《零基础实践深度学习》
关注
分享
扫一扫
文章平均质量分 93
《零基础实践深度学习》（第1版）2020年正式上线，深受开发者和高校师生追捧，累积学习人数超过9万人。本课程是它的升级版，结合深度学习技术的发展、学员反馈，并结合近两年AI产业应用经验，进行了全面更新和优化。如：
• 模型算法方面 ：新增CV、NLP和推荐领域经典模型和算法介绍，以及相应的代码实现，
软工菜鸡
学计算机一定要有一个非常强大的心理状态，计算机的所有东西都是人做出来的，别人能想的出来，我也一定能想得出来，在计算机的世界里没有任何的黑魔法，所有的东西只不过是我现在不知道而已，总有一天我会把所有的细节、所有的内部的东西全搞明白的
——翁凯
展开
-
7.2 Transformer：具有里程碑意义的新模型——自注意力模型
自此，不管是学术界，还是工业界均掀起了基于Transformer的预训练模型研究和应用的热潮，并且逐渐从NLP领域延伸到CV、语音等多项领域。Transformer模型是一个具有里程碑意义的模型，它的提出催生了众多基于Transformer网络结构的模型，特别是在2018年预训练模型BERT的提出，其在多项NLP任务上均取得了。如在阅读理解任务中，一篇文章最后段落的理解，可能依赖对于该文章开篇的典故的理解，这种与全局信息的关联，显然不是循环神经网络能够捕捉的。基于上面朴素的想法，自注意力模型的网络结构如。原创 2024-07-22 19:19:41 · 1489 阅读 · 2 评论 -
7.1.3.2、使用飞桨实现基于LSTM的情感分析模型的网络定义
在讲解卷积神经网络的的章节，我们详细列出了每一种神经网络使用基础算子拼装的详细网络配置，但实际上对于一些常用的网络结构，飞桨框架提供了现成的中高层函数支持。下面用于情感分析的长短时记忆模型就使用API实现。如果读者对使用基础算子拼装LSTM的内容感兴趣，可以查阅类的源代码。原创 2024-07-22 19:18:05 · 1123 阅读 · 1 评论 -
7.1.3、使用飞桨实现基于LSTM的情感分析模型
接下来让我们看看如何使用飞桨实现一个基于长短时记忆网络的情感分析模型。在飞桨中，不同深度学习模型的训练过程基本一致，流程如下： 数据处理 ：选择需要使用的数据，并做好必要的预处理工作。 网络定义 ：使用飞桨定义好网络结构，包括输入层，中间层，输出层，损失函数和优化算法。 模型训练 ：将准备好的训练集数据送入神经网络进行学习，并观察学习的过程是否正常，如损失函数值是否在降低，也可以打印一些中间步骤的结果出来等。 模型评估 ：使用测试集数据测试训练好的神经网络，看看训练效果如何原创 2024-07-20 11:00:00 · 1392 阅读 · 0 评论 -
7.1 NLP经典神经网络 RNN LSTM
如何设计神经网络的记忆功能呢？我们先了解下RNN网络是如何实现具备记忆功能的。RNN相当于将神经网络单元进行了横向连接，处理前一部分输入的RNN单元不仅有正常的模型输出，还会输出“记忆”传递到下一个RNN单元。而处于后一部分的RNN单元，不仅仅有来自于任务数据的输入，同时会接收从前一个RNN单元传递过来的记忆输入，这样就使得整个神经网络具备了“记忆”能力。但是RNN网络只是初步实现了“记忆”功能，在此基础上科学家们又发明了一些RNN的变体，来加强网络的记忆能力。但RNN对“记忆”能力的设计是比较粗糙的，原创 2024-07-20 10:15:00 · 657 阅读 · 0 评论 -
6.2.3. 使用飞桨实现Skip-gram
定义skip-gram的网络结构，用于模型训练。在飞桨动态图中，对于任意网络，都需要定义一个继承自的类来搭建网络结构、参数等数据的声明。同时需要在forward函数中定义网络的计算逻辑。值得注意的是，我们仅需要定义网络的前向计算逻辑，飞桨会自动完成神经网络的后向计算在skip-gram的网络结构中，使用的最关键的API是函数，可以用其实现Embedding的网络层。原创 2024-07-19 10:45:00 · 641 阅读 · 0 评论 -
6.2词向量：迈向NLP领域的第1步台阶
