dl_note

• ภาพรวมโครงการ
• 1. คอลัมน์คณิตศาสตร์และการเขียนโปรแกรมพื้นฐาน
• 2. ส่วนประกอบพื้นฐานของเครือข่ายประสาท
• 3. โมเดลเครือข่ายประสาทคลาสสิกของ Convolutional
• 4. การเล่นแร่แปรธาตุการเรียนรู้อย่างลึกซึ้ง
• 5. การบีบอัดแบบจำลองการเรียนรู้ลึก
• หกการปรับใช้การอนุมานแบบจำลอง
• 7. หลักสูตรขั้นสูง
• การอ้างอิง

ภาพรวมโครงการ

โครงการคลังสินค้านี้เป็นวิสัยทัศน์คอมพิวเตอร์และบันทึกการเรียนรู้แบบจำลองภาษาขนาดใหญ่สรุปโดยการมองเห็นคอมพิวเตอร์ส่วนบุคคลและรูปแบบภาษาขนาดใหญ่รวมถึงความรู้พื้นฐานเกี่ยวกับการเรียนรู้อย่างลึกซึ้งคำอธิบายโดยละเอียดเกี่ยวกับองค์ประกอบพื้นฐานของเครือข่ายประสาทการเรียนรู้การเล่นแร่แปรธาตุการเรียนรู้อย่างลึกซึ้ง

สำหรับบันทึกย่อคอลัมน์เกี่ยวกับพื้นฐาน LLM และการเพิ่มประสิทธิภาพการใช้เหตุผลโปรดดูที่คลังสินค้า LLM_NOTE

1. คอลัมน์คณิตศาสตร์และการเขียนโปรแกรมพื้นฐาน

• พื้นฐานของคณิตศาสตร์การเรียนรู้เชิงลึก - ความน่าจะเป็นและทฤษฎีข้อมูล
• พื้นฐานของหลักการเรียนรู้เชิงลึกของการเรียนรู้ของเครื่องจักร
• พื้นฐานทางคณิตศาสตร์ของการไล่ระดับสีแบบสุ่ม
• การนำเสนอการเขียนโปรแกรม Python

2. ส่วนประกอบพื้นฐานของเครือข่ายประสาท

1. ส่วนประกอบพื้นฐานของเครือข่ายประสาท :

1. คำอธิบายโดยละเอียดเกี่ยวกับองค์ประกอบพื้นฐานของเครือข่ายประสาท - เลเยอร์ convolutional
2. คำอธิบายโดยละเอียดเกี่ยวกับองค์ประกอบพื้นฐานของเครือข่ายประสาท - เลเยอร์ BN
3. ส่วนประกอบพื้นฐานของเครือข่ายประสาท - คำอธิบายโดยละเอียดของฟังก์ชั่นการเปิดใช้งาน

2. พื้นฐานของการเรียนรู้ลึก :

• คำอธิบายโดยละเอียดเกี่ยวกับ backpropagation และการไล่ระดับสี
• พื้นฐานของการเรียนรู้ลึก - คำอธิบายโดยละเอียดของการเริ่มต้นพารามิเตอร์
• พื้นฐานการเรียนรู้ลึก - คำอธิบายโดยละเอียดเกี่ยวกับฟังก์ชั่นการสูญเสีย
• พื้นฐานของการเรียนรู้ลึก - คำอธิบายโดยละเอียดของอัลกอริทึมการเพิ่มประสิทธิภาพ

3. โมเดลเครือข่ายประสาทคลาสสิกของ Convolutional

1. กระดูกสันหลังคลาสสิกของเครือข่ายประสาท Convolutional :

• รายละเอียดเครือข่าย resnet
• คำอธิบายโดยละเอียดของเครือข่าย Densenet
• รายละเอียดเครือข่าย resnetv2
• สรุปเครือข่ายแบ็คโบนคลาสสิก

2. คำอธิบายโดยละเอียดเกี่ยวกับเครือข่ายที่มีน้ำหนักเบา :

• คำอธิบายโดยละเอียดของกระดาษ Mobilenetv1
• คำอธิบายโดยละเอียดของกระดาษ shufflenetv2
• คำอธิบายโดยละเอียดของกระดาษ repvgg
• คำอธิบายโดยละเอียดของกระดาษ cspnet
• การตีความกระดาษ vovnet
• สรุปการออกแบบรุ่นที่มีน้ำหนักเบา

