Python社区  »  机器学习算法

【视频课】一次性彻底掌握深度学习模型分析+设计+优化+部署4重境界!

有三AI • 6 天前 • 11 次点击  

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,而模型的部署则是项目的最后一环。为了让大家能够系统性掌握相关内容,为以后做研究以及就业打下基础,我们平台输出了海量与模型有关的内容,包括公众号文章,书籍,以及4门对应的视频课程,本次来汇总一下我们的4门相关视频课程,内容层层递进,从新手到进阶,一键全部掌握!


第1重境界:模型分析

首先是第1重境界,想要掌握模型,必须先懂你的模型!


深度学习模型使用的门槛虽然低,但模型参数多,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。


结果不好,是数据的问题还是模型的问题,往往分析起来比较困难。如果是数据问题,那到底是什么问题?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。



为了帮助初学者深入掌握模型分析相关知识,有三AI推出了《深度学习之模型分析》系列课程,为大家深入掌握深度学习模型分析相关方法以及实践打下基础。


本课程内容包括模型分析的几个重要方向的理论与实践(基于Pytorch),已有时长大概3个小时,下面是当前课程的大纲脑图:




(1) 模型可视化涵盖了深度学习模型可视化的几个重要且实用的方向,如模型结构可视化、模型权重可视化、模型特征可视化,激活热图可视化,后续还会增加其他可视化技术等,每一部分内容都是理论+实践。我们会非常详细地讲解算法中的细节,帮助彻底消化算法原理;

(2) 复杂度分析。重点讲解FLOPs,MAC等模型复杂度指标的理论计算,以及若干自动化统计工具的使用。


(3) 速度分析。重点讲解Pytorch模型速度分析API以及相关插件的使用。


课程的更多详情,请大家点击下面的图片阅读:



订阅方法如下:




第2重境界:模型设计


然后是第2重境界, 开始针对自己的任务选择与设计模型!


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》系列课程为大家深入掌握深度学习模型设计相关方法以及实践打下基础。


本课程内容已经包含有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、安卓部署5个部分,总共时长超过20个小时:


理论部分内容如下,包括:



(1) 网络深度与模型性能主要包含:经典浅层卷积网络的设计、网络深度对分类模型的影响;

(2) 网络宽度与模型性能主要包含:经典模型的宽度设计思想、网络宽度对模型性能影响;

(3) 注意力机制主要包含:空间注意力模型、通道注意力模型、 混合注意力模型、项目实战;

(4) 轻量化网络理论主要包含:Xception网络、MobileNet V1和V2网络、 ShuffleNet V1和V2网络、SqueezeNet网络;


实践部分内容如下,包括:



(1) 基于MobileNet的网络深度设计分析及实战; 

(2) 基于XceptionNet的网络宽度设计分析及实战;

(3) 基于SeNet的人种分类实战;

(4) 基于Pytorch的安卓端模型部署。

课程的更多详情,请大家点击下面的图片阅读:



订阅方法如下:



第3重境界:模型优化


接下来是第3重境界,对模型进行优化改进,使其能够满足自己业务上线的需求!


模型优化是模型能够在各类嵌入式平台使用的关键技术,包括紧凑模型设计,模型剪枝,模型量化,模型蒸馏,自动化模型设计等内容。



为了让大家能够更加系统更加深入的掌握模型优化相关的内容,有三AI推出了《深度学习之模型优化-理论实践篇》系列课程为大家深入掌握深度学习模型优化相关方法以及实践打下基础。


本课程内容已经涵盖了深度学习模型优化的核心领域,包括模型剪枝、模型量化、知识蒸馏,超过10个小时,既有足够的宽度,也具备有足够的深度。我们会非常详细地讲解算法中的细节,帮助彻底消化算法原理;


下图是已有课程的大纲脑图:



课程的更多详情,请大家点击下面的图片阅读:



订阅方法如下:



同时与本课程相关的还有有三AI知识星球中的各类模型优化模块,形式是相关论文的图文解读。



关于知识星球的介绍可以参考。
【杂谈】有三AI知识星球指导手册出炉!和公众号相比又有哪些内容?
【总结】超1000页有三AI文档资源领取方法汇总!