在自然语言处理任务中，词向量（Word Embedding）是表示自然语言里单词的一种方法，即把每个词都表示为一个N维空间内的点，即一个高维空间内的向量。通过这种方法，实现把自然语言计算转换为向量计算。如图1所示的词向量计算任务中，先把每个词（如queen，king等）转换成一个高维空间的向量，这些向量在一定意义上可以代表这个词的语义信息。再通过计算这些向量之间的距离，就可以计算出词语之间的关联关系，从而达到让计算机像计算数值一样去计算自然语言的目的。图1：词向量计算示意图如何把词转换为向量。原创 2024-07-19 10:15:00 · 809 阅读 · 0 评论 -
6.1 自然语言处理综述
自然语言处理（Natural Language Processing，简称NLP）被誉为人工智能皇冠上的明珠，是计算机科学和人工智能领域的一个重要方向。它主要研究人与计算机之间，使用的各种理论和方法。简单来说，计算机以用户的自然语言数据作为输入，在其内部通过定义的算法进行加工、计算等系列操作后（用以解），再返回用户所期望的结果，如所示。图1：自然语言处理示意图自然语言处理是一门于一体的科学。原创 2024-07-18 11:00:00 · 700 阅读 · 1 评论 -
5.3 目标检测YOLOv3实战：叶病虫害检测——损失函数、模型训练
本章系统化的介绍了计算机视觉的各种网络结构和发展历程，并以图像分类和目标检测两个任务为例，展示了ResNet和YOLOv3等算法的实现。期望读者不仅掌握了计算机视觉模型搭建方法，也能够对提取视觉特征的方法有更深入的认知。原创 2024-07-18 10:30:00 · 838 阅读 · 0 评论 -
5.3 目标检测YOLOv3实战：叶病虫害检测
在本课程中，将使用百度与林业大学合作开发的林业病虫害防治项目中用到昆虫数据集。提供了2183张图片，其中训练集1693张，验证集245，测试集245张。包含7种昆虫，分别是Boerner、Leconte、Linnaeus、acuminatus、armandi、coleoptera和linnaeus。包含了图片和标注。原创 2024-07-17 11:00:00 · 1461 阅读 · 1 评论 -
5.2.3 检测头设计(计算预测框位置和类别)
将P0[t,0:12,i,j]与输入的第t张图片上小方块区域(i,j)第1个预测框所需要的12个预测值对应，P0[t,12:24,i,j]与输入的第t张图片上小方块区域(i,j)第2个预测框所需要的12个预测值对应，P0[t,24:36,i,j]与输入的第t张图片上小方块区域(i,j)第3个预测框所需要的12个预测值对应。P0[t,0:4,i,j]与输入的第tt张图片上小方块区域(i,j)第1个预测框的位置对应，P0[t,12:16,i,j]与第2个预测框的位置对应，依此类推，则使用下面的程序可以。原创 2024-07-17 10:30:00 · 996 阅读 · 0 评论 -
5.2.1 Backbone(特征提取) 5.2.2 Neck（多尺度检测）
上面这段示例代码，指定输入数据的形状是(1,3,640,640)(1, 3, 640, 640)，则3个层级的输出特征图的形状分别是C0(1,1024,20,20)C0 (1, 1024, 20, 20)，C1(1,512,40,40)C1 (1, 512, 40, 40)和C2(1,256,80,80)C2 (1, 256, 80, 80)。如果只在在特征图P0的基础上进行的，它的步幅stride=32。，得到的新特征图既能包含丰富的语义信息，又具有较多的像素点，能够描述更加精细的结构。原创 2024-07-16 10:33:04 · 707 阅读 · 0 评论 -
5.2 单阶段目标检测模型YOLOv3
其中跟真实框IoU最大的是锚框A_3，形状是(373,326)，将它所对应的预测框的objectness标签设置为1，其所包括的物体类别就是真实框里面的物体所属类别。，每个锚框会有一个跟它对应的预测框，我们需要确定上面计算式中的t_x, t_y, t_w, t_h，从而计算出与锚框对应的预测框的位置和形状。，P_1, P_2,... , P_C则是锚框包含的物体属于每个类别的概率。为了回答问题，只需要将上面预测框坐标中的b_x, b_y, b_h, b_w设置为真实框的位置，即可求解出t的数值。原创 2024-07-16 10:00:00 · 629 阅读 · 0 评论 -
