欢迎大家关注有三AI的视频课程系列，我们的视频课程系列共分为5层境界，内容和学习路线图如下：
第1层：掌握学习算法必要的预备知识，包括Python编程，深度学习基础，数据使用，框架使用。
第2层：掌握CV算法最底层的能力，包括模型设计基础，图像分类，模型分析。
第3层：掌握CV算法最核心的方向，包括图像分割，目标检测，图像生成，目标跟踪。
第4层：掌握CV算法最核心的应用，包括人脸图像，图像质量，视频分析，图像编辑。
第5层：掌握算法落地的关键技术，包括模型优化，模型部署。
其中部分课程的主体内容已经更新完毕，比如数据使用/模型分析/图像分类/图像分割/目标检测/图像生成/视频分类/模型部署；部分课程正在重制更新中，比如模型优化；部分课程正在计划上线中，比如图像编辑，请大家及时关注！
最新的完整介绍如下：
【视频课】超全深度学习路线图，有三AI所有免费与付费的视频课程内容汇总！
本次给大家介绍的课程内容是《深度学习之模型分析》，目标是帮助大家掌握好深度学习模型分析的常用方法。
深度学习模型使用的门槛虽然低，但模型参数多，网络结构复杂，模型结构的设计以及训练过程中超参数的调试，都非常依赖于经验。
结果不好，是数据的问题还是模型的问题，往往分析起来比较困难。如果是数据问题，那到底是什么问题？如果只凭经验，没有很科学的分析工具，仍然会有盲人摸象的感觉。因此为了能够更好地进行研究和实践，对模型进行相关的分析是非常重要的。
为了帮助初学者深入掌握模型分析相关知识，有三AI推出了《深度学习之模型分析》系列课程，目前已完成3小时精炼的理论课与实践课程，并还将继续更新，为学员深入掌握深度学习模型分析相关方法以及实践打下基础。
子欲掌握模型，学会对模型进行分析是必学的基础！我们这一门课期望帮大家彻底搞定模型分析的学习问题！下面请听课程的详细介绍！
本课程内容包括模型分析的几个重要方向的理论与实践（基于Pytorch），已有时长大概3个小时，下面是当前课程的大纲脑图：
(1) 模型可视化：涵盖了深度学习模型可视化的几个重要且实用的方向，如模型结构可视化、模型权重可视化、模型特征可视化，激活热图可视化，后续还会增加其他可视化技术等，每一部分内容都是理论+实践。我们会非常详细地讲解算法中的细节，帮助彻底消化算法原理；
(2) 复杂度分析。重点讲解FLOPs，MAC等模型复杂度指标的理论计算，以及若干自动化统计工具的使用。
(3) 速度分析。重点讲解Pytorch模型速度分析API以及相关插件的使用。
以下是一些案例截图：
下面简单了解一下各部分的内容：
(1) 模型结构与权重可视化，包括常见的模型结构可视化工具，模型权重可视化方法，约30分钟，本部分内容可以免费收听。
(2) 模型反卷积可视化，包括反卷积可视化方法原理详解与实践，约70分钟。
(3) 激活热图可视化，包括激活热图可视化方法原理详解与实践，约50分钟。
(4) 模型复杂度分析，包括理论FLOPS，MAC计算，若干pytorch模型复杂度分析工具，约20分钟。
(5) 模型速度分析，包括Pytorch框架中的速度分析API以及对应插件使用，约20分钟。
以上就是本课程已经更新的内容，学习完本课程你将掌握：主流的模型分析算法与Pytorch相关的模型分析工具。后续还会增加的内容包括（除了Pytorch框架外的其他框架的模型分析工具，模型训练调试工具等）。
龙鹏，笔名言有三，技术社区《有三AI》创始人。先后就读于华中科技大学(2008-2012)，中国科学院半导体研究所神经网络实验室(2012-2015)，先后就职于奇虎360人工智能研究院(2015.7-2017.5)，陌陌科技深度学习实验室(2017.5-2019.3)，深度学习算法专家，阿里云MVP，华为云MVP。
拥有超过7年的计算机视觉从业经验，拥有丰富的传统图像算法和深度学习计算机视觉项目经验，著有书籍《深度学习之图像识别：核心技术与案例实战》(机械工业出版社2019.4)，《深度学习之模型设计：核心算法与案例实践》(电子工业出版社2020.6)，《深度学习之人脸图像处理：核心算法与案例实战》(机械工业出版社2020.7)，《深度学习之摄影图像处理：核心算法与案例精粹》(人民邮电出版社2021.4)，拥有10余项发明技术专利与学术论文。
擅长领域：Caffe，Tensorflow，Pytorch等主流深度学习平台。神经网络与深度学习理论，深度学习模型设计与优化，计算机视觉的基础领域，AI美学，2D与3D人脸算法，生成对抗网络GAN等领域。
订阅本课程的方法有两个：
其一：单独订阅《深度学习之模型分析》专栏，本专栏定价为99，随着后续内容增加可能会进行价格调整，感兴趣的请提前订阅，链接如下：
其二：参加有三AI-CV秋季划-模型优化组，可以获得4套模型设计与优化部署相关的课程与1套数据使用课程，包括《深度学习之模型设计-理论实践篇》，《深度学习之模型分析-理论实践篇》，《深度学习之模型优化-理论实践篇》，《深度学习之模型部署-移动端与服务端》，《深度学习之数据使用-理论实践篇》，了解课程目录可以扫码：
季划的介绍如下：
