Tài nguyên
Học theo slide Deep Learning – Computer Vision: bản đồ bài học
Học theo slide Deep Learning – Computer Vision – NLP? Bảng đối chiếu từng nhóm trang với bài học trên HọcFree, kèm các chỗ slide sai đã đính chính.
Bài viết về Deep Learning
Học AI & Lập trình
Tổng quan Deep Learning cho Computer Vision
ML khác DL ở đâu, ảnh xám và ảnh màu được biểu diễn bằng con số ra sao, và ba bài toán cốt lõi của Computer Vision: phân loại, phát hiện, phân vùng.
Học AI & Lập trình
Từ Linear Classifier đến Neural Network
Từ hàm điểm f(x) = Wx + b: trọng số “nhìn” thấy gì, vì sao bắt buộc cần hàm kích hoạt và cách nhiều neuron ghép thành mạng nơ-ron sâu.
Học AI & Lập trình
Loss function và optimizer: SGD, Momentum, RMSProp, Adam
MAE, MSE, Huber, cross-entropy; batch, mini-batch SGD; Momentum, Adagrad, RMSProp, Adam với công thức đúng và thí nghiệm PyTorch kiểm chứng.
Học AI & Lập trình
Backpropagation: lan truyền ngược qua ví dụ tính tay
Quy tắc chuỗi, đồ thị tính toán, upstream và local gradient: tính tay gradient của f = (x + y)z, tự cài mạng 2 lớp bằng NumPy, đối chiếu autograd.
Học AI & Lập trình
PyTorch: 7 bước huấn luyện một mạng phân loại ảnh
Tensor, Dataset, DataLoader, model, loss, optimizer, vòng lặp train/validate/test: pipeline huấn luyện phân loại ảnh CIFAR-10 hoàn chỉnh từ đầu.
Học AI & Lập trình
CNN: phép tích chập, padding, stride và pooling
Vì sao mạng fully connected không hợp với ảnh, tích chập trên ảnh nhiều kênh, công thức kích thước đầu ra và số tham số lớp Conv, kèm ví dụ số.
Học AI & Lập trình
Batch Normalization, Dropout và Receptive Field
BatchNorm khác nhau thế nào lúc train và lúc suy luận, Dropout chống overfitting ra sao, cách tính receptive field và các mẫu sắp xếp lớp CNN.
Học AI & Lập trình
Các kiến trúc CNN kinh điển: LeNet, AlexNet, VGG, ResNet
Hành trình ImageNet: mỗi kiến trúc giải quyết vấn đề gì, ý tưởng cốt lõi, số tham số, độ chính xác và cách dùng mô hình pretrained trong torchvision.
Học AI & Lập trình
Vanishing/Exploding gradient và khởi tạo trọng số
Vì sao mạng sâu khó huấn luyện: sigmoid và ReLU, khởi tạo Xavier/He đúng công thức qua thí nghiệm 10 lớp, gradient clipping và checklist khi loss NaN.
Học AI & Lập trình
Transfer Learning và Data Augmentation khi có ít dữ liệu
Feature extractor hay fine-tune? Chọn chiến lược theo kích thước và độ tương đồng dữ liệu, kèm kỹ thuật tăng cường ảnh với torchvision.
Học AI & Lập trình
GAN – Mạng đối sinh: cho máy tính tự “vẽ” ảnh
Generator và Discriminator đấu trí ra sao, hàm minimax, huấn luyện DCGAN bằng PyTorch, mode collapse và các biến thể cGAN, pix2pix, CycleGAN.
Học AI & Lập trình
Hàm mất mát cho phân loại: cross-entropy, class weight, focal loss
Hiểu softmax và cross-entropy bằng con số cụ thể, vì sao dữ liệu ít ảnh NG làm mô hình lười, và cách xử lý bằng trọng số lớp hoặc focal loss trong PyTorch.
Học AI & Lập trình
PyTorch: lưu checkpoint và huấn luyện tiếp sau khi bị gián đoạn
Checkpoint cần model, optimizer, scheduler và epoch. Thí nghiệm chứng minh huấn luyện tiếp cho kết quả y hệt, cùng lỗi weights_only của torch.load từ bản 2.6.
Học AI & Lập trình
Diffusion model hoạt động thế nào? Tự cài đặt DDPM bằng NumPy
Lịch nhiễu, công thức nhảy thẳng tới bước t, mạng học đoán nhiễu và vòng lặp sinh ảnh 1000 bước của DDPM, minh họa bằng NumPy với các con số chạy được.