5.1.2.3 目标检测基本概念和YOLOv3设计思想——交并比 NMS
假设使用模型对图片进行预测，一共输出了11个预测框及其得分，在图上画出预测框。在每个人像周围，都出现了多个预测框，需要消除冗余的预测框以得到最终的预测结果。下图“交集”中青色区域是两个框的重合面积，图“并集”中蓝色区域是两个框的相并面积。比如在上面的程序中，boxes里面一共对应11个预测框，scores给出了它们预测"人"这一类别的得分。两个矩形框之间的相对位置关系，除了上面的示意图之外，还有哪些可能，上面的公式能否覆盖所有的情形？两个框可以看成是两个像素的集合，它们的交并比等于两个框。原创 2024-07-15 10:45:00 · 932 阅读 · 0 评论 -
5.1 目标检测基本概念和YOLOv3设计思想
穷举法也许能得到正确的预测结果，但其计算量也是非常巨大的，其所生成的总候选区域数目约为W^2*H^2/4，假设H=W=100，总数将会达到2.5×10^7个，如此多的候选区域使得这种方法几乎没有什么实用性。在上一节中我们学习了图像分类处理基本流程，先使用卷积神经网络提取图像特征，然后再用这些特征预测分类概率，最后选出概率最大的类别，即为当前图片的类别，流程如。不同的模型往往有着不同的生成锚框的方式，在后面的内容中，会详细介绍YOLOv3算法里面产生锚框的规则，理解了它的设计方案，也很容易类推到其它模型上。原创 2024-07-15 10:00:00 · 1302 阅读 · 0 评论 -
4.3.2 图像分类ResNet实战：眼疾识别——模型构建
在这一节里，我们通过ResNet模型实现眼疾识别，在验证集上的预测精度在95%左右，通过这个案例熟悉了基础的视觉任务构建流程。如果读者有兴趣的话，可以进一步调整学习率和训练轮数等超参数，观察是否能够得到更高的精度。上一节定义好已经了解了ResNet模型结构，本节直接使用飞桨高层API中的Resnet50进行图像分类实验。用Runner在训练集上训练5个epoch，并保存准确率最高的模型作为最佳模型。飞桨高层API中都为大家提供了实现好交叉熵损失函数，代码如下所示。，观察模型在评估集上的准确率。原创 2024-07-13 11:00:00 · 1053 阅读 · 0 评论 -
4.3 图像分类ResNet实战：眼疾识别
如今近视已经成为困扰人们健康的一项全球性负担，在近视人群中，有超过35%的人患有重度近视。近视会拉长眼睛的光轴，也可能引起视网膜或者络网膜的病变。随着近视度数的不断加深，高度近视有可能引发病理性病变，这将会导致以下几种症状：视网膜或者络网膜发生退化、视盘区域萎缩、漆裂样纹损害、Fuchs斑等。因此，及早发现近视患者眼睛的病变并采取治疗，显得非常重要。原创 2024-07-13 10:00:00 · 728 阅读 · 0 评论 -
4.2 图像分类基本概念和ResNet设计思想
通俗的比喻，在火热的电视节目《王牌对王牌》上有一个“传声筒”的游戏，排在队首的嘉宾把看到的影视片段表演给后面一个嘉宾看，经过四五个嘉宾后，最后一个嘉宾如果能表演出更多原剧的内容，就能取得高分。图像分类在许多领域都有着广泛的应用，如：安防领域的人脸识别和智能视频分析等，交通领域的交通场景识别，互联网领域基于内容的图像检索、相册自动归类、商品识别、医学领域的图像识别等。，然后跟输入图片进行短接，如果残差块中第三次卷积输出特征图的形状与输入不一致，则对输入图片使用1 x 1卷积，将其输出形状调整成一致。原创 2024-07-12 11:30:00 · 943 阅读 · 0 评论 -
一文搞懂 卷积神经网络 批归一化 丢弃法
