V
主页
京东 11.11 红包
言有三2023年新书,《深度学习之模型优化:核心算法与案例实践》
发布人
本书是深度学习模型使用系列书籍中的第二本,内容上承前启后。本书是在该系列第一本书《深度学习之模型设计》的基础上讲解更深入的模型设计与压缩方法。 第1章 引言 本章对人工智能技术发展的重要要素,数据、模型、框架、硬件进行了介绍,充足的数据配合优秀的模型才能学习到复杂的知识,框架和硬件则是完成模型学习不可或缺的软硬件设施,希望读者能够在阅读本章内容后,充分认识到人工智能本质上是一门综合性的工程技术。 第2章 模型性能评估 本章介绍了常用的模型性能评估指标,包括参数量、计算量、内存访问、计算速度等,最后介绍了工业界的一个模型压缩相关竞赛。 第3章 模型可视化 本章系统性地介绍了模型可视化的内容,包括模型结构可视化、参数与特征可视化、输入区域可视化以及激活模式可视化,通过掌握相关原理和3个典型的实践案例,我们可以更深入地理解模型的性能表现以及参数细节,从而为设计和改进模型结构提供指导思想。 第4章 轻量级模型设计 本章系统性地介绍了当下轻量级模型设计的方法,包括卷积核的使用和设计、卷积拆分与分组设计、参数与特征重用设计、动态自适应模型设计、卷积乘法操作的优化和设计、重参数化技术、新颖算子设计、低秩稀疏化技术。通过在一开始就使用轻量级的基础模型架构,可以大大减少后续对其进一步进行模型压缩与优化的工作量,因此这也是本书中非常核心的内容。 第5章 模型剪枝 本章介绍了模型剪枝的主要算法理论与实践,主要包括模型稀疏正则化技术,非结构化模型剪枝与结构化模型剪枝等算法,最后通过案例实践让读者掌握结构化模型剪枝中原始模型的训练与训练后的稀疏裁剪。 第6章 模型量化 本章介绍了模型量化的主要算法理论与实践,主要包括1bit量化,对称与非对称的8bit量化,混合量化等算法,最后通过案例实践让读者掌握对称的8bit量化方法代码实现以及基于TensorRT框架的模型量化与推理流程。 第7章 迁移学习与知识蒸馏 本章介绍了模型蒸馏的主要算法理论与实践,主要包括基于优化目标与结构匹配的模型蒸馏算法,最后通过案例实践让读者掌握经典的知识蒸馏框架的模型训练,比较学生模型在蒸馏前后的性能变化。 第8章 自动化模型设计 本章介绍了自动化模型设计中神经网络结构搜索技术,主要包括基于栅格搜索的神经网络搜索方法,基于强化学习的神经网络搜索方法,基于进化算法的神经网络搜索方法,可微分神经网络搜索方法。自动化模型设计是难度较高的工程技术,也是模型设计与压缩的最终发展形态。 第9章 模型优化与部署工具 本章介绍了当下工业界常用的开源模型优化和部署工具,主要包括Tensorflow、PaddlePaddle、Pytorch生态相关的模型优化工具,各类通用的移动端模型推理框架以及ONNX标准与NVIDIA的模型优化与部署工具TensorRT,并基于NCNN框架在嵌入式硬件上进行了部署实战。熟练掌握好模型优化与部署工具,是深度学习算法工程师的必修课,本章内容可供大家作为入门参考,更加系统的模型部署内容,将在本系列书籍的下一本中进行讲解。 详细内容请大家直接阅读书籍。本书内容由浅入深,讲解图文并茂,紧随工业界和学术界的最新发展,理论和实践紧密结合,给出了大量的图表与案例分析。本书抛开了过多的数学理论,完整地剖析了模型压缩与优化的主流技术,不是只停留于理论的阐述和简单的结果展示,更是从夯实理论到完成实战一气呵成。相信读者跟随着本书进行学习,将会对深度学习领域的模型压缩技术有更深的理解。 购买签名版请移步:https://pcpgm.xetlk.com/s/1hmgx1
打开封面
下载高清视频
观看高清视频
视频下载器
言有三2023年新书,《深度学习之图像识别:核心算法与实战案例(全彩版)》,内容覆盖数据使用,图像分类、图像分割、目标检测,模型的可视化、模型的优化和部署
【3D点云+三维重建】最好出论文的研究方向,博导带你从零解读两大方向的核心算法PointNet与NeuralRecon!赶紧收藏
深度学习之图像分类:多标签图像分类(第4.1节-基本概念)
深度学习之图像分类:多标签图像分类(第4.2节-解决方案)
深度学习之图像分割:语义分割模型改进(第3.4节-CRF)
【有三AI中阶-模型算法组】如何跟随有三AI学习模型分析、设计、优化与部署相关的算法
深度学习之GAN图像生成:数据增强与仿真GAN(第7节)
【课程合集】如何掌握好深度学习计算机视觉核心理论与实践(分类分割检测图像生成GAN模型设计+赠送有三AI知识星球)
计算机视觉领域新突破!YOLOv11奠定YOLO模型之王地位,将重新定义AI的可能性!