4. การเล่นแร่แปรธาตุการเรียนรู้อย่างลึกซึ้ง

1. มาตรฐานการเล่นแร่แปรธาตุการเรียนรู้อย่างลึกซึ้ง
2. การเพิ่มประสิทธิภาพการเล่นแร่แปรธาตุการเล่นแร่แปรธาตุอย่างลึกซึ้ง
3. การเล่นแร่แปรธาตุการเรียนรู้ลึก - การประมวลผลตัวอย่างที่ไม่สมดุล
4. การตั้งค่าการเล่นแร่แปรธาตุการเล่นแร่แปรธาตุอย่างลึกซึ้ง
5. กลยุทธ์การเล่นแร่แปรธาตุการเล่นแร่แปรธาตุอย่างลึกซึ้ง

5. การบีบอัดแบบจำลองการเรียนรู้ลึก

1. สรุปอัลกอริทึมการบีบอัดแบบจำลองการเรียนรู้ลึก
2. แบบจำลองการบีบอัดแบบจำลองการออกแบบเครือข่ายที่มีน้ำหนักเบาและการปรับใช้
3. คำอธิบายการบีบอัดแบบจำลองของอัลกอริทึมการตัดแต่งกิ่ง
4. แบบจำลองการบีบอัดแบบจำลองคำอธิบายเกี่ยวกับการกลั่นความรู้
5. คำอธิบายการบีบอัดแบบจำลองของอัลกอริทึมการหาปริมาณ

หกการปรับใช้การอนุมานแบบจำลอง

1. การปรับใช้การอนุมานแบบจำลอง:

• การวิเคราะห์ความซับซ้อนของเครือข่ายประสาท
• ภาพรวมการปรับใช้การบีบอัดแบบจำลอง
• คำอธิบายโดยละเอียดของการคูณเมทริกซ์
• เทคนิคการเร่งการอนุมานแบบจำลอง - Fusion Convolution และ BN Layers

2. การวิเคราะห์ซอร์สโค้ด Framework ncnn :

• การวิเคราะห์รหัสแหล่งที่มาของ NCNN
• คลาสการวิเคราะห์ซอร์สโค้ด NCNN

3. การคำนวณที่แตกต่างกัน

1. การคำนวณที่แตกต่างกันของเทอร์มินัลมือถือ: การเขียนโปรแกรม neon
2. การคำนวณที่แตกต่างกันของเทอร์มินัล GPU: การเขียนโปรแกรม cuda เช่นการวิเคราะห์และการเพิ่มประสิทธิภาพของอัลกอริทึม gemm

7. หลักสูตรขั้นสูง

1. แนะนำคลังสินค้าและวัสดุหลักสูตรที่ดีกว่าหลายแห่งสำหรับการบีบอัดแบบจำลองการเรียนรู้อย่างลึกซึ้งและการเร่งความเร็ว:

1. การสอนเกี่ยวกับหลักการพื้นฐานของเครือข่ายประสาท
2. AI-System: ระบบการเรียนรู้ลึกส่วนใหญ่อธิบายหลักการวิธีการเร่งความเร็วการคูณเมทริกซ์และการคำนวณเพิ่มเติม ฯลฯ จากทิศทางพื้นฐาน
3. Pytorch-Deep-Learning: บทช่วยสอนการเรียนรู้ลึกของ pytorch ที่ดี

2. ลิงค์บล็อกบางส่วนไปยังหมายเหตุที่ดี:

• The Illustrated Transformer: บล็อกที่ดีที่สุดในประเทศจีนส่วนใหญ่อ้างถึงบทความนี้
• การเขียนโปรแกรม C ++ พร้อมกัน (จาก C ++ 11 ถึง C ++ 17): บทช่วยการเขียนโปรแกรม C ++ ที่ดี
• โมเดลการแพร่กระจายคืออะไร?
• Annotated_deep_learning_paper_implementations

3. 5 ที่สุดมันก็ไม่ใช่เรื่องง่ายที่ จะ สร้างผลิตภัณฑ์คุณภาพสูงต่อไป

บัญชีอย่างเป็นทางการจะไม่เขียนบทความที่มีชื่อเรื่องปาร์ตี้และจะไม่ส่งออกเนื้อหาที่เป็นกังวลที่นำมาให้ทุกคน!

4. แผนภูมิประวัติศาสตร์ดาว:

การอ้างอิง

• การเรียนรู้อย่างลึกซึ้ง
• การเรียนรู้ของเครื่องจักร
• "เรียนรู้การเรียนรู้ลึก"
• ระบบการเรียนรู้ของเครื่อง: การออกแบบและการใช้งาน
• "ai-edu"
• "AI-System"
• "pytorch_tutorial_0.0.5_yu tingsong"
• "Planer กรอบการอนุมานการเรียนรู้อย่างลึกซึ้ง"
• กลั่น: สาระสำคัญความรู้และการสร้างภาพออนไลน์
• llvm ir คู่มือเริ่มต้นใช้งาน
• nanopyc
• classifytemplate
• การจำแนกประเภท Pytorch