Fast AI 免费深度学习公开课

最新推荐文章于 2022-11-16 13:55:08 发布
于 2020-01-13 16:54:17 发布 86 收藏
分类专栏： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zhuoyuezai/article/details/103960774
版权
努力奋斗-不断进化
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Fast.ai Machine Learning for coders - Lesson 1
咚咚锵的博客
11-04 503
  之前一直在吴恩达的公开课那块学习，一方面学习了一些算法以及思想，另一方面也了解了一些理论。现在开始看 fast.ai，以实践著称。作者Jeremy Howard并不是学术圈的人，是工业界的人，在Kaggle 2010和2011上得了冠军。其实有的时候啊，学术圈总是弄个准确率增加了0.1%啥的，类似于通信圈写了8页纸然后增加0.1 dB。所以想看看这种实践性的人是怎么考虑问题的。   因为是实践...
fast.ai深度学习库，课程和教程-python
06-18
metrics=accuracy ) learn.fit(1) course.fast.ai 学生注意事项 本文档是为 fastai v1 编写的，我们将其用于当前版本的 course.fast.ai 深度学习课程。 如果您正在学习 course18.fast.ai 上的课程（即机器学习课程...
fastai机器学习课程-甲骨文 ORADC-AIG学习公开课（Lesson1）
zibuyu的博客
11-25 719
#f
fast软件_Fast.ai 2.0官方课程上线！自带中文字幕，所有资源通通免费！
weixin_39633781的博客
11-30 333
程序员书库(ID：CodingBook) 猿妹编译整编自：hhttps://www.fast.ai/2020/08/21/fastai2-launch/在深度学习领域，Fast.ai是最受欢迎的课程平台之一，它不仅是一个课程平台，也是一个社区，社区免费提供所有软件、研究论文和课程，同时还是一个PyTorc的顶层框架。最新的Fast.ai 2.0版本上线，社区发布了以下四大内容：Fast....
第6篇 Fast AI深度学习课程——循环神经网络
suredied的博客
08-16 1373
本节将继续就前面课程中的应用实例介绍Fast.AI的具体实现，并深入介绍相关原理。主要内容包括： 类型变量的内置矩阵含义分析。 随机梯度算法的实现。 循环神经网络（RNN）的原理与实现。 一. 使用PCA对类型变量的内置矩阵进行分析 前面课程讲述了如何将类型变量映射为连续型向量。那么这些连续型向量又都表征了数据的什么特征呢？这可通过可视化技术进行分析。但由于向量维度可能太高，而我...
Fast.ai 深度学习实战课程「中文字幕」
最新发布
张伟的专栏
11-16 246
Fast.ai 深度学习实战课程「中文字幕」--深度学习视频教程-人工智能-CSDN程序员研修院
Python-fastai深度学习库课程和教程
08-11
fast.ai深度学习库，课程和教程
Fastai深度学习库，以及课程和教程-Python开发
05-24
该库基于对fastai进行的深度学习最佳实践的研究，fastai库简化了使用现代最佳实践训练快速而准确的神经网络的过程。 请访问fastai网站以开始使用。 该库基于对fast.ai进行的深度学习最佳实践的研究，并包括对视觉，...
fastai_deeplearn_part1：Fastai深度学习课程的注意事项
02-05
最新课程（v3）： ： GitHub上的 ： 数据（文件，模型，数据）关于我（Reshama Shaikh） 推特： 专案使用 上课程（我的概述）深度学习[版本3]（fastai_dl_course_v4.md）（2020年Spring） （2018年秋季至2019年...
第4篇 Fast AI深度学习课程——深度学习在回归预测、NLP等领域的应用
suredied的博客
08-13 8720
前面几节叙述了卷积神经网络在图像分类中的应用，本节将描述深度学习网络在诸如回归预测、自然语言处理等领域的应用。主要内容如下： Drop Out策略，以及Fast.AI附加层架构分析。 结构化时间序列的处理与预测。 IMDB影评倾向性分析。 Drop Out策略，以及Fast.AI附加层架构分析 Drop Out策略是一种避免过拟合的有效手段。在Fast.AI框架下，通过设置分类器构...
fast.ai 21年最新-程序员的深度学习实战
lqfarmer的博客
