AI学习笔记

🍭理论篇

1⃣️ 数学

2⃣️ 语言

🍬C++🐾

🍃 编译相关

🍃 代码学习

🍃 函数

🍃 C++工具

🍃 算法&数据结构

🍬Python🐾

🍃 深度之眼👀

🍃 Numpy

🍃 Matplotlib

🍃 Python函数

🍃 Python封装工具

🍃 Python GUI

🍃 Python 报错

🍭环境篇

1⃣️ GPUs

🍬 GPU知识

🍬 GPUs训练环境安装

🍬 推理环境安装

2⃣️ Pytorch

🍬Pytorch分布式🐾

🍃 Horovod搭建过程

🍬Pytorch1.4学习📒

🍬Pytorch函数学习

3⃣️ 工具

🍬 图像预处理

🍬 实验工具

🍬 IDE&Tools安装

4⃣️ OpenCV

🍭训练篇&部署篇

1⃣️ 检查数据

2⃣️训练模型–train e ↓

🍬数据预处理

🍃 数据集介绍

🍃 特征缩放🐾

🍃 Pytorch数据读取

🍃 Python读取图片

🍬 网络模型

🍃 机器学习

🍃 NN

🍃CNN

🍃RNN/NLP

🍃GAN

🍃Detection

🍃Segmentation

🍃 IQA

🍃 FSL(小样本)

🍬 损失函数

  • 🐾 交叉墒

  • 🐾 Pytorch的损失函数

  • Lovasz-Softmax Loss

  • Exponential Logarithmic loss

  • Focal Loss + Dice Loss

  • BCE + Dice Loss

  • Generalized Dice loss

  • Tversky Loss

  • IOU Loss

  • Dice Loss

  • Focal Loss

🍬 优化器

🍃 BP求导

🍬 评价指标

🍬 网络可视化

🍃权重、梯度、特征图可视化

🍃网络结构

🍬 梯度消失与爆炸/欠拟合🐾

  1. 预训练加微调

  2. 🐾 权重初始化

  3. 🐾 梯度剪切、权重正则(针对梯度爆炸)

  4. 🐾 使用不同的激活函数

  5. 🐾 使用batchnorm

  6. 🐾 使用残差结构

  7. 🐾 使用LSTM网络

🍬 Tips

3⃣️测试模型–train e↔︎test e ↓

🍬 过拟合🐾

  • 🐾 正则化

  • 🐾 early stop

  • 🐾 数据增强

  • 🐾 dropout

4⃣️ 微调/迁移学习

  • 🐾 随机网格搜索

  • 🐾 超参数优化

5⃣️ 压缩&部署

🍬 压缩

🍬 数据后处理

🍬 部署框架 🐾

🍃ONNX

🍃 TVM

🍃TensorRT

🍬 网站部署-BS

🍬 嵌入式设备

🍬 视频处理与流媒体

🍃 基本概念

🍃 视频编解码理论基础

🍃 信息论与编码基础(雷菁)

DeepStream

🍭项目篇

项目结构

1、config.json格式:参考segmentation

2、scared格式:参考PANet

3、Exp自定义格式:参考YoloX

1⃣️ 分类/Classification

2⃣️ 语义分割/Segmentation

3⃣️ 目标检测/Detection

4⃣️ 小样本/Few Shot Learning

5⃣️ 图像质量评价/Image Quality Assessment

5⃣️ 异常检测/Anomaly Detection

5⃣️ 部署

本作品采用《CC 协议》,转载必须注明作者和本文链接
讨论数量: 0
(= ̄ω ̄=)··· 暂无内容!

讨论应以学习和精进为目的。请勿发布不友善或者负能量的内容,与人为善,比聪明更重要!
未填写
文章
1
粉丝
1
喜欢
0
收藏
0
排名:3399
访问:61
私信
所有博文
社区赞助商