Transformer原理与代码精讲(TensorFlow)
Transformer发轫于NLP(自然语言处理),并跨界应用到CV(计算机视觉)领域。目前已成为深度学习的新范式,影响力和应用前景巨大。   本课程对Transformer的原理和TensorFlow 2代码进行精讲,来帮助大家掌握其详细原理和具体实现。   原理精讲部分包括:注意力机制和自注意力机制、Transformer的架构概述、Encoder的多头注意力(Multi-Head Attention)、Encoder的位置编码(Positional Encoding)、残差链接(Residual Connection)、层规范化(Layer Normalization)、FFN(Feed Forward Network)、Transformer的训练及性能、Transformer的机器翻译工作流程。     代码精讲部分使用Jupyter Notebook对Transformer的TensorFlow 2实现代码进行逐行解读,包括:安装TensorFlow、Transformer的数据集加载与预处理代码解读、Transformer的位置编码与多头注意力代码解读、Transformer的Transformer类代码解读、Transformer的优化器与损失函数代码解读、Transformer的训练代码解读、Transformer的推理与权重保存代码解读。 相关课程:  《Transformer原理与代码精讲(PyTorch)》https://edu.csdn.net/course/detail/36697 《Transformer原理与代码精讲(TensorFlow)》https://edu.csdn.net/course/detail/36699 《ViT(Vision Transformer)原理与代码精讲》https://edu.csdn.net/course/detail/36719 《DETR原理与代码精讲》https://edu.csdn.net/course/detail/36768 《Swin Transformer实战目标检测:训练自己的数据集》https://edu.csdn.net/course/detail/36585 《Swin Transformer实战实例分割:训练自己的数据集》https://edu.csdn.net/course/detail/36586 《Swin Transformer原理与代码精讲》 https://download.csdn.net/course/detail/37045
¥38.00 16 节 · 377 人已学 白老师
paddleocr训练自己数据集windows版
paddleocr训练自己数据集windows版是一门专门适合初学者训练自己的paddleocr模型教程。通过本教程您可以收获: (1)学会在windows上安装自己的显卡驱动 (2)学会在windows上安装cuda+cudnn (3)学会在windows上安装anaconda3 (4)学会在windows安装PPOCRLabel以及使用PPOCRLabel标注自己的数据集 (5)学会使用paddleocr训练文本检测模型 (6)学会使用paddleocr训练文本识别模型 (7)学会使用paddleocr导出自己的模型 (8)学会使用paddleocr测试自己的模型
¥200.00
超级会员免费
15 节 · 454 人已学 卢未来
YOLOv5(PyTorch)目标检测:原理与源码解析
【为什么要学习这门课】 Linux创始人Linus Torvalds有一句名言:Talk is cheap. Show me the code. 冗谈不够,放码过来!代码阅读是从基础到提高的必由之路。 YOLOv5是最近推出的轻量且高性能的实时目标检测方法。YOLOv5使用PyTorch实现,含有很多业界前沿和常用的技巧,可以作为很好的代码阅读案例,让我们深入探究其实现原理,其中不少知识点的代码可以作为相关项目的借鉴。 【课程内容与收获】 本课程将详细解析YOLOv5的实现原理和源码,对关键代码使用PyCharm的debug模式逐行分析解读。 本课程将提供注释后的YOLOv5的源码程序文件。   【相关课程】 本人推出了有关YOLOv5目标检测的系列课程。请持续关注该系列的其它视频课程,包括: 《YOLOv5(PyTorch)目标检测实战:训练自己的数据集》 Ubuntu系统 https://edu.csdn.net/course/detail/30793 Windows系统 https://edu.csdn.net/course/detail/30923 《YOLOv5(PyTorch)目标检测:原理与源码解析》https://edu.csdn.net/course/detail/31428 《YOLOv5(PyTorch)目标检测实战:Flask Web部署》https://edu.csdn.net/course/detail/31087 《YOLOv5(PyTorch)目标检测实战:TensorRT加速部署》https://edu.csdn.net/course/detail/32303
¥88.00 40 节 · 17108 人已学 白老师
搞定系列:DETR训练自己的目标检测数据集ubuntu版
       本课程主要以ubuntu为环境基础,为大家讲解如何在ubuntu上训练自己的DETR目标检测数据集模型,主要包括ubuntu上显卡驱动安装,cuda+cudnn安装,anaconda3安装,labelImg安装,DETR环境安装。         本课程主要以实践为基础,理论问辅。注重讲解DETR目标检测训练的流程以及如何测试自己训练好的模型,并提供了预测类的代码和转换数据集的代码,使得同学们在本课中可以提高获得训练模型效率和训练周期。         学习本课程需要大家准备好一个Ubuntu18.04系统环境,如果其他版本ubuntu系统也可以,然后就是需要环境是带有英伟达显卡,不建议使用虚拟机训练自己模型。         请注意,本课程是对DETR进行目标检测训练流程讲解,不对DETR分割模型训练进行讲解。如果您需要分割模型则不适宜学习本课程。  
¥200.00
超级会员免费
13 节 · 106 人已学 卢未来
Transformer原理与代码精讲(PyTorch)
