深度学习经典论文与开源项目实战

体系课

0 人浏览发布 2026-06-09更新 2026-06-09

学习深度学习经典论文核心思想及其开源项目源码解读并熟练应用到自己的任务中

* 01 课程介绍与BenchMark导读/

* 01 课程主题介绍

* 02 论文与开源项目的重要性

* 02 NLP必备经典论文-BERT论文解读/

* 01 论文讲解思路概述

* 02 BERT模型摘要概述

* 03 模型在NLP领域应用效果

* 04 预训练模型的作用

* 05 输入数据特殊编码字符解析

* 06 向量特征编码方法

* 07 BERT模型训练策略

* 08 论文总结分析

* 03 自然语言处理通用框架BERT原理解读/

* 01 BERT任务目标概述

* 02 传统解决方案遇到的问题

* 03 注意力机制的作用

* 04 self-attention计算方法

* 05 特征分配与softmax机制

* 06 Multi-head的作用

* 07 位置编码与多层堆叠

* 08 transformer整体架构梳理

* 09 BERT模型训练方法

* 10 训练实例

* 04 经典开源项目BERT源码解读与应用实例/

* 01 BERT开源项目简介

* 02 项目参数配置

* 03 数据读取模块

* 04 数据预处理模块

* 05 tfrecord制作

* 06 Embedding层的作用

* 07 加入额外编码特征

* 08 加入位置编码特征

* 09 mask机制

* 10 构建QKV矩阵

* 11 完成Transformer模块构建

* 12 训练BERT模型

* 05 基于BERT的中文情感分析实战/

* 01 中文分类数据与任务概述

* 02 读取处理自己的数据集

* 03 训练BERT中文分类模型

* 06 基于BERT的中文命名实体识别实战/

* 01 命名实体识别数据分析与任务目标

* 02 NER标注数据处理与读取

* 03 构建BERT与CRF模型

* 07 BERT基础补充-词向量模型/

* 01 词向量模型通俗解释

* 02 模型整体框架

* 03 训练数据构建

* 04 CBOW与Skip-gram模型

* 05 负采样方案

* 08 物体检测经典框架MaskRcnn论文解读/

* 01 物体检测通用框架论文整体概述

* 02 MaskRcnn创新点介绍

* 03 网络结构分析

* 04 总结概述

* 09 物体检测框架-MaskRcnn项目介绍与配置/

* 01 Mask-Rcnn开源项目简介

* 02 开源项目数据集

* 03 参数配置

* 10 MaskRcnn网络框架源码详解/

* 01 FPN层特征提取原理解读

* 02 FPN网络架构实现解读

* 03 生成框比例设置

* 04 基于不同尺度特征图生成所有框

* 05 RPN层的作用与实现解读

* 06 候选框过滤方法

* 07 Proposal层实现方法

* 08 DetectionTarget层的作用

* 09 正负样本选择与标签定

* 10 RoiPooling层的作用与目的

* 11 RorAlign操作的效果

* 12 整体框架回顾

* 11 基于MASK-RCNN框架训练自己的数据与任务/

* 01 Labelme工具安装

* 02 使用labelme进行数据与标签标注

* 03 完成训练数据准备工作

* 04 maskrcnn源码修改方法

* 05 基于标注数据训练所需任务

* 06 测试与展示模块

* 12 练手小项目-人体姿态识别demo/

* 01 COCO数据集与人体姿态识别简介

* 02 网络架构概述

* 03 流程与结果演示

* 13 物体检测基础算法（熟悉的同学略过）/

* 01 物体检测概述

* 02 深度学习经典检测方法

* 03 faster-rcnn概述

* 04 论文解读

* 05 RPN网络结构

* 06 损失函数定义

* 07 网络细节

* 14 对抗生成网络架构原理与实战解析/

* 01 对抗生成网络通俗解释

* 02 GAN网络组成

* 03 损失函数解释说明

* 04 数据读取模块

* 05 生成与判别网络定义