《零基础实践深度学习》（第1版）2020年正式上线，深受开发者和高校师生追捧，累积学习人数超过9万人。本课程是它的升级版，结合深度学习技术的发展、学员反馈，并结合近两年AI产业应用经验，进行了全面更新和优化。如：• 模型算法方面 ：新增CV、NLP和推荐领域经典模型和算法介绍，以及相应的代码实现，如Transformer、BERT等。 • 产业应用方面 ：新增AI产业应用方法论和使用工具介绍，如芯片选型原则、AI推理部署套件FastDeploy、飞桨产业范例库等。 • 学员反馈方面 ：课程第1章增加P原创 2024-07-12 10:00:00 · 1400 阅读 · 0 评论 -
一文搞懂 卷积神经网络 卷积算子应用举例 池化 激活函数
《零基础实践深度学习》（第1版）2020年正式上线，深受开发者和高校师生追捧，累积学习人数超过9万人。本课程是它的升级版，结合深度学习技术的发展、学员反馈，并结合近两年AI产业应用经验，进行了全面更新和优化。如：• 模型算法方面 ：新增CV、NLP和推荐领域经典模型和算法介绍，以及相应的代码实现，如Transformer、BERT等。 • 产业应用方面 ：新增AI产业应用方法论和使用工具介绍，如芯片选型原则、AI推理部署套件FastDeploy、飞桨产业范例库等。 • 学员反馈方面 ：课程第1章增加P原创 2024-07-11 12:00:00 · 845 阅读 · 0 评论 -
4.1卷积神经网络
《零基础实践深度学习》（第1版）2020年正式上线，深受开发者和高校师生追捧，累积学习人数超过9万人。本课程是它的升级版，结合深度学习技术的发展、学员反馈，并结合近两年AI产业应用经验，进行了全面更新和优化。如：• 模型算法方面 ：新增CV、NLP和推荐领域经典模型和算法介绍，以及相应的代码实现，如Transformer、BERT等。 • 产业应用方面 ：新增AI产业应用方法论和使用工具介绍，如芯片选型原则、AI推理部署套件FastDeploy、飞桨产业范例库等。 • 学员反馈方面 ：课程第1章增加P原创 2024-07-11 10:00:00 · 1167 阅读 · 0 评论 -
第3章 计算机视觉基础
《零基础实践深度学习》（第1版）2020年正式上线，深受开发者和高校师生追捧，累积学习人数超过9万人。本课程是它的升级版，结合深度学习技术的发展、学员反馈，并结合近两年AI产业应用经验，进行了全面更新和优化。如：• 模型算法方面 ：新增CV、NLP和推荐领域经典模型和算法介绍，以及相应的代码实现，如Transformer、BERT等。 • 产业应用方面 ：新增AI产业应用方法论和使用工具介绍，如芯片选型原则、AI推理部署套件FastDeploy、飞桨产业范例库等。 • 学员反馈方面 ：课程第1章增加P原创 2024-07-10 12:00:00 · 1427 阅读 · 0 评论 -
2.10 动静转换
《零基础实践深度学习》（第1版）2020年正式上线，深受开发者和高校师生追捧，累积学习人数超过9万人。本课程是它的升级版，结合深度学习技术的发展、学员反馈，并结合近两年AI产业应用经验，进行了全面更新和优化。如：• 模型算法方面 ：新增CV、NLP和推荐领域经典模型和算法介绍，以及相应的代码实现，如Transformer、BERT等。 • 产业应用方面 ：新增AI产业应用方法论和使用工具介绍，如芯片选型原则、AI推理部署套件FastDeploy、飞桨产业范例库等。 • 学员反馈方面 ：课程第1章增加P原创 2024-07-10 10:00:00 · 916 阅读 · 0 评论 -
2.9 手写数字识别之恢复训练
《零基础实践深度学习》（第1版）2020年正式上线，深受开发者和高校师生追捧，累积学习人数超过9万人。本课程是它的升级版，结合深度学习技术的发展、学员反馈，并结合近两年AI产业应用经验，进行了全面更新和优化。如：• 模型算法方面 ：新增CV、NLP和推荐领域经典模型和算法介绍，以及相应的代码实现，如Transformer、BERT等。 • 产业应用方面 ：新增AI产业应用方法论和使用工具介绍，如芯片选型原则、AI推理部署套件FastDeploy、飞桨产业范例库等。 • 学员反馈方面 ：课程第1章增加P原创 2024-07-09 12:00:00 · 880 阅读 · 0 评论 -
2.8 手写数字识别之训练调试与优化