第4重境界:模型部署


最后是第4重境界,对模型进行实际部署,才是我们的终极目标!


深度学习模型必须要经过部署到实际的生产环境中,才能产生真正的应用价值。对于公司而言,无需为AI模型部署云端服务器,能够大幅度降低公司的运营和服务成本;对于用户而言,用户的数据,如视频、图片、声音、文字等,无需上传至云端服务器,可在本地移动端进行计算,用户的隐私得到有效的保护。



为了让大家能够更加系统深入的掌握模型部署相关的内容,有三AI推出了《深度学习之模型部署》系列课程,让有经验有实力的讲师带你系统深入学习,掌握模型部署流程。

本次课程中一共已经包含了5个平台和框架案例,分别为通用NCNN部署Tengine在EAIDK嵌入式平台上的部署,TensorRT在服务器端的模型优化与部署,微信小程序的前后端完整部署,MNN在Android手机端部署,后续还会增加其他硬件平台与部署框架


课程大纲如下:



课程的更多详情,请大家点击下面的图片阅读:




订阅方法如下:



课程讲师


以上课程讲师为言有三与有三AI团队的一些负责人,具体负责内容大家可以在课程的详细介绍中获取详情。


言有三简介如下:



龙鹏,笔名言有三,技术社区《有三AI》创始人。先后就读于华中科技大学(2008-2012),中国科学院半导体研究所神经网络实验室(2012-2015),先后就职于奇虎360人工智能研究院(2015.7-2017.5),陌陌科技深度学习实验室(2017.5-2019.3),深度学习算法专家,阿里云MVP,华为云MVP。


拥有超过7年的计算机视觉从业经验,拥有丰富的传统图像算法和深度学习计算机视觉项目经验,著有书籍《深度学习之图像识别:核心技术与案例实战》(机械工业出版社2019.4),《深度学习之模型设计:核心算法与案例实践》(电子工业出版社2020.6),《深度学习之人脸图像处理:核心算法与案例实战》(机械工业出版社2020.7),《深度学习之摄影图像处理:核心算法与案例精粹》(人民邮电出版社2021.4),拥有10余项发明技术专利与学术论文。


擅长领域:Caffe,Tensorflow,Pytorch等主流深度学习平台。神经网络与深度学习理论,深度学习模型设计与优化,计算机视觉的基础领域,AI美学,2D与3D人脸算法,生成对抗网络GAN等领域。


模型设计课程负责人简介如下:



大学老师,审稿人,有三AI线上与线下课讲师。


项目负责人简介如下:



一个时刻担心秃头的大龄程序员。大厂8年工作经验,专注CV领域模型优化、模型部署。有三AI研发组负责人,擅长代码实战。


全部都想要学习


如果你想要一次性获取全部模型相关的课程,那么推荐你加入有三AI秋季划-模型优化组,除了以上4门课程之外,还可以额外获得:


(1) 言有三本人一对一答疑。


(2) 深度学习之模型设计赠书。



(3) 有三AI知识星球。



(4) 有三AI研发组、内容组、运营组的权限。


(5) 《深度学习之数据使用》,《深度学习之Pytorch入门实战》课程。


《深度学习之数据使用:理论实践篇》的内容包括数据的获取,数据的整理,数据的标注,数据增强,数据的分析等领域,覆盖了深度学习中数据使用的各个方向,大纲如下:


课程的完整介绍,请大家点击下图阅读:




《深度学习之Pytorch入门实践篇》的内容包含PyTorch简介PyTorch环境配置张量简介PyTorch中的层结构及初始化PyTorch中的损失函数PyTorch中的优化器PyTorch中的数据读取PyTorch中的模型加载与保存基于PyTorch的垃圾图像分类等内容,目前总课时超过6个小时。


课程采用理论加Pytorch实战的方式进行讲解,大纲如下:



有三AI-CV秋季划模型优化组的详情介绍请阅读:【CV秋季划】模型算法与落地很重要,如何循序渐进地学习好?


订阅方式如下:




转载文章请后台联系

侵权必究

往期精选


Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/125819
 
11 次点击  
分享到微博