唐宇迪-深度学习经典论文与开源项目实战课程介绍:
深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。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。课程主要包括: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.
课程目录(完整20章):
章节1:课程介绍与BenchMark导读 课时1课程介绍11:14 课时2论文与开源项目的重要性08:40 课时3文本课程全部数据代码下载 章节2:NLP必备经典论文-BERT论文解读 课时4论文讲解思路概述03:51 课时5BERT模型摘要概述08:50 课时6模型在NLP领域应用效果06:29 课时7预训练模型的作用06:03 课时8输入数据特殊编码字符解析08:18 课时9向量特征编码方法06:21 课时10BERT模型训练策略07:30 课时11论文总结分析10:51 章节3:自然语言处理通用框架BERT原理解读 课时12BERT任务目标概述05:27 课时13传统解决方案遇到的问题11:09 课时14注意力机制的作用06:56 课时15self-attention计算方法11:24 课时16特征分配与softmax机制09:20 课时17Multi-head的作用09:09 课时18位置编码与多层堆叠07:17 课时19transformer整体架构梳理10:57 课时20BERT模型训练方法09:37 课时21训练实例09:47 章节4:谷歌开源项目BERT源码解读与应用实例 课时22BERT开源项目简介07:35 课时23项目参数配置12:08 课时24数据读取模块07:40 课时25数据预处理模块09:37 课时26tfrecord制作11:35 课时27Embedding层的作用07:29 课时28加入额外编码特征09:22 课时29加入位置编码特征05:12 课时30mask机制08:49 课时31构建QKV矩阵12:38 课时32完成Transformer模块构建09:56 课时33训练BERT模型08:51 章节5:基于BERT的中文情感分析实战 课时34中文分类数据与任务概述05:59 课时35读取处理自己的数据集09:06 课时36训练BERT中文分类模型09:09 章节6:基于BERT的中文命名实体识别实战 课时37命名实体识别数据分析与任务目标11:26 课时38NER标注数据处理与读取13:23 课时39构建BERT与CRF模型12:40 章节7:BERT基础补充-词向量模型 课时40词向量模型通俗解释08:14 课时41模型整体框架10:09 课时42训练数据构建05:10 课时43CBOW与Skip-gram模型08:20 课时44负采样方案07:40 章节8:物体检测经典框架MaskRcnn论文解读 课时45物体检测通用框架论文整体概述10:54 课时46MaskRcnn创新点介绍07:49 课时47网络结构分析09:42 课时48总结概述04:33 章节9:物体检测框架-MaskRcnn项目介绍与配置 课时49Mask-Rcnn开源项目简介08:55 课时50开源项目数据集05:39 课时51参数配置12:06 章节10:MaskRcnn网络框架源码详解 课时52FPN层特征提取原理解读13:17 课时53FPN网络架构实现解读11:57 课时54生成框比例设置07:34 课时55基于不同尺度特征图生成所有框08:24 课时56RPN层的作用与实现解读09:31 课时57候选框过滤方法05:45 课时58Proposal层实现方法08:15 课时59DetectionTarget层的作用07:52 课时60正负样本选择与标签定义05:33 课时61RoiPooling层的作用与目的09:55 课时62RorAlign操作的效果07:21 课时63整体框架回顾09:14 章节11:基于MASK-RCNN框架训练自己的数据与任务 课时64Labelme工具安装04:09 课时65使用labelme进行数据与标签标注09:03 课时66完成训练数据准备工作09:18 课时67maskrcnn源码修改方法10:46 课时68基于标注数据训练所需任务07:10 课时69测试与展示模块06:24 章节12:练手小项目-人体姿态识别demo 课时70COCO数据集与人体姿态识别简介07:46 课时71网络架构概述06:37 课时72流程与结果演示07:14 章节13:物体检测基础算法（熟悉的同学略过） 课时73物体检测概述13:27 课时74深度学习经典检测方法17:11 课时75faster-rcnn概述11:21 课时76faster-rcnn论文解读16:07 课时77RPN网络结构18:32 课时78损失函数定义20:26 课时79网络细节16:10 章节14:对抗生成网络架构原理与实战解析 课时80对抗生成网络通俗解释08:24 课时81GAN网络组成05:14 课时82损失函数解释说明10:05 课时83数据读取模块08:26 课时84生成与判别网络定义08:39 章节15:CycleGan图像融合论文解读 课时85CycleGan论文整体概述06:51 课时86论文涉及知识点简介08:12 课时87损失函数公式分析03:06 课时88Cycle架构分析与目标函数定义07:19 课时89论文总结概述05:36 章节16:基于CycleGan开源项目实战图像合成 课时90CycleGan网络所需数据06:50 课时91CycleGan整体网络架构10:02 课时92PatchGan判别网络原理04:40 课时93Cycle开源项目简介07:07 课时94数据读取与预处理操作10:17 课时95生成网络模块构造12:12 课时96判别网络模块构造05:02 课时97损失函数：identity loss计算方法09:12 课时98生成与判别损失函数指定11:40 课时99额外补充：VISDOM可视化配置05:54 章节17:超分辨率重构论文与项目解读 课时100论文概述05:17 课时101网络架构08:47 课时102数据与环境配置07:49 课时103数据加载与配置08:34 课时104生成模块07:32 课时105判别模块06:57 课时106VGG特征提取网络06:18 课时107损失函数与训练11:47 课时108测试模块07:59 章节18:图像风格转换论文实战 课时109style-transfer基本原理07:35 课时110风格生成网络结构原理07:06 课时111风格生成网络细节11:52 课时112风格转换效果展示10:14 课时113参数解释与配置09:38 课时114数据加载10:51 课时115特征提取网络12:40 课时116网络训练18:49 课时117与图像测试模块13:18 章节19:图像自动修复论文实战 课时118论文概述10:02 课时119网络架构11:03 课时120细节设计08:01 课时121论文总结09:19 课时122数据与项目概述10:07 课时123参数基本设计09:14 课时124网络结构配置12:21 课时125网络迭代训练16:54 课时126测试模块05:24 章节20:补充-迁移学习与Resnet网络架构 课时127迁移学习的目标05:31 课时128迁移学习策略需购买观看 课时129Resnet原理11:54 课时130Resnet网络细节12:41 课时131Resnet基本处理操作06:17 课时132shortcut模块08:31 课时133加载训练好的权重07:01 课时134迁移学习效果对比
