LEARNDO / HỌC QUA VIỆC LÀM
Mở một bài, làm theo ví dụ nhỏ, rồi thử trên dữ liệu của bạn. Giải thích vừa đủ để hiểu mình đang làm gì.
Phân đoạn ảnh / 20 phút đọc
Theo lộ trình ·
Chuyên sâu · Thực hành nâng cao
Viết đầu phân lớp pointwise, đối chiếu với phép nhân ma trận và kiểm tra vì sao một logit chỉ đọc một vị trí trên bản đồ đặc trưng.
Mở bài hướng dẫnPhân đoạn ảnh / 20 phút đọc
Theo lộ trình ·
Chuyên sâu · Thực hành nâng cao
Quan sát chín vị trí lấy mẫu của tích chập giãn, kiểm tra kích thước đầu ra và ghép nhiều tỉ lệ thành một mô-đun ngữ cảnh nhỏ.
Mở bài hướng dẫnPhân đoạn ảnh / 20 phút đọc
Theo lộ trình ·
Chuyên sâu · Thực hành nâng cao
Tự xây bốn mức pooling, phục hồi kích thước và kiểm tra rằng một giá trị ngữ cảnh toàn cục truyền gradient đến mọi vị trí.
Mở bài hướng dẫnPyTorch · Học sâu / 18 phút đọc
Theo lộ trình ·
Chuyên sâu · Trung cấp
Tạo một mô hình có cơ chế đã biết, tính Grad-CAM từ feature map và đối chiếu bản đồ nhiệt với mức giảm logit khi xóa từng vùng.
Mở bài hướng dẫnPyTorch · Học sâu / 22 phút đọc
Theo lộ trình ·
Chuyên sâu · Trung cấp
Tự dựng t-SNE nhỏ, kiểm tra phân phối xác suất và so hai seed để thấy lân cận có thể được giữ trong khi khoảng cách toàn cục biến dạng.
Mở bài hướng dẫnYOLO · Phát hiện đối tượng / 18 phút đọc
Theo lộ trình ·
Chuyên sâu · Trung cấp
Mã hóa hộp theo anchor, tối ưu bốn offset bằng Smooth L1 và kiểm tra vùng gradient bằng không của IoU khi hai hộp chưa giao nhau.
Mở bài hướng dẫnPyTorch · Học sâu / 8 phút đọc
Theo lộ trình ·
Chuyên sâu · Đã đọc các bài nền tảng trong cùng chủ đề
Tự tổng hợp cross-entropy theo số target hợp lệ và kiểm tra cả batch chỉ chứa ignore_index.
Mở bài hướng dẫnPyTorch · Học sâu / 8 phút đọc
Theo lộ trình ·
Chuyên sâu · Đã đọc các bài nền tảng trong cùng chủ đề
Tạo target one-hot, trộn với phân bố đều và kiểm tra loss thủ công khớp label_smoothing của PyTorch.
Mở bài hướng dẫnPyTorch · Học sâu / 25 phút đọc
Theo lộ trình ·
Chuyên sâu · Thực hành · Python và PyTorch
Bạn sẽ tính gradient theo ảnh đầu vào để xem những vùng ảnh hưởng đến điểm dự đoán. Bài giải thích cách đọc và giới hạn của bản đồ này.
Mở bài hướng dẫnPyTorch · Học sâu / 18 phút đọc
Theo lộ trình ·
Chuyên sâu · Trung cấp
Chứng minh và kiểm tra tích lũy gradient bằng ba lô có 3, 4 và 6 mẫu, rồi chỉ ra lỗi chia loss đều theo số lô.
Mở bài hướng dẫnPyTorch · Học sâu / 18 phút đọc
Theo lộ trình ·
Chuyên sâu · Trung cấp
Đo underflow, sai số lượng tử và overflow bằng các phép ép kiểu CPU để hiểu giới hạn của FP16, BF16 và loss scaling.
Mở bài hướng dẫnPyTorch · Học sâu / 8 phút đọc
Theo lộ trình ·
Chuyên sâu · Đã đọc các bài nền tảng trong cùng chủ đề
Đối chiếu loss của PyTorch với hai cách lấy trung bình thủ công để phát hiện lỗi chuẩn hóa trọng số.
Mở bài hướng dẫn