《零基础实践深度学习》（第1版）2020年正式上线，深受开发者和高校师生追捧，累积学习人数超过9万人。本课程是它的升级版，结合深度学习技术的发展、学员反馈，并结合近两年AI产业应用经验，进行了全面更新和优化。如：• 模型算法方面 ：新增CV、NLP和推荐领域经典模型和算法介绍，以及相应的代码实现，如Transformer、BERT等。 • 产业应用方面 ：新增AI产业应用方法论和使用工具介绍，如芯片选型原则、AI推理部署套件FastDeploy、飞桨产业范例库等。 • 学员反馈方面 ：课程第1章增加P原创 2024-07-08 12:15:00 · 1212 阅读 · 0 评论 -
2.7 手写数字识别之资源配置
《零基础实践深度学习》（第1版）2020年正式上线，深受开发者和高校师生追捧，累积学习人数超过9万人。本课程是它的升级版，结合深度学习技术的发展、学员反馈，并结合近两年AI产业应用经验，进行了全面更新和优化。如：• 模型算法方面 ：新增CV、NLP和推荐领域经典模型和算法介绍，以及相应的代码实现，如Transformer、BERT等。 • 产业应用方面 ：新增AI产业应用方法论和使用工具介绍，如芯片选型原则、AI推理部署套件FastDeploy、飞桨产业范例库等。 • 学员反馈方面 ：课程第1章增加P原创 2024-07-08 11:00:00 · 784 阅读 · 0 评论 -
2.6 手写数字识别之优化算法
《零基础实践深度学习》（第1版）2020年正式上线，深受开发者和高校师生追捧，累积学习人数超过9万人。本课程是它的升级版，结合深度学习技术的发展、学员反馈，并结合近两年AI产业应用经验，进行了全面更新和优化。如：• 模型算法方面 ：新增CV、NLP和推荐领域经典模型和算法介绍，以及相应的代码实现，如Transformer、BERT等。 • 产业应用方面 ：新增AI产业应用方法论和使用工具介绍，如芯片选型原则、AI推理部署套件FastDeploy、飞桨产业范例库等。 • 学员反馈方面 ：课程第1章增加P原创 2024-07-07 21:16:21 · 1292 阅读 · 0 评论 -
《零基础实践深度学习》2.5 手写数字识别之损失函数
《零基础实践深度学习》（第1版）2020年正式上线，深受开发者和高校师生追捧，累积学习人数超过9万人。本课程是它的升级版，结合深度学习技术的发展、学员反馈，并结合近两年AI产业应用经验，进行了全面更新和优化。如：• 模型算法方面 ：新增CV、NLP和推荐领域经典模型和算法介绍，以及相应的代码实现，如Transformer、BERT等。 • 产业应用方面 ：新增AI产业应用方法论和使用工具介绍，如芯片选型原则、AI推理部署套件FastDeploy、飞桨产业范例库等。 • 学员反馈方面 ：课程第1章增加P原创 2024-03-14 11:00:00 · 1025 阅读 · 0 评论 -
《零基础实践深度学习》2.4手写数字识别之网络结构
《零基础实践深度学习》（第1版）2020年正式上线，深受开发者和高校师生追捧，累积学习人数超过9万人。本课程是它的升级版，结合深度学习技术的发展、学员反馈，并结合近两年AI产业应用经验，进行了全面更新和优化。如：• 模型算法方面 ：新增CV、NLP和推荐领域经典模型和算法介绍，以及相应的代码实现，如Transformer、BERT等。 • 产业应用方面 ：新增AI产业应用方法论和使用工具介绍，如芯片选型原则、AI推理部署套件FastDeploy、飞桨产业范例库等。 • 学员反馈方面 ：课程第1章增加P原创 2024-03-14 10:30:00 · 1137 阅读 · 0 评论 -
《零基础实践深度学习》2.3.3 校验数据有效性 基于飞桨Dataset和DataLoader API完成数据处理
《零基础实践深度学习》（第1版）2020年正式上线，深受开发者和高校师生追捧，累积学习人数超过9万人。本课程是它的升级版，结合深度学习技术的发展、学员反馈，并结合近两年AI产业应用经验，进行了全面更新和优化。如：• 模型算法方面 ：新增CV、NLP和推荐领域经典模型和算法介绍，以及相应的代码实现，如Transformer、BERT等。 • 产业应用方面 ：新增AI产业应用方法论和使用工具介绍，如芯片选型原则、AI推理部署套件FastDeploy、飞桨产业范例库等。 • 学员反馈方面 ：课程第1章增加P原创 2024-03-13 11:15:00 · 1120 阅读 · 0 评论 -
