最全面的深度学习笔记

笔记视频：

Pytorch 视频讲解【主讲人：土堆】【对应笔记：100-122】

https://www.bilibili.com/video/BV1hE411t7RN?spm_id_from=333.337.search-card.all.click

深度学习视频讲解【主讲人：李沐】【对应笔记：200-268】

https://space.bilibili.com/1567748478/channel/seriesdetail?sid=358497

深度学习视频讲解【主讲人：吴恩达】【对应笔记：300-354】

https://www.bilibili.com/video/BV1FT4y1E74V?spm_id_from=333.337.search-card.all.click&vd_source=c9745e4447536b28b2b0735071d30bd6

土堆&李沐&吴恩达数据集：

链接：https://pan.baidu.com/s/1jQQ8WyCZUJED0eWMeuXYVg 提取码：7vfm

补充说明：数据集链接如果失效了，下面有微信，可以联系我。

笔记备注：

在线观看笔记时，有时会出现图片（或公式）显示不完整，这是Github网站没有解析好，笔记下载到本地观看就正常了。（不会下载笔记的，百度查一下"Github如何下载文件"。）
Pycharm 的 Jupyter Notebook 打开笔记时，图片不会正常显示，笔记是用 Anaconda 的 Jupyter Notebook 打开的。（不会打开笔记的，百度查一下"Anaconda如何打开Jupyter Notebook文件"，或者我的主页Python仓库里面"00_Python编辑器"里面有写。）
安装 Jupyter Notebook 的目录插件，可以快速通过目录，跳转到相应的章节，如下图所示。（不会安装目录的，百度查一下"Jupyter Notebook如何安装目录"，或者我的主页Python仓库里面"00_Python编辑器"里面有相关链接。）

更多笔记：

我的Github主页，还有其他优秀视频的笔记，希望能帮助到你~

https://github.com/AccumulateMore

我的知乎主页，还有其他领域的笔记，希望能帮助到你~

https://www.zhihu.com/people/bao-bei-ru-huai

我的哔哩哔哩, 大模型、多模态笔记【手把手教你做科研更新ing】，希望能帮助到你~

https://www.bilibili.com/video/BV1xM4m1m7vA/?spm_id_from=333.999.0.0&vd_source=c9745e4447536b28b2b0735071d30bd6

"♥我的笔记，希望对你有帮助♥"

♥小声哔哔：你的star，是我更新的动力~♥

搭建交流群，帮助孤单的自学者交流

【深度学习学习交流①群】	【深度学习学习交流②群】	微信

超过200人，扫码入群方式失效，只能微信好友邀请入群。

看人之短，无一可交之人。看人之长，天下皆是吾师。

备注：好友申请时，声明目的，需要我提供什么服务

备注	备注	备注
需要论文辅导（研0研1免费，半年掌握三年知识）	要进学习交流群	要数据集
需要技术指导（一两个月足够了，从零基础到中级）	需要实习（可开实习证明）	......
需要商业级项目（快速从0到1，节约大量时间，不走弯路）	指导改简历（从面试官角度出发）	......

帮你们就业，有意向的可以投简历

备注：初学者也可以根据市场上就业需求，去学习自己

联影医疗地点(可选)：上海、北京、深圳、武汉、广州、成都、西安、沈阳、三亚等

联影简介：2022年上市千亿公司，科创板最大IPO，在国家号召自主研发高端医疗器械背景下，发展前景十分广阔。

内推人：联影老员工

岗位职责【图像方向】：

参与联影集团产品的AI算法开发工作或图形算法开发工作，负责下列至少一项工作：

负责提供产品级高端算法解决方案，包括：联影通用软件平台、联影高级应用后处理工作站、联影智能uAl平台、联影机器人手术规划与导航、MR/CT/RT/MI/US事业部的算法需求、科研院所和医院的前瞻性研究项目等；参与创新技术的产品化工作。
医学图像3D渲染算法和应用维护与开发，利用图像处理和人工智能技术，从事医学图像处理领域相关算法的设计和研发。

任职要求：

熟悉机器视觉原理，熟悉以下领域之一：3D重建、立体视觉、SLAM、通用图像视频分类、目标检测、人体姿态估计。
熟悉以下医学图像后处理算法之一：图形算法、重建算法、分割算法、检测算法、分类算法、配准算法、深度学习算法、流体力学算法、灌注算法、纹理分析算法等。

岗位职责【语音方向】：

负责音频信号处理和识别相关算法的研究和实现，包含但不限于回声消除、麦克风阵列、盲源分离等技术。
负责深度学习、神经网络等AI音频算法的研究和实现。

任职要求：

扎实的数学理论及数字信号处理基础，掌握Matlab及C/C++语言编程。
有语音、音频信号处理(降噪，回声消除、麦阵、音效等)相关经验。
有深度学习、神经网络、智能语音识别相关研究。