* 15 CycleGan图像融合论文解读/

* 01 CycleGan论文整体概述

* 02 论文涉及知识点简介

* 03 损失函数公式分析

* 04 Cycle架构分析与目标函数定义

* 05 论文总结概述

* 16 基于CycleGan开源项目实战图像合成/

* 01 CycleGan网络所需数据

* 02 CycleGan整体网络架构

* 03 PatchGan判别网络原理

* 04 Cycle开源项目简介

* 05 数据读取与预处理操作

* 06 生成网络模块构造

* 07 判别网络模块构造

* 08 损失函数：identity loss计算方法

* 09 生成与判别损失函数指定

* 10 额外补充：VISDOM可视化配置

* 17 超分辨率重构论文与项目解读/

* 01 论文概述

* 02 网络架构

* 03 数据与环境配置

* 04 数据加载与配置

* 05 生成模块

* 06 判别模块

* 07 VGG特征提取网络

* 08 损失函数与训练

* 09 测试模块

* 18 图像风格转换论文实战/

* 01 风格转换原理解读

* 02 风格生成网络结构原理

* 03 风格生成网络细节

* 04 风格转换效果展示

* 05 参数解释与配置

* 06 数据加载

* 07 特征提取网络

* 08 网络训练

* 09 视频与图像测试模块

* 19 图像自动修复论文实战/

* 01 论文概述

* 02 网络架构

* 03 细节设计

* 04 论文总结

* 05 数据与项目概述

* 06 参数基本设计

* 07 网络结构配置

* 08 网络迭代训练

* 09 测试模块

* 20 补充-迁移学习与Resnet网络架构/

* 01 迁移学习的目标

* 02 迁移学习策略

* 03 Resnet原理

* 04 Resnet网络细节

* 05 Resnet基本处理操作

* 06 shortcut模块

* 07 加载训练好的权重

* 08 迁移学习效果对比

* 21 结课考试/

* 01 结课考试

深度学习经典论文与开源项目实战

体系课

0 人浏览发布 2026-06-09更新 2026-06-09

学习深度学习经典论文核心思想及其开源项目源码解读并熟练应用到自己的任务中

* 01 课程介绍与BenchMark导读/

* 01 课程主题介绍

* 02 论文与开源项目的重要性

* 02 NLP必备经典论文-BERT论文解读/

* 01 论文讲解思路概述

* 02 BERT模型摘要概述

* 03 模型在NLP领域应用效果

* 04 预训练模型的作用

* 05 输入数据特殊编码字符解析

* 06 向量特征编码方法

* 07 BERT模型训练策略

* 08 论文总结分析

* 03 自然语言处理通用框架BERT原理解读/

* 01 BERT任务目标概述

* 02 传统解决方案遇到的问题

* 03 注意力机制的作用

* 04 self-attention计算方法

* 05 特征分配与softmax机制

* 06 Multi-head的作用

* 07 位置编码与多层堆叠

* 08 transformer整体架构梳理

* 09 BERT模型训练方法

* 10 训练实例

* 04 经典开源项目BERT源码解读与应用实例/

* 01 BERT开源项目简介

* 02 项目参数配置

* 03 数据读取模块

* 04 数据预处理模块

* 05 tfrecord制作

* 06 Embedding层的作用

* 07 加入额外编码特征

* 08 加入位置编码特征

* 09 mask机制

* 10 构建QKV矩阵

* 11 完成Transformer模块构建

* 12 训练BERT模型

* 05 基于BERT的中文情感分析实战/

* 01 中文分类数据与任务概述

* 02 读取处理自己的数据集

* 03 训练BERT中文分类模型

* 06 基于BERT的中文命名实体识别实战/

* 01 命名实体识别数据分析与任务目标

* 02 NER标注数据处理与读取

* 03 构建BERT与CRF模型

* 07 BERT基础补充-词向量模型/