《零基础实践深度学习》2.3 手写数字识别之数据处理
《零基础实践深度学习》（第1版）2020年正式上线，深受开发者和高校师生追捧，累积学习人数超过9万人。本课程是它的升级版，结合深度学习技术的发展、学员反馈，并结合近两年AI产业应用经验，进行了全面更新和优化。如：• 模型算法方面 ：新增CV、NLP和推荐领域经典模型和算法介绍，以及相应的代码实现，如Transformer、BERT等。 • 产业应用方面 ：新增AI产业应用方法论和使用工具介绍，如芯片选型原则、AI推理部署套件FastDeploy、飞桨产业范例库等。 • 学员反馈方面 ：课程第1章增加P原创 2024-03-13 11:00:00 · 934 阅读 · 0 评论 -
2.2 通过极简方案实现数字识别任务
飞桨提供了多个封装好的数据集API，涵盖计算机视觉、自然语言处理、推荐系统等多个领域，帮助读者快速完成深度学习任务。如在手写数字识别任务中，通过paddle.vision.datasets.MNIST可以直接获取处理好的MNIST训练集、测试集，飞桨API支持如下常见的学术数据集：原创 2024-03-12 12:49:04 · 1066 阅读 · 0 评论 -
2.1 横纵式 学习法完整掌握深度学习模型的建模
数字识别是计算机从纸质文档、照片或其他来源接收、理解并识别可读的数字的能力，目前比较受关注的是手写数字识别。手写数字识别是一个典型的图像分类问题，已经被广泛应用于汇款单号识别、手写邮政编码识别等领域，大大缩短了业务处理时间，提升了工作效率和质量。 在处理如图1所示的手写邮政编码的简单图像分类任务时，可以使用基于MNIST数据集的手写数字识别模型。MNIST是深度学习领域标准、易用的成熟数据集，包含50 000条训练样本和10 000条测试样本。原创 2024-03-12 12:47:57 · 950 阅读 · 0 评论 -
《零基础实践深度学习》1.7 附录：NumPy介绍 ndarray
《零基础实践深度学习》（第1版）2020年正式上线，深受开发者和高校师生追捧，累积学习人数超过9万人。本课程是它的升级版，结合深度学习技术的发展、学员反馈，并结合近两年AI产业应用经验，进行了全面更新和优化。如：• 模型算法方面 ：新增CV、NLP和推荐领域经典模型和算法介绍，以及相应的代码实现，如Transformer、BERT等。 • 产业应用方面 ：新增AI产业应用方法论和使用工具介绍，如芯片选型原则、AI推理部署套件FastDeploy、飞桨产业范例库等。 • 学员反馈方面 ：课程第1章增加P原创 2024-02-14 10:00:00 · 1963 阅读 · 3 评论 -
《零基础实践深度学习》 Numpy 线性代数 应用举例 张量表示
《零基础实践深度学习》（第1版）2020年正式上线，深受开发者和高校师生追捧，累积学习人数超过9万人。本课程是它的升级版，结合深度学习技术的发展、学员反馈，并结合近两年AI产业应用经验，进行了全面更新和优化。如：• 模型算法方面 ：新增CV、NLP和推荐领域经典模型和算法介绍，以及相应的代码实现，如Transformer、BERT等。 • 产业应用方面 ：新增AI产业应用方法论和使用工具介绍，如芯片选型原则、AI推理部署套件FastDeploy、飞桨产业范例库等。 • 学员反馈方面 ：课程第1章增加P原创 2024-02-13 11:45:00 · 1973 阅读 · 2 评论 -
《零基础实践深度学习》使用飞桨重写波士顿房价预测任务
《零基础实践深度学习》（第1版）2020年正式上线，深受开发者和高校师生追捧，累积学习人数超过9万人。本课程是它的升级版，结合深度学习技术的发展、学员反馈，并结合近两年AI产业应用经验，进行了全面更新和优化。如：• 模型算法方面 ：新增CV、NLP和推荐领域经典模型和算法介绍，以及相应的代码实现，如Transformer、BERT等。 • 产业应用方面 ：新增AI产业应用方法论和使用工具介绍，如芯片选型原则、AI推理部署套件FastDeploy、飞桨产业范例库等。 • 学员反馈方面 ：课程第1章增加P原创 2024-02-13 11:30:00 · 2151 阅读 · 0 评论 -