09-04 221
课程描述 深度学习是一种通过使用多层神经网络提取和转换数据的计算机技术—从人类语音识别到动物图像分类。深度学习具有灵活性和简单性。这就是为什么我们认为它应该被应用于许多学科。这些包括社会和物理科学、艺术、医学、金融、科学研究等等。以下是深度学习或大量使用深度学习的方法目前是世界上最好的几千个不同领域任务中的一些: 自然语言处理(NLP)回答问题；语音识别；总结文件；对文件进行分类；查找姓名、日期等。在文件中；搜索提及概念的文章 计算机视觉卫星和无人驾驶飞机图像解释(例如，用于灾难恢复)；人脸识别；..
fastai-course-sconce:适用于fast.ai深度学习课程的Jupyter Notebooks，使用pytorch-sconce重新创建
05-01
使用重新创建的fast.ai深度学习课程的Jupyter笔记本。 Google Colab 要开始在Google colab中运行这些笔记本，请按照以下步骤操作： 将此仓库克隆到本地计算机上，或下载.zip存档。 转到并设置帐户（如果需要）。 ...
fastai-course-1, 在 http，Docker 环境下 fast.ai 深度学习课程 1.zip
09-17
fastai-course-1, 在 http，Docker 环境下 fast.ai 深度学习课程 1 用于 fast.ai的 Docker 课程 1一个Jupyter环境，用于 http://course.fast.ai的MOOC学习。在端口 8888上运行Jupyter笔记本，并在('dl_course') 中...
学习笔记(01):Fast.ai 深度学习实战课程「中文字幕」-Fast.ai 深度学习实战课程第0课...
lyhk21的博客
02-05 203
本课程由 Jeremy Howard 教授开设，共8节。目的是让大家在不需要深入研究高水平数学问题的情况下，学习如何建立先进的深度学习模型。 Jeremy Howard 教授结合自己参加 Kaggle 大赛并夺魁的经验认为，传统学院派的教学方式对于大多数学习者来说已经不适用，应该以问题为引导，以实践为驱动，尽快切入到核心理论和核心工具的使用上，掌握深度学习优模型的构建方法。...
第1篇 Fast AI深度学习课程——快速构建图像分类网络
suredied的博客
06-24 3698
本节课程将针对Kaggle竞赛中的Dogs vs. Cats，利用Fast AI搭建一个图像分类器。视频课程对应的Notebook是lesson1.ipynb中的改变学习速率及之前的部分。主要内容是： 利用Fast AI搭建图片分类网络。 如何选择学习速率。 事实上，利用Fast AI搭建网络，然后训练预测，是一件相对简单的事情，简单到只需要三行代码就可实现。 data = ImageC...
fastai-deeplearning:我在完成FastAI深度学习课程时创建的笔记本
04-14
在Fastai深度学习课程中开发笔记本
fastai2019深度学习课堂笔记
weixin_44145222的博客
07-13 379
文章目录deep learning pipeline获得源数据数据处理处理源数据data segmentationprogressive resizingnormalizationdatablocks模型构建16位浮点运算模型训练fit_one_cycle模型评估训练集误差和验证集误差模型调试实战经验 作为自学党，走入深度学习所面临的主要问题不是理论知识多少，而是怎样理论结合实际，也就是说：怎么写代码。为此，基于pytorch高度封装的fastai是很好的选择，其相关课程内容也注重代码，能够比较好地帮助初学
第0篇 Fast AI深度学习课程——搭建本地环境
热门推荐
suredied的博客
06-19 1万+
接触深度学习已经接近1年，零零散散看了一些书目和教程。但真正面对实际问题时，心里还是很虚，总感觉无从下手。直到看到了一个公开教程Fast AI deep learning，才发现利用深度学习解决实际问题，并不需要多复杂的知识体系。仅需像搭积木一样把已有的轮子堆叠起来，再加上一些tricks，就能得到一个看得过去的解决方案。工程嘛，先解决有无问题，后面才是万恶之源——无穷无尽地优化。Fast AI的...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

努力奋斗-不断进化

赞赏一下，买个鸡腿吃！

¥2 ¥4 ¥6 ¥10 ¥20
输入1-500的整数
余额支付 (余额：-- )
扫码支付
扫码支付：¥2
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、C币套餐、付费专栏及课程。

余额充值