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.
Nội dung bài viết
Bạn đang học theo bộ slide "Deep Learning – Computer Vision – NLP" của Thang Nguyen và Viet Nguyen (kênh youtube.com/@vietnh1009) và muốn có lời giải thích chi tiết, code chạy được cho từng slide? Bài này là "bản đồ": mỗi nhóm trang trong slide ứng với bài học nào trên HọcFree, kèm danh sách những chỗ slide gốc bị sai hoặc đã lỗi thời và đã được đính chính.
Cách dùngMở slide bên cạnh, học theo đúng thứ tự trang. Đến nhóm trang nào thì đọc bài học tương ứng ở bảng dưới. Các bài trong cột bài học nằm trong chặng của lộ trình Trở thành Vision Engineer (có mục tiêu, bài tập, đánh dấu đã học); các bài đọc sâu đi sâu vào đúng nội dung slide, nhiều ví dụ tính tay và số liệu kiểm chứng.
Bộ slide gồm những gì?
Slide có 162 trang, chia 6 phần theo mục lục ở trang 2:
- Deep Learning: tổng quan về Deep Learning.
- Neural Network: cấu trúc của mạng nơ-ron, loss, gradient descent, optimizer, backpropagation, PyTorch.
- Convolutional Neural Network: cấu trúc của CNN.
- Image Classification: các kiến trúc CNN, vấn đề gradient, khởi tạo trọng số, transfer learning, augmentation.
- Object Detection: bài toán định vị đối tượng, IoU, NMS, mAP, họ R-CNN.
- Other topics: Image Segmentation, GANs (chỉ có trong mục lục, slide không đi vào chi tiết).
Bản đồ: trang slide → bài học
Mọi nhóm trang trong slide đều có ít nhất một bài học trong lộ trình (C10, C11, C12 là chặng 10 Deep Learning, chặng 11 AI Vision, chặng 12 Detection / Segmentation / Anomaly Detection). Cột "Đọc sâu" là bài viết bám sát từng slide, nằm ở mục Đọc thêm của chặng tương ứng.
| Trang | Nội dung slide | Bài học trong lộ trình | Đọc sâu |
|---|---|---|---|
| 1–8, 60–61 | ML và DL, hệ thống thị giác người và máy, ba bài toán, ảnh xám và ảnh màu, dataset | C10 · Machine Learning là gì? (mục Deep Learning cho Computer Vision) | Tổng quan DL cho CV |
| 9–23, 115 | Linear classifier, trực quan hóa trọng số, neuron sinh học và nhân tạo, hàm kích hoạt, kiến trúc mạng, forward pass, mạng sâu, định lý xấp xỉ vạn năng | C10 · Mạng nơ-ron và CNN hoạt động thế nào | Từ Linear Classifier đến Neural Network |
| 24–45 | Loss MAE, MSE, Huber, cross-entropy; gradient; GD và các biến thể; learning rate; local minima, saddle, ravine; Momentum, Adagrad, RMSProp | C10 · Gradient descent từ đầu với NumPy, Loss function và các optimizer | Cross-entropy và focal loss |
| 46–58 | Chain rule, backpropagation f = (x + y)z, upstream/local gradient, quá trình học, parameters và hyperparameters | C10 · Backpropagation: lan truyền ngược | – |
| 59, 62–76 | Tiền xử lý, 7 bước PyTorch, tensor, ảnh sang tensor, dataset có sẵn, ImageFolder, custom Dataset, DataLoader, model, loss, optimizer, train | C10 · PyTorch cơ bản, Dataset, DataLoader và augmentation | PyTorch: 7 bước huấn luyện |
| 77–90 | Hạn chế của mạng FC, kiến trúc CNN, tích chập, khối nhiều kênh, nhiều filter, conv 1×1, công thức kích thước, ưu điểm conv, pooling, CNN cho văn bản | C10 · Mạng nơ-ron và CNN hoạt động thế nào | CNN: tích chập, padding, stride, pooling |
| 91–105 | Internal covariate shift, BatchNorm, các kiểu normalization, Dropout, mẫu sắp xếp lớp, receptive field, dilated và depthwise conv | C10 · BatchNorm, Dropout và receptive field | – |
| 106–117 | Thiết kế CNN, ImageNet, LeNet, AlexNet, VGG, ResNet | C10 · Các kiến trúc CNN kinh điển | – |