岗位职责【大模型方向】：

负责大语言模型方面的算法开发、优化、应用落地。
负责相应AI解决方案设计，参与关键技术研发，攻关技术难点。
负责设计和实现大语言模型相关的算法和模型实现，研究并设计新是算法和模型，解决大语言模型应用问题。
负责开发和优化大语言模型的训练过程，设计并实现大语言模型的训练算法和策略，配置和优化训练的超参数和计算资源，保证模型的训练效果和效率。
负责构建和管理大规模医疗文本数据集，用于模型预训练和微调，完成不用场景下的下游任务。
负责进行大语言模型的评估和验证，设计评估指标和实验;设计和实施评估指标和实验，对训练好的大语言模型进行性能评估和分析。识别模型的弱点和改进空间，提出相应的改进策略和方法。
参与高校、科研、医疗机构科研合作，协助科研成果落地转化。

任职要求：

具有机器学习、自然语言处理、医学影像分析，或相关领域的学习和研究。
有预训练大语言模型或GPT模型等相关研究开发经验。
在机器学习(ICML，NeurlPS、ICLR等)、计算机视觉(CVPR、ICCV、ECCV等)、自然语言处理(ACL，EMNLP等)和医疗影像分析(MICCAI、IPMI)等顶级会议，或者顶级期刊(IEEE T-PAMI，IEEE TMI、Medical lmage Analysis)发表过相关论文。
具有人工智能相关专业(计算机视觉、机器学习、医疗图像分析等)硕士及以上学位。
能熟练使用英语。

补充：能内推简历的，也可以联系我，把岗位职责、任职要求发给我【你收公司内推奖金、ta们就业，双赢】。

想学习商业级项目的，下面商业级项目可以学习，与大量求职者卷一卷，提高核心竞争力。

商业项目	商业项目	商业项目	商业项目
人脸识别与管理系统	车牌识别与管理系统	手势识别系统	人脸面部活体检测系统
目标检测与自动标注系统	人脸表情识别系统	行人跌倒检测系统	PCB板缺陷检测系统
安全帽检测系统	生活垃圾分类系统	火焰烟雾检测系统	路面坑洞检测系统
钢材表面缺陷检测系统	肺炎诊断系统	面部口罩检测系统	西红柿成熟度检测系统
血细胞检测计数系统	舰船分类检测系统	吸烟行为检测系统	水稻害虫检测系统
交通标志检测系统	行人追踪计数系统	车辆追踪计数系统	脑肿瘤检测系统
无人机视角检测系统	裂缝检测分析系统	水下海生物检测系统	草莓成熟度检测系统
条形码检测系统	交通信号灯检测系统	金属品瑕疵检测系统	链条缺陷检测系统
螺栓螺母检测系统	焊缝缺陷检测系统	水果质量检测系统	非机动车头盔检测系统
水果检测识别系统	蔬菜检测系统	高密度人脸检测系统	肾结石检测系统
反光衣检测预警系统	人员闯入报警系统	玉米病害检测系统	橙子病害识别系统
木薯病害识别预防系统	野火烟雾检测系统	路面坑洞检测分割系统	遥感地面物体检测系统
田间杂草检测系统	葡萄病害识别系统	车牌检测识别系统	草莓病害检测分割系统
车辆行人追踪系统	水稻病害识别系统	中草药识别系统	车辆行人检测系统

备注	备注	备注
项目带数据集	可以训练模型	有可视化UI界面
可以发软著（保研、拿国奖等）	简历可以多个项目经历	快速从0到1，节省大量时间

2021年我硕士毕业时，【简历】技能书写，可以借鉴

用了几个技巧，分享给大家：

技能只写掌握了XX，没掌握不要写，掌握且更熟练的放前面，掌握但不熟练的放后面。
写掌握某项技能时，后面要论证自己真的掌握了，提供相关经历，方便面试官切入询问。
围绕算法岗展开技能阐述，从编程语言、到深度学习框架、到图像处理算法、服务器数据库存储图像等。
只写岗位需要的技能，与算法岗不需要的硬件知识、组织能力等不要写，让简历更高匹配算法岗。
掌握一种类别技能，只占一行，不要有的两行、有的一行，看着不整齐。
面试官及HR会看着感觉整齐、可信、岗位匹配度高。

