| description | cover | coverY | layout | ||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
最好的学习方式便是安装配置好后自己动手尝试，遇到问题查英文官网上的官方文档，遇到报错查Google解决 |
../.gitbook/assets/hujunyao_Convolutional_modules_of_size_CxHxW_cuboids_convolutio_b883522d-ed6a-429f-99dc-4638e414e957.webp |
0 |
|
- TensorFlow
- PyTorch
- MXNet：
- 动手学深度学习视频课程，李沐（分类、分割、检测等均有实现实例，质量非常高）
- 动手学深度学习教科书，李沐
- 学习TensorFlow、Pytorch、MXNet中的至少一个；
- 安装配置基于Ubuntu + CUDA + CuDNN + Anaconda的深度学习环境，配置相关源以加速相关包的安装，安装相应的深度学习框架并测试；
- 使用ssh或pycharm、VScode等编译器的远程调试功能，在后台远程连接实验室服务器；
- 编写代码实现以下任务：
- 实现CIFAR10数据集分类，使用resnet50框架，体会有/无预训练模型的差异；
- 实现SD-198皮肤病数据集分类（注意数据读取效率），并以普通Resnet 50分类器为baseline提出三种改进策略，观察结果并分析有效性；
- 训练Faster Rcnn （任意数据集），并在任意图像上测试；
- 实现基本的生成式对抗网络，利用celebA数据集生成人脸图像，基于该基准，按照最近提出的方法继续改进。