深度学习基础课:课程介绍
深度学习基础课:课程介绍
大家好~我开设了“深度学习基础班”的线上课程,带领同学从0开始学习全连接和卷积神经网络,进行数学推导,并且实现可以运行的Demo程序
线上课程资料:
本节课录像回放
扫码加QQ群,获得ppt等资料,与群主交流讨论:
本系列文章为线上课程的复盘,每上完一节课就会同步发布对应的文章
本文为第一节课:课程介绍的复盘文章
本课程系列文章如下所示:
- Real-time Neural Radiance Caching for Path Tracing论文中,提出了使用深度学习实现辐照度缓存,从而加快路径追踪的渲染速度
- 高清分辨率的纹理
在NeuMIP: Multi-Resolution Neural Materials论文中,提出了使用深度学习实现高清分辨率的纹理
技术栈
- Rescript
Rescript以前叫Reasonml,它跟Typescript类似,都属于编译到Javascript的语言
Rescript是从Ocaml而来,基于函数式编程范式,高度优化了编译后的Javascript,性能非常好,非常适合像深度学习这种处理数据的场景
Rescript的学习资料为:
官方文档
课程特色
- 零基础上手学习
- 从0开始
- 进行数学推导
- 实现可以运行的Demo程序
学员收益
- 掌握深度学习的数学推导
- 获得深度学习的实战经验
- 了解深度学习在图形学中的应用
课程大纲
本课程从0开始,不使用任何框架,重点学习在“图像识别”、“降噪”领域的应用
课程内容包括:
- 课程介绍
- 实现“判断性别”Demo
- 推导前向传播和梯度下降
- 基于全连接层实现“识别手写数字”Demo
- 基于卷积神经网络实现“判断性别”Demo
- 基于卷积神经网络实现“识别手写数字”Demo
- 实现优化算法
- 实现LeNet
- 实现AlexNet
- 实现图像识别Demo
- 实现多个Backend
- 基于卷积神经网络实现“降噪”Demo
相关的学习资源
- 深度学习如何入门?
- 零基础入门深度学习
- 深度学习
- 《动手学深度学习》
- 吴恩达深度学习视频
- Neural Networks and Deep Learning