初探C4D創(chuàng )意世界：C4D OC零基礎實(shí)戰班4期精講
初探C4D創(chuàng )意世界：C4D OC零基礎實(shí)戰班4期精講
構建智能未來(lái)，邁向深度學(xué)習的巔峰-人工智能深度學(xué)習系統班第6期
本課程由趣資料網(wǎng)站（headsnianto.com）收集整理
資源簡(jiǎn)介：
課程來(lái)自于構建智能未來(lái)，邁向深度學(xué)習的巔峰-人工智能深度學(xué)習系統班第6期
本課程旨在為學(xué)員提供全面深入的人工智能深度學(xué)習知識體系。通過(guò)本課程，學(xué)員將了解和掌握深度學(xué)習的基本概念、原理和應用。課程內容包括神經(jīng)網(wǎng)絡(luò )基礎、卷積神經(jīng)網(wǎng)絡(luò )、循環(huán)神經(jīng)網(wǎng)絡(luò )、深度神經(jīng)網(wǎng)絡(luò )、自動(dòng)編碼器等。此外，課程還將介紹深度學(xué)習在計算機視覺(jué)、自然語(yǔ)言處理、語(yǔ)音識別等領(lǐng)域的最新應用，并提供實(shí)際項目案例進(jìn)行實(shí)踐操作，以幫助學(xué)員鞏固所學(xué)知識
文件目錄
00 資料
1.第一章 直播回放
1-8 節直播6：分割模型Maskformer系列
maskformer.pdf
mask2former.pdf
1-7 節直播5：YOLO系列（V7）算法解讀
Yolov7結構圖.pptx
YOLOV7.pdf
1-15 節直播12：異構圖神經(jīng)網(wǎng)絡(luò )
HeterogeneousGraph.zip
異構圖神經(jīng)網(wǎng)絡(luò ).pdf
異構圖.pdf
1-6 節直播4：Transfomer在視覺(jué)任務(wù)中的應用實(shí)例
transformer課件.pdf
VIT算法模型源碼解讀.zip
1-3 節直播1：深度學(xué)習核心算法-神經(jīng)網(wǎng)絡(luò )與卷積網(wǎng)絡(luò )
神經(jīng)網(wǎng)絡(luò ).pdf
1-9 節補充：Mask2former源碼解讀
mask2former(mmdetection).zip
1-16 節直播13：BEV特征空間
BEV.pdf
1-11 節直播8：基于圖模型的時(shí)間序列預測
Raindrop-main.rar
raindrop-AAAI22.pdf
2110.05357.pdf
1-14 節直播11文本生成GPT系列
ChatGPT
GPT系列.pdf
1-13 節直播10：近期內容補充
Informer_huggingface.zip
YOLOV7.pdf
1-12 節直播9：圖像定位與檢索
CosPlace-main.zip
small.zip
1-17 節補充：BevFormer源碼解讀
bevformer.zip
1-4 節卷積神經(jīng)網(wǎng)絡(luò )
卷積神經(jīng)網(wǎng)絡(luò ).pdf
1-10 節直播7：半監督物體檢測
mmdetection-3.x.zip
1-5 節直播3：Transformer架構
transformer.pdf
1-1 節開(kāi)班典禮
咕泡唐宇迪人工智能【第六期】學(xué)習路線(xiàn)圖.pdf
1-18 節直播14：知識蒸餾
Reinforced Multi-Teacher Selection for Knowledge Distillation.pdf
Decoupled Knowledge Distillation.pdf
蒸餾.pdf
2.第二章 深度學(xué)習必備核?算法
課件
詞向量模型資料
NLP核心模型-Word2vec.zip
卷積神經(jīng)網(wǎng)絡(luò ).pdf
深度學(xué)習.pdf
3.第三章 深度學(xué)習核?框架PyTorch
flask預測.zip
第二,三章：神經(jīng)網(wǎng)絡(luò )實(shí)戰分類(lèi)與回歸任務(wù).zip
第四章：卷積網(wǎng)絡(luò )參數解讀.zip
第五章：圖像識別模型與訓練策略（重點(diǎn)）.zip
第六章：DataLoader自定義數據集制作.zip
第七章：LSTM文本分類(lèi)實(shí)戰.zip
第八章：對抗生成網(wǎng)絡(luò )架構原理與實(shí)戰解析.zip
4.第四章 MMLAB實(shí)戰系列
KIE關(guān)鍵信息抽取與視頻超分辨率重構
spynet.pdf
BasicVSR++.pdf
KIE.pdf
DeformableDetr算法解讀
可變形DETR.pdf
OCR算法解讀
ABINET.pdf
DBNET.pdf
ner.zip
第一模塊：mmclassification-master.zip
第二模塊：mmsegmentation-0.20.2.zip
第二模塊：MPViT-main.zip
mask2former(mmdetection).zip
第三模塊：mmdetection-master.zip
第四模塊：mmocr-main.zip
第五模塊：mmgeneration-master.zip
第六模塊：mmediting-master.zip
第七模塊：mmdetection3d-1.0.0rc0.zip
第八模塊：mmrazor-模型蒸餾.zip
第九模塊：mmaction2-master.zip
5.第五章 Opencv圖像處理框架實(shí)戰
源碼資料
第9節：項目實(shí)戰-信用卡數字識別.zip
第10節：項目實(shí)戰-文檔掃描OCR識別.zip
第13節：案例實(shí)戰-全景圖像拼接.zip
第14節：項目實(shí)戰-停車(chē)場(chǎng)車(chē)位識別.zip
第15節：項目實(shí)戰-答題卡識別判卷.zip
第18節：Opencv的DNN模塊.zip
第19節：項目實(shí)戰-目標追蹤.zip
第20節：卷積原理與操作.zip
第21節：人臉關(guān)鍵點(diǎn)定位.zip
第21節：項目實(shí)戰-疲勞檢測.zip
課件
第2-8節課件
第2-7節notebook課件.zip
第8節notebook課件.zip
第11-12節notebook課件.zip
第16-17節notebook課件.zip
6.第六章 綜合項?-物體檢測經(jīng)典算法實(shí)戰
YOLO系列（PyTorch）
訓練自己的數據集
構建自己的數據集.pdf
json2yolo.py
COCO-DATA
COCO數據集.txt
YOLO新版.pdf
NEU-DET.zip
PyTorch-YOLOv3.zip
YOLO5.zip
detr目標檢測源碼解讀.zip
物體檢測.pdf
EfficientNet.pdf
CenterNet.pdf
EfficientDet.zip
EfficientDet.pdf
json2yolo.py
yolov7-main.zip
第十二章：基于Transformer的detr目標檢測算法.pdf
7.第七章 圖像分割實(shí)戰
基于Resnet的醫學(xué)數據集分類(lèi)實(shí)戰
Resnet.pdf
基于Resnet的醫學(xué)數據集分類(lèi)實(shí)戰.zip
基于MASK-RCNN框架訓練自己的數據與任務(wù).zip
MaskRcnn網(wǎng)絡(luò )框架源碼詳解.zip
mask-rcnn.pdf
圖像識別核心模塊實(shí)戰解讀.zip
PyTorch框架基本處理操作.zip
第1節：圖像分割算法
深度學(xué)習分割任務(wù).pdf
第2節：卷積網(wǎng)絡(luò )
深度學(xué)習.pdf
R(2+1)D網(wǎng)絡(luò ).pdf
第3節：Unet系列算法講解
深度學(xué)習分割任務(wù).pdf
第4節：unet醫學(xué)細胞分割實(shí)戰
新建文件夾
unet++.zip
第5節：U-2-Net.zip
第6節：deeplab系列算法
DeepLab.pdf
第7節：基于deeplabV3+版本進(jìn)行VOC分割實(shí)戰
DeepLabV3Plus.zip
第8節：基于deeplab的心臟視頻數據診斷分析
基于deeplab的心臟視頻數據診斷分析.zip
f112c9fda85536ee3eba662c9043e683.bat
8.第八章 行為識別實(shí)戰
基礎補充-Resnet模型及其應用實(shí)例
Resnet.pdf
基于Resnet的醫學(xué)數據集分類(lèi)實(shí)戰.zip
slowfast-add
download
ava_annotations
ava_train_v2.2.csv
ava_train_v2.1.csv
ava_val_v2.2.csv
person_box_67091280_iou90
train.csv
ava_detection_val_for_training_boxes_and_labels_include_negative.csv
ava_train_predicted_boxes.csv
ava_detection_train_boxes_and_labels_include_negative.csv
val.csv
test.csv
ava_val_predicted_boxes.csv
ava_detection_val_boxes_and_labels.csv
ava_detection_test_boxes_and_labels.csv
ava_detection_val_for_training_boxes_and_labels_include_negative_v2.1.csv
ava_val_excluded_timestamps_v2.1.csv
ava_val_v2.1.csv
ava_detection_train_boxes_and_labels_include_negative_v2.1.csv
ava_detection_val_for_training_boxes_and_labels_include_negative_v2.2.csv
ava_train_v2.1.csv
ava_detection_train_boxes_and_labels_include_negative_v2.2.csv
ava_action_list_v2.1_for_activitynet_2018.pbtxt
val.csv
train.csv
1j20qq1JyX4.mp4
_Ca3gOdOHxU.mp4
-5KQ66BBWC4.mkv.1
-5KQ66BBWC4.mkv
_145Aa_xkuE.mp4
avademo.zip
slowfast論文.pdf
基礎補充-PyTorch框架必備核心模塊解讀.zip
基礎補充-PyTorch框架基本處理操作.zip
1-slowfast算法知識點(diǎn)通俗解讀.pdf
4-基于3D卷積的視頻分析與動(dòng)作識別.zip
5-視頻異常檢測算法與元學(xué)習.pdf
6-視頻異常檢測CVPR2021論文及其源碼解讀.zip
9.第九章 2022論?必備-Transformer實(shí)戰系列
transformer系列
谷歌開(kāi)源項目BERT源碼解讀與應用實(shí)例
BERT開(kāi)源項目及數據.zip
基礎補充-Resnet模型及其應用實(shí)例
Resnet.pdf
基于Resnet的醫學(xué)數據集分類(lèi)實(shí)戰.zip
Medical-Transformer.zip
transformer論文.pdf
第一章：transformer原理解讀
BERT.pdf
第二章：Transformer在視覺(jué)中的應用VIT算法.pdf
第三章：VIT算法模型源碼解讀.zip
第四章：swintransformer算法原理解析.pdf
第五章：swintransformer源碼解讀.zip
第六章：基于Transformer的detr目標檢測算法.pdf
第七章：detr目標檢測源碼解讀.zip
第九章：項目補充-基于BERT的中文情感分析實(shí)戰
BERT中文情感分類(lèi)開(kāi)源項目.zip
第十一，十二章
LoFTR.zip
Loftr.pdf
2104.00680.pdf
10.第一十章 圖神經(jīng)?絡(luò )實(shí)戰
第一章：圖神經(jīng)網(wǎng)絡(luò )基礎
圖神經(jīng)網(wǎng)絡(luò ).pdf
第二章：圖卷積GCN模型
圖卷積.pdf
3-圖模型必備神器PyTorch Geometric安裝與使用
工具包使用.zip
4-使用PyTorch Geometric構建自己的圖數據集
創(chuàng )建自己的數據集.zip
5-圖注意力機制與序列圖模型
時(shí)間序列TGCN.zip
Temporal Graph Neural Networks.pdf
圖注意力機制.pdf
6-圖相似度論文解讀
1808.05689.pdf
7-圖相似度計算實(shí)戰
Extended-SimGNN.zip
8-基于圖模型的軌跡估計
軌跡軌跡.pdf
數據集Demo.mp4
9-圖模型軌跡估計實(shí)戰
Vector.zip
11.第一十一章 3D點(diǎn)云實(shí)戰
第1節：3D點(diǎn)云應用領(lǐng)域分析
點(diǎn)云.pdf
激光雷達.mp4
第2節：3D點(diǎn)云PointNet算法
PointNet++.pdf
CloudCompare.zip
第3節：PointNet++算法解讀
PointNet++.pdf
第4節：Pointnet++項目實(shí)戰
Pointnet2.zip
第5節：點(diǎn)云補全PF-Net論文解讀
點(diǎn)云補全.pdf
2003.00410.pdf
第6節：點(diǎn)云補全實(shí)戰解讀
PF-Net-Point-Fractal-Network.zip
第7節：點(diǎn)云配準及其案例實(shí)戰
RPMNet.zip
點(diǎn)云匹配.pdf
2003.13479.pdf
第8節：基礎補充-對抗生成網(wǎng)絡(luò )架構原理與實(shí)戰解析
第八章：對抗生成網(wǎng)絡(luò )架構原理與實(shí)戰解析.zip
12.第一十二章 ?標追蹤與姿態(tài)估計實(shí)戰
基礎補充-Resnet模型及其應用實(shí)例
基于Resnet的醫學(xué)數據集分類(lèi)實(shí)戰.zip
Resnet.pdf
基礎補充-PyTorch框架必備核心模塊解讀.zip
基礎補充-PyTorch框架基本處理操作.zip
第一章：姿態(tài)估計OpenPose系列算法解讀.pdf
第二章：OpenPose算法源碼分析.zip
第三章：Deepsort算法知識點(diǎn)解讀.pdf
第四章：Deepsort源碼解讀.zip
第五六七章：YOLO目標檢測
訓練自己的數據集
構建自己的數據集.pdf
json2yolo.py
COCO-DATA
COCO數據集.txt
NEU-DET.zip
YOLO新版.pdf
YOLO5.zip
13.第一十三章 ?向深度學(xué)習的??駕駛實(shí)戰
1.深度估計算法解讀
深度估計.pdf
Monocular_Depth_Estimation_Using_Laplacian_Pyramid-Based_Depth_Residuals.pdf
2.深度估計項目實(shí)戰
LapDepth.zip
3-車(chē)道線(xiàn)檢測算法與論文解讀
基于深度學(xué)習的車(chē)道線(xiàn)檢測.pdf
4-基于深度學(xué)習的車(chē)道線(xiàn)檢測項目實(shí)戰
Lane-Detection.zip
5-商湯LoFTR算法解讀
Loftr.pdf
2104.00680.pdf
6-局部特征關(guān)鍵點(diǎn)匹配實(shí)戰
LoFTR.zip
7-三維重建應用與坐標系基礎
三維重建.pdf
8-NeuralRecon算法解讀