Học AI & Lập trình
Mạng nơ-ron và CNN hoạt động thế nào: neuron, tích chập, pooling
Hiểu neuron, hàm kích hoạt, tích chập, pooling, feature map, receptive field và tự tính số tham số lớp Conv bằng NumPy, kiểm tra lại với PyTorch.
Học AI & Lập trình
Dataset, DataLoader và augmentation cho ảnh công nghiệp với PyTorch
Viết Dataset đọc ảnh OK/NG bằng OpenCV, dùng DataLoader, cân bằng lớp bằng WeightedRandomSampler và chọn augmentation không làm sai nhãn ảnh công nghiệp.
Học AI & Lập trình
Chọn ngưỡng mô hình AI theo escape, overkill và đo cycle time đúng cách
Vẽ đường PR và ROC, chọn ngưỡng theo ràng buộc lọt lỗi rồi tối thiểu loại nhầm, xây golden set có phiên bản để nghiệm thu và đo cycle time p99.
Học AI & Lập trình
Anomaly detection với PaDiM và PatchCore: học từ ảnh OK
Tự cài PaDiM và PatchCore trên ảnh tổng hợp: bản đồ bất thường, AUROC, coreset, ngưỡng chỉ từ ảnh OK và những trường hợp anomaly detection thất bại.
Học AI & Lập trình
Tăng tốc suy luận: đo đúng cách, ONNX Runtime, INT8, TensorRT, OpenVINO
Đo p50/p99 đúng cách, chỉnh luồng và tối ưu đồ thị, lượng tử hóa INT8 bằng ONNX Runtime và đánh giá bằng escape/overkill, chọn runtime theo phần cứng.
Kiến thức
PyTorch, TensorFlow, ONNX, OpenVINO, TensorRT: học gì trước?
Vai trò của framework huấn luyện và runtime triển khai trong vòng đời một dự án AI Vision, cùng gợi ý thứ tự học.
Tài nguyên
Sách và khóa học Computer Vision, Deep Learning miễn phí, hợp pháp
Dive into Deep Learning, Understanding Deep Learning, Szeliski, CS231n và thứ tự học gợi ý từ nền tảng đến chuyên sâu.
Kiến thức
Rule-based hay Deep Learning: chọn cách nào cho bài toán kiểm tra lỗi?
Bảng tiêu chí và hàm chấm điểm, thí nghiệm luật phân ngưỡng so với CNN nhỏ, thiết kế hybrid có cổng kiểm tra và cách ước lượng chi phí dữ liệu.
Học AI & Lập trình
U-Net cho phân đoạn ảnh: tự cài bằng PyTorch với Dice loss
Encoder, decoder, skip connection, U-Net nhỏ bằng PyTorch, vì sao cần Dice loss cho vết lỗi nhỏ, huấn luyện và báo cáo Dice, escape, overkill.
Học AI & Lập trình
Khi thiếu ảnh lỗi: augmentation, cắt dán lỗi và dữ liệu tổng hợp
Cắt dán lỗi thật lên ảnh OK bằng alpha và seamlessClone, sinh nhãn YOLO tự động, lỗi thủ tục, domain gap và đánh giá trung thực trên ảnh thật.
Học AI & Lập trình
OCR bằng Deep Learning: PaddleOCR, EasyOCR và cách chọn so với Tesseract
Hiểu phát hiện chữ và nhận dạng chữ (DBNet, CRNN, CTC), tự huấn luyện mô hình nhỏ, dùng EasyOCR, PaddleOCR 3.x và so sánh độ chính xác, thời gian.
Học AI & Lập trình
Dự án: phân loại ảnh OK/NG bằng transfer learning PyTorch, xuất ONNX
Tinh chỉnh ResNet18 với ít ảnh: đóng băng rồi mở băng, augmentation an toàn, chọn ngưỡng theo escape, ma trận nhầm lẫn, xuất ONNX và so khớp kết quả.
Kiến thức
Overfitting và chia train/val/test không rò rỉ: đọc đường loss, tìm ảnh trùng
Nhận biết quá khớp qua loss train/val, chia dữ liệu theo lô và ngày, tìm ảnh trùng bằng dHash, đo hiệu quả dropout, augmentation, early stopping.
Học AI & Lập trình
PyTorch cơ bản: tensor, autograd và vòng lặp huấn luyện 4 bước
Tensor trên CPU/GPU, chuyển ảnh OpenCV sang tensor, autograd và zero_grad, nn.Module, vòng lặp 4 bước huấn luyện CNN OK/NG, lưu nạp state_dict an toàn.
Kiến thức
Generative AI là gì? GAN, diffusion, LLM và ứng dụng cho kỹ sư
Các họ mô hình tạo sinh chính, ứng dụng thực tế trong Vision và tự động hóa, cùng những giới hạn cần biết.