要知道，很多大公司HR经常一天要看几百份，甚至上千份简历，基本都是10秒内看一份简历。

就是这关键的10秒，HR就决定了是进入面试还是PASS。

我已经指导过上千位同学，即使市场大环境不好，很多同学都入职各家公司成功了。

金九内推第一名	银十内推第一名	2024内推第一名

字节offer	腾讯offer	快手offer

小红书offer	深信服offer	小米offer

一起沾沾喜气，好运是可以传染的~

个人经验：成功没有捷径，该走的路一步都不能少走。成功最快的方式，就是节约时间、不走弯路。

找到有结果的人，学习ta的经验方法，自己瞎折腾一年，几个星期就可以搞定。

真正的高手，从不纠缠于解决问题，而是升高维度让问题不会发生，让问题自动消失。

"♥我们读书是为了成为提灯人去照亮黑暗，而不是为了自己有灯而沾沾自喜还要去吹灭别人的蜡烛♥"

Name		Name	Last commit message	Last commit date
Latest commit History 364 Commits
100_配置版本.ipynb		100_配置版本.ipynb
101_Pytorch安装.ipynb		101_Pytorch安装.ipynb
102_Python两大法宝.ipynb		102_Python两大法宝.ipynb
103_Pytorch加载数据.ipynb		103_Pytorch加载数据.ipynb
104_Tensorboard使用.ipynb		104_Tensorboard使用.ipynb
105_Transforms使用.ipynb		105_Transforms使用.ipynb
106_torchvision数据集使用.ipynb		106_torchvision数据集使用.ipynb
107_Dataloader使用.ipynb		107_Dataloader使用.ipynb
108_nn.Module模块使用.ipynb		108_nn.Module模块使用.ipynb
109_卷积原理.ipynb		109_卷积原理.ipynb
110_卷积层.ipynb		110_卷积层.ipynb
111_最大池化层.ipynb		111_最大池化层.ipynb
112_非线性激活.ipynb		112_非线性激活.ipynb
113_线性层及其他层.ipynb		113_线性层及其他层.ipynb
114_搭建小实战和Sequential使用.ipynb		114_搭建小实战和Sequential使用.ipynb
115_损失函数与反向传播.ipynb		115_损失函数与反向传播.ipynb
116_优化器.ipynb		116_优化器.ipynb
117_网络模型使用及修改.ipynb		117_网络模型使用及修改.ipynb
118_网络模型保存与读取.ipynb		118_网络模型保存与读取.ipynb
119_完整模型训练套路.ipynb		119_完整模型训练套路.ipynb
120_利用GPU训练.ipynb		120_利用GPU训练.ipynb
121_完整模型验证套路.ipynb		121_完整模型验证套路.ipynb
122_查看开源项目.ipynb		122_查看开源项目.ipynb
200_深度学习介绍.ipynb		200_深度学习介绍.ipynb
201_配置版本.ipynb		201_配置版本.ipynb
202_数据操作、数据预处理.ipynb		202_数据操作、数据预处理.ipynb
203_线性代数.ipynb		203_线性代数.ipynb
204_矩阵计算.ipynb		204_矩阵计算.ipynb
205_自动求导.ipynb		205_自动求导.ipynb
206_线性回归、优化算法.ipynb		206_线性回归、优化算法.ipynb
207_Softmax回归、损失函数、分类.ipynb		207_Softmax回归、损失函数、分类.ipynb
208_多层感知机.ipynb		208_多层感知机.ipynb
209_模型选择、过拟合、欠拟合.ipynb		209_模型选择、过拟合、欠拟合.ipynb
210_权重衰退.ipynb		210_权重衰退.ipynb
211_丢弃法.ipynb		211_丢弃法.ipynb
212_数值稳定性、模型初始化、激活函数.ipynb		212_数值稳定性、模型初始化、激活函数.ipynb
213_Kaggle房价预测.ipynb		213_Kaggle房价预测.ipynb
214_PyTorch神经网络基础.ipynb		214_PyTorch神经网络基础.ipynb
215_使用购买GPU.ipynb		215_使用购买GPU.ipynb
216_卷积层.ipynb		216_卷积层.ipynb
217_卷积层里的填充和步幅.ipynb		217_卷积层里的填充和步幅.ipynb
218_卷积层里的多输入多输出通道.ipynb		218_卷积层里的多输入多输出通道.ipynb
219_池化层.ipynb		219_池化层.ipynb
220_经典神经网络LeNet.ipynb		220_经典神经网络LeNet.ipynb
221_深度卷积神经网络AlexNet.ipynb		221_深度卷积神经网络AlexNet.ipynb
222_使用块的网络VGG.ipynb		222_使用块的网络VGG.ipynb
223_网络中的网络NiN.ipynb		223_网络中的网络NiN.ipynb
224_合并行连接的网络GoogLeNet.ipynb		224_合并行连接的网络GoogLeNet.ipynb
225_批量归一化.ipynb		225_批量归一化.ipynb
