dl_note DOWNLOAD - dl_note Quellcode herunterladen

dl_note

C/C++

1.0.0

Herunterladen

Projektübersicht
1. Basics -Spalte Mathematik und Programmierbasis
2. Grundlegende Komponenten neuronaler Netze
3.. Klassisches Modell des neuronalen Netzwerks für das neuronale Netzwerk
4. Alchemie Deep Learning Alchemy
5. Deep Learning Model Compression
Sechstens, Modellinferenzeinsatz
7. Fortgeschrittene Kurse
Referenzen

Projektübersicht

Dieses Lagerprojekt ist ein Computervision und ein großes Sprachmodell-Lernnotizen, die vom Personal Computer Vision und großes Sprachmodell zusammengefasst sind, einschließlich grundlegender Kenntnis des tiefen Lernens, detaillierte Erklärung grundlegender Komponenten neuronaler Netzwerke, Alchemiestrategien für tiefes Lernen, Deep-Lernmodell-Komprimierungsalgorithmus, Deep-Learning-Inferenz-Framework-Code-Analyse und praktischer praktischer Kampf.

Für Spaltennotizen zu LLM -Grundlagen und Argumentationsoptimierung finden Sie im Lager LLM_NOTE.

1. Basics -Spalte Mathematik und Programmierbasis

Grundlagen der Mathematik Deep Learning - Wahrscheinlichkeit und Informationstheorie
Grundlagen von tiefen lernbasischen Prinzipien des maschinellen Lernens
Die mathematische Grundlage des stochastischen Gradientenabstiegs
Python Programming Mind Navigation

2. Grundlegende Komponenten neuronaler Netze

1. Grundkomponenten des neuronalen Netzwerks :

Detaillierte Erläuterung der Grundkomponenten neuronaler Netze - Faltungsschicht
Detaillierte Erläuterung der grundlegenden Komponenten des neuronalen Netzwerks - BN -Schicht
Grundlegende Komponenten des neuronalen Netzwerks - Detaillierte Erläuterung der Aktivierungsfunktion

2. Grundlagen des tiefen Lernens :

Detaillierte Erklärung der Backpropagation und des Gradientenabstiegs
Grundlagen des tiefen Lernens - Detaillierte Erklärung der Parameterinitialisierung
Grundlagen für Deep Learning - Detaillierte Erklärung der Verlustfunktionen
Die Grundlagen des tiefen Lernens - detaillierte Erklärung des Optimierungsalgorithmus

3.. Klassisches Modell des neuronalen Netzwerks für das neuronale Netzwerk

1. Das klassische Rückgrat von Faltungsnetzwerken :

Resnet -Netzwerkdetails
Detaillierte Erläuterung des Densenet -Netzwerks
Resnetv2 -Netzwerkdetails
Klassische Zusammenfassung des Backbone -Netzwerks

2. Detaillierte Erläuterung des leichten Netzwerks :

Detaillierte Erklärung des Mobilenetv1 -Papiers
Detaillierte Erklärung des Shufflenetv2 -Papiers
Detaillierte Erklärung von RepVGGG Paper
Detaillierte Erläuterung des CSPNET -Papiers
Interpretation von Vovnet -Papier
Leichte Modellentwurfszusammenfassung

4. Alchemie Deep Learning Alchemy

Deep Learning Alchemy-Data Standardisierung
Deep Learning Alchemy-Data Verbesserung
Alchemie Deep Learning - Verarbeitung unausgeglichener Proben
Deep Learning Alchemy-Hyperparameter-Einstellung
Deep Learning Alchemy-Regularisierungsstrategie

5. Deep Learning Model Compression

Eine Zusammenfassung des Komprimierungsalgorithmus für Deep -Learning -Modellmodell
Modellkompressionsummine von Leichtnetzwerkdesign und -bereitstellung
Modellkompressionsdetailer Erklärung des Schnittalgorithmus
Modellkompressionsdetailer Erklärung der Wissensdestillation
Modellkompressionsdetailer Erläuterung des Quantisierungsalgorithmus

Sechstens, Modellinferenzeinsatz

1. Model Inference -Bereitstellung:

Komplexitätsanalyse der Komplexität des neuronalen Netzwerks
Modellkomprimierungsbereitstellungsübersicht
Detaillierte Erläuterung der Matrixmultiplikation
Modellinferenzbeschleunigungstechniken - Fusion Faltungsfaltung und BN -Schichten

2. ncnn Framework Quellcode Analyse:

NCNN-Quellcode-Analyse-Probe läuft
NCNN-Quellcode-Analyse-NET-Klasse

3. Heterogene Berechnung

Mobiles terminales heterogenes Computer: neon
GPU -terminales heterogenes Computing: cuda -Programmierung, wie Analyse und Optimierung von gemm -Algorithmen

7. Fortgeschrittene Kurse

1. Empfehlen Sie mehrere bessere Lagerhäuser und Kursmaterialien für die Komprimierung und Beschleunigung des Deep -Learning -Modells:

Tutorial über Grundprinzipien neuronaler Netze
AI-System: Deep Learning System erklärt hauptsächlich die Prinzipien, Beschleunigungsmethoden, Matrixmultiplikation und Additionsberechnungen usw. aus der zugrunde liegenden Richtung.
Pytorch-Deep-Learning: Ein gutes Tutorial für Deep Learning Pytorch.

2. Einige Blog -Links zu guten Notizen:

Der illustrierte Transformator: Die meisten der besten Blogs in China beziehen sich auf diesen Artikel.
C ++ gleichzeitige Programmierung (von C ++ 11 bis C ++ 17): Ein gutes C ++ -Programmier -Tutorial.
Was sind Diffusionsmodelle?
Annotated_deep_learning_paper_implementations

3. Schließlich 5 es nicht einfach, weiterhin hochwertige Produkte zu erstellen.