 实现图像风格化
RNN、LSTM等循环神经网络结构 / 序列问题与数据表示方法 / 词向量 / 情感分类技术发展现状 /
LSTM搭建情感分类网络
Seq2Seq / Attention机制 / Transformer结构 / 机器翻译技术发展现状 / Seq2seq+Attention解决机器翻译问题
在项目成型的过程中，带你熟悉企业项目的开发流程
项目预研（技术梳理）→方案设定（算法选型）→数据准备+数据清洗→模型环境搭建→模型搭建→
基线模型训练和测试→模型优化（包含裁剪和压缩）→模型测试→模型上线
学员专享增值服务
问答专区
关于课程的问题都可在问答区随时提问,讲师会
进行集中答疑
源码开放
课程案例代码完全开放给你，你可以根据所学
知识，自行修改、优化
适合人群
想转行到深度学习方向的工程师；
学习了理论但欠缺实践的深度学习starter；
有志于、感兴趣深度学习的爱好者们；
想快速做实验完成研究任务毕设任务的同学们；
技术储备要求
机器学习相关基本概念；
Python3编程语言；
Ubuntu基本使用知识；
**** Hidden Message *****
页:
[1]