| 118–131 | Vanishing/exploding gradient, ReLU và biến thể, Swish, khởi tạo zero/random/Xavier/He, gradient clipping | C10 · Vanishing gradient, khởi tạo trọng số | – |
| 132–140 | Transfer learning (feature extractor, fine-tune, cách chọn), data augmentation | C10 · Dataset, DataLoader và augmentation, dự án phân loại OK/NG bằng transfer learning | Transfer Learning và Data Augmentation |
| 141–147 | Classification và detection, một và nhiều đối tượng, sliding window, selective search | C12 · Từ R-CNN đến Faster R-CNN (mục Trước R-CNN) | Object Detection cơ bản |
| 152–154 | IoU, NMS, mAP | C12 · IoU, mAP: đánh giá Object Detection | Object Detection cơ bản |
| 148–151, 155–162 | R-CNN, bounding box regression, Fast R-CNN, RoI Pooling, Faster R-CNN, anchor, RPN, 4 loss, so sánh | C12 · Từ R-CNN đến Faster R-CNN, rồi Object Detection với YOLO26 | – |
| 2 (mục 06) | Image Segmentation | C12 · Phân đoạn ảnh: semantic, instance, panoptic, U-Net cho phân đoạn ảnh | Image Segmentation: FCN, U-Net, DeepLab, Mask R-CNN |
| 2 (mục 06) | GANs | C11 · GAN – mạng đối sinh | – |
Những chỗ slide gốc cần đính chính
Khi kiểm chứng từng ví dụ bằng PyTorch, các điểm sau trong slide sai hoặc đã lỗi thời. Các bài học tương ứng đã ghi rõ phiên bản đúng:
| Trang | Slide ghi | Đúng là |
|---|---|---|
| 11 | Điểm "ship" = 61.95 | 60.75 (hình gốc quên cộng bias −1.2) |
| 45 | Công thức RMSProp dùng (1−γ)·g²(t−1) + γ·g(t) dưới căn | Trung bình động E[g²] = γ·E[g²] + (1−γ)·g², rồi chia learning rate cho căn của E[g²] cộng ε |
| 70 | Tạo biến dataset nhưng truyền imagenet_data vào DataLoader | Hai tên biến phải trùng nhau; ImageNet cũng không tự tải về được |
| 81 | Ví dụ stride 2: ô thứ hai bằng 1 | −4 (đã kiểm chứng bằng torch.nn.functional.conv2d) |
| 90 | Average pooling: 3.3, 4.3, 5.3 | 3.25, 4.25, 5.25 |
| 94 | Trung bình chạy: α·cũ + (1−α)·mới | PyTorch dùng quy ước ngược: (1 − momentum)·cũ + momentum·mới, mặc định momentum = 0.1; lưu variance chứ không phải std |
| 106 | models.resnet18(pretrained=True) | Đã lỗi thời từ torchvision 0.13; dùng weights=ResNet18_Weights.DEFAULT |
| 130 | He init: Var(W) = √(2/n_in) | Var(W) = 2/n_in, tức độ lệch chuẩn σ = √(2/n_in) |
| 108 | "DenceNet" | DenseNet (lỗi chính tả) |
Phần nào trong slide còn thiếu?
Slide dừng ở Faster R-CNN (2015) và chỉ nhắc tên Segmentation, GANs. Khi đi làm, bạn còn cần:
- Detector một giai đoạn: họ YOLO (bản Ultralytics mới nhất là YOLO26, ra mắt tháng 1/2026), SSD, RetinaNet. Xem Object Detection với YOLO26.
- Optimizer Adam/AdamW và lịch learning rate: đã bổ sung trong bài Loss function và Optimizer.
- Anomaly detection cho nhà máy, khi gần như không có ảnh lỗi: PaDiM, PatchCore.
- Triển khai: xuất ONNX, đo độ trễ, chạy 24/7. Xem các chặng cuối của lộ trình.
Gợi ý thứ tự học
- Học theo đúng chặng Deep Learning của lộ trình: các bài học đã được xếp theo thứ tự slide, xen thêm thực hành PyTorch.
- Mỗi khi gặp slide khó (backprop, BatchNorm, khởi tạo trọng số), đọc bài tương ứng và tự gõ lại code trong bài; mọi con số trong bài đều chạy ra được.
- Sang chặng Detection / Segmentation / Anomaly Detection cho phần 05–06 của slide.
Muốn thêm tài liệu: Sách và khoá học Computer Vision miễn phí, Cheat sheet PyTorch.
Nguồn tham khảo: slide "Deep Learning – Computer Vision – NLP" (Thang Nguyen, Viet Nguyen, youtube.com/@vietnh1009); torchvision models; Ultralytics models.