《零基础实践深度学习》1.4.1飞桨产业级深度学习开源开放平台介绍
《零基础实践深度学习》（第1版）2020年正式上线，深受开发者和高校师生追捧，累积学习人数超过9万人。本课程是它的升级版，结合深度学习技术的发展、学员反馈，并结合近两年AI产业应用经验，进行了全面更新和优化。如：• 模型算法方面 ：新增CV、NLP和推荐领域经典模型和算法介绍，以及相应的代码实现，如Transformer、BERT等。 • 产业应用方面 ：新增AI产业应用方法论和使用工具介绍，如芯片选型原则、AI推理部署套件FastDeploy、飞桨产业范例库等。 • 学员反馈方面 ：课程第1章增加P原创 2024-02-12 13:30:33 · 2031 阅读 · 0 评论 -
《零基础实践深度学习》波士顿房价预测任务1.3.3.5 总结
《零基础实践深度学习》（第1版）2020年正式上线，深受开发者和高校师生追捧，累积学习人数超过9万人。本课程是它的升级版，结合深度学习技术的发展、学员反馈，并结合近两年AI产业应用经验，进行了全面更新和优化。如：• 模型算法方面 ：新增CV、NLP和推荐领域经典模型和算法介绍，以及相应的代码实现，如Transformer、BERT等。 • 产业应用方面 ：新增AI产业应用方法论和使用工具介绍，如芯片选型原则、AI推理部署套件FastDeploy、飞桨产业范例库等。 • 学员反馈方面 ：课程第1章增加P原创 2024-02-12 11:00:00 · 1765 阅读 · 0 评论 -
《零基础实践深度学习》波士顿房价预测任务1.3.3.4训练过程
《零基础实践深度学习》（第1版）2020年正式上线，深受开发者和高校师生追捧，累积学习人数超过9万人。本课程是它的升级版，结合深度学习技术的发展、学员反馈，并结合近两年AI产业应用经验，进行了全面更新和优化。如：• 模型算法方面 ：新增CV、NLP和推荐领域经典模型和算法介绍，以及相应的代码实现，如Transformer、BERT等。 • 产业应用方面 ：新增AI产业应用方法论和使用工具介绍，如芯片选型原则、AI推理部署套件FastDeploy、飞桨产业范例库等。 • 学员反馈方面 ：课程第1章增加P原创 2024-02-11 14:08:02 · 1429 阅读 · 1 评论 -
《零基础实践深度学习》基于线性回归实现波士顿房价预测任务1.3.3
《零基础实践深度学习》（第1版）2020年正式上线，深受开发者和高校师生追捧，累积学习人数超过9万人。本课程是它的升级版，结合深度学习技术的发展、学员反馈，并结合近两年AI产业应用经验，进行了全面更新和优化。如：• 模型算法方面 ：新增CV、NLP和推荐领域经典模型和算法介绍，以及相应的代码实现，如Transformer、BERT等。 • 产业应用方面 ：新增AI产业应用方法论和使用工具介绍，如芯片选型原则、AI推理部署套件FastDeploy、飞桨产业范例库等。 • 学员反馈方面 ：课程第1章增加P原创 2024-02-11 14:03:51 · 1631 阅读 · 0 评论 -
《零基础实践深度学习》波士顿房价预测任务 02
《零基础实践深度学习》（第1版）2020年正式上线，深受开发者和高校师生追捧，累积学习人数超过9万人。本课程是它的升级版，结合深度学习技术的发展、学员反馈，并结合近两年AI产业应用经验，进行了全面更新和优化。如：• 模型算法方面 ：新增CV、NLP和推荐领域经典模型和算法介绍，以及相应的代码实现，如Transformer、BERT等。 • 产业应用方面 ：新增AI产业应用方法论和使用工具介绍，如芯片选型原则、AI推理部署套件FastDeploy、飞桨产业范例库等。 • 学员反馈方面 ：课程第1章增加P原创 2024-02-10 15:58:45 · 1131 阅读 · 0 评论