* 01 词向量模型通俗解释

* 02 模型整体框架

* 03 训练数据构建

* 04 CBOW与Skip-gram模型

* 05 负采样方案

* 08 物体检测经典框架MaskRcnn论文解读/

* 01 物体检测通用框架论文整体概述

* 02 MaskRcnn创新点介绍

* 03 网络结构分析

* 04 总结概述

* 09 物体检测框架-MaskRcnn项目介绍与配置/

* 01 Mask-Rcnn开源项目简介

* 02 开源项目数据集

* 03 参数配置

* 10 MaskRcnn网络框架源码详解/

* 01 FPN层特征提取原理解读

* 02 FPN网络架构实现解读

* 03 生成框比例设置

* 04 基于不同尺度特征图生成所有框

* 05 RPN层的作用与实现解读

* 06 候选框过滤方法

* 07 Proposal层实现方法

* 08 DetectionTarget层的作用

* 09 正负样本选择与标签定

* 10 RoiPooling层的作用与目的

* 11 RorAlign操作的效果

* 12 整体框架回顾

* 11 基于MASK-RCNN框架训练自己的数据与任务/

* 01 Labelme工具安装

* 02 使用labelme进行数据与标签标注

* 03 完成训练数据准备工作

* 04 maskrcnn源码修改方法

* 05 基于标注数据训练所需任务

* 06 测试与展示模块

* 12 练手小项目-人体姿态识别demo/

* 01 COCO数据集与人体姿态识别简介

* 02 网络架构概述

* 03 流程与结果演示

* 13 物体检测基础算法（熟悉的同学略过）/

* 01 物体检测概述

* 02 深度学习经典检测方法

* 03 faster-rcnn概述

* 04 论文解读

* 05 RPN网络结构

* 06 损失函数定义

* 07 网络细节

* 14 对抗生成网络架构原理与实战解析/

* 01 对抗生成网络通俗解释

* 02 GAN网络组成

* 03 损失函数解释说明

* 04 数据读取模块

* 05 生成与判别网络定义

* 15 CycleGan图像融合论文解读/

* 01 CycleGan论文整体概述

* 02 论文涉及知识点简介

* 03 损失函数公式分析

* 04 Cycle架构分析与目标函数定义

* 05 论文总结概述

* 16 基于CycleGan开源项目实战图像合成/

* 01 CycleGan网络所需数据

* 02 CycleGan整体网络架构

* 03 PatchGan判别网络原理

* 04 Cycle开源项目简介

* 05 数据读取与预处理操作

* 06 生成网络模块构造

* 07 判别网络模块构造

* 08 损失函数：identity loss计算方法

* 09 生成与判别损失函数指定

* 10 额外补充：VISDOM可视化配置

* 17 超分辨率重构论文与项目解读/

* 01 论文概述

* 02 网络架构

* 03 数据与环境配置

* 04 数据加载与配置

* 05 生成模块

* 06 判别模块

* 07 VGG特征提取网络

* 08 损失函数与训练

* 09 测试模块

* 18 图像风格转换论文实战/

* 01 风格转换原理解读

* 02 风格生成网络结构原理

* 03 风格生成网络细节

* 04 风格转换效果展示

* 05 参数解释与配置

* 06 数据加载

* 07 特征提取网络

* 08 网络训练

* 09 视频与图像测试模块

* 19 图像自动修复论文实战/

* 01 论文概述

* 02 网络架构

* 03 细节设计

* 04 论文总结

* 05 数据与项目概述

* 06 参数基本设计

* 07 网络结构配置

* 08 网络迭代训练

* 09 测试模块

* 20 补充-迁移学习与Resnet网络架构/

* 01 迁移学习的目标

* 02 迁移学习策略

* 03 Resnet原理

* 04 Resnet网络细节

* 05 Resnet基本处理操作

* 06 shortcut模块

* 07 加载训练好的权重

* 08 迁移学习效果对比

* 21 结课考试/

* 01 结课考试