NeuralRecon.pdf
三維重建.pdf
9-NeuralRecon項目環(huán)境配置
參考其GITHUB即可
10-NeuralRecon項目源碼解讀
NeuralRecon
data.py
train_demo.zip
all_tsdf_9.zip
11-TSDF算法與應用
TSDF.pdf
12-TSDF實(shí)戰案例
TSDF實(shí)例
tsdf-fusion-python-master.zip
13-軌跡估計算法與論文解讀
無(wú)人駕駛.pdf
14-軌跡估計預測實(shí)戰
Vector.zip
15-特斯拉無(wú)人駕駛解讀
Tesla無(wú)人駕駛.pdf
14.第一十四章 對比學(xué)習與多模態(tài)任務(wù)實(shí)戰
CLIP系列
CLIP.zip
CLIP及其應用.pdf
ANINET源碼解讀
mmocr-main.zip
多模態(tài)文字識別
ABINET.pdf
DBNET.pdf
對比學(xué)習算法與實(shí)例
trainCLIP.py
對比學(xué)習.pdf
多模態(tài)3D目標檢測算法源碼解讀
mmdetection3d-1.0.0rc0.zip
15.第一十五章 缺陷檢測實(shí)戰
Resnet分類(lèi)實(shí)戰
基于Resnet的醫學(xué)數據集分類(lèi)實(shí)戰.zip
Resnet.pdf
PyTorch基礎
1-PyTorch框架基本處理操作.zip
2-神經(jīng)網(wǎng)絡(luò )實(shí)戰分類(lèi)與回歸任務(wù).zip
3-圖像識別核心模塊實(shí)戰解讀.zip
DeepLab鐵質(zhì)材料缺陷檢測與開(kāi)源項目應用流程.zip
第1-4章：YOLOV5缺陷檢測
YOLO新版.pdf
Defective_Insulators.zip
NEU-DET.zip
YOLO5.zip
第5章：Semi-supervised布料缺陷檢測實(shí)戰.zip
第6-8章：Opencv各函數使用實(shí)例
第一部分notebook課件.zip
第二部分notebook課件.zip
第9章：基于Opencv缺陷檢測項目實(shí)戰.zip
第10章：基于視頻流水線(xiàn)的Opnecv缺陷檢測項目.zip
第11-12章：deeplab
DeepLab.pdf
DeepLabV3Plus.zip
16.第一十六章 ??重識別實(shí)戰
第1節：行人重識別原理及其應用
行人重識別.pdf
第2節：基于注意力機制的ReId模型論文解讀
Relation-Aware Global Attention.pdf
第3節：基于A(yíng)ttention的行人重識別項目實(shí)戰
Relation-Aware-Global-Attention-Networks.zip
第4節：經(jīng)典會(huì )議算法精講（特征融合）
Relation Network for Person Re-identification.pdf
第5節：項目實(shí)戰-基于行人局部特征融合的再識別實(shí)戰
Relation Network for Person Re-identification.zip
第6節：曠視研究院最新算法解讀（基于圖模型）
Wang_High-Order_Information_Matters_Learning_Relation_and_Topology_for_Occluded_Person_CVPR_2020_paper.pdf
第7節：基于拓撲圖的行人重識別項目實(shí)戰
基于圖模型的ReID(曠視).zip
17.第一十七章 對抗?成?絡(luò )實(shí)戰
static.zip
cyclegan.pdf
第2節：對抗生成網(wǎng)絡(luò )架構原理與實(shí)戰解析.zip
第3節：基于CycleGan開(kāi)源項目實(shí)戰圖像合成.zip
第4節：stargan論文架構解析
stargan.pdf
1912.01865.pdf
第5節：stargan項目實(shí)戰及其源碼解讀.zip
第6節：基于starganvc2的變聲器論文原理解讀
stargan-vc2.pdf
1907.12279.pdf
第7節：starganvc2變聲器項目實(shí)戰及其源碼解讀.zip
第8節：圖像超分辨率重構實(shí)戰
srgan超分辨率重構.zip
srdata.zip
第9節：基于GAN的圖像補全實(shí)戰
圖像補全人臉數據.zip
glcic圖像補全.zip
18.第一十八章 強化學(xué)習實(shí)戰系列
第1節：強化學(xué)習簡(jiǎn)介及其應用.pdf
第2節：PPO算法與公式推導.pdf
第3節：策略梯度實(shí)戰-月球登陸器訓練實(shí)例.zip
第4節：DQN算法.pdf
第5節：DQN算法實(shí)例演示.zip
第7節：Actor-Critic算法分析(A3C).pdf
第8節：A3C算法玩轉超級馬里奧.zip
19.第一十九章 Openai頂級黑科技算法及其項目實(shí)戰
1 節GPT系列生成模型
GPT系列.pdf
GPT.zip
2 節GPT建模與預測流程
ChinesePretrainedModels.zip
3 節CLIP系列
CLIP.zip
CLIP及其應用.pdf
4 節Diffusion模型解讀
annotated_diffusion.ipynb
5 節Dalle2及其源碼解讀
dalle2.pdf
DALLE2-pytorch-main.zip
6 節ChatGPT
GPT系列.pdf
20.第二十章 面向醫學(xué)領(lǐng)域的深度學(xué)習實(shí)戰
1-神經(jīng)網(wǎng)絡(luò )算法PPT
深度學(xué)習.pdf
2-PyTorch框架基本處理操作.zip
3-PyTorch框架必備核心模塊解讀.zip
4-基于Resnet的醫學(xué)數據集分類(lèi)實(shí)戰
基于Resnet的醫學(xué)數據集分類(lèi)實(shí)戰.zip
Resnet.pdf
5-圖像分割及其損失函數概述
深度學(xué)習分割任務(wù).pdf
6-Unet系列算法講解
深度學(xué)習分割任務(wù).pdf
7-unet醫學(xué)細胞分割實(shí)戰
新建文件夾
unet++.zip
8-deeplab系列算法
DeepLab.pdf
9-基于deeplabV3+版本進(jìn)行VOC分割實(shí)戰
DeepLabV3Plus.zip
10-基于deeplab的心臟視頻數據診斷分析
基于deeplab的心臟視頻數據診斷分析.zip
11-YOLO系列物體檢測算法原理解讀
YOLO.pdf
YOLOv4.pdf
12-基于YOLO5細胞檢測實(shí)戰
基于YOLO5細胞檢測實(shí)戰.zip
13-知識圖譜原理解讀
知識圖譜.pdf
14-Neo4j數據庫實(shí)戰
NEO4J.pdf
15-基于知識圖譜的醫藥問(wèn)答系統實(shí)戰
醫藥問(wèn)答.zip
配置與安裝.pdf
16-詞向量模型與RNN網(wǎng)絡(luò )架構.zip
17-醫學(xué)糖尿病數據命名實(shí)體識別
eclipse-命名實(shí)體識別.zip
notebook-瑞金.zip
21.第二十一章 深度學(xué)習模型部署與剪枝優(yōu)化實(shí)戰
tensorRT
tensorRT課程PPT
video1-get-env.mp4
video1-get-templ.mp4
1.說(shuō)在前面.pdf
2.介紹.pdf
3.cuda-driver-課程概述.pdf
4.cuda-driver.pdf
video-series.mp4
5.cuda-runtime-課程概述.pdf
6.cuda-runtime.pdf
7.tensorrt-basic-課程概述.pdf
8.tensorrt-basic.pdf
9.tensorrt-integrate-課程概述.pdf
10.tensorrt-integrate.pdf
tensorRT課程代碼
cuda-runtime-api.tar.gz
cuda-driver-api.tar.gz
tensorrt-integrate.tar.gz
tensorrt-basic.tar.gz
嵌入式AI
第一章 認識 jetson nano
1software
usbCamera.py
csiCamera.py
code_1.71.2-1663189619_arm64.deb
balenaEtcher-Setup-1.7.9.exe
SDCardFormatterv5_WinEN.zip
1.1 jetson nano 硬件介紹.pdf
1.2b jetson nano 系統安裝過(guò)程.pdf
1.4 安裝使用攝像頭csi usb.pdf
1.3 感受nano的GPU算力.pdf
1.2 jetson nano 刷機.pdf
第二章 AI 實(shí)戰
時(shí)間統計.xlsx
2software
networks
bvlc_googlenet.caffemodel
googlenet_noprob.prototxt
googlenet.prototxt
SSD-Mobilenet-v1.tar.gz
SSD-Mobilenet-v2.tar.gz
usbCamera.py
csiCamera.py
jetson-inference.zip
mobilenet-v1-ssd-mp-0_675.pth
2.3 docker中運行分類(lèi)模型.pdf
2.1 jetson-inference 入門(mén).pdf
2.6 轉換出onnx模型，并使用.pdf
2.5 訓練出自己目標識別模型.pdf
2.4 訓練自己的目標檢測模型準備.pdf
2.2 docker 的安裝使用.pdf
第三章 NVIDIA TAO 實(shí)用級的訓練神器
3.4NVIDIA TAO預訓練模型和訓練.pdf
3.1NVIDIA TAO介紹和安裝.pdf
3.2NVIDIA TAO數據準備和環(huán)境設置.pdf
3.3NVIDIA TAO數據轉換.pdf
3.5TAO 剪枝在訓練推理驗證.pdf
第四章 deepstream
software
camera_gstreamer_code_rtp.py
Accelerated_GStreamer_User_Guide.pdf
camera_gstreamer_code_rtsp_out.py
gstreamer-1.0-msvc-x86_64-1.20.4.msi
EasyPlayer-RTSP-Win-V3.0.19.0515.zip
rtspCameraH264.py
rtspVideoH264.py
4.4 python實(shí)現RTP和RTSP.pdf
4.1 deepstream 介紹安裝.pdf
4.5 deepstream推理.pdf
4.2 deepstream HelloWorld.pdf
4.3 GStreamer RTP和RTSP.pdf
4.6 deepstream集成yolov4.pdf
YOLO部署實(shí)例.zip
PyTorch模型部署實(shí)例.zip
Docker使用命令.zip
pytorch-slimming.zip
TensorFlow-serving.zip
Mobilenet.pdf
剪枝算法.pdf
mobilenetv3.py
22.第二十二章 自然語(yǔ)言處理必備神器Huggingface系列實(shí)戰
第一章：Huggingface與NLP介紹解讀
Huggingface初識.pptx
第二章：Transformer工具包基本操作實(shí)例解讀
1-Transformers.zip
2-Finetuning.zip
第三章：transformer原理解讀
transformer.pdf
第四章：BERT系列算法解讀
BERT系列.pdf
第五章：文本標注工具與NER實(shí)例
ner.zip
第六章：文本預訓練模型構建實(shí)例
Mask Language Model.ipynb
第七章：GPT系列算法
GPT系列.pdf
第八章：GPT訓練與預測部署流程
GPT.zip
第九章：文本摘要建模
Summarization.ipynb
Summarization.zip
第十章：圖譜知識抽取實(shí)戰
CMeKG.zip
第十一章：補充Huggingface數據集制作方法實(shí)例
數據格式轉換.zip
23.第二十三章 ?然語(yǔ)?處理通?框架-BERT實(shí)戰
課件、源碼
BERT開(kāi)源項目及數據.zip
BERT.zip
第1節：BERT課件.pdf
NLP核心模型-word2vec.zip
第2節：谷歌開(kāi)源項目BERT源碼解讀與應用實(shí)例.zip
第3節：項目實(shí)戰-基于BERT的中文情感分析實(shí)戰.zip
第4節：項目實(shí)戰-基于BERT的中文命名實(shí)體識別實(shí)戰.zip
第5節：必備基知識點(diǎn)-word2vec模型通俗解讀.zip
第6節：必備基礎-掌握Tensorflow如何實(shí)現word2vec模型.zip
第7節：必備基礎知識點(diǎn)-RNN網(wǎng)絡(luò )架構與情感分析應用實(shí)例.zip
第8節：醫學(xué)糖尿病數據命名實(shí)體識別.zip
課后作業(yè)
第八模塊：BERT作業(yè).pdf
24.第二十四章 ?然語(yǔ)?處理經(jīng)典案例實(shí)戰
源碼、數據集等
2：商品信息與文本可視化
商品可視化展示與文本處理.zip
3：貝葉斯算法
5-貝葉斯算法.pdf
4：貝葉斯算法-新聞分類(lèi)任務(wù)
貝葉斯Python文本分析
搜狗新聞?wù)Z(yǔ)料
val.txt
test.txt
train.txt
Python文本分析.zip
5-6：HMM實(shí)戰
隱馬爾科夫模型（課件）
HMM.pdf
HMM案例實(shí)戰
HMM
__pycache__
get_hmm_param.cpython-36.pyc
data.cpython-36.pyc
data.py
hmm_start.py
get_hmm_param.py
hmm實(shí)踐.ipynb
時(shí)間序列.ipynb
data2.csv
8-9：word2vec詞向量實(shí)戰
Word2Vec
Gensim-代碼.zip
gensim訓練model.zip
tensorflow-word2vec.zip
word2vec.zip
10：NLP方法對比
自然語(yǔ)言處理-特征提取方法對比.zip
11-14：基于Tensorflow的項目實(shí)戰
LSTM情感分析
LSTM.ipynb
LSTM.zip
NLP-文本相似度
文本相似度.zip
唐詩(shī)生成
poem.zip
LSTM.zip
問(wèn)答機器人
QA問(wèn)答.zip
對話(huà)問(wèn)答機器人
chatbot.zip
課后作業(yè)
data.txt
第八模塊：NLP實(shí)戰(1).pdf
課件
RNN與LSTM.pdf
tensorflow-RNN.pdf
貝葉斯算法.pdf
Python文本分析.pdf
5-貝葉斯算法.pdf
NLP常用工具包
Python-自然語(yǔ)言處理工具包.zip
Python-自然語(yǔ)言處理工具包(1).zip
25.第二十五章 知識圖譜實(shí)戰系列
第1.2節：知識圖譜介紹及其應用領(lǐng)域分析
知識圖譜.pdf
第3節：Neo4j數據庫實(shí)戰
NEO4J.pdf
第4節：使用python操作neo4j實(shí)例
python操作neo4j.zip
第5節：基于知識圖譜的醫藥問(wèn)答系統實(shí)戰
醫藥問(wèn)答.zip
配置與安裝.pdf
第6節：文本關(guān)系抽取實(shí)踐
關(guān)系抽取.zip
第7節：金融平臺風(fēng)控模型實(shí)踐
貸款風(fēng)控特征工程.zip
第8節：醫學(xué)糖尿病數據命名實(shí)體識別
