深度学习的核心是什么,当然是“模型”,从CNN到GAN,再到Transformer,正是各类深度学习模型结构的快速发展才使得当前AI技术进展日新月异,其中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!
为了让大家能够更加系统更加深入的掌握模型设计相关的内容,有三AI推出了《深度学习之模型设计-理论实践篇》系列课程,
让有经验有实力的讲师带你系统深入学习,掌握模型设计技术,本课程长期更新。
目前本课程内容聚焦于经典的CNN模型设计,
基于网络深度的模型
、基于网络宽度的模型、注意力机制模型、轻量化模型、安卓部署
5个部分,总共时长超过20个小时,包括理论知识和实践内容,
分为4大模块,4个实践案例
,
内容详细,案例丰富。
在课程中老师会使用通俗易懂的语言帮助大家理解涉及的知识点、原理及代码。
下面是
课程大纲
脑图
:
理论部分内容包括4节
:
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
。
实践部分内容包括4个:
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。
一些PPT动图如下:
一些实践案例如下: