HyperDL-Tutorial 是一个深度学习相关的系列文章,总结了在深度学习实践中的一些经验。
今天
分享给大家的是一份GitHub标星1.3k+的深度学习教程,号称是理论与实践的完美结合,内容由浅入深,非常适合深度学习新手不过,这套教程并不适合还没有入门的0基础AI小白,每个章节中的所附内容还是以GitHub上的开源代码地址和相关论文为主,想看懂还是需要一定的研究基础。
GitHub地址:https://github.com/zeusees/HyperDL-Tutorial
可爱的读者你可能会想,标星才1.3K,也没见得有多么高的热度呢!!!我是标星318时开始关注这个项目的,见证了HyperDL-Tutorial如何在网上走红,是一份名副其实的理论与实践的深度学习清单。
本教程涉及的内容有:
  1. 常见深度学习框架
  2. 基础网络
  3. 神经网络的优化
  4. 模型之间的转换
  5. 适用于移动端的框架
  6. 神经网络的设计
  7. 神经网络的适用场景
  8. 基础网络的训练
  9. 相关面试题
  10. 对抗蒸馏
这只是一级目录,每个目录下有大量的外部链接。(采用这种方式的主要原因是目前GitHub基本都具有较为丰富的训练测试代码,我们的目的主要是想将高效的网络推荐给大家,包括涉及的一些训练tricks)
比如"基础网络的训练"这个章节,作者给出了9种高效网络:
1.MobileNet(分类网络)

2.MnasNet(分类网络)

3.MTCNN(单一物体检测网络)

4.MobileNet-SSD(Single Shot 物体检测网络)

5.CTPN(文字定位网络)

6.insightface(人脸识别网络)

7.VanillaCNN(人脸关键点回归网络)

8.YOLO-V3(通用物体检测网络)

9.DeepOCR(文字识别网络)

针对每个模型给出了详细的源代码和训练使用教程,
在深度学习在图像领域的应用这一节,作者总结了在视觉领域一些方向上基于深度学习的优秀算法。
传送门:https://github.com/zeusees/HyperDL-Tutorial
记得收藏~
继续阅读
阅读原文