eclipse-命名實(shí)體識別.zip
notebook-瑞金.zip
26.第二十六章 語(yǔ)?識別實(shí)戰系列
論文
Conv-TasNet論文.pdf
tacotron2論文.pdf
stargancv2論文.pdf
PPT
語(yǔ)音分離.pdf
seq2seq.pdf
stargan-vc2.pdf
語(yǔ)音合成-tacotron2.pdf
語(yǔ)音分離Conv-TasNet.zip
語(yǔ)音識別LAS模型.zip
語(yǔ)音合成tacotron2實(shí)戰.zip
變聲器pytorch-StarGAN-VC2.zip
27.第二十七章 推薦系統實(shí)戰系列
第1節：推薦系統介紹.pdf
第2節：協(xié)同過(guò)濾與矩陣分解.pdf
第3節：音樂(lè )推薦系統實(shí)戰
Python實(shí)現音樂(lè )推薦系統
.ipynb_checkpoints
推薦系統-checkpoint.ipynb
__pycache__
Recommenders.cpython-36.pyc
train_triplets.txt
推薦系統.ipynb
song_playcount_df.csv
老版.ipynb
track_metadata.db
track_metadata_df_sub.csv
user_playcount_df.csv
recommendation_engines.py
triplet_dataset_sub_song.csv
Recommenders.py
1.png
2.png
3.png
4.png
5.png
6.png
7.png
8.png
第4節：Neo4j數據庫實(shí)例
NEO4J.pdf
第5節：基于知識圖譜的電影推薦實(shí)戰.zip
第6節：FM與DeepFM算法.pdf
第7節：DeepFM算法實(shí)戰.zip
第8節：推薦系統常用工具包演示.zip
第9節：基于文本數據的推薦實(shí)例.zip
第10節：基于統計分析的電影推薦
電影推薦.zip
第11節：補充-基于相似度的酒店推薦系統.zip
28.第二十八章 AI課程所需安裝軟件教程
torchvision-0.11.0+cu113-cp38-cp38-win_amd64.whl
VisualStudioSetup.exe
torch-1.10.0+cu113-cp38-cp38-win_amd64.whl
mmcv_full-1.4.7-cp38-cp38-win_amd64.whl
Anaconda3-2020.07-Windows-x86_64.exe
notepadplusplus-8-4.exe
cuda_11.3.0_465.89_win10.exe
pycharm-community-2022.1.2.exe
29.第二十九章 額外補充
SPPCSPC(替換SPP)
源碼.txt
GCNET(全局特征融合)
yolo.py
gc.py
yolov5s_cb2d.yaml
1904.11492.pdf
ConvNeXt
源碼.txt
源碼鏈接.txt
common.py
yolo.py
yolov5s_convnextB.yaml
2201.03545.pdf
SPD-Conv
common.py
SPD-Conv論文.pdf
yolo.py
源碼實(shí)現.txt
yolov5s_spd.yaml
yolov5s.yaml
mobileone(提速)
源碼實(shí)現.txt
common.py
yolo.py
yolov5s_mobileone.yaml
2206.04040.pdf
Coordinate_attention
源碼實(shí)現.txt
common.py
yolo.py
yolov5s_Coordinate_attention.yaml
Hou_Coordinate_Attention_for_Efficient_Mobile_Network_Design_CVPR_2021_paper.pdf
ACMIX(卷積與注意力結合)
common.py
源碼實(shí)現.txt
yolo.py
yolov5s_acmix.yaml
2111.14556.pdf
gc.py
gc(2).py
01 直播課回放
01 開(kāi)班典禮
01 開(kāi)班典禮.mp4
02 Pycharm環(huán)境配置與Debug演示(沒(méi)用過(guò)的同學(xué)必看)
01 Pycharm環(huán)境配置與Debug演示(沒(méi)用過(guò)的同學(xué)必看).mp4
03 直播1：深度學(xué)習核心算法-神經(jīng)網(wǎng)絡(luò )與卷積網(wǎng)絡(luò )
01 深度學(xué)習核心算法-神經(jīng)網(wǎng)絡(luò )與卷積網(wǎng)絡(luò ).mp4
04 直播2：卷積神經(jīng)網(wǎng)絡(luò )
01 卷積神經(jīng)網(wǎng)絡(luò ).mp4
05 直播3：Transformer架構
01 Transformer架構.mp4
06 直播4：Transfomer在視覺(jué)任務(wù)中的應用實(shí)例
01 Transfomer在視覺(jué)任務(wù)中的應用實(shí)例.mp4
07 直播5：YOLO系列（V7）算法解讀
01 YOLO系列（V7）算法解讀.mp4
08 直播6：分割模型Maskformer系列
01 分割模型Maskformer系列.mp4
09 補充：Mask2former源碼解讀
01 Backbone獲取多層級特征.mp4
02 多層級采樣點(diǎn)初始化構建.mp4
03 多層級輸入特征序列創(chuàng )建方法.mp4
04 偏移量與權重計算并轉換.mp4
05 Encoder特征構建方法實(shí)例.mp4
06 query要預測的任務(wù)解讀.mp4
07 Decoder中的AttentionMask方法.mp4
08 損失模塊輸入參數分析.mp4
09 標簽分配策略解讀.mp4
10 正樣本篩選損失計算.mp4
11 標簽分類(lèi)匹配結果分析.mp4
12 最終損失計算流程.mp4
13 匯總所有損失完成迭代.mp4
10 直播7：半監督物體檢測
01 半監督物體檢測.mp4
11 直播8：基于圖模型的時(shí)間序列預測
01 基于圖模型的時(shí)間序列預測.mp4
12 直播9：圖像定位與檢索
01 圖像定位與檢索.mp4
13 直播10：近期內容補充
01 近期內容補充.mp4
14 直播11：文本生成GPT系列
01 文本生成GPT系列.mp4
15 直播12：異構圖神經(jīng)網(wǎng)絡(luò )
01 異構圖神經(jīng)網(wǎng)絡(luò ).mp4
16 直播13：BEV特征空間
01 BEV特征空間.mp4
17 補充：BevFormer源碼解讀
01 環(huán)境配置方法解讀.mp4
02 數據集下載與配置方法.mp4
03 特征提取以及BEV空間初始化.mp4
04 特征對齊與位置編碼初始化.mp4
05 Reference初始點(diǎn)構建.mp4
06 BEV空間與圖像空間位置對應.mp4
07 注意力機制模塊計算方法.mp4
08 BEV空間特征構建.mp4
09 Decoder要完成的任務(wù)分析.mp4
10 獲取當前BEV特征.mp4
11 Decoder級聯(lián)校正模塊.mp4
12 損失函數與預測可視化.mp4
18 直播14：知識蒸餾
01 知識蒸餾.mp4
19 直播15：六期總結與論文簡(jiǎn)歷
01 六期總結與論文簡(jiǎn)歷.mp4
02 深度學(xué)習必備核心算法
01 神經(jīng)網(wǎng)絡(luò )算法解讀
01 神經(jīng)網(wǎng)絡(luò )算法解讀.mp4
02 卷積神經(jīng)網(wǎng)絡(luò )算法解讀
01 卷積神經(jīng)網(wǎng)絡(luò )算法解讀.mp4
03 遞歸神經(jīng)網(wǎng)絡(luò )算法解讀
01 遞歸神經(jīng)網(wǎng)絡(luò )算法解讀.mp4
03 深度學(xué)習核心框架PyTorch
01 PyTorch框架介紹與配置安裝
01 PyTorch框架與其他框架區別分析.mp4
02 CPU與GPU版本安裝方法解讀.mp4
02 使用神經(jīng)網(wǎng)絡(luò )進(jìn)行分類(lèi)任務(wù)
01 數據集與任務(wù)概述.mp4
02 基本模塊應用測試.mp4
03 網(wǎng)絡(luò )結構定義方法.mp4
04 數據源定義簡(jiǎn)介.mp4
05 損失與訓練模塊分析.mp4
06 訓練一個(gè)基本的分類(lèi)模型.mp4
07 參數對結果的影響.mp4
03 神經(jīng)網(wǎng)絡(luò )回歸任務(wù)-氣溫預測
01 神經(jīng)網(wǎng)絡(luò )回歸任務(wù)-氣溫預測.mp4
04 卷積網(wǎng)絡(luò )參數解讀分析
01 輸入特征通道分析.mp4
02 卷積網(wǎng)絡(luò )參數解讀.mp4
03 卷積網(wǎng)絡(luò )模型訓練.mp4
05 圖像識別模型與訓練策略（重點(diǎn)）
01 任務(wù)分析與圖像數據基本處理.mp4
02 數據增強模塊.mp4
03 數據集與模型選擇.mp4
04 遷移學(xué)習方法解讀.mp4
05 輸出層與梯度設置.mp4
06 輸出類(lèi)別個(gè)數修改.mp4
07 優(yōu)化器與學(xué)習率衰減.mp4
08 模型訓練方法.mp4
09 重新訓練全部模型.mp4
10 測試結果演示分析.mp4
06 DataLoader自定義數據集制作
01 Dataloader要完成的任務(wù)分析.mp4
02 圖像數據與標簽路徑處理.mp4
03 Dataloader中需要實(shí)現的方法分析.mp4
04 實(shí)用Dataloader加載數據并訓練模型.mp4
07 LSTM文本分類(lèi)實(shí)戰
01 數據集與任務(wù)目標分析.mp4
02 文本數據處理基本流程分析.mp4
03 命令行參數與DEBUG.mp4
04 訓練模型所需基本配置參數分析.mp4
05 預料表與字符切分.mp4
06 字符預處理轉換ID.mp4
07 LSTM網(wǎng)絡(luò )結構基本定義.mp4
08 網(wǎng)絡(luò )模型預測結果輸出.mp4
09 模型訓練任務(wù)與總結.mp4
08 PyTorch框架Flask部署例子
01 基本結構與訓練好的模型加載.mp4
02 服務(wù)端處理與預測函數.mp4
03 基于Flask測試模型預測結果.mp4
04 MMLAB實(shí)戰系列
01 MMCV安裝方法
01 MMCV安裝方法.mp4
02 第一模塊：分類(lèi)任務(wù)基本操作
01 MMCLS問(wèn)題修正.mp4
02 準備MMCLS項目.mp4
03 基本參數配置解讀.mp4
04 各模塊配置文件組成.mp4
05 生成完整配置文件.mp4
06 根據文件夾定義數據集.mp4
07 構建自己的數據集.mp4
08 訓練自己的任務(wù).mp4
03 第一模塊：訓練結果測試與驗證
01 測試DEMO效果.mp4
02 測試評估模型效果.mp4
03 MMCLS中增加一個(gè)新的模塊.mp4
04 修改配置文件中的參數.mp4
05 數據增強流程可視化展示.mp4
06 Grad-Cam可視化方法.mp4
07 可視化細節與效果分析.mp4
08 MMCLS可視化模塊應用.mp4
09 模型分析腳本使用.mp4
04 第一模塊：模型源碼DEBUG演示
01 VIT任務(wù)概述.mp4
02 數據增強模塊概述分析.mp4
03 PatchEmbedding層.mp4
04 前向傳播基本模塊.mp4
05 CLS與輸出模塊.mp4
05 第二模塊：使用分割模塊訓練自己的數據集
01 項目配置基本介紹.mp4
02 數據集標注與制作方法.mp4
03 根據預測類(lèi)別數修改配置文件.mp4
04 加載預訓練模型開(kāi)始訓練.mp4
05 預測DEMO演示.mp4
06 第二模塊：基于Unet進(jìn)行各種策略修改
01 配置文件解讀.mp4
02 編碼層模塊.mp4
03 上采樣與輸出層.mp4
04 輔助層的作用.mp4
05 給Unet添加一個(gè)neck層.mp4
06 如何修改參數適配網(wǎng)絡(luò )結構.mp4
07 將Unet特征提取模塊替換成transformer.mp4
08 VIT模塊源碼分析.mp4
07 第二模塊：分割任務(wù)CVPR最新Backbone設計及其應用
01 注冊自己的Backbone模塊.mp4
02 配置文件指定.mp4
03 DEBUG解讀Backbone設計.mp4
04 PatchEmbedding的作用與實(shí)現.mp4
05 卷積位置編碼計算方法.mp4
06 近似Attention模塊實(shí)現.mp4
07 完成特征提取與融合模塊.mp4
08 分割輸出模塊.mp4
09 全局特征的作用與實(shí)現.mp4
10 匯總多層級特征進(jìn)行輸出.mp4
08 第三模塊：mmdet訓練自己的數據任務(wù)
01 數據集標注與標簽獲取.mp4
02 COCO數據標注格式.mp4
03 通過(guò)腳本生成COCO數據格式.mp4
04 配置文件數據增強策略分析.mp4
05 訓練所需配置說(shuō)明.mp4
06 模型訓練與DEMO演示.mp4
07 模型測試與可視化分析模塊.mp4
08 補充：評估指標.mp4
09 第三模塊：DeformableDetr物體檢測源碼分析
01 特征提取與位置編碼.mp4
02 序列特征展開(kāi)并疊加.mp4
03 得到相對位置點(diǎn)編碼.mp4
04 準備Encoder編碼層所需全部輸入.mp4
05 編碼層中的序列分析.mp4
06 偏移量offset計算.mp4
07 偏移量對齊操作.mp4
08 Encoder層完成特征對齊.mp4
09 Decoder要完成的操作.mp4
10 分類(lèi)與回歸輸出模塊.mp4
11 預測輸出結果與標簽匹配模塊.mp4
10 補充：Mask2former源碼解讀
01 Backbone獲取多層級特征.mp4
02 多層級采樣點(diǎn)初始化構建.mp4
03 多層級輸入特征序列創(chuàng )建方法.mp4
04 偏移量與權重計算并轉換.mp4
05 Encoder特征構建方法實(shí)例.mp4
06 query要預測的任務(wù)解讀.mp4
07 Decoder中的AttentionMask方法.mp4
08 損失模塊輸入參數分析.mp4
09 標簽分配策略解讀.mp4
10 正樣本篩選損失計算.mp4
11 標簽分類(lèi)匹配結果分析.mp4
12 最終損失計算流程.mp4
13 匯總所有損失完成迭代.mp4
11 第三模塊：DeformableDetr算法解讀
01 DeformableDetr算法解讀.mp4
12 KIE關(guān)鍵信息抽取與視頻超分辨率重構
01 KIE關(guān)鍵信息抽取與視頻超分辨率重構.mp4
13 第四模塊：DBNET文字檢測
01 文字檢測數據概述與配置文件.mp4
02 配置文件參數設置.mp4
03 Neck層特征組合.mp4
04 損失函數模塊概述.mp4
05 損失計算方法.mp4
14 第四模塊：ANINET文字識別
01 數據集與環(huán)境概述.mp4
02 配置文件修改方法.mp4
03 Bakbone模塊得到特征.mp4
04 視覺(jué)Transformer模塊的作用.mp4
05 視覺(jué)模型中的編碼與解碼的效果.mp4
06 文本模型中的結構分析.mp4
07 迭代修正模塊.mp4
08 輸出層與損失計算.mp4
15 第四模塊：KIE基于圖模型的關(guān)鍵信息抽取
01 配置文件以及要完成的任務(wù)解讀.mp4
02 KIE數據集格式調整方法.mp4
03 配置文件與標簽要進(jìn)行處理操作.mp4
04 邊框要計算的特征分析.mp4
05 標簽數據處理與關(guān)系特征提取.mp4
06 特征合并處理.mp4
07 準備拼接邊與點(diǎn)特征.mp4
08 整合得到圖模型輸入特征.mp4
16 第五模塊：stylegan2源碼解讀
01 要完成的任務(wù)與基本思想概述.mp4
02 得到style特征編碼.mp4
03 特征編碼風(fēng)格拼接.mp4
04 基礎風(fēng)格特征卷積模塊.mp4
05 上采樣得到輸出結果.mp4
06 損失函數概述.mp4
17 第六模塊：BasicVSR++視頻超分辨重構源碼解讀
01 要完成的任務(wù)分析與配置文件.mp4
02 特征基礎提取模塊.mp4
03 光流估計網(wǎng)絡(luò )模塊.mp4
04 基于光流完成對齊操作.mp4
05 偏移量計算方法.mp4
06 雙向計算特征對齊.mp4
07 提特征傳遞流程分析.mp4
08 序列傳播計算.mp4
09 準備變形卷積模塊的輸入.mp4
10 傳播流程整體完成一圈.mp4
11 完成輸出結果.mp4
18 第七模塊：多模態(tài)3D目標檢測算法源碼解讀
01 環(huán)境配置與數據集概述.mp4
02 數據與標注文件介紹.mp4
03 基本流程梳理并進(jìn)入debug模式.mp4
04 數據與圖像特征提取模塊.mp4
05 體素索引位置獲取.mp4
06 體素特征提取方法解讀.mp4
07 體素特征計算方法分析.mp4
08 全局體素特征提取.mp4
09 多模態(tài)特征融合.mp4
10 3D卷積特征融合.mp4
11 輸出層預測結果.mp4
19 第八模塊：模型蒸餾應用實(shí)例
01 任務(wù)概述與工具使用.mp4
02 Teacher與Student網(wǎng)絡(luò )結構定義.mp4
03 訓練T與S得到蒸餾模型.mp4
04 開(kāi)始模型訓練過(guò)程與問(wèn)題修正.mp4
05 日志輸出與模型分離.mp4
06 分別得到Teacher與Student模型.mp4
07 實(shí)際測試效果演示.mp4
20 第八模塊：模型剪枝方法概述分析
01 SuperNet網(wǎng)絡(luò )結構分析與剪枝概述.mp4
02 搜索匹配到符合計算量的模型并訓練.mp4
21 第九模塊：mmaction行為識別
01 創(chuàng )建自己的行為識別標注數據集.mp4
22 OCR算法解讀
01 OCR算法解讀.mp4
23 額外補充-在源碼中加入各種注意力機制方法
01 在源碼中加入各種注意力機制方法.mp4
05 Opencv圖像處理框架實(shí)戰
01 課程簡(jiǎn)介與環(huán)境配置
01 課程簡(jiǎn)介.mp4
02 Python與Opencv配置安裝.mp4
03 Notebook與IDE環(huán)境.mp4
02 圖像基本操作
01 計算機眼中的圖像.mp4
02 視頻的讀取與處理.mp4
03 ROI區域.mp4
04 邊界填充.mp4
05 數值計算.mp4
03 閾值與平滑處理
01 圖像閾值.mp4
02 圖像平滑處理.mp4
03 高斯與中值濾波.mp4
04 圖像形態(tài)學(xué)操作
01 腐蝕操作.mp4
02 膨脹操作.mp4
03 開(kāi)運算與閉運算.mp4
04 梯度計算.mp4
05 禮帽與黑帽.mp4
05 圖像梯度計算
01 Sobel算子.mp4
02 梯度計算方法.mp4
03 scharr與lapkacian算子.mp4
06 邊緣檢測
01 Canny邊緣檢測流程.mp4
02 非極大值抑制.mp4
03 邊緣檢測效果.mp4
07 圖像金字塔與輪廓檢測
01 圖像金字塔定義.mp4
02 金字塔制作方法.mp4
03 輪廓檢測方法.mp4
04 輪廓檢測結果.mp4
05 輪廓特征與近似.mp4
06 模板匹配方法.mp4
07 匹配效果展示.mp4
08 直方圖與傅里葉變換
01 直方圖定義.mp4
02 均衡化原理.mp4
03 均衡化效果.mp4
04 傅里葉概述.mp4
05 頻域變換結果.mp4
06 低通與高通濾波.mp4
09 項目實(shí)戰-信用卡數字識別
01 總體流程與方法講解.mp4
02 環(huán)境配置與預處理.mp4
03 模板處理方法.mp4
04 輸入數據處理方法.mp4
05 模板匹配得出識別結果.mp4
10 項目實(shí)戰-文檔掃描OCR識別
01 整體流程演示.mp4
02 文檔輪廓提取.mp4
03 原始與變換坐標計算.mp4
04 透視變換結果.mp4
05 tesseract-ocr安裝配置.mp4
06 文檔掃描識別效果.mp4
11 圖像特征-harris
01 角點(diǎn)檢測基本原理.mp4
02 基本數學(xué)原理.mp4
03 求解化簡(jiǎn).mp4
04 特征歸屬劃分.mp4
05 opencv角點(diǎn)檢測效果.mp4
12 圖像特征-sift
01 尺度空間定義.mp4
02 高斯差分金字塔.mp4
03 特征關(guān)鍵點(diǎn)定位.mp4
04 生成特征描述.mp4
05 特征向量生成.mp4
06 opencv中sift函數使用.mp4
13 案例實(shí)戰-全景圖像拼接
01 特征匹配方法.mp4
02 RANSAC算法.mp4
03 圖像拼接方法.mp4
04 流程解讀.mp4
14 項目實(shí)戰-停車(chē)場(chǎng)車(chē)位識別
01 任務(wù)整體流程.mp4
02 所需數據介紹.mp4
03 圖像數據預處理.mp4
04 車(chē)位直線(xiàn)檢測.mp4
05 按列劃分區域.mp4
06 車(chē)位區域劃分.mp4
07 識別模型構建.mp4
08 基于視頻的車(chē)位檢測.mp4
15 項目實(shí)戰-答題卡識別判卷
01 整體流程與效果概述.mp4
02 預處理操作.mp4
03 填涂輪廓檢測.mp4
04 選項判斷識別.mp4
16 背景建模
01 背景消除-幀差法.mp4
02 混合高斯模型.mp4
03 學(xué)習步驟.mp4
04 背景建模實(shí)戰.mp4
17 光流估計
01 基本概念.mp4
02 Lucas-Kanade算法.mp4
03 推導求解.mp4
04 光流估計實(shí)戰.mp4
18 Opencv的DNN模塊
01 dnn模塊.mp4
02 模型加載結果輸出.mp4
19 項目實(shí)戰-目標追蹤
01 目標追蹤概述.mp4
02 多目標追蹤實(shí)戰.mp4
03 深度學(xué)習檢測框架加載.mp4
04 基于dlib與ssd的追蹤.mp4
05 多進(jìn)程目標追蹤.mp4
06 多進(jìn)程效率提升對比.mp4
20 卷積原理與操作
01 卷積神經(jīng)網(wǎng)絡(luò )的應用.mp4
02 卷積層解釋.mp4
03 卷積計算過(guò)程.mp4
04 pading與stride.mp4
05 卷積參數共享.mp4
06 池化層原理.mp4
07 卷積效果演示.mp4
08 卷積操作流程.mp4
21 項目實(shí)戰-疲勞檢測
01 關(guān)鍵點(diǎn)定位概述.mp4
02 獲取人臉關(guān)鍵點(diǎn).mp4
03 定位效果演示.mp4
04 閉眼檢測.mp4
05 檢測效果.mp4
06 綜合項目-物體檢測經(jīng)典算法實(shí)戰
01 深度學(xué)習經(jīng)典檢測方法概述
01 檢測任務(wù)中階段的意義.mp4
02 不同階段算法優(yōu)缺點(diǎn)分析.mp4
03 IOU指標計算.mp4
04 評估所需參數計算.mp4
05 map指標計算.mp4
02 YOLO-V1整體思想與網(wǎng)絡(luò )架構
01 YOLO算法整體思路解讀.mp4
02 檢測算法要得到的結果.mp4
03 整體網(wǎng)絡(luò )架構解讀.mp4
04 位置損失計算.mp4
05 置信度誤差與優(yōu)缺點(diǎn)分析.mp4
03 YOLO-V2改進(jìn)細節詳解
01 V2版本細節升級概述.mp4
02 網(wǎng)絡(luò )結構特點(diǎn).mp4
03 架構細節解讀.mp4
04 基于聚類(lèi)來(lái)選擇先驗框尺寸.mp4
05 偏移量計算方法.mp4
06 坐標映射與還原.mp4
07 感受野的作用.mp4
08 特征融合改進(jìn).mp4
04 YOLO-V3核心網(wǎng)絡(luò )模型
01 V3版本改進(jìn)概述.mp4
02 多scale方法改進(jìn)與特征融合.mp4
03 經(jīng)典變換方法對比分析.mp4
04 殘差連接方法解讀.mp4
05 整體網(wǎng)絡(luò )模型架構分析.mp4
06 先驗框設計改進(jìn).mp4
07 sotfmax層改進(jìn).mp4
05 項目實(shí)戰-基于V3版本進(jìn)行源碼解讀（建議直接跑V5版本）
01 數據與環(huán)境配置.mp4
02 訓練參數設置.mp4
03 COCO圖像數據讀取與處理.mp4
04 標簽文件讀取與處理.mp4
05 debug模式介紹.mp4
06 基于配置文件構建網(wǎng)絡(luò )模型.mp4
07 路由層與shortcut層的作用.mp4
08 YOLO層定義解析.mp4
09 預測結果計算.mp4
10 網(wǎng)格偏移計算.mp4
11 模型要計算的損失概述.mp4
12 標簽值格式修改.mp4
13 坐標相對位置計算.mp4
14 完成所有損失函數所需計算指標.mp4
15 模型訓練與總結.mp4
16 預測效果展示.mp4
06 基于YOLO-V3訓練自己的數據集與任務(wù)（建議直接跑V5版本）
01 Labelme工具安裝.mp4
02 數據信息標注.mp4
03 完成標簽制作.mp4
04 生成模型所需配置文件.mp4
05 json格式轉換成yolo-v3所需輸入.mp4
06 完成輸入數據準備工作.mp4
07 訓練代碼與參數配置更改.mp4
08 訓練模型并測試效果.mp4
07 YOLO-V4版本算法解讀
01 V4版本整體概述.mp4
02 V4版本貢獻解讀.mp4
03 數據增強策略分析.mp4
04 DropBlock與標簽平滑方法.mp4
05 損失函數遇到的問(wèn)題.mp4
06 CIOU損失函數定義.mp4
07 NMS細節改進(jìn).mp4
08 SPP與CSP網(wǎng)絡(luò )結構.mp4
09 SAM注意力機制模塊.mp4
10 PAN模塊解讀.mp4
11 激活函數與整體架構總結.mp4
08 V5版本項目配置
01 整體項目概述.mp4
02 訓練自己的數據集方法.mp4
03 訓練數據參數配置.mp4
04 測試DEMO演示.mp4
09 V5項目工程源碼解讀
01 數據源DEBUG流程解讀.mp4
02 圖像數據源配置.mp4
03 加載標簽數據.mp4
04 Mosaic數據增強方法.mp4
05 數據四合一方法與流程演示.mp4
06 getItem構建batch.mp4
07 網(wǎng)絡(luò )架構圖可視化工具安裝.mp4
08 V5網(wǎng)絡(luò )配置文件解讀.mp4
09 Focus模塊流程分析.mp4
10 完成配置文件解析任務(wù).mp4
11 前向傳播計算.mp4
12 BottleneckCSP層計算方法.mp4
13 SPP層計算細節分析.mp4
14 Head層流程解讀.mp4
15 上采樣與拼接操作.mp4
16 輸出結果分析.mp4
17 超參數解讀.mp4
18 命令行參數介紹.mp4
19 訓練流程解讀.mp4
20 各種訓練策略概述.mp4
21 模型迭代過(guò)程.mp4
10 V7源碼解讀
01 命令行參數介紹.mp4
02 基本參數作用.mp4
03 EMA等訓練技巧解讀.mp4
04 網(wǎng)絡(luò )結構配置文件解讀.mp4
05 各模塊操作細節分析.mp4
06 輸出層與配置文件其他模塊解讀.mp4
07 標簽分配策略準備操作.mp4
08 候選框偏移方法與find3p模塊解讀.mp4
09 得到偏移點(diǎn)所在網(wǎng)格位置.mp4
10 完成BuildTargets模塊.mp4
11 候選框篩選流程分析.mp4
12 預測值各項指標獲取與調整.mp4
13 GT匹配正樣本數量計算.mp4
14 通過(guò)IOU與置信度分配正樣本.mp4
15 損失函數計算方法.mp4
16 輔助頭AUX網(wǎng)絡(luò )結構配置文件解析.mp4
17 輔助頭損失函數調整.mp4
18 BN與卷積權重參數融合方法.mp4
19 重參數化多分支合并加速.mp4
11 EfficientNet網(wǎng)絡(luò )
01 EfficientNet網(wǎng)絡(luò )模型.mp4
12 EfficientDet檢測算法
01 EfficientDet檢測算法.mp4
13 基于Transformer的detr目標檢測算法
01 DETR目標檢測基本思想解讀.mp4
02 整體網(wǎng)絡(luò )架構分析.mp4
03 位置信息初始化query向量.mp4
04 注意力機制的作用方法.mp4
05 訓練過(guò)程的策略.mp4
14 detr目標檢測源碼解讀
01 項目環(huán)境配置解讀.mp4
02 數據處理與dataloader.mp4
03 位置編碼作用分析.mp4
04 backbone特征提取模塊.mp4
05 mask與編碼模塊.mp4
06 編碼層作用方法.mp4
07 Decoder層操作與計算.mp4
08 輸出預測結果.mp4
09 損失函數與預測輸出.mp4
07 圖像分割實(shí)戰
01 圖像分割及其損失函數概述
01 語(yǔ)義分割與實(shí)例分割概述.mp4
02 分割任務(wù)中的目標函數定義.mp4
03 MIOU評估標準.mp4
02 卷積神經(jīng)網(wǎng)絡(luò )原理與參數解讀
01 卷積神經(jīng)網(wǎng)絡(luò )應用領(lǐng)域.mp4
02 卷積的作用.mp4
03 卷積特征值計算方法.mp4
04 得到特征圖表示.mp4
05 步長(cháng)與卷積核大小對結果的影響.mp4
06 邊緣填充方法.mp4
07 特征圖尺寸計算與參數共享.mp4
08 池化層的作用.mp4
09 整體網(wǎng)絡(luò )架構.mp4
10 VGG網(wǎng)絡(luò )架構.mp4
11 殘差網(wǎng)絡(luò )Resnet.mp4
12 感受野的作用.mp4
03 Unet系列算法講解
01 Unet網(wǎng)絡(luò )編碼與解碼過(guò)程.mp4
02 網(wǎng)絡(luò )計算流程.mp4
03 Unet升級版本改進(jìn).mp4
04 后續升級版本介紹.mp4
04 unet醫學(xué)細胞分割實(shí)戰
01 醫學(xué)細胞數據集介紹與參數配置.mp4
02 數據增強工具.mp4
03 Debug模式演示網(wǎng)絡(luò )計算流程.mp4
04 特征融合方法演示.mp4
05 迭代完成整個(gè)模型計算任務(wù).mp4
06 模型效果驗證.mp4
05 U2NET顯著(zhù)性檢測實(shí)戰
01 任務(wù)目標與網(wǎng)絡(luò )整體介紹.mp4
02 顯著(zhù)性檢測任務(wù)與目標概述.mp4
03 編碼器模塊解讀.mp4
04 解碼器輸出結果.mp4
05 損失函數與應用效果.mp4
06 deeplab系列算法
01 deeplab分割算法概述.mp4
02 空洞卷積的作用.mp4
03 感受野的意義.mp4
04 SPP層的作用.mp4
05 ASPP特征融合策略.mp4
06 deeplabV3Plus版本網(wǎng)絡(luò )架構.mp4
07 基于deeplabV3+版本進(jìn)行VOC分割實(shí)戰
01 PascalVoc數據集介紹.mp4
02 項目參數與數據集讀取.mp4
03 網(wǎng)絡(luò )前向傳播流程.mp4
04 ASPP層特征融合.mp4
05 分割模型訓練.mp4