226_残差神经网络ResNet.ipynb		226_残差神经网络ResNet.ipynb
227_深度学习硬件CPU和GPU.ipynb		227_深度学习硬件CPU和GPU.ipynb
228_深度学习硬件TPU和其他.ipynb		228_深度学习硬件TPU和其他.ipynb
229_单机多卡并行.ipynb		229_单机多卡并行.ipynb
230_多GPU训练实现.ipynb		230_多GPU训练实现.ipynb
231_分布式训练.ipynb		231_分布式训练.ipynb
232_数据增广.ipynb		232_数据增广.ipynb
233_微调.ipynb		233_微调.ipynb
234_实战Kaggle比赛图像分类CIFAR10.ipynb		234_实战Kaggle比赛图像分类CIFAR10.ipynb
235_实战Kaggle比赛狗的品种识别ImageNetDogs.ipynb		235_实战Kaggle比赛狗的品种识别ImageNetDogs.ipynb
236_物体检测和数据集.ipynb		236_物体检测和数据集.ipynb
237_锚框.ipynb		237_锚框.ipynb
238_树叶分类竞赛技术总结.ipynb		238_树叶分类竞赛技术总结.ipynb
239_物体检测算法R-CNN、SSD、YOLO.ipynb		239_物体检测算法R-CNN、SSD、YOLO.ipynb
240_SSD实现.ipynb		240_SSD实现.ipynb
241_语义分割和数据集.ipynb		241_语义分割和数据集.ipynb
242_转置卷积.ipynb		242_转置卷积.ipynb
243_转置卷积是一种卷积.ipynb		243_转置卷积是一种卷积.ipynb
244_全连接卷积神经网络FCN.ipynb		244_全连接卷积神经网络FCN.ipynb
245_样式迁移.ipynb		245_样式迁移.ipynb
246_序列模型.ipynb		246_序列模型.ipynb
247_文本预处理.ipynb		247_文本预处理.ipynb
248_语言模型.ipynb		248_语言模型.ipynb
249_循环神经网络RNN.ipynb		249_循环神经网络RNN.ipynb
250_循环神经网络RNN的实现.ipynb		250_循环神经网络RNN的实现.ipynb
251_门控循环单元GRU.ipynb		251_门控循环单元GRU.ipynb
252_长短期记忆网络LSTM.ipynb		252_长短期记忆网络LSTM.ipynb
253_深层循环神经网络.ipynb		253_深层循环神经网络.ipynb
254_双向循环神经网络.ipynb		254_双向循环神经网络.ipynb
255_机器翻译数据集.ipynb		255_机器翻译数据集.ipynb
256_编码器解码器架构.ipynb		256_编码器解码器架构.ipynb
257_序列到序列学习seq2seq.ipynb		257_序列到序列学习seq2seq.ipynb
258_束搜索.ipynb		258_束搜索.ipynb
259_注意力机制.ipynb		259_注意力机制.ipynb
260_注意力分数.ipynb		260_注意力分数.ipynb
261_使用注意力机制的seq2seq.ipynb		261_使用注意力机制的seq2seq.ipynb
262_自注意力.ipynb		262_自注意力.ipynb
263_Transformer.ipynb		263_Transformer.ipynb
264_BERT预训练.ipynb		264_BERT预训练.ipynb
265_BERT微调.ipynb		265_BERT微调.ipynb
266_目标检测竞赛总结.ipynb		266_目标检测竞赛总结.ipynb
267_优化算法.ipynb		267_优化算法.ipynb
268_课程总结和进阶学习.ipynb		268_课程总结和进阶学习.ipynb
300_配置版本.ipynb		300_配置版本.ipynb
301_课程1_第1周_深度学习概述.ipynb		301_课程1_第1周_深度学习概述.ipynb
302_课程1_第2周a_神经网络基础之逻辑回归.ipynb		302_课程1_第2周a_神经网络基础之逻辑回归.ipynb
303_课程1_第2周b_神经网络基础之Python与向量化.ipynb		303_课程1_第2周b_神经网络基础之Python与向量化.ipynb
304_课程1_第3周_浅层神经网络.ipynb		304_课程1_第3周_浅层神经网络.ipynb
305_课程1_第4周_深层神经网络.ipynb		305_课程1_第4周_深层神经网络.ipynb
306_课程1_第1周_测验题.ipynb		306_课程1_第1周_测验题.ipynb
307_课程1_第2周_测验题.ipynb		307_课程1_第2周_测验题.ipynb

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

Repository files navigation

最全面的深度学习笔记

About

Releases

Packages

Languages

AccumulateMore/CV

Folders and files

Latest commit

History

Repository files navigation

最全面的 深度学习 笔记

About

Topics

Resources

Stars

Watchers

Forks

Releases

Packages 0

Languages

最全面的深度学习笔记

Packages