/awesome-DeepLearning

深度学习入门课、资深课、特色课、学术案例、产业实践案例、深度学习知识百科及面试题库The course, case and knowledge of Deep Learning and AI

Primary LanguageJupyter NotebookApache License 2.0Apache-2.0

一、项目简介

本项目是一站式深度学习在线百科,内容涵盖零基础入门深度学习产业实践深度学习特色课程深度学习百问产业实践(开发中) 等等。从理论到实践,从科研到产业应用,各类学习材料一应俱全,旨在帮助开发者高效地学习和掌握深度学习知识,快速成为AI跨界人才。

  • 内容全面:无论您是深度学习初学者,还是资深用户,都可以在本项目中快速获取到需要的学习材料。

  • 形式丰富 :材料形式多样,包括可在线运行的notebook、视频、书籍、B站直播等,满足您随时随地学习的需求。

  • 实时更新:本项目中涉及到的代码均匹配Paddle最新发布版本,开发者可以实时学习最新的深度学习任务实现方案。

  • 前沿分享 :定期分享顶会最新论文解读和代码复现,开发者可以实时掌握最新的深度学习算法。

快速跳转:

零基础入门深度学习​⤵️ 产业实践深度学习⤵️
特色系列课程⤵️ 经典深度学习案例集⤵️
深度学习百问⤵️ 面试宝典⤵️

二、零基础实践深度学习

返回快速跳转:arrow_heading_up:

三、 深度学习百问

深度学习百问包含深度学习基础篇、深度学习进阶篇、深度学习应用篇、强化学习篇以及面试宝典,详细信息请参阅Paddle知识点文档平台

四、特色课- Transformer系列

章节名称 notebook链接 Python实现 课程简介
经典的预训练语言模型 notebook链接 Python实现 本章节将为大家详细介绍NLP领域 Transformer。Transformer的前世今生,包括ELMo,GPT,Transformer,BERT等经典模型,还会介绍Transformer在机器翻译里面的应用
经典的预训练语言模型 notebook链接 Python实现 本章节将为大家详细介绍NLP领域 Transformer。Transformer的前世今生,包括ELMo,GPT,Transformer,BERT等经典模型,还会介绍Transformer在机器翻译里面的应用
预训练模型在自然语言理解方面的改进 notebook链接 Python实现 ERNIE, RoBERTa, KBERT,清华ERNIE等,在广度上去分析经典预训练模型的一些改进。
预训练模型在长序列建模方面的改进 notebook链接 Python实现 Transformer-xl, xlnet, longformer等,分析BERT和transformer的长度局限,并讨论这些方法的改进点。
BERT蒸馏 notebook链接 Python实现 本章节为大家详细介绍了针对BERT模型的蒸馏算法,包括:Patient-KD、DistilBERT、TinyBERT、DynaBERT等模型,同时以代码的形式为大家展现了如何使用DynaBERT的训练策略对TinyBERT进行蒸馏。
预训练模型的瘦身策略 – – 高效结构 notebook链接 Python实现 本章节将为大家>详细介绍NLP领域,基于Transformer模型的瘦身技巧。包括 Electra,AlBERT 以及 performer。还会介绍代码实现案例:基于Electra的语音识别后处理中文标点符号预测
transformer在图像分类中的应用 notebook链接 Python实现 本章>节将为大家详细介绍 Transformer 在 CV 领域中的两个经典算法:ViT 以及 DeiT。带领大家一起学习Transformer 结构在图像分类领域的具体应用。

返回快速跳转:arrow_heading_up:

五、 经典深度学习案例集(开发中)

返回快速跳转:arrow_heading_up:

六、 飞桨产业实践

领域 产业案例 介绍
智能工业 厂区传统仪表统计监测 -
智能工业 新能源汽车锂电池隔膜质检 -
智能工业 天池铝材表面缺陷检测 -
智能工业 安全帽检测 -
智慧城市 高尔夫球场遥感监测 -
智慧城市 积雪语义分割 -
智慧城市 戴口罩的人脸识别 -
智慧交通 车道线分割和红绿灯安全检测 -
智慧农林 耕地地块识别
智慧农林 AI识虫 -
智慧医疗 医学常见中草药分类 -
智慧医疗 眼疾识别 -
其他 人摔倒检测 -
其他 足球比赛动作定位 -
其他 基于强化学习的飞行器仿真 -
其他 基于ERNIE-Gram实现语义匹配 -

返回快速跳转:arrow_heading_up:

七、技术交流

非常感谢您使用本项目。您在使用过程中有任何建议或意见,可以在 Issue 上反馈给我们,也可以通过扫描下方的二维码联系我们,飞桨的开发人员非常高兴能够帮助到您,并与您进行更深入的交流和技术探讨。



八、许可证书

本项目的发布受Apache 2.0 license许可认证。

九、贡献内容

本项目的不断成熟离不开各位开发者的贡献,如果您对深度学习知识分享感兴趣,非常欢迎您能贡献给我们,让更多的开发者受益。

本项目欢迎任何贡献和建议,大多数贡献都需要你同意参与者许可协议(CLA),来声明你有权,并实际上授予我们有权使用你的贡献。

代码贡献规范

pip install pre-commit

pre-commit install

添加修改的代码后,对修改的文件进行代码规范,pre-commit 会自动调整代码格式,执行一次即可,后续commit不需要再执行。提交pr流程,详见:awesome-DeepLearning 提交 pull request 流程