深度学习第6课:最优化算法(学习率,SGD,Adam,Momentum,NAG等)
【人工神经网络】03 从零开始搭建一个人工神经网络(反向传播算法)
深度学习之图像分割:弱监督语义分割基础(第4节)
深度学习第10课:模型设计之动态网络
【人工神经网络】【准确率:93.03%】04 从零开始搭建一个人工神经网络(训练+测试)
深度学习之数据使用:Pytorch图像分类数据增强实践-数据增强接口介绍(第5.1节)
深度学习之数据使用:Pytorch图像分类数据增强实践-实验结果(第5.2节)
深度学习第3课:计算机视觉研究方向与应用(图像分类、目标检测、图像分割、目标识别、目标跟踪、图像质量分析、图像降噪与修复、图像增强、图像去模糊、图像超分辨、图)
深度学习之模型分析—理论实践篇(搞定CNN模型可视化、模型参数分析,这一门课就够了)
深度学习之图像分割—理论实践篇(搞定语义分割、实例分割、Image Matting,这一门课就够了)
深度学习第11课:深度生成模型之自编码器与变分自编码器
深度学习第10课:模型设计之网络宽度和深度设计
【有三AI实战】从零实现原生Pytorch安卓端图像分类模型部署
深度学习之图像翻译GAN-图像翻译与风格迁移基础(第1节)
深度学习第1课:人工智能简介(发展简史,重要应用,研究方法)
深度学习之模型部署
深度学习之图像分类:半监督与无监督图像分类(第5.2节-半监督分类模型)
超全超简单!一口气学完CNN、RNN、GAN、GNN、DQN、Transformer、LSTM、DBN等八大深度学习神经网络算法!存下吧,真的比啃书快多了!!
【人工神经网络】01 从零开始搭建一个人工神经网络
深度学习实践课1:从零完成人脸表情分类任务
深度学习第11课:GAN优化目标设计与改进(LSGAN,WGAN,EBGAN,BEGAN,Relativeistic GAN等)
深度学习之图像分类:细粒度图像分类(第3.3节-弱监督模型)
深度学习之图像分割:图像分割基础(第1节)
深度学习之图像生成GAN:StyleGAN v1详解(第5.1节)
【122集付费教程】一口气从零到精通八大深度学习神经网络:CNN、RNN、GAN、GNN、DQN、Transformer、LSTM!
深度学习之数据使用:数据获取方法(第1节)
【直播回放】深度卷积神经网络模型设计技术
Transformer模型原理精讲:Swin、VIT、DETR、BERT四大Transformer核心模型全详解!(深度学习/计算机视觉)
深度学习之图像分类与识别—理论实践篇(搞定图像分类与识别,这一门课就够了)
深度学习之数据使用:数据标注(第3节)
深度学习计算机视觉项目实战:EnlightenGAN图像增强