深度学习课程
这个仓库是 2023 年秋季学期深度学习课程的补充资料。上一次课程请访问 spring branch
每周的讲座和实践资料都在 ./week* 文件夹中。你可以在本地或在 Google Colab 上完成所有作业(详见每周文件夹中的 readme 文件)。
基本信息
课程大纲
-
week01 深度学习介绍
- 讲座:深度学习 -- 介绍、反向传播算法、自适应优化方法
- 研讨会:使用 numpy 实现神经网络
- 作业 1 发布!
- 请开始担心安装 pytorch。你下周会需要它!
-
week02 深度学习技巧综合讲座
- 讲座:深度学习作为一种语言,dropout,批量/层归一化,其他技巧,深度学习框架
- 作业 2 发布!
- 研讨会:PyTorch 基础
-
week03 卷积神经网络
- 讲座:计算机视觉任务,卷积和池化层,卷积网络架构,数据增强
- 研讨会:训练你的第一个卷积网络
(待更新)
贡献者和课程工作人员
课程资料由
- Victor Lempitsky - 主线讲座视频(1-11)
- Victor Yurchenko - 介绍笔记本,管理工作
- Vadim Lebedev - 笔记本,管理工作
- Dmitry Ulyanov - 生成模型和自编码器笔记本
- Fedor Ratnikov - pytorch 和 nlp 笔记本,一次额外的讲座
- Oleg Vasilev - 笔记本,技术问题解决
- Arseniy Ashukha - 图像标题资料
- Mikhail Khalman - 变分自编码器资料
- 许多错误得到了修复,课程资料得到了学生和志愿者的改进,见 PR authorship