Transformer发轫于NLP(自然语言处理),并跨界应用到CV(计算机视觉)领域。目前已成为深度学习的新范式,影响力和应用前景巨大。     本课程对Transformer的原理和PyTorch代码进行精讲,来帮助大家掌握其详细原理和具体实现。     原理精讲部分包括:注意力机制和自注意力机制、Transformer的架构概述、Encoder的多头注意力(Multi-Head Attention)、Encoder的位置编码(Positional Encoding)、残差链接、层规范化(Layer Normalization)、FFN(Feed Forward Network)、Transformer的训练及性能、Transformer的机器翻译工作流程。       代码精讲部分使用Jupyter Notebook对Transformer的PyTorch代码进行逐行解读,包括:安装PyTorch、Transformer的Encoder代码解读、Transformer的Decoder代码解读、Transformer的超参设置代码解读、Transformer的训练示例(人为随机数据)代码解读、Transformer的训练示例(德语-英语机器翻译)代码解读。 相关课程:  《Transformer原理与代码精讲(PyTorch)》https://edu.csdn.net/course/detail/36697 《Transformer原理与代码精讲(TensorFlow)》https://edu.csdn.net/course/detail/36699 《ViT(Vision Transformer)原理与代码精讲》https://edu.csdn.net/course/detail/36719 《DETR原理与代码精讲》https://edu.csdn.net/course/detail/36768 《Swin Transformer实战目标检测:训练自己的数据集》https://edu.csdn.net/course/detail/36585 《Swin Transformer实战实例分割:训练自己的数据集》https://edu.csdn.net/course/detail/36586 《Swin Transformer原理与代码精讲》 https://download.csdn.net/course/detail/37045
¥38.00 15 节 · 381 人已学 白老师
大白话系列算法
本套餐包含:1、机器学习算法的XGBoost算法,GBDT算法,SVM算法。2、概率模型的贝叶斯算法,贝叶斯网络,EM算法,HMM算法。3、自然语言处理的CRF模型,Word2Vec算法,Bert。4、深度学习的BP神经网络,Tensorflow,RNN,Transformer结构,LSTM,Seq2Seq,注意力机制Attention。以通俗的形式了解算法的来龙去脉,由浅入深,并结合丰富案例,对实际生产工作有指导性的作用。
¥180.00 0 节 · 9049 人已学 李虎
Tensorflow 模型 C++部署实战
您将在本课程中学习到用Tensorflow Python接口训练的模型,如和部署到实际产品中。适用人群可以帮助会训练深度学习的模型的同学,学习如何部署模型,特别是实际产品中。 课程简介 课程目标 让学员熟悉用TensorFlow系列了模型之后,如何部署到实际产品中,并能够自己写代码导出模型和加载模型。 适用人群 人工智能领域从业者 or 深度学习实际产品开发人员或者想了解训练模型后,如何部署的学员。 课程简介    让学员可以从实战角度深度的学习深度学习产品开发过程,并能够自己写代码实现TF模型的导出和加载,并用C++接口部署到产品中,如何解决模型加密,多卡支持等,并了解Tensorflow源码。 在课程资料和答疑部分提供了完整的源码下载;
¥129.00
超级会员免费
32 节 · 3024 人已学 郭秀江
PyTorch从入门到实战一次学会
【超实用课程内容】 本课程从pytorch安装开始讲起,从基本计算结构到深度学习各大神经网络,全程案例代码实战,一步步带大家入门如何使用深度学习框架pytorch,玩转pytorch模型训练等所有知识点。最后通过 kaggle 项目:猫狗分类,实战pytorch深度学习工具。 【课程如何观看?】 PC端:https://edu.csdn.net/course/detail/27286 移动端:CSDN 学院APP(注意不是CSDN APP哦) 本课程为录播课,课程永久观看,大家可以抓紧时间学习后一起讨论哦~ 【学员专享增值服务】 源码开放 课件、课程案例代码完全开放给你,你可以根据所学知识,自行修改、优化 下载方式:电脑登录https://edu.csdn.net/course/detail/27286,点击右下方课程资料、代码、课件等打包下载
¥29.00
超级会员免费
34 节 · 8904 人已学 覃秉丰
基于深度学习的垃圾图像分类
【课程介绍】       Pytorch项目实战 垃圾分类 课程从实战的角度出发,基于真实数据集与实际业务需求,结合当下最新话题-垃圾分类问题为实际业务出发点,介绍最前沿的深度学习解决方案。     从0到1讲解如何场景业务分析、进行数据处理,模型训练与调优,最后进行测试与结果展示分析。全程实战操作,以最接地气的方式详解每一步流程与解决方案。     课程结合当下深度学习热门领域,尤其是基于facebook 开源分类神器ResNext101网络架构,对网络架构进行调整,以计算机视觉为核心讲解各大网络的应用于实战方法,适合快速入门与进阶提升。 【课程要求】 (1)开发环境:python版本:Python3.7+; torch 版本:1.2.0+; torchvision版本:0.4.0+ (2)开发工具:Pycharm; (3)学员基础:需要一定的Python基础,及深度学习基础; (4)学员收货:掌握最新科技图像分类关键技术; (5)学员资料:内含完整程序源码和数据集; (6)课程亮点:专题技术,完整案例,全程实战操作,徒手撸代码 【课程特色】 阵容强大 讲师一直从事与一线项目开发,高级算法专家,一直从事于图像、NLP、个性化推荐系统热门技术领域。 仅跟前沿 基于当前热门讨论话题:垃圾分类,课程采用学术届和工业届最新前沿技术知识要点。 实战为先 根据实际深度学习工业场景-垃圾分类,从产品需求、产品设计和方案设计、产品技术功能实现、模型上线部署。精心设计工业实战项目 保障效果 项目实战方向包含了学术届和工业届最前沿技术要点 项目包装简历优化 课程内垃圾分类图像实战项目完成后可以直接优化到简历中 【课程思维导图】 【课程实战案例】
¥120.00 46 节 · 17503 人已学 艾文
已订阅内容
我的课程 精品专栏 图文专栏
登录后即可查看
七天热销榜
下载资源