标签:深度学习
共 18 篇
【课程总结】Day18：Seq2Seq的深入了解
深入剖析Seq2Seq模型的代码架构与核心逻辑，从Encoder、Decoder到数据处理，全面解读模型实现细节与运行流程。
【课程总结】Day17（下）：初始Seq2Seq模型
深入理解Seq2Seq模型结构、编码器解码器工作原理，附机器翻译Demo代码实践，掌握序列到序列转换的核心技术。
【课程总结】Day17（中）：LSTM及GRU模型简介
深入解析LSTM和GRU的门控机制与结构差异，附PyTorch代码示例，帮你选择适合的序列建模方案。
【课程总结】Day17（上）：NLP自然语言处理及RNN网络
深度学习NLP实战：基于PyTorch的汉字向量化、分词、词嵌入及RNN网络构建全流程，适合初学者入门。
【课程总结】Day15（下）：图像分割之旋转目标检测
深入解析YOLO OBB定向边界框技术，掌握旋转目标检测的数据格式与转换方法，提升航拍等场景的检测精度。
【课程总结】Day15（中）：图像分割之实例分割
深入理解实例分割与语义分割的区别，掌握YOLOv8实例分割代码实战，学习COCO数据集下载与FiftyOne可视化使用方法。
【课程总结】Day15（上）：图像分割之语义分割
深入讲解语义分割的像素级分类原理，剖析U-Net模型编码器-解码器结构、收缩路径与扩展路径，并提供PyTorch代码实践教程。
【课程总结】Day14：MTCNN过程的深入理解
深入解析MTCNN训练前的数据预处理过程，详解CelebA数据集标注格式与正负样本生成的核心逻辑。
【课程总结】Day13（下）：人脸识别和MTCNN模型
详解MTCNN人脸检测模型的三阶段级联网络(P-Net/R-Net/O-Net)，深入理解图像金字塔、NMS非极大值抑制等核心模块在人脸定位中的应用原理。
