🧠 图像分类 · 模型搭建指南
📚 30章 从入门到工业实战
✨ 友好 · 全彩目录
01
课程导论与深度学习基础
图像分类
发展简史
学习路径
02
环境配置与工具链
Anaconda
PyTorch
CUDA/cuDNN
Jupyter
03
Python数据科学基础速通
NumPy
Matplotlib
Pandas
04
PyTorch核心概念
张量
自动求导
GPU加速
05
数据加载与预处理
torchvision
DataLoader
数据增强
06
线性回归与逻辑回归
线性回归
逻辑回归
二分类
07
多层感知机(MLP)
激活函数
网络层
前/反向传播
08
损失函数与优化器
交叉熵
MSE
SGD/Adam
学习率调度
09
卷积神经网络(CNN)基础
卷积操作
池化层
感受野
10
经典CNN架构(一)
LeNet-5
AlexNet
VGGNet
11
经典CNN架构(二)
GoogLeNet
ResNet
DenseNet
12
模型训练实战(一)
CIFAR-10
训练循环
保存/加载
13
模型训练实战(二)
过拟合/欠拟合
Dropout
早停法
14
迁移学习与微调
预训练模型
特征提取
全模型微调
15
图像增强高级技巧
Cutout
MixUp
CutMix
AutoAugment
16
模型评估与调优
混淆矩阵
Precision/Recall
ROC
超参数搜索
17
可视化与可解释性
特征图
Grad-CAM
t-SNE
18
轻量化模型设计
MobileNet
ShuffleNet
EfficientNet
19
注意力机制
SENet
CBAM
ViT
20
目标检测入门(一)
边界框/IoU
NMS
21
目标检测入门(二)
YOLO
SSD
Faster R-CNN
22
图像分割入门
语义/实例分割
U-Net
FCN
23
生成对抗网络(GAN)基础
GAN原理
DCGAN
模式崩溃
24
自监督学习与对比学习
SimCLR
MoCo
BYOL
25
模型部署与ONNX
ONNX导出
ONNX Runtime
TensorRT
26
分布式训练基础
数据并行
模型并行
DDP
27
实验管理与日志
TensorBoard
W&B
MLflow
28
Kaggle竞赛实战
Titanic
猫狗大战
竞赛技巧
29
工业级项目实战
人脸识别
缺陷检测
医学图像
30
课程总结与前沿展望
当前挑战
多模态/大模型
学习资源