dl_note

• プロジェクトの概要
• 1。数学とプログラミングの基本列
• 2。ニューラルネットワークの基本コンポーネント
• 3.古典的な畳み込みニューラルネットワークモデル
• 4。深い学習錬金術
• 5。ディープラーニングモデル圧縮
• 第六、モデル推論の展開
• 7。高度なコース
• 参照

プロジェクトの概要

この倉庫プロジェクトは、コンピュータービジョンと大規模な言語モデル学習ノートであり、深い学習の基本的な知識、ニューラルネットワークの基本的なコンポーネント、深い学習錬金術戦略、ディープ学習モデルの圧縮アルゴリズム、深い学習推論フレームワークコード分析、実践的な実用的な戦いなど、パソコンのビジョンと大規模な言語モデルによって要約されています。

LLM基本と推論の最適化に関する列ノートについては、LLM_NOTE WAREHOUSEを参照してください。

1。数学とプログラミングの基本列

• 深い学習数学の基本 - 確率と情報理論
• 機械学習の深い学習基本原則の基本
• 確率的勾配降下の数学的基礎
• Pythonプログラミングマインドナビゲーション

2。ニューラルネットワークの基本コンポーネント

1。ニューラルネットワークの基本コンポーネント：

1. ニューラルネットワークの基本コンポーネントの詳細な説明 - 畳み込み層
2. ニューラルネットワークの基本コンポーネントの詳細な説明-BNレイヤー
3. ニューラルネットワークの基本コンポーネント - 活性化機能の詳細な説明

2。深い学習の基本：

• バックプロパゲーションと勾配降下の詳細な説明
• 深い学習の基本 - パラメーターの初期化の詳細な説明
• ディープラーニングの基本 - 損失関数の詳細な説明
• 深い学習の基本 - 最適化アルゴリズムの詳細な説明

3.古典的な畳み込みニューラルネットワークモデル

1.畳み込みニューラルネットワークの古典的なバックボーン：

• ネットワークの詳細を再ネット
• デンセンネットワークの詳細な説明
• resnetv2ネットワークの詳細
• 古典的なバックボーンネットワークの概要

2。軽量ネットワークの詳細な説明：

• Mobilenetv1論文の詳細な説明
• shufflenetv2論文の詳細な説明
• Repvgg紙の詳細な説明
• cspnetペーパーの詳細な説明
• Vovnet論文の解釈
• 軽量モデルの設計概要

4。深い学習錬金術

1. 深い学習錬金術義理の標準化
2. 深い学習錬金術義理の強化
3. ディープラーニング錬金術 - 不均衡なサンプルの処理
4. 深い学習錬金術 - ハイパーパラメーター設定
5. 深い学習錬金術の正規化戦略

5。ディープラーニングモデル圧縮

1. ディープラーニングモデル圧縮アルゴリズムの概要
2. 軽量ネットワークの設計と展開のモデル圧縮 - サマリー
3. 剪定アルゴリズムのモデル圧縮セットの説明
4. 知識の蒸留のモデル圧縮セットの説明
5. 量子化アルゴリズムのモデル圧縮セットの説明

第六、モデル推論の展開

1。モデル推論の展開：

• 畳み込みニューラルネットワークの複雑さ分析
• モデル圧縮展開の概要
• マトリックス乗算の詳細な説明
• モデル推論の加速技術 - 融合畳み込みとBN層

ncnnフレームワークソースコード分析：

• NCNNソースコード分析サンプルの実行
• NCNNソースコードAnalysis-Netクラス

3.不均一な計算

1. モバイル端子不均一コンピューティング： neonプログラミング
2. GPU端子不均一コンピューティング： gemmアルゴリズムの分析と最適化などのcudaプログラミング

7。高度なコース

1.深い学習モデルの圧縮と加速のために、いくつかのより良い倉庫とコース材料をお勧めします。

1. ニューラルネットワークの基本原則に関するチュートリアル
2. AI-System：深い学習システムは、主に原則、加速方法、マトリックスの乗算、および追加の計算などを、基礎となる方向から説明しています。
3. Pytorch-Deep-Learning：優れたPytorchディープラーニングチュートリアル。

2。良いメモへのいくつかのブログリンク：

• イラスト化されたトランス：中国で最高のブログのほとんどは、この記事を参照しています。
• C ++同時プログラミング（C ++ 11からC ++ 17）：優れたC ++同時プログラミングチュートリアル。
• 拡散モデルとは何ですか？
• annotated_deep_learning_paper_implementations

3.最後に、高品質の製品を5秒の自由時間を作成し続けることは容易ではありません。QRコードをスキャンして、埋め込みビジョンを追跡し、CVアルゴリズムエンジニアの成長経路を記録し、技術的な概要を共有し、メモと個人的な洞察を読むことができます。

公式アカウントは、タイトルパーティーの記事を書くことも、すべての人にもたらす不安なコンテンツを出力することもありません！

4。スターヒス​​トリーチャート：

参照

• 深い学習
• 機械学習
• 「深い学習を学ぶ」
• 機械学習システム：設計と実装
• 「ai-edu」
• 「AI-System」
• 「pytorch_tutorial_0.0.5_yu tingsong」
• 「プレーナー、深い学習推論のフレームワーク」
• 蒸留：知識のエッセンスとオンライン視覚化
• LLVM IR Getting Guide Guide
• nanopyc
• classifytemplate
• Pytorch分類