专栏名称: 有三AI

三人行必有AI，本公众号聚焦于让大家能够系统性地完成AI各个领域所需的专业知识的学习

【一对一小组】2024年有三AI-CV中阶-模型算法组发布，如何循序渐进地学习好模型原理与落地

有三AI · 公众号 · · 2024-01-03 17:12

正文

2024年有三AI-CV中阶-模型算法组 正式发布！ 有三AI已经推出了CV初-中-高级培养计划（ 原名有三AI-CV季划 ），这是我们的终身计算机视觉学习小组。

该培养计划具有以下特点：

【系统性】配套有非常完备的理论与实践

【永久性】不限制学习期限，一直有效

【成长性】内容保持更新，不额外收费

【专业性】原创书+视频讲解+真实项目锻炼

【丰富性】数千页PPT，文档，项目等

【权威性】工业界资深背景辅导老师，弱运营属性

2022年有三AI CV秋季划-模型算法组正式推出了，供大家长期学习相关内容，学习不限时长，永久有效。

什么是有三AI-CV中阶-基础算法组

好的模型结构是深度学习成功的关键因素之一，不仅是非常重要的学术研究方向，在工业界实践中也是模型是否能上线的关键。对各类底层深度学习模型设计和优化技术理解的深度是决定我们能否在深度学习项目中游刃有余的关键。

那我们究竟如何去长期学好模型相关的算法呢？本组聚焦于让大家能够跟随我们社区长期学习模型相关的算法，当前需要学习的东西包括：数据使用，模型分析，模型设计，模型优化，模型部署。下图是2024年CV中阶-模型算法组包括的内容预览图，可以自行放大仔细阅读。

学习内容覆盖以下几个方向：

(1 ) 算法基础，包括 经典CNN模型原理、数据使用方法 等。

(2) 模型分析与优化，包括 模型参数与计算量分析、模型结构与特征可视化 。

(3) 主流模型部署工具，包括 原生Pytorch、 MNN、 NCNN、Tengine、TensorRT、微信小程序等。

学习资源包括以下部分：

(1) 1本配套的图书教材，《深度学习之模型设计：核心算法与实战实践》。

(2) 配套的视频教程，唯一的学习平台，课程不定期更新。

(3) 1个知识星球学习社区，存储部分图文资料与数据。

(4) 有三AI项目研发组进入权限，有机会负责真实产业案例研发。

数据使用

数据的使用是深度学习算法领域从业者的必备素质，需要掌握如何收集高质量的数据，如何整理数据，如何分析数据，如何在各类项目中使用好数据增强。我们配置了 1门时长超过3小时的《深度学习之数据使用》课程与若干个项目实践。

课程详情可见：【视频课】永久免费！3小时快速掌握深度学习CV数据使用核心内容

模型设计

模型的设计是整个深度学习领域的通用基础，不管是从头设计自己的神经网络，还是对已有模型进行优化获得更高的任务指标，更快的运行速度，获得更小的模型体积，都需要掌握各类网络的设计技巧，是深度学习算法工程师进阶的难点及必学点！ 我们配置了 模型设计课程，当前包含的内容超过20个小时，PPT数量超过450页。

理论部分内容 ：网络深度与模型性能，网络宽度与模型性能，注意力机制，轻量化网络理论。

(1) 基于网络深度的CNN模型设计，内容包括经典浅层卷积网络的设计模型如neocognitron、经典模型AlexNet，VGGNet，ResNet 。

(2) 基于网络宽度的CNN模型设计，内容包括多分支经典模型如GoogLeNet，ResNext等

(3) 经典注意力机制 CNN模型设计，内容包括空间注意力模型、通道注意力模型、混合注意力模型。

(3) 轻量级模型设计，内容包括 Xception网络、MobileNet V1和V2网络、 ShuffleNet V1和V2网络、SqueezeNet网络。

实践部分内容： 基于ResNet的垃圾分类实战，基于InceptionNet系列的花卉分类实战，基于SeNet的人种分类实战，Pytorch模型安卓端部署。

详细了解课程，请阅读： 【视频课】AI必学，超20小时，4大模块，循序渐进地搞懂CNN模型设计与简单部署！

模型分析

深度模型参数多，网络结构复杂，模型结构的设计以及训练过程中超参数的调试，都非常依赖于经验。如果只凭经验，没有很科学的分析工具，仍然会有盲人摸象的感觉。因此为了能够更好地进行研究和实践，对模型进行相关的分析是非常重要的。 我们配置了模型分析课程，当前包含的内容超过3个小时，PPT数量超过200页。

理论部分内容 ：主要包括理论参数量与计算量分析，反卷积可视化原理，激活热图可视化原理。

实践部分内容： 模型结构可视化实战，激活热图可视化实战，特征可视化实战，参数量与计算量分析，计算时间分析。

详细了解课程，请阅读： 【视频课】AI必学，超3小时，3大模块，掌握模型分析核心技术！

模型优化/压缩

模型优化/压缩是整个模型算法组最核心的内容，所研究的就是如何用更少的资源，更快的速度获得与更大模型相关的性能。 我们配置了 模型优化课程，当前包含的内容超过10个小时，PPT数量超过300页。

理论部分内容 ：主要包括模型剪枝，模型量化，模型蒸馏，神经网络搜索。

(1) 模型剪枝，内容包括结构化模型剪枝方法与非结构化模型剪枝方法。

(2) 模型量化，内容包括1bit与3值模型量化方法，8 bit对称与非对称模型量化方法，混合模型量化方法。

(3) 模型蒸馏，内容包括特征约束与优化目标驱动的模型蒸馏方法，自蒸馏学习方法。

(4) 神经网络搜索，内容包括基于栅格搜索的神经网络搜索方法，基于强化学习的神经网络搜索方法，基于进化学习的神经网络搜索方法。

实践部分内容：

【一对一小组】2024年有三AI-CV中阶-模型算法组发布，如何循序渐进地学习好模型原理与落地

正文

请到「今天看啥」查看全文