08 醫學(xué)心臟視頻數據集分割建模實(shí)戰
01 數據集與任務(wù)概述.mp4
02 項目基本配置參數.mp4
03 任務(wù)流程解讀.mp4
04 文獻報告分析.mp4
05 補充：視頻數據源特征處理方法概述.mp4
06 補充：R(2plus1)D處理方法分析.mp4
09 物體檢測框架-MaskRcnn項目介紹與配置
01 Mask-Rcnn開(kāi)源項目簡(jiǎn)介.mp4
02 開(kāi)源項目數據集.mp4
03 開(kāi)源項目數據集.mp4
10 MaskRcnn網(wǎng)絡(luò )框架源碼詳解
01 FPN層特征提取原理解讀.mp4
02 FPN網(wǎng)絡(luò )架構實(shí)現解讀.mp4
03 生成框比例設置.mp4
04 基于不同尺度特征圖生成所有框.mp4
05 RPN層的作用與實(shí)現解讀.mp4
06 候選框過(guò)濾方法.mp4
07 Proposal層實(shí)現方法.mp4
08 DetectionTarget層的作用.mp4
09 正負樣本選擇與標簽定義.mp4
10 RoiPooling層的作用與目的.mp4
11 RorAlign操作的效果.mp4
12 整體框架回顧.mp4
11 基于MASK-RCNN框架訓練自己的數據與任務(wù)
01 Labelme工具安裝.mp4
02 使用labelme進(jìn)行數據與標簽標注.mp4
03 完成訓練數據準備工作.mp4
04 maskrcnn源碼修改方法.mp4
05 基于標注數據訓練所需任務(wù).mp4
06 測試與展示模塊.mp4
08 行為識別實(shí)戰
01 slowfast算法知識點(diǎn)通俗解讀
01 slowfast核心思想解讀.mp4
02 核心網(wǎng)絡(luò )結構模塊分析.mp4
03 數據采樣曾的作用.mp4
04 模型網(wǎng)絡(luò )結構設計.mp4
05 特征融合模塊與總結分析.mp4
02 slowfast項目環(huán)境配置與配置文件
01 環(huán)境基本配置解讀.mp4
02 目錄各文件分析.mp4
03 配置文件作用解讀.mp4
04 測試DEMO演示.mp4
05 訓練所需標簽文件說(shuō)明.mp4
06 訓練所需視頻數據準備.mp4
07 視頻數據集切分操作.mp4
08 完成視頻分幀操作.mp4
03 slowfast源碼詳細解讀
01 模型所需配置文件參數讀取.mp4
02 數據處理概述.mp4
03 dataloader數據遍歷方法.mp4
04 數據與標簽讀取實(shí)例.mp4
05 圖像數據所需預處理方法.mp4
06 slow與fast分別執行采樣操作.mp4
07 分別計算特征圖輸出結果.mp4
08 slow與fast特征圖拼接操作.mp4
09 resnetBolock操作.mp4
10 RoiAlign與輸出層.mp4
04 基于3D卷積的視頻分析與動(dòng)作識別
01 3D卷積原理解讀.mp4
02 UCF101動(dòng)作識別數據集簡(jiǎn)介.mp4
03 測試效果與項目配置.mp4
04 視頻數據預處理方法.mp4
05 數據Batch制作方法.mp4
06 3D卷積網(wǎng)絡(luò )所涉及模塊.mp4
07 訓練網(wǎng)絡(luò )模型.mp4
05 視頻異常檢測算法與元學(xué)習
01 異常檢測要解決的問(wèn)題與數據集介紹.mp4
02 基本思想與流程分析.mp4
03 預測與常見(jiàn)問(wèn)題.mp4
04 Meta-Learn要解決的問(wèn)題.mp4
05 學(xué)習能力與參數定義.mp4
06 如何找到合適的初始化參數.mp4
07 MAML算法流程解讀.mp4
06 視頻異常檢測CVPR2021論文及其源碼解讀
01 論文概述與環(huán)境配置.mp4
02 數據集配置與讀取.mp4
03 模型編碼與解碼結構.mp4
04 注意力機制模塊打造.mp4
05 損失函數的目的.mp4
06 特征圖生成.mp4
07 MetaLearn與輸出.mp4
07 基礎補充-Resnet模型及其應用實(shí)例
01 醫學(xué)疾病數據集介紹.mp4
02 Resnet網(wǎng)絡(luò )架構原理分析.mp4
03 dataloader加載數據集.mp4
04 Resnet網(wǎng)絡(luò )前向傳播.mp4
05 殘差網(wǎng)絡(luò )的shortcut操作.mp4
06 特征圖升維與降采樣操作.mp4
07 網(wǎng)絡(luò )整體流程與訓練演示.mp4
09 2022論文必備-Transformer實(shí)戰系列
01 課程介紹
01 課程介紹.mp4
02 自然語(yǔ)言處理通用框架BERT原理解讀
01 BERT任務(wù)目標概述.mp4
02 傳統解決方案遇到的問(wèn)題.mp4
03 注意力機制的作用.mp4
04 self-attention計算方法.mp4
05 特征分配與softmax機制.mp4
06 Multi-head的作用.mp4
07 位置編碼與多層堆疊.mp4
08 transformer整體架構梳理.mp4
09 BERT模型訓練方法.mp4
10 訓練實(shí)例.mp4
03 Transformer在視覺(jué)中的應用VIT算法
01 transformer發(fā)家史介紹.mp4
02 對圖像數據構建patch序列.mp4
03 VIT整體架構解讀.mp4
04 CNN遇到的問(wèn)題與窘境.mp4
05 計算公式解讀.mp4
06 位置編碼與TNT模型.mp4
07 TNT模型細節分析.mp4
04 VIT算法模型源碼解讀
01 項目配置說(shuō)明.mp4
02 輸入序列構建方法解讀.mp4
03 注意力機制計算.mp4
04 輸出層計算結果.mp4
05 swintransformer算法原理解析
01 swintransformer整體概述.mp4
02 要解決的問(wèn)題及其優(yōu)勢分析.mp4
03 一個(gè)block要完成的任務(wù).mp4
04 獲取各窗口輸入特征.mp4
05 基于窗口的注意力機制解讀.mp4
06 窗口偏移操作的實(shí)現.mp4
07 偏移細節分析及其計算量概述.mp4
08 整體網(wǎng)絡(luò )架構整合.mp4
09 下采樣操作實(shí)現方法.mp4
10 分層計算方法.mp4
06 swintransformer源碼解讀
01 數據與環(huán)境配置解讀.mp4
02 圖像數據patch編碼.mp4
03 數據按window進(jìn)行劃分計算.mp4
04 基礎attention計算模塊.mp4
05 窗口位移模塊細節分析.mp4
06 patchmerge下采樣操作.mp4
07 各block計算方法解讀.mp4
08 輸出層概述.mp4
07 基于Transformer的detr目標檢測算法
01 DETR目標檢測基本思想解讀.mp4
02 整體網(wǎng)絡(luò )架構分析.mp4
03 位置信息初始化query向量.mp4
04 注意力機制的作用方法.mp4
05 訓練過(guò)程的策略.mp4
08 detr目標檢測源碼解讀
01 項目環(huán)境配置解讀.mp4
02 數據處理與dataloader.mp4
03 位置編碼作用分析.mp4
04 backbone特征提取模塊.mp4
05 mask與編碼模塊.mp4
06 編碼層作用方法.mp4
07 Decoder層操作與計算.mp4
08 輸出預測結果.mp4
09 損失函數與預測輸出.mp4
09 MedicalTrasnformer論文解讀
01 論文整體分析.mp4
02 核心思想分析.mp4
03 網(wǎng)絡(luò )結構計算流程概述.mp4
04 論文公式計算分析.mp4
05 位置編碼的作用與效果.mp4
06 拓展應用分析.mp4
10 MedicalTransformer源碼解讀
01 項目環(huán)境配置.mp4
02 醫學(xué)數據介紹與分析.mp4
03 基本處理操作.mp4
04 AxialAttention實(shí)現過(guò)程.mp4
05 位置編碼向量解讀.mp4
06 注意力計算過(guò)程與方法.mp4
07 局部特征提取與計算.mp4
11 商湯LoFTR算法解讀
01 特征匹配的應用場(chǎng)景.mp4
02 特征匹配的基本流程分析.mp4
03 整體流程梳理分析.mp4
04 CrossAttention的作用與效果.mp4
05 transformer構建匹配特征.mp4
06 粗粒度匹配過(guò)程與作用.mp4
07 特征圖拆解操作.mp4
08 細粒度匹配的作用與方法.mp4
09 基于期望預測最終位置.mp4
10 總結分析.mp4
12 局部特征關(guān)鍵點(diǎn)匹配實(shí)戰
01 項目與參數配置解讀.mp4
02 DEMO效果演示.mp4
03 backbone特征提取模塊.mp4
04 注意力機制的作用與效果分析.mp4
05 特征融合模塊實(shí)現方法.mp4
06 cross關(guān)系計算方法實(shí)例.mp4
07 粗粒度匹配過(guò)程.mp4
08 完成基礎匹配模塊.mp4
09 精細化調整方法與實(shí)例.mp4
10 得到精細化輸出結果.mp4
11 通過(guò)期望計算最終輸出.mp4
13 項目補充-谷歌開(kāi)源項目BERT源碼解讀與應用實(shí)例
01 BERT開(kāi)源項目簡(jiǎn)介.mp4
02 項目參數配置.mp4
03 數據讀取模塊.mp4
04 數據預處理模塊.mp4
05 tfrecord制作.mp4
06 Embedding層的作用.mp4
07 加入額外編碼特征.mp4
08 加入位置編碼特征.mp4
09 mask機制的作用.mp4
10 構建QKV矩陣.mp4
11 完成Transformer模塊構建.mp4
12 訓練BERT模型.mp4
14 項目補充-基于BERT的中文情感分析實(shí)戰
01 中文分類(lèi)數據與任務(wù)概述.mp4
02 讀取處理自己的數據集.mp4
03 訓練BERT中文分類(lèi)模型.mp4
10 圖神經(jīng)網(wǎng)絡(luò )實(shí)戰
01 圖神經(jīng)網(wǎng)絡(luò )基礎
01 圖神經(jīng)網(wǎng)絡(luò )應用領(lǐng)域分析.mp4
02 圖基本模塊定義.mp4
03 鄰接矩陣的定義.mp4
04 GNN中常見(jiàn)任務(wù).mp4
05 消息傳遞計算方法.mp4
06 多層GCN的作用.mp4
02 圖卷積GCN模型
01 GCN基本模型概述.mp4
02 圖卷積的基本計算方法.mp4
03 鄰接的矩陣的變換.mp4
04 GCN變換原理解讀.mp4
03 圖模型必備神器PyTorch Geometric安裝與使用
01 PyTorch Geometric工具包安裝與配置方法.mp4
02 數據集與鄰接矩陣格式.mp4
03 模型定義與訓練方法.mp4
04 文獻引用數據集分類(lèi)案例實(shí)戰.mp4
04 使用PyTorch Geometric構建自己的圖數據集
01 構建數據集基本方法.mp4
02 數據集與任務(wù)背景概述.mp4
03 數據集基本預處理.mp4
04 用戶(hù)行為圖結構創(chuàng )建.mp4
05 數據集創(chuàng )建函數介紹.mp4
06 網(wǎng)絡(luò )結構定義模塊.mp4
07 TopkPooling進(jìn)行下采樣任務(wù).mp4
08 獲取全局特征.mp4
09 模型訓練與總結.mp4
05 圖注意力機制與序列圖模型
01 圖注意力機制的作用與方法.mp4
02 鄰接矩陣計算圖Attention.mp4
03 序列圖神經(jīng)網(wǎng)絡(luò )TGCN應用.mp4
04 序列圖神經(jīng)網(wǎng)絡(luò )細節.mp4
06 圖相似度論文解讀
01 要完成的任務(wù)分析.mp4
02 基本方法概述解讀.mp4
03 圖模型提取全局與局部特征.mp4
04 NTN模塊的作用與效果.mp4
05 點(diǎn)之間的對應關(guān)系計算.mp4
06 結果輸出與總結.mp4
07 圖相似度計算實(shí)戰
01 數據集與任務(wù)概述.mp4
02 圖卷積特征提取模塊.mp4
03 分別計算不同Batch點(diǎn)的分布.mp4
04 獲得直方圖特征結果.mp4
05 圖的全局特征構建.mp4
06 NTN圖相似特征提取.mp4
07 預測得到相似度結果.mp4
08 基于圖模型的軌跡估計
01 數據集與標注信息解讀.mp4
02 整體三大模塊分析.mp4
03 特征工程的作用與效果.mp4
04 傳統方法與現在向量空間對比.mp4
05 輸入細節分析.mp4
06 子圖模塊構建方法.mp4
07 特征融合模塊分析.mp4
08 VectorNet輸出層分析.mp4
09 圖模型軌跡估計實(shí)戰
01 數據與環(huán)境配置.mp4
02 訓練數據準備.mp4
03 Agent特征提取方法.mp4
04 DataLoader構建圖結構.mp4
05 SubGraph與Attention模型流程.mp4
11 3D點(diǎn)云實(shí)戰
01 3D點(diǎn)云實(shí)戰 3D點(diǎn)云應用領(lǐng)域分析
01 點(diǎn)云數據概述.mp4
02 點(diǎn)云應用領(lǐng)域與發(fā)展分析.mp4
03 點(diǎn)云分割任務(wù).mp4
04 點(diǎn)云補全任務(wù).mp4
05 點(diǎn)云檢測與配準任務(wù).mp4
06 點(diǎn)云數據特征提取概述與預告.mp4
02 3D點(diǎn)云PointNet算法
01 3D數據應用領(lǐng)域與點(diǎn)云介紹.mp4
02 點(diǎn)云數據可視化展示.mp4
03 點(diǎn)云數據特性和及要解決的問(wèn)題.mp4
04 PointNet算法出發(fā)點(diǎn)解讀.mp4
05 PointNet算法網(wǎng)絡(luò )架構解讀.mp4
03 PointNet++算法解讀
01 PointNet升級版算法要解決的問(wèn)題.mp4
02 最遠點(diǎn)采樣方法.mp4
03 分組Group方法原理解讀.mp4
04 整體流程概述分析.mp4
05 分類(lèi)與分割問(wèn)題解決方案.mp4
06 遇到的問(wèn)題及改進(jìn)方法分析.mp4
04 Pointnet++項目實(shí)戰
01 項目文件概述.mp4
02 數據讀取模塊配置.mp4
03 DEBUG解讀網(wǎng)絡(luò )模型架構.mp4
04 最遠點(diǎn)采樣介紹.mp4
05 采樣得到中心點(diǎn).mp4
06 組區域劃分方法.mp4
07 實(shí)現group操作得到各中心簇.mp4
08 特征提取模塊整體流程.mp4
09 預測結果輸出模塊.mp4
10 分類(lèi)任務(wù)總結.mp4
11 分割任務(wù)數據與配置概述.mp4
12 分割需要解決的任務(wù)概述.mp4
13 上采樣完成分割任務(wù).mp4
05 點(diǎn)云補全PF-Net論文解讀
01 點(diǎn)云補全要解決的問(wèn)題.mp4
02 基本解決方案概述.mp4
03 整體網(wǎng)絡(luò )概述.mp4
04 網(wǎng)絡(luò )計算流程.mp4
05 輸入與計算結果.mp4
06 點(diǎn)云補全實(shí)戰解讀
01 數據與項目配置解讀.mp4
02 待補全數據準備方法.mp4
03 整體框架概述.mp4
04 MRE特征提取模塊.mp4
05 分層預測輸出模塊.mp4
06 補全點(diǎn)云數據.mp4
07 判別模塊.mp4
07 點(diǎn)云配準及其案例實(shí)戰
01 點(diǎn)云配準任務(wù)概述.mp4
02 配準要完成的目標解讀.mp4
03 訓練數據構建.mp4
04 任務(wù)基本流程.mp4
