深度学习进阶:CNN、RNN、正则化与训练调参实战
从 MLP 走向深度学习的进阶实战:CNN 卷积网络结构、RNN/LSTM 序列建模、Dropout/BatchNorm/数据增强正则化、优化器演进(SGD/Adam)、学习率调度、迁移学习,PyTorch 训练 CIFAR 全流程。
tag
从 MLP 走向深度学习的进阶实战:CNN 卷积网络结构、RNN/LSTM 序列建模、Dropout/BatchNorm/数据增强正则化、优化器演进(SGD/Adam)、学习率调度、迁移学习,PyTorch 训练 CIFAR 全流程。
在深度学习落地过程中,模型体积与推理延迟往往是最大的拦路虎。一个经过充分训练的 ResNet-50 FP32 模型约有 98 MB,而大型语言模型的参数规模更是以 GB 甚至 TB 计。
1. TensorRT 简介 TensorRT 是 NVIDIA 推出的高性能深度学习推理 SDK,核心目标是将训练好的模型转化为能够在 NVIDIA GPU 上高效执行的推理引擎。与基于 PyTorch、TensorFlow 的原生推理相比,TensorRT 通过层融合(Layer Fusion)
在 CUDA C++ 应用开发中,开发者很少从零编写核函数。NVIDIA 官方提供了一套经过深度优化的加速库,覆盖线性代数、深度学习、信号处理、并行算法等核心场景。这套库不仅性能卓越,而且经过大量生产环境验证。
CNN 卷积神经网络全解析:卷积/池化/全连接、经典网络 LeNet 到 EfficientNet、目标检测基础、数据增强与迁移学习
为有编程基础的学习者设计 12 个月机器学习学习计划,覆盖数学基础、Python、经典算法、深度学习、项目实践、工具选择、评估方法和求职作品集。