A detailed understanding of the YOLO model architecture
Background knowledge on the Object Detection problem domain
How to write code using TensorFlow 2.0
An essential skill for deep learning researchers: the ability to implement the latest research papers! Learn with YOLO implementation 😀
Implementing the latest papers, together with YOLO!
Many companies, when hiring deep learning researchers, prioritize experience implementing cutting-edge research papers . Gain hands-on experience implementing the YOLO (You Only Look Once) paper yourself.
Understanding the structure with YOLO paper + implementing it directly with TensorFlow 2.0!
After reading the YOLO paper together and fully understanding the YOLO structure✍️, Let's implement YOLO ourselves using TensorFlow 2.0.👨🏻💻
We'll read the YOLO paper (You Only Look Once: Unified, Real-Time Object Detection) and implement the YOLO model from scratch using TensorFlow 2.0 . We'll also create a cat detector using the implemented YOLO model.
✅ Player lectures
👋 This course requires prior knowledge of TensorFlow 2.0 and the fundamentals of deep learning. Please take the following courses first, or obtain equivalent knowledge before taking this course .
Đây không phải là một bài giảng hữu ích cho người mới bắt đầu. Ở đây, người mới bắt đầu đề cập đến những người chưa viết mã deep learning bằng mã loại chuyên gia.
Tôi nghĩ sẽ rất hữu ích nếu có thể viết mã deep learning, ít nhất là ở dạng chức năng, đồng thời có thể nhận và sử dụng một phần mã deep learning của người khác thông qua nhân bản git.
Tuy nhiên, tôi nghĩ nó sẽ hữu ích cho những người trước đây chưa tốt nghiệp ngành liên quan và đang nghĩ đến việc tự viết mã ở trường sau đại học hoặc những người muốn trải nghiệm nó hoặc nếu họ sẵn sàng xem xét nó một cách tổng thể và bổ sung thêm khi sự nghiệp của họ phát triển.
Bản thân chất lượng bài giảng chưa cao. Hầu hết các lời giải thích và tài liệu bài giảng không thân thiện hoặc chi tiết và chữ viết được thực hiện bằng chuột thay vì sử dụng bút Wacom hoặc những thứ tương tự. Tuy nhiên, do chưa có bài giảng thay thế nên có thế mạnh ở bài giảng triển khai luận điểm thành code.
Xin chào. Cảm ơn bạn đã dành thời gian tham gia lớp học này! Cảm ơn bạn đã đánh giá khóa học chi tiết. Chúng tôi sẽ cố gắng hết sức để tạo ra những bài giảng hài lòng hơn. chúc một ngày tốt lành!
Từ góc độ sử dụng học máy và học sâu trong lĩnh vực này, tôi nghĩ tôi có thể mở rộng sự nghiệp của mình từ một “nhà phát triển” bằng cách sử dụng các mô hình có cấu trúc tốt hiện có thành một “nhà nghiên cứu”. một bài giảng mở rộng khuôn khổ. Tôi có thể theo dõi các chi tiết toán học mà không bỏ sót chúng và tôi cũng có thể hiểu được quá trình dịch chúng thành mã triển khai thực tế.
Ngoài bài giảng này, tôi hy vọng sẽ giới thiệu các bài giảng bao gồm các bài báo tiêu biểu như BERT hoặc GPT, hoặc các kỹ thuật phát triển mô hình được biết đến rộng rãi.
Tôi đã nghe nó như một lộ trình. Trong bản ghi âm, giọng nói được ghi quá nhỏ. Chất lượng ghi âm (âm lượng) không nhất quán theo từng bài giảng nên hơi khó chịu khi nghe giảng, mong lần sau các bạn sẽ chú ý hơn nhé ^^
xin chào~. Trước hết, chúng tôi xin lỗi vì bất kỳ sự bất tiện nào gây ra trong suốt khóa học. Lần sau quay phim tôi sẽ để âm thanh to hơn một chút. Cảm ơn bạn đã dành thời gian tham gia lớp học! chúc một ngày tốt lành!
Xin chào. Cảm ơn bạn đã dành thời gian tham gia lớp học này! Chúng tôi sẽ cố gắng hết sức để tạo ra những bài giảng hài lòng hơn. chúc một ngày tốt lành!