# 深度学习

**Repository Path**: kukiy/nlp-learning

## Basic Information

- **Project Name**: 深度学习
- **Description**: 学习深度学习笔记仓库
- **Primary Language**: Python
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2023-04-19
- **Last Updated**: 2023-04-23

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# NLP学习

#### 介绍
学习NLP笔记仓库

#### 软件架构
Python and jatbrains DS

#### 学习目标

初级：科班毕业--机器学习深度学习的同学

- 能够从来源代码Pull下来换成自己的数据集，能够自己的数据集，能跑出个结果出来（包括环境配置，配置文件修该，模型训练，结果可视化）
- 从理论上理解模型工作的思想，知道重要的一些超参数思想，能够非常有信心调整它，并符合自己的预期效果。（比如比较检测模型中 anchor 大小、长宽比设置是否合理、正样本与负样本定义的阈值、学习率、批大小 等等，基础参数的设置）
- 深入理解模型的代码实现细节，能够为模型添加一些主流的提升性能的模块或者 tricks，能够分析修改前后模型的差异，并且能够映射到真是数据上去。另外，对模型的训练和推理过程了如指掌。（比如训练阶段，由gt ground truth 生成的正样本分布是什么样的，什么样对的gt生成的正样本偏少，什么样的gt生成的偏多。训练初期、中期、后期这些睁眼本是如何变化的，负样本如何变化，困难的正负样本长什么样，他们占比多少，对模型的影响是什么？什么样的正负样本可以参与训练，他们是怎么影响precision，recall，ap的各个loss怎样变化，等等细节）

中级：高新就业--相关领域就业

- 能够从来源代码Pull下来换成自己的数据集，能够自己的数据集，能跑出个结果出来（包括环境配置，配置文件修该，模型训练，结果可视化）

- 从理论上理解模型工作的思想，知道重要的一些超参数思想，能欧非常有信心调整它，并符合自己的预期效果。（比如比较检测模型中 anchor 大小、长宽比设置是否合理、正样本与负样本定义的阈值、学习率、批大小 等等，基础参数的设置）

- 能够根据自己的实际业务需求，拓展模型的功能，让模型能够做到更多事情。（比如在低算力条件下，应用部署设备上实现应用级别部署；在现有的模型上增加功能。）