05 數據源配置方法.mp4
06 參數計算模塊解讀.mp4
07 基于模型預測輸出參數.mp4
08 特征構建方法分析.mp4
09 任務(wù)總結.mp4
08 基礎補充-對抗生成網(wǎng)絡(luò )架構原理與實(shí)戰解析
01 對抗生成網(wǎng)絡(luò )通俗解釋.mp4
02 GAN網(wǎng)絡(luò )組成.mp4
03 損失函數解釋說(shuō)明.mp4
04 數據讀取模塊.mp4
05 生成與判別網(wǎng)絡(luò )定義.mp4
12 目標追蹤與姿態(tài)估計實(shí)戰
01 課程介紹
01 課程介紹.mp4
02 姿態(tài)估計OpenPose系列算法解讀
01 姿態(tài)估計要解決的問(wèn)題分析.mp4
02 姿態(tài)估計應用領(lǐng)域概述.mp4
03 傳統topdown方法的問(wèn)題.mp4
04 要解決的兩個(gè)問(wèn)題分析.mp4
05 基于高斯分布預測關(guān)鍵點(diǎn)位置.mp4
06 各模塊輸出特征圖解讀.mp4
07 PAF向量登場(chǎng).mp4
08 PAF標簽設計方法.mp4
09 預測時(shí)PAF積分計算方法.mp4
10 匹配方法解讀.mp4
11 CPM模型特點(diǎn).mp4
12 算法流程與總結.mp4
03 OpenPose算法源碼分析
01 數據集與路徑配置解讀.mp4
02 讀取圖像與標注信息.mp4
03 關(guān)鍵點(diǎn)與軀干特征圖初始化.mp4
04 根據關(guān)鍵點(diǎn)位置設計關(guān)鍵點(diǎn)標簽.mp4
05 準備構建PAF軀干標簽.mp4
06 各位置點(diǎn)歸屬判斷.mp4
07 特征圖各點(diǎn)累加向量計算.mp4
08 完成PAF特征圖制作.mp4
09 網(wǎng)絡(luò )模型一階段輸出.mp4
10 多階段輸出與預測.mp4
04 deepsort算法知識點(diǎn)解讀
01 卡爾曼濾波通俗解釋.mp4
02 卡爾曼濾波要完成的任務(wù).mp4
03 任務(wù)本質(zhì)分析.mp4
04 基于觀(guān)測值進(jìn)行最優(yōu)估計.mp4
05 預測與更新操作.mp4
06 追蹤中的狀態(tài)量.mp4
07 匈牙利匹配算法概述.mp4
08 匹配小例子分析.mp4
09 REID特征的作用.mp4
10 sort與deepsort建模流程分析.mp4
11 預測與匹配流程解讀.mp4
12 追蹤任務(wù)流程拆解.mp4
05 deepsort源碼解讀
01 項目環(huán)境配置.mp4
02 參數與DEMO演示.mp4
03 針對檢測結果初始化track.mp4
04 對track執行預測操作.mp4
05 狀態(tài)量預測結果.mp4
06 IOU代價(jià)矩陣計算.mp4
07 參數更新操作.mp4
08 級聯(lián)匹配模塊.mp4
09 ReID特征代價(jià)矩陣計算.mp4
10 匹配結果與總結.mp4
06 YOLO-V4版本算法解讀
01 V4版本整體概述.mp4
02 V4版本貢獻解讀.mp4
03 數據增強策略分析.mp4
04 DropBlock與標簽平滑方法.mp4
05 損失函數遇到的問(wèn)題.mp4
06 CIOU損失函數定義.mp4
07 NMS細節改進(jìn).mp4
08 SPP與CSP網(wǎng)絡(luò )結構.mp4
09 SAM注意力機制模塊.mp4
10 PAN模塊解讀.mp4
11 激活函數與整體架構總結.mp4
07 V5版本項目配置
01 整體項目概述.mp4
02 訓練自己的數據集方法.mp4
03 訓練數據參數配置.mp4
04 測試DEMO演示.mp4
08 V5項目工程源碼解讀
01 數據源DEBUG流程解讀.mp4
02 圖像數據源配置.mp4
03 加載標簽數據.mp4
04 Mosaic數據增強方法.mp4
05 數據四合一方法與流程演示.mp4
06 getItem構建batch.mp4
07 網(wǎng)絡(luò )架構圖可視化工具安裝.mp4
08 V5網(wǎng)絡(luò )配置文件解讀.mp4
09 Focus模塊流程分析.mp4
10 完成配置文件解析任務(wù).mp4
11 前向傳播計算.mp4
12 BottleneckCSP層計算方法.mp4
13 1-SPP層計算細節分析.mp4
14 2-Head層流程解讀.mp4
15 上采樣與拼接操作.mp4
16 輸出結果分析.mp4
17 超參數解讀.mp4
18 命令行參數介紹.mp4
19 訓練流程解讀.mp4
20 各種訓練策略概述.mp4
21 模型迭代過(guò)程.mp4
13 面向深度學(xué)習的無(wú)人駕駛實(shí)戰
01 深度估計算法原理解讀
01 深度估計效果與應用.mp4
02 kitti數據集介紹.mp4
03 使用backbone獲取層級特征.mp4
04 差異特征計算邊界信息.mp4
05 SPP層的作用.mp4
06 空洞卷積與ASPP.mp4
07 特征拼接方法分析.mp4
08 網(wǎng)絡(luò )coarse-to-fine過(guò)程.mp4
09 權重參數預處理.mp4
10 損失計算.mp4
02 深度估計項目實(shí)戰
01 項目環(huán)境配置解讀.mp4
02 數據與標簽定義方法.mp4
03 數據集dataloader制作.mp4
04 使用backbone進(jìn)行特征提取.mp4
05 計算差異特征.mp4
06 權重參數標準化操作.mp4
07 網(wǎng)絡(luò )結構ASPP層.mp4
08 特征拼接方法解讀.mp4
09 輸出深度估計結果.mp4
10 損失函數通俗解讀.mp4
11 模型DEMO輸出結果.mp4
03 車(chē)道線(xiàn)檢測算法與論文解讀
01 數據標簽與任務(wù)分析.mp4
02 網(wǎng)絡(luò )整體框架分析.mp4
03 輸出結果分析.mp4
04 損失函數計算方法.mp4
05 論文概述分析.mp4
04 基于深度學(xué)習的車(chē)道線(xiàn)檢測項目實(shí)戰
01 車(chē)道數據與標簽解讀.mp4
02 項目環(huán)境配置演示.mp4
03 制作數據集dataloader.mp4
04 車(chē)道線(xiàn)標簽數據處理.mp4
05 四條車(chē)道線(xiàn)標簽位置矩陣.mp4
06 grid設置方法.mp4
07 完成數據與標簽制作.mp4
08 算法網(wǎng)絡(luò )結構解讀.mp4
09 損失函數計算模塊分析.mp4
10 車(chē)道線(xiàn)規則損失函數限制.mp4
11 DEMO制作與配置.mp4
05 商湯LoFTR算法解讀
01 特征匹配的應用場(chǎng)景.mp4
02 特征匹配的基本流程分析.mp4
03 整體流程梳理分析.mp4
04 CrossAttention的作用與效果.mp4
05 transformer構建匹配特征.mp4
06 粗粒度匹配過(guò)程與作用.mp4
07 特征圖拆解操作.mp4
08 細粒度匹配的作用與方法.mp4
09 基于期望預測最終位置.mp4
10 總結分析.mp4
06 局部特征關(guān)鍵點(diǎn)匹配實(shí)戰
01 項目與參數配置解讀.mp4
02 DEMO效果演示.mp4
03 backbone特征提取模塊.mp4
04 注意力機制的作用與效果分析.mp4
05 特征融合模塊實(shí)現方法.mp4
06 cross關(guān)系計算方法實(shí)例.mp4
07 粗粒度匹配過(guò)程.mp4
08 完成基礎匹配模塊.mp4
09 精細化調整方法與實(shí)例.mp4
10 得到精細化輸出結果.mp4
11 通過(guò)期望計算最終輸出.mp4
07 三維重建應用與坐標系基礎
01 三維重建概述分析.mp4
02 三維重建應用領(lǐng)域概述.mp4
03 成像方法概述.mp4
04 相機坐標系.mp4
05 坐標系轉換方法解讀.mp4
06 相機內外參.mp4
07 通過(guò)內外參數進(jìn)行坐標變換.mp4
08 相機標定簡(jiǎn)介.mp4
08 NeuralRecon算法解讀
01 任務(wù)流程分析.mp4
02 基本框架熟悉.mp4
03 特征映射方法解讀.mp4
04 片段融合思想.mp4
05 整體架構重構方法.mp4
09 NeuralRecon項目環(huán)境配置
01 數據集下載與配置方法.mp4
02 Scannet數據集內容概述.mp4
03 TSDF標簽生成方法.mp4
04 ISSUE的作用.mp4
05 完成依賴(lài)環(huán)境配置.mp4
10 NeuralRecon項目源碼解讀
01 Backbone得到特征圖.mp4
02 初始化體素位置.mp4
03 坐標映射方法實(shí)現.mp4
04 得到體素所對應特征圖.mp4
05 插值得到對應特征向量.mp4
06 得到一階段輸出結果.mp4
07 完成三個(gè)階段預測結果.mp4
08 項目總結.mp4
11 TSDF算法與應用
01 TSDF整體概述分析.mp4
02 合成過(guò)程DEMO演示.mp4
03 布局初始化操作.mp4
04 TSDF計算基本流程解讀.mp4
05 坐標轉換流程分析.mp4
06 輸出結果融合更新.mp4
12 TSDF實(shí)戰案例
01 環(huán)境配置概述.mp4
02 初始化與數據讀取.mp4
03 計算得到TSDF輸出.mp4
13 軌跡估計算法與論文解讀
01 數據集與標注信息解讀.mp4
02 整體三大模塊分析.mp4
03 特征工程的作用與效果.mp4
04 傳統方法與現在向量空間對比.mp4
05 輸入細節分析.mp4
06 子圖模塊構建方法.mp4
07 特征融合模塊分析.mp4
08 VectorNet輸出層分析.mp4
14 軌跡估計預測實(shí)戰
01 數據與環(huán)境配置.mp4
02 訓練數據準備.mp4
03 Agent特征提取方法.mp4
04 DataLoader構建圖結構.mp4
05 SubGraph與Attention模型流程.mp4
15 特斯拉無(wú)人駕駛解讀
01 特斯拉無(wú)人駕駛解讀.mp4
14 對比學(xué)習與多模態(tài)任務(wù)實(shí)戰
01 對比學(xué)習算法與實(shí)例
01 對比學(xué)習算法與實(shí)例.mp4
02 CLIP系列
01 CLIP系列.mp4
03 多模態(tài)3D目標檢測算法源碼解讀
01 環(huán)境配置與數據集概述.mp4
02 數據與標注文件介紹.mp4
03 基本流程梳理并進(jìn)入debug模式.mp4
04 數據與圖像特征提取模塊.mp4
05 體素索引位置獲取.mp4
06 體素特征提取方法解讀.mp4
07 體素特征計算方法分析.mp4
08 全局體素特征提取.mp4
09 多模態(tài)特征融合.mp4
10 3D卷積特征融合.mp4
11 輸出層預測結果.mp4
04 多模態(tài)文字識別
01 多模態(tài)文字識別.mp4
05 ANINET源碼解讀
01 數據集與環(huán)境概述.mp4
02 配置文件修改方法.mp4
03 Bakbone模塊得到特征.mp4
04 視覺(jué)Transformer模塊的作用.mp4
05 視覺(jué)模型中的編碼與解碼的效果.mp4
06 文本模型中的結構分析.mp4
07 迭代修正模塊.mp4
08 輸出層與損失計算.mp4
15 缺陷檢測實(shí)戰
01 課程介紹
01 課程介紹.mp4
02 物體檢框架YOLO-V4版本算法解讀
01 V4版本整體概述.mp4
01 源碼【內有百度云地址，自取】.txt
02 V4版本貢獻解讀.mp4
03 數據增強策略分析.mp4
04 DropBlock與標簽平滑方法.mp4
05 損失函數遇到的問(wèn)題.mp4
06 CIOU損失函數定義.mp4
07 NMS細節改進(jìn).mp4
08 SPP與CSP網(wǎng)絡(luò )結構.mp4
09 SAM注意力機制模塊.mp4
10 PAN模塊解讀.mp4
11 激活函數與整體架構總結.mp4
03 物體檢測框架YOLOV5版本項目配置
01 整體項目概述.mp4
02 訓練自己的數據集方法.mp4
03 訓練數據參數配置.mp4
04 測試DEMO演示.mp4
04 物體檢測框架YOLOV5項目工程源碼解讀
01 數據源DEBUG流程解讀.mp4
02 圖像數據源配置.mp4
03 加載標簽數據.mp4
04 Mosaic數據增強方法.mp4
05 數據四合一方法與流程演示.mp4
06 getItem構建batch.mp4
07 網(wǎng)絡(luò )架構圖可視化工具安裝.mp4
08 V5網(wǎng)絡(luò )配置文件解讀.mp4
09 Focus模塊流程分析.mp4
10 完成配置文件解析任務(wù).mp4
11 前向傳播計算.mp4
12 BottleneckCSP層計算方法.mp4
13 SPP層計算細節分析.mp4
14 Head層流程解讀.mp4
15 上采樣與拼接操作.mp4
16 輸出結果分析.mp4
17 超參數解讀.mp4
18 命令行參數介紹.mp4
19 訓練流程解讀.mp4
20 各種訓練策略概述.mp4
21 模型迭代過(guò)程.mp4
05 基于YOLOV5的鋼材缺陷檢測實(shí)戰
01 任務(wù)需求與項目概述.mp4
02 數據與標簽配置方法.mp4
03 標簽轉換格式腳本制作.mp4
04 各版本模型介紹分析.mp4
05 項目參數配置.mp4
06 缺陷檢測模型訓練.mp4
07 輸出結果與項目總結.mp4
06 Semi-supervised布料缺陷檢測實(shí)戰
01 任務(wù)目標與流程概述.mp4
02 論文思想與模型分析.mp4
03 項目配置解讀.mp4
04 網(wǎng)絡(luò )流程分析.mp4
05 輸出結果展示.mp4
07 Opencv圖像常用處理方法實(shí)例
01 計算機眼中的圖像.mp4
02 視頻的讀取與處理.mp4
03 ROI區域.mp4
04 邊界填充.mp4
05 數值計算.mp4
06 圖像閾值.mp4
07 圖像平滑處理.mp4
08 高斯與中值濾波.mp4
09 腐蝕操作.mp4
10 膨脹操作.mp4
11 開(kāi)運算與閉運算.mp4
12 梯度計算.mp4
13 禮帽與黑帽.mp4
08 Opencv梯度計算與邊緣檢測實(shí)例
01 Canny邊緣檢測流程.mp4
02 非極大值抑制.mp4
03 邊緣檢測效果.mp4
04 Sobel算子.mp4
05 梯度計算方法.mp4
06 scharr與lapkacian算子.mp4
09 Opencv輪廓檢測與直方圖
01 圖像金字塔定義.mp4
02 金字塔制作方法.mp4
03 輪廓檢測方法.mp4
04 輪廓檢測結果.mp4
05 輪廓特征與近似.mp4
06 模板匹配方法.mp4
07 匹配效果展示.mp4
08 直方圖定義.mp4
09 均衡化原理.mp4
10 均衡化效果.mp4
11 傅里葉概述.mp4
12 頻域變換結果.mp4
13 低通與高通濾波.mp4
10 基于Opencv缺陷檢測項目實(shí)戰
01 任務(wù)需求與環(huán)境配置.mp4
02 數據讀取與基本處理.mp4
03 缺陷形態(tài)學(xué)操作.mp4
04 整體流程解讀.mp4
05 缺陷檢測效果演示.mp4
11 基于視頻流水線(xiàn)的Opencv缺陷檢測項目
01 數據與任務(wù)概述.mp4
02 視頻數據讀取與輪廓檢測.mp4
03 目標質(zhì)心計算.mp4
04 視頻數據遍歷方法.mp4
05 缺陷區域提取.mp4
06 不同類(lèi)型的缺陷檢測方法.mp4
07 檢測效果演示.mp4
12 圖像分割deeplab系列算法
01 deeplab分割算法概述.mp4
02 空洞卷積的作用.mp4
03 感受野的意義.mp4
04 SPP層的作用.mp4
05 ASPP特征融合策略.mp4
