dl_note

• Обзор проекта
• 1. Столбец математики и оснований программирования
• 2. Основные компоненты нейронных сетей
• 3. Классическая сверточная модель нейронной сети
• 4. Алхимия глубокого обучения
• 5. Сжатие модели глубокого обучения
• Шестая, развертывание вывода моделя
• 7. Продвинутые курсы
• Ссылки

Обзор проекта

Этот складский проект представляет собой компьютерное зрение и примечания к модели крупного языка, обобщенные с помощью персонального компьютерного видения и модели большого языка, включая базовые знания в области глубокого обучения, подробное объяснение основных компонентов нейронных сетей, стратегии глубокого обучения алхимии, алгоритм сжатия модели глубокого обучения, анализ кода кода глубокого обучения и практические практические боевые действия.

Для примечаний столбца о основах LLM и оптимизации рассуждений, пожалуйста, обратитесь к складу LLM_NOTE.

1. Столбец математики и оснований программирования

• Основы глубокого обучения математике - теория вероятности и информации
• Основы глубоких основных принципов машинного обучения
• Математическая основа стохастического градиента спуска
• Навигация по программированию Python Programming Mind

2. Основные компоненты нейронных сетей

1. Основные компоненты нейронной сети :

1. Подробное объяснение основных компонентов нейронных сетей - сверточный слой
2. Подробное объяснение основных компонентов нейронной сети - уровня BN
3. Основные компоненты нейронной сети - подробное объяснение функции активации

2. Основы глубокого обучения :

• Подробное объяснение обратного процесса и градиентного происхождения
• Основы глубокого обучения - подробное объяснение инициализации параметров
• Основы глубокого обучения - подробное объяснение функций потерь
• Основы глубокого обучения - подробное объяснение алгоритма оптимизации

3. Классическая сверточная модель нейронной сети

1. Классическая основание сверточных нейронных сетей :

• Детали сети Resnet
• Подробное объяснение сети Densenet
• РЕССЕТВ2 СЕТИНГОВАНИЯ
• Классическая сводка сети магистралей

2. Подробное объяснение легкой сети :

• Подробное объяснение бумаги MobilEnetv1
• Подробное объяснение бумаги ShufflenetV2
• Подробное объяснение бумаги Repvgg
• Подробное объяснение бумаги CSPNet
• Интерпретация бумаги Vovnet
• Сводка дизайна легкой модели

4. Алхимия глубокого обучения

1. Стандартизация алхимии глубокого обучения
2. Усовершенствование глубокого обучения алхимии-дате
3. Алхимия глубокого обучения - обработка несбалансированных образцов
4. Настройка глубокого обучения алхимии-гиперпараметре
5. Стратегия глубокого обучения алхимии-регуляризации

5. Сжатие модели глубокого обучения

1. Резюме алгоритма сжатия модели глубокого обучения
2. Модель сжатия-имедженный дизайн и развертывание сети.
3. Модельная сжатие, полученное объяснение алгоритма обрезки
4. Модельная сжатие, полученное пояснение
5. Модельная сжатие, полученное по объяснению алгоритма квантования

Шестая, развертывание вывода моделя

1. Развертывание вывода модели:

• Анализ сложности сложности нейронной сети
• Обзор развертывания сжатия модели
• Подробное объяснение умножения матрицы
• Методы ускорения моделя - свертка слияния и слои BN

2. Анализ исходного кода ncnn Framework:

• NCNN Исходной код анализа выборочной работы
• NCNN Исходной код анализа сети сети

3. Гетерогенный расчет

1. Мобильные терминальные гетерогенные вычисления: neon программирование
2. Групповые терминальные гетерогенные вычисления: программирование cuda , такое как анализ и оптимизация алгоритмов gemm

7. Продвинутые курсы

1. Рекомендую несколько лучших складов и материалов курса для сжатия и ускорения модели глубокого обучения:

1. Учебное пособие по основным принципам нейронных сетей
2. AI-System: Система глубокого обучения, в основном объясняет принципы, методы ускорения, умножение матрицы и расчеты с добавлением и т. Д. из базового направления.
3. Pytorch-Deep-обучение: хороший учебник по глубокому обучению Pytorch.

2. Некоторые ссылки на блог на хорошие заметки:

• Иллюстрированный трансформатор: большинство лучших блогов в Китае относятся к этой статье.
• C ++ одновременное программирование (от C ++ 11 до C ++ 17): хороший учебник по программированию C ++.
• Что такое диффузионные модели?
• Annotated_deep_learning_paper_implementations

3. Наконец, нелегко продолжать создавать высококачественные продукты, если у вас есть 5 секунд свободного времени, вы можете сканировать QR -код, чтобы следовать моей официальной учетной записи - встроенное видение .

Официальная учетная запись не будет писать статьи-титульные статьи и не вытащит тревожный контент, который он приносит всем!

4. Star History Chart:

Ссылки

• Глубокое обучение
• Машинное обучение
• "Учитесь глубоким обучением"
• Системы машинного обучения: проектирование и реализация
• "Ai-edu"
• "AI-System"
• "Pytorch_tutorial_0.0.5_yu tingsong"
• «Планер, глубокая структура вывода»
• DISTILL: ESSENCE Знания и онлайн -визуализация
• LLVM IR Начало работы
• нанопик
• ClassifyTemplate
• Pytorch-Classiation