深度學習基礎課：課程介紹
深度學習基礎課：課程介紹
大家好~我開設了「深度學習基礎班」的線上課程，帶領同學從0開始學習全連接和卷積神經網路，進行數學推導，並且實現可以運行的Demo程式
線上課程資料：
本節課錄像回放
掃碼加QQ群，獲得ppt等資料，與群主交流討論：
本系列文章為線上課程的復盤，每上完一節課就會同步發布對應的文章
本文為第一節課：課程介紹的復盤文章
本課程系列文章如下所示：
課程介紹
「判斷性別」Demo需求分析和初步設計（上）
為什麼要學習深度學習？
我主要關注在圖形學中的應用，在「深度學習和圖形學渲染的結合和應用」 中總結了深度學習在圖形學中的部分應用。
具體來說應用包括下面幾個方面：
- 降噪
如上圖所示，左邊為路徑追蹤生成的有噪點的場景圖片，右邊為經過深度學習降噪後的清晰圖片
降噪主要使用深度學習中的卷積神經網路，這也是本課程會重點學習的
在最新的論文中，已經實現了10ms降噪，從而可以用在實時渲染的全局光照中了！
- 神經渲染
具體說就是2D圖片轉成3D場景
比如Google之前發布的3D地圖，就是使用了該技術。它先從多個角度拍攝街道，然後通過深度學習中的NeRF將其轉換為可從任意視角觀看的3D模型
- 語義影像合成
深度學習通過GAN網路，可以將「我的世界」這種體素構成的3D場景，轉換為三角面構成的3D場景，從而可以實現玩家在遊戲中既可以像我的世界那樣，通過操作體素的方式自定義世界，又可以切換到真實渲染模式（三角面組成的3D場景）查看渲染精美的3D場景
- 輻照度快取
在Real-time Neural Radiance Caching for Path Tracing論文中，提出了使用深度學習實現輻照度快取，從而加快路徑追蹤的渲染速度
- 高清解析度的紋理
在NeuMIP: Multi-Resolution Neural Materials論文中，提出了使用深度學習實現高清解析度的紋理
技術棧
- Rescript
Rescript以前叫Reasonml，它跟Typescript類似，都屬於編譯到Javascript的語言
Rescript是從Ocaml而來，基於函數式編程範式，高度優化了編譯後的Javascript，性能非常好，非常適合像深度學習這種處理數據的場景
Rescript的學習資料為：
官方文檔
課程特色
- 零基礎上手學習
- 從0開始
- 進行數學推導
- 實現可以運行的Demo程式
學員收益
- 掌握深度學習的數學推導
- 獲得深度學習的實戰經驗
- 了解深度學習在圖形學中的應用
課程大綱
本課程從0開始，不使用任何框架，重點學習在「影像識別」、「降噪」領域的應用
課程內容包括：
- 課程介紹
- 實現「判斷性別」Demo
- 推導前向傳播和梯度下降
- 基於全連接層實現「識別手寫數字」Demo
- 基於卷積神經網路實現「判斷性別」Demo
- 基於卷積神經網路實現「識別手寫數字」Demo
- 實現優化演算法
- 實現LeNet
- 實現AlexNet
- 實現影像識別Demo
- 實現多個Backend
- 基於卷積神經網路實現「降噪」Demo
