本项目《动手学CV-Pytorch版》是Datawhale:whale:CV小组近期开始推动的一个重点项目。受启发于李沐老师的《动手学深度学习》,我们旨在构建一个以Pytorch为框架,强调动手实战的计算机视觉教程项目,帮助大家更好的学习。
项目大体上会分为3个阶段,循序渐进:
-
入门篇
主要面向刚入门的学习者,带你走进CV的世界。
-
中级篇
以动手实战的方式为主,通过案例带你对CV的各个细分领域有所了解。
-
高级篇
主要以paper笔记或教程的形式分享最新的研究,学无止境。
“for the learner,和学习者一起成长”是我们的愿景。
目前项目还处于初期:入门篇的开发阶段。如果热爱学习且认同Datawahle开源精神的你正好路过,不妨先点个:star:收藏一下吧,相信随着项目的推进,你我将互相见证彼此的进步。
没什么特别的,每一小节都配备了markdown教程,涉及实战的部分会有相应的代码。学就完事了~
为避免各位遇到GitHub的网络问题,教程中使用的图片均已上传到项目的markdown_imgs
目录下,并在md文件中使用类似![test img](../../markdown_imgs/test_img.jpg)
的相对路径进行引用
常见问题:
公式无法正常显示接近办法:部分理论较多的章节不可避免的会涉及公式,为了让公式正常显示,强烈建议安装chrome的MathJax Plugin for Github
插件。
以下是目录与代码更新进度
- 1. 预备知识
- 1.1 深度学习环境配置
- 1.2 Pytorch基础使用介绍
- 1.3 自动求梯度
- 1.4 线性回归-小试身手
- 2. 图片分类入门
- 2.1 数据读取与数据扩增
- 2.2 图像分类介绍
- 2.2.1 卷积神经网络基础
- 二维卷积层
- 填充和步幅
- 多输入通道和多输出通道
- 池化层
- 2.2.2 经典图像分类模型介绍(根据情况删减)
- LeNet
- AlexNet
- VGG
- 网络中的网络(NiN)
- 含并行连结的网络(GoogLeNet)
- 批量归一化(Batch Normalization)
- 残差网络(ResNet)
- 2.2.1 卷积神经网络基础
- 2.3 模型训练与验证
- 2.4.1 模型训练与调参
- 2.4.2 模型微调
- 2.4.3 模型保存与加载
- 2.4 模型集成
- 2.5 天池计算机视觉入门赛: SVHN数据集实战
持续更新中......
贡献者名单成员 | 介绍 | 个人主页 |
---|---|---|
安晟 | 一只普通的算法攻城狮 | CSDN博客, Github |
阿水 | 公众号:Coggle数据科学 | 知乎 |
王程伟 | 南昌航空大学研究生 | CSDN博客 |
张强 | 宁波大学计算机硕士 | Github |
伊雪 | 中电科网安研究院开发工程师 |