06 deeplabV3Plus版本網(wǎng)絡(luò )架構.mp4
13 基于deeplabV3+版本進(jìn)行VOC分割實(shí)戰
01 PascalVoc數據集介紹.mp4
02 項目參數與數據集讀取.mp4
03 網(wǎng)絡(luò )前向傳播流程.mp4
04 ASPP層特征融合.mp4
05 分割模型訓練.mp4
14 Deeplab鐵質(zhì)材料缺陷檢測與開(kāi)源項目應用流程
01 數據集與任務(wù)概述.mp4
02 開(kāi)源項目應用方法.mp4
03 github與kaggle中需要注意的點(diǎn).mp4
04 源碼的利用方法.mp4
04 源碼的利用方法_ev.mp4
05 數據集制作方法_ev.mp4
06 數據路徑配置_ev.mp4
07 訓練模型_ev.mp4
08 任務(wù)總結_ev.mp4
16 行人重識別實(shí)戰
01 行人重識別原理及其應用
01 行人重識別要解決的問(wèn)題_ev.mp4
02 挑戰與困難分析_ev.mp4
03 評估標準rank1指標_ev.mp4
04 map值計算方法_ev.mp4
05 triplet損失計算實(shí)例_ev.mp4
06 Hard-Negative方法應用_ev.mp4
02 基于注意力機制的Reld模型論文解讀
01 論文整體思想及注意力機制的作用解讀_ev.mp4
02 空間權重值計算流程分析_ev.mp4
03 融合空間注意力所需特征_ev.mp4
04 基于特征圖的注意力計算_ev.mp4
03 基于A(yíng)ttention的行人重識別項目實(shí)戰
01 項目環(huán)境與數據集配置_ev.mp4
02 參數配置與整體架構分析_ev.mp4
03 進(jìn)入debug模式解讀網(wǎng)絡(luò )計算流程_ev.mp4
04 獲得空間位置點(diǎn)之間的關(guān)系_ev.mp4
05 組合關(guān)系特征圖_ev.mp4
06 計算得到位置權重值_ev.mp4
07 基于特征圖的權重計算_ev.mp4
08 損失函數計算實(shí)例解讀_ev.mp4
09 訓練與測試模塊演示_ev.mp4
04 AAAI2020頂會(huì )算法精講
01 論文整體框架概述_ev.mp4
02 局部特征與全局關(guān)系計算方法_ev.mp4
03 特征分組方法_ev.mp4
04 GCP模塊特征融合方法_ev.mp4
05 oneVsReset方法實(shí)例_ev.mp4
06 損失函數應用位置_ev.mp4
05 項目實(shí)戰-基于行人局部特征融合的再識別實(shí)戰
01 項目配置與數據集介紹_ev.mp4
02 數據源構建方法分析_ev.mp4
03 dataloader加載順序解讀_ev.mp4
04 debug模式解讀_ev.mp4
05 網(wǎng)絡(luò )計算整體流程演示_ev.mp4
06 特征序列構建_ev.mp4
07 GCP全局特征提取_ev.mp4
08 局部特征提取實(shí)例_ev.mp4
09 特征組合匯總_ev.mp4
10 得到所有分組特征結果_ev.mp4
11 損失函數與訓練過(guò)程演示_ev.mp4
12 測試與驗證模塊_ev.mp4
06 曠視研究院最新算法解讀（基于圖模型）
01 關(guān)鍵點(diǎn)位置特征構建_ev.mp4
02 圖卷積與匹配的作用_ev.mp4
03 局部特征熱度圖計算_ev.mp4
04 基于圖卷積構建人體拓撲關(guān)系_ev.mp4
05 圖卷積模塊實(shí)現方法_ev.mp4
06 圖匹配在行人重識別中的作用_ev.mp4
07 整體算法框架分析_ev.mp4
07 基于拓撲圖的行人重識別項目實(shí)戰
01 數據集與環(huán)境配置概述_ev.mp4
02 局部特征準備方法_ev.mp4
03 得到一階段熱度圖結果_ev.mp4
04 階段監督訓練_ev.mp4
05 初始化圖卷積模型_ev.mp4
06 mask矩陣的作用_ev.mp4
07 鄰接矩陣學(xué)習與更新_ev.mp4
08 基于拓撲結構組合關(guān)鍵點(diǎn)特征_ev.mp4
09 圖匹配模塊計算流程_ev.mp4
10 整體項目總結_ev.mp4
17 對抗生成網(wǎng)絡(luò )實(shí)戰
01 課程介紹
01 課程介紹_ev.mp4
02 對抗生成網(wǎng)絡(luò )架構原理與實(shí)戰解析
01 對抗生成網(wǎng)絡(luò )通俗解釋_ev.mp4
02 GAN網(wǎng)絡(luò )組成_ev.mp4
03 損失函數解釋說(shuō)明_ev.mp4
04 數據讀取模塊_ev.mp4
05 生成與判別網(wǎng)絡(luò )定義_ev.mp4
03 基于CycleGan開(kāi)源項目實(shí)戰圖像合成
01 CycleGan網(wǎng)絡(luò )所需數據_ev.mp4
02 CycleGan整體網(wǎng)絡(luò )架構_ev.mp4
03 PatchGan判別網(wǎng)絡(luò )原理_ev.mp4
04 Cycle開(kāi)源項目簡(jiǎn)介_(kāi)ev.mp4
05 數據讀取與預處理操作_ev.mp4
06 生成網(wǎng)絡(luò )模塊構造_ev.mp4
07 判別網(wǎng)絡(luò )模塊構造_ev.mp4
08 損失函數：identity loss計算方法_ev.mp4
09 生成與判別損失函數指定_ev.mp4
10 額外補充：VISDOM可視化配置_ev.mp4
04 stargan論文架構解析
01 stargan效果演示分析_ev.mp4
02 網(wǎng)絡(luò )架構整體思路解讀_ev.mp4
03 建模流程分析_ev.mp4
04 V1版本存在的問(wèn)題及后續改進(jìn)思路_ev.mp4
05 V2版本在整體網(wǎng)絡(luò )架構_ev.mp4
06 編碼器訓練方法_ev.mp4
07 損失函數公式解析_ev.mp4
08 訓練過(guò)程分析_ev.mp4
05 stargan項目實(shí)戰及其源碼解讀
01 測試模塊效果與實(shí)驗分析_ev.mp4
02 項目配置與數據源下載_ev.mp4
03 測試效果演示_ev.mp4
04 項目參數解析_ev.mp4
05 生成器模塊源碼解讀_ev.mp4
06 所有網(wǎng)絡(luò )模塊構建實(shí)例_ev.mp4
07 數據讀取模塊分析_ev.mp4
08 判別器損失計算_ev.mp4
09 損失計算詳細過(guò)程_ev.mp4
10 生成模塊損失計算_ev.mp4
06 基于starganvc2的變聲器論文原理解讀
01 論文整體思路與架構解讀_ev.mp4
02 VCC2016輸入數據_ev.mp4
03 語(yǔ)音特征提取_ev.mp4
04 生成器模型架構分析_ev.mp4
05 InstanceNorm的作用解讀_ev.mp4
06 AdaIn的目的與效果_ev.mp4
07 判別器模塊分析_ev.mp4
07 starganvc2變聲器項目實(shí)戰及其源碼解讀
01 數據與項目文件解讀_ev.mp4
02 環(huán)境配置與工具包安裝_ev.mp4
03 數據預處理與聲音特征提取_ev.mp4
04 生成器構造模塊解讀_ev.mp4
05 下采樣與上采樣操作_ev.mp4
06 starganvc2版本標簽輸入分析_ev.mp4
07 生成器前向傳播維度變化_ev.mp4
08 判別器模塊解讀_ev.mp4
09 論文損失函數_ev.mp4
10 源碼損失計算流程_ev.mp4
11 測試模塊-生成轉換語(yǔ)音_ev.mp4
08 圖像超分辨率重構實(shí)戰
01 論文概述_ev.mp4
02 網(wǎng)絡(luò )架構_ev.mp4
03 數據與環(huán)境配置_ev.mp4
04 數據加載與配置_ev.mp4
05 生成模塊_ev.mp4
06 判別模塊_ev.mp4
07 VGG特征提取網(wǎng)絡(luò )_ev.mp4
08 損失函數與訓練_ev.mp4
09 測試模塊_ev.mp4
09 基于GAN的圖像補全實(shí)戰
01 論文概述_ev.mp4
02 網(wǎng)絡(luò )架構_ev.mp4
03 細節設計_ev.mp4
04 論文總結_ev.mp4
05 數據與項目概述_ev.mp4
06 參數基本設計_ev.mp4
07 網(wǎng)絡(luò )結構配置_ev.mp4
08 網(wǎng)絡(luò )迭代訓練_ev.mp4
09 測試模塊_ev.mp4
18 強化學(xué)習實(shí)戰系列
01 強化學(xué)習簡(jiǎn)介及其應用
01 一張圖通俗解釋強化學(xué)習_ev.mp4
02 強化學(xué)習的指導依據_ev.mp4
03 強化學(xué)習AI游戲DEMO_ev.mp4
04 應用領(lǐng)域簡(jiǎn)介_(kāi)ev.mp4
05 強化學(xué)習工作流程_ev.mp4
06 計算機眼中的狀態(tài)與行為_(kāi)ev.mp4
02 PPO算法與公式推導
01 基本情況介紹_ev.mp4
02 與環(huán)境交互得到所需數據_ev.mp4
03 要完成的目標分析_ev.mp4
04 策略梯度推導_ev.mp4
05 baseline方法_ev.mp4
06 OnPolicy與OffPolicy策略_ev.mp4
07 importance sampling的作用_ev.mp4
08 PPO算法整體思路解析_ev.mp4
03 PPO實(shí)戰-月球登陸器訓練實(shí)例
01 Critic的作用與效果_ev.mp4
02 PPO2版本公式解讀_ev.mp4
03 參數與網(wǎng)絡(luò )結構定義_ev.mp4
04 得到動(dòng)作結果_ev.mp4
05 獎勵獲得與計算_ev.mp4
06 參數迭代與更新_ev.mp4
04 Q-learning與DQN算法
01 整體任務(wù)流程演示_ev.mp4
02 探索與action獲取_ev.mp4
03 計算target值_ev.mp4
04 訓練與更新_ev.mp4
05 算法原理通俗解讀_ev.mp4
06 目標函數與公式解析_ev.mp4
07 Qlearning算法實(shí)例解讀_ev.mp4
08 Q值迭代求解_ev.mp4
09 DQN簡(jiǎn)介_(kāi)ev.mp4
05 DQN算法實(shí)例演示
01 整體任務(wù)流程演示_ev.mp4
02 探索與action獲取_ev.mp4
03 計算target值_ev.mp4
04 訓練與更新_ev.mp4
06 DQN改進(jìn)與應用技巧
01 DoubleDqn要解決的問(wèn)題_ev.mp4
02 DuelingDqn改進(jìn)方法_ev.mp4
03 Dueling整體網(wǎng)絡(luò )架構分析_ev.mp4
04 MultiSetp策略_ev.mp4
05 連續動(dòng)作處理方法_ev.mp4
07 Actor-Critic算法分析（A3C）
01 AC算法回顧與知識點(diǎn)總結_ev.mp4
02 優(yōu)勢函數解讀與分析_ev.mp4
03 計算流程實(shí)例_ev.mp4
04 A3C整體架構分析_ev.mp4
05 損失函數整理_ev.mp4
08 用A3C玩轉超級馬里奧
01 整體流程與環(huán)境配置_ev.mp4
02 啟動(dòng)游戲環(huán)境_ev.mp4
03 要計算的指標回顧_ev.mp4
04 初始化局部模型并加載參數_ev.mp4
05 與環(huán)境交互得到訓練數據_ev.mp4
06 訓練網(wǎng)絡(luò )模型_ev.mp4
19 Openai頂級黑科技算法及其項目實(shí)戰
01 GPT系列生成模型
01 GPT系列_ev.mp4
02 GPT建模與預測流程
01 生成模型可以完成的任務(wù)概述_ev.mp4
02 數據樣本生成方法_ev.mp4
03 訓練所需參數解讀_ev.mp4
04 模型訓練過(guò)程_ev.mp4
05 部署與網(wǎng)頁(yè)預測展示_ev.mp4
03 CLIP系列
01 CLIP系列_ev.mp4
04 Diffusion模型解讀
01 Diffusion模型解讀_ev.mp4
05 Dalle2及其源碼解讀
01 Dalle2源碼解讀_ev.mp4
06 ChatGPT
01 ChatGPT_ev.mp4
20 面向醫學(xué)領(lǐng)域的深度學(xué)習實(shí)戰
01 卷積神經(jīng)網(wǎng)絡(luò )原理與參數解讀
01 卷積神經(jīng)網(wǎng)絡(luò )應用領(lǐng)域_ev.mp4
02 卷積的作用_ev.mp4
03 卷積特征值計算方法_ev.mp4
04 得到特征圖表示_ev.mp4
05 步長(cháng)與卷積核大小對結果的影響_ev.mp4
06 邊緣填充方法_ev.mp4
07 特征圖尺寸計算與參數共享_ev.mp4
08 池化層的作用_ev.mp4
09 整體網(wǎng)絡(luò )架構_ev.mp4
10 VGG網(wǎng)絡(luò )架構_ev.mp4
11 殘差網(wǎng)絡(luò )Resnet_ev.mp4
12 感受野的作用_ev.mp4
02 PyTorch框架基本處理操作
01 PyTorch實(shí)戰課程簡(jiǎn)介_(kāi)ev.mp4
02 PyTorch框架發(fā)展趨勢簡(jiǎn)介_(kāi)ev.mp4
03 框架安裝方法（CPU與GPU版本）_ev.mp4
04 PyTorch基本操作簡(jiǎn)介_(kāi)ev.mp4
05 自動(dòng)求導機制_ev.mp4
06 線(xiàn)性回歸DEMO-數據與參數配置_ev.mp4
07 線(xiàn)性回歸DEMO-訓練回歸模型_ev.mp4
08 補充：常見(jiàn)tensor格式_ev.mp4
09 補充：Hub模塊簡(jiǎn)介_(kāi)ev.mp4
03 PyTorch框架必備核心模塊解讀
01 卷積網(wǎng)絡(luò )參數定義_ev.mp4
02 網(wǎng)絡(luò )流程解讀_ev.mp4
03 Vision模塊功能解讀_ev.mp4
04 分類(lèi)任務(wù)數據集定義與配置_ev.mp4
05 圖像增強的作用_ev.mp4
06 數據預處理與數據增強模塊_ev.mp4
07 Batch數據制作_ev.mp4
08 遷移學(xué)習的目標_ev.mp4
09 遷移學(xué)習策略_ev.mp4
10 加載訓練好的網(wǎng)絡(luò )模型_ev.mp4
11 優(yōu)化器模塊配置_ev.mp4
12 實(shí)現訓練模塊_ev.mp4
13 訓練結果與模型保存_ev.mp4
14 加載模型對測試數據進(jìn)行預測_ev.mp4
15 額外補充-Resnet論文解讀_ev.mp4
16 額外補充-Resnet網(wǎng)絡(luò )架構解讀_ev.mp4
04 基于Resnet的醫學(xué)數據集分類(lèi)實(shí)戰
01 醫學(xué)疾病數據集介紹_ev.mp4
02 Resnet網(wǎng)絡(luò )架構原理分析_ev.mp4
03 dataloader加載數據集_ev.mp4
04 Resnet網(wǎng)絡(luò )前向傳播_ev.mp4
05 殘差網(wǎng)絡(luò )的shortcut操作_ev.mp4
06 特征圖升維與降采樣操作_ev.mp4
07 網(wǎng)絡(luò )整體流程與訓練演示_ev.mp4
05 圖像分割及其損失函數概述
01 語(yǔ)義分割與實(shí)例分割概述_ev.mp4
02 分割任務(wù)中的目標函數定義_ev.mp4
03 MIOU評估標準_ev.mp4
06 Unet系列算法講解
01 Unet網(wǎng)絡(luò )編碼與解碼過(guò)程_ev.mp4
02 網(wǎng)絡(luò )計算流程_ev.mp4
03 Unet升級版本改進(jìn)_ev.mp4
04 后續升級版本介紹_ev.mp4
07 unet醫學(xué)細胞分割實(shí)戰
01 醫學(xué)細胞數據集介紹與參數配置_ev.mp4
02 數據增強工具_ev.mp4
03 Debug模式演示網(wǎng)絡(luò )計算流程_ev.mp4
04 特征融合方法演示_ev.mp4
05 迭代完成整個(gè)模型計算任務(wù)_ev.mp4
06 模型效果驗證_ev.mp4
08 deeplab系列算法
01 deeplab分割算法概述_ev.mp4
02 空洞卷積的作用_ev.mp4
03 感受野的意義_ev.mp4
04 SPP層的作用_ev.mp4
05 ASPP特征融合策略_ev.mp4
06 deeplabV3Plus版本網(wǎng)絡(luò )架構_ev.mp4
09 基于deeplabV3+版本進(jìn)行VOC分割實(shí)戰
01 PascalVoc數據集介紹_ev.mp4
02 項目參數與數據集讀取_ev.mp4
03 網(wǎng)絡(luò )前向傳播流程_ev.mp4
04 ASPP層特征融合_ev.mp4
05 分割模型訓練_ev.mp4
10 基于deeplab的心臟視頻數據診斷分析
01 數據集與任務(wù)概述_ev.mp4
02 項目基本配置參數_ev.mp4
03 任務(wù)流程解讀_ev.mp4
04 文獻報告分析_ev.mp4
05 補充：視頻數據源特征處理方法概述_ev.mp4
06 補充：R(2plus1)D處理方法分析_ev.mp4
11 YOLO系列物體檢測算法原理解讀
01 檢測任務(wù)中階段的意義_ev.mp4
02 不同階段算法優(yōu)缺點(diǎn)分析_ev.mp4
03 IOU指標計算_ev.mp4
04 評估所需參數計算_ev.mp4
05 map指標計算_ev.mp4
06 YOLO算法整體思路解讀_ev.mp4
07 檢測算法要得到的結果_ev.mp4
08 整體網(wǎng)絡(luò )架構解讀_ev.mp4
09 位置損失計算_ev.mp4
10 置信度誤差與優(yōu)缺點(diǎn)分析_ev.mp4
11 V2版本細節升級概述_ev.mp4
12 網(wǎng)絡(luò )結構特點(diǎn)_ev.mp4
13 架構細節解讀_ev.mp4
14 基于聚類(lèi)來(lái)選擇先驗框尺寸_ev.mp4
15 偏移量計算方法_ev.mp4
16 坐標映射與還原_ev.mp4
17 感受野的作用_ev.mp4
18 特征融合改進(jìn)_ev.mp4
19 V3版本改進(jìn)概述_ev.mp4
20 多scale方法改進(jìn)與特征融合_ev.mp4
21 經(jīng)典變換方法對比分析_ev.mp4
22 殘差連接方法解讀_ev.mp4
23 整體網(wǎng)絡(luò )模型架構分析_ev.mp4
24 先驗框設計改進(jìn)_ev.mp4
25 sotfmax層改進(jìn)_ev.mp4
26 V4版本整體概述_ev.mp4
27 V4版本貢獻解讀_ev.mp4
28 數據增強策略分析_ev.mp4
29 DropBlock與標簽平滑方法_ev.mp4
30 損失函數遇到的問(wèn)題_ev.mp4
31 CIOU損失函數定義_ev.mp4
32 NMS細節改進(jìn)_ev.mp4
33 SPP與CSP網(wǎng)絡(luò )結構_ev.mp4
34 SAM注意力機制模塊_ev.mp4
35 PAN模塊解讀_ev.mp4
36 激活函數與整體架構總結_ev.mp4
12 基于YOLO5細胞檢測實(shí)戰
01 任務(wù)與細胞數據集介紹_ev.mp4
02 模型與算法配置參數解讀_ev.mp4
03 網(wǎng)絡(luò )訓練流程演示_ev.mp4
04 效果評估與展示_ev.mp4
05 細胞檢測效果演示_ev.mp4
13 知識圖譜原理解讀
01 知識圖譜通俗解讀_ev.mp4
02 知識圖譜在搜索引擎中的應用_ev.mp4
03 知識圖譜在醫療領(lǐng)域應用實(shí)例_ev.mp4
04 金融與推薦領(lǐng)域的應用_ev.mp4
05 數據獲取分析_ev.mp4
06 數據關(guān)系抽取分析_ev.mp4
07 常用NLP技術(shù)點(diǎn)分析_ev.mp4
08 graph-embedding的作用與效果_ev.mp4
09 金融領(lǐng)域圖編碼實(shí)例_ev.mp4
10 視覺(jué)領(lǐng)域圖編碼實(shí)例_ev.mp4
11 圖譜知識融合與總結分析_ev.mp4
14 Neo4j數據庫實(shí)戰
01 Neo4j圖數據庫介紹_ev.mp4
02 Neo4j數據庫安裝流程演示_ev.mp4
03 可視化例子演示_ev.mp4
04 創(chuàng )建與刪除操作演示_ev.mp4
05 數據庫更改查詢(xún)操作演示_ev.mp4
15 基于知識圖譜的醫藥問(wèn)答系統實(shí)戰
01 項目概述與整體架構分析_ev.mp4
02 醫療數據介紹及其各字段含義_ev.mp4
03 任務(wù)流程概述_ev.mp4
04 環(huán)境配置與所需工具包安裝_ev.mp4
05 提取數據中的關(guān)鍵字段信息_ev.mp4
06 創(chuàng )建關(guān)系邊_ev.mp4
07 打造醫療知識圖譜模型_ev.mp4
08 加載所有實(shí)體數據_ev.mp4
09 實(shí)體關(guān)鍵詞字典制作_ev.mp4
10 完成對話(huà)系統構建_ev.mp4
16 詞向量模型與RNN網(wǎng)絡(luò )架構
01 詞向量模型通俗解釋_ev.mp4
02 模型整體框架_ev.mp4
03 訓練數據構建_ev.mp4
04 CBOW與Skip-gram模型_ev.mp4
05 負采樣方案_ev.mp4
06 額外補充-RNN網(wǎng)絡(luò )模型解讀_ev.mp4
17 醫學(xué)糖尿病數據命名實(shí)體識別
01 數據與任務(wù)介紹_ev.mp4
02 整體模型架構_ev.mp4
03 數據-標簽-語(yǔ)料庫處理_ev.mp4
04 輸入樣本填充補齊_ev.mp4
05 訓練網(wǎng)絡(luò )模型_ev.mp4
06 醫療數據集（糖尿?。?shí)體識別_ev.mp4
21 深度學(xué)習模型部署與剪枝優(yōu)化實(shí)戰
01 AIoT人工智能物聯(lián)網(wǎng)之認識 jetson nano
01 jetson nano 硬件介紹_ev.mp4
02 jetson nano 刷機_ev.mp4
03 jetson nano 系統安裝過(guò)程_ev.mp4
04 感受nano的GPU算力_ev.mp4
05 安裝使用攝像頭csi usb_ev.mp4
02 AIoT人工智能物聯(lián)網(wǎng)之AI 實(shí)戰
01 jetson-inference 入門(mén)_ev.mp4
02 docker 的安裝使用_ev.mp4
03 docker中運行分類(lèi)模型_ev.mp4
04 訓練自己的目標檢測模型準備_ev.mp4
05 訓練出自己目標識別模型a_ev.mp4
06 訓練出自己目標識別模型b_ev.mp4
07 轉換出onnx模型，并使用_ev.mp4
03 AIoT人工智能物聯(lián)網(wǎng)之NVIDIA TAO 實(shí)用級的訓練神器
01 NVIDIA TAO介紹和安裝_ev.mp4
02 NVIDIA TAO數據準備和環(huán)境設置_ev.mp4
03 NVIDIA TAO數據轉換_ev.mp4
04 NVIDIA TAO預訓練模型和訓練a_ev.mp4
05 NVIDIA TAO預訓練模型和訓練b_ev.mp4
06 NVIDIA TAO預訓練模型和訓練c._ev.mp4
07 TAO 剪枝在訓練推理驗證_ev.mp4
04 AIoT人工智能物聯(lián)網(wǎng)之deepstream
01 deepstream 介紹安裝_ev.mp4
02 deepstream HelloWorld_ev.mp4
03 GStreamer RTP和RTSP1_ev.mp4
04 GStreamer RTP和RTSP2_ev.mp4
05 python實(shí)現RTP和RTSP_ev.mp4
06 deepstream推理_ev.mp4
07 deepstream集成yolov4_ev.mp4
05 tensorRT視頻
01 源碼【內有百度云地址，自取】.txt
01 說(shuō)在前面_ev.mp4
02 學(xué)習工具環(huán)境的介紹，自動(dòng)環(huán)境配置_ev.mp4
03 cuda驅動(dòng)API，課程概述和清單_ev.mp4
04 cuda驅動(dòng)API，初始化和檢查的理解，CUDA錯誤檢查習慣_ev.mp4
05 cuda驅動(dòng)API，上下文管理設置，以及其作用_ev.mp4
06 cuda驅動(dòng)API，使用驅動(dòng)API進(jìn)行內存分配_ev.mp4
07 cuda運行時(shí)API，課程概述和清單_ev.mp4
08 cuda運行時(shí)API，第一個(gè)運行時(shí)程序，hello-cuda_ev.mp4
09 cuda運行時(shí)API，內存的學(xué)習，pinnedmemory，內存效率問(wèn)題_ev.mp4
10 cuda運行時(shí)API，流的學(xué)習，異步任務(wù)的管理_ev.mp4
11 cuda運行時(shí)API，核函數的定義和使用_ev.mp4
12 cuda運行時(shí)API，共享內存的學(xué)習_ev.mp4
13 cuda運行時(shí)API，使用cuda核函數加速warpaffine_ev.mp4
14 cuda運行時(shí)API，使用cuda核函數加速yolov5的后處理_ev.mp4
15 cuda運行時(shí)API，錯誤處理的理解以及錯誤的傳播特性_ev.mp4
16 tensorRT基礎，課程概述清單_ev.mp4
17 tensorRT基礎，第一個(gè)trt程序，實(shí)現模型編譯的過(guò)程_ev.mp4
18 tensorRT基礎，實(shí)現模型的推理過(guò)程_ev.mp4
19 tensorRT基礎，模型推理時(shí)動(dòng)態(tài)shape的具體實(shí)現要點(diǎn)_ev.mp4
20 tensorRT基礎，onnx文件及其結構的學(xué)習，編輯修改onnx.mkv_ev.mp4
21 tensorRT基礎，實(shí)際模型上onnx文件的各種操作_ev.mp4
22 tensorRT基礎，正確導出onnx的介紹，使得onnx問(wèn)題盡量少_ev.mp4
23 tensorRT基礎，學(xué)習使用onnx解析器來(lái)讀取onnx文件，使用onnx-tensorrt源代碼_ev.mp4
24 tensorRT基礎，學(xué)習從下載onnx-tensorrt到配置好并運行起來(lái)全過(guò)程_ev.mp4
25 tensorRT基礎，學(xué)習第一個(gè)插件的編寫(xiě)_ev.mp4
26 tensorRT基礎，對插件過(guò)程進(jìn)行封裝，并實(shí)現更容易的插件開(kāi)發(fā)_ev.mp4
27 tensorRT基礎，學(xué)習編譯int8模型，對模型進(jìn)行int8量化_ev.mp4
28 tensorRT高級，課程概述和清單_ev.mp4
29 tensorRT高級，第一個(gè)完整的分類(lèi)器程序_ev.mp4
30 tensorRT高級，學(xué)習yolov5目標檢測項目的代碼修改、模型導出、編譯到推理過(guò)程，沒(méi)有封裝_ev.mp4
31 tensorRT高級，學(xué)習UNet場(chǎng)景分割項目的代碼修改、模型導出、編譯到推理過(guò)程，沒(méi)有封裝_ev.mp4
32 tensorRT高級，學(xué)習alphapose姿態(tài)檢測項目的代碼修改、模型導出、編譯到推理過(guò)程，沒(méi)有封裝_ev.mp4
33 tensorRT高級，學(xué)習如何處理mmdetection框架下yolox模型的導出，并使得正常推理出來(lái)_ev.mp4
34 tensorRT高級，學(xué)習如何使用onnxruntime進(jìn)行onnx的模型推理過(guò)程_ev.mp4
35 tensorRT高級，學(xué)習如何使用openvino進(jìn)行onnx的模型推理過(guò)程_ev.mp4
36 tensorRT高級，學(xué)習深度學(xué)習中涉及的線(xiàn)程知識_ev.mp4
37 tensorRT高級，學(xué)習模型部署時(shí)常用的生產(chǎn)者消費者模型，以及future、promise、condition_variable.mkv_ev.mp4
38 tensorRT高級，學(xué)習使用RAII資源獲取即初始化配合接口模式對代碼進(jìn)行有效封裝_ev.mp4
39 tensorRT高級，學(xué)習RAII 接口模式下的生產(chǎn)者消費者以及多Batch的實(shí)現_ev.mp4
40 tensorRT高級，封裝之，模型編譯過(guò)程封裝，簡(jiǎn)化模型編譯代碼_ev.mp4
41 tensorRT高級，封裝之，內存管理的封裝，內存的復用_ev.mp4
42 tensorRT高級，封裝之，tensor張量的封裝，索引計算，內存標記以及自動(dòng)復制_ev.mp4
43 tensorRT高級，封裝之，infer推理的封裝，輸入輸出tensor的關(guān)聯(lián)_ev.mp4
44 tensorRT高級，封裝之，基于生產(chǎn)者消費者實(shí)現的yolov5封裝_ev.mp4
45 tensorRT高級，封裝之，終極封裝形態(tài)，以及考慮的問(wèn)題_ev.mp4
46 tensorRT高級，調試方法、思想討論_ev.mp4
47 tensorRT高級，自動(dòng)駕駛案例項目self-driving-道路分割分析_ev.mp4
48 tensorRT高級，自動(dòng)駕駛案例項目self-driving-深度估計分析_ev.mp4
49 tensorRT高級，自動(dòng)駕駛案例項目self-driving-車(chē)道線(xiàn)檢測分析_ev.mp4
50 tensorRT高級，學(xué)習使用pybind11為python開(kāi)發(fā)擴展模塊_ev.mp4
06 pyTorch框架部署實(shí)踐
01 所需基本環(huán)境配置_ev.mp4
02 模型加載與數據預處理_ev.mp4
03 接收與預測模塊實(shí)現_ev.mp4
04 效果實(shí)例演示_ev.mp4
05 課程簡(jiǎn)介_(kāi)ev.mp4
05 源碼【內有百度云地址，自取】.txt
07 YOLO-V3物體檢測部署實(shí)例
01 項目所需配置文件介紹_ev.mp4
02 加載參數與模型權重_ev.mp4
03 數據預處理_ev.mp4
04 返回線(xiàn)性預測結果_ev.mp4
08 docker實(shí)例演示
01 docker簡(jiǎn)介_(kāi)ev.mp4
02 docker安裝與配置_ev.mp4
03 阿里云鏡像配置_ev.mp4
04 基于docker配置pytorch環(huán)境_ev.mp4
05 安裝演示環(huán)境所需依賴(lài)_ev.mp4
06 復制所需配置到容器中_ev.mp4
07 上傳與下載配置好的項目_ev.mp4
09 tensorflow-serving實(shí)戰
01 tf-serving項目獲取與配置_ev.mp4
02 加載并啟動(dòng)模型服務(wù)_ev.mp4
03 測試模型部署效果_ev.mp4
04 fashion數據集獲取_ev.mp4
05 加載fashion模型啟動(dòng)服務(wù)_ev.mp4
10 模型剪枝-Network Slimming算法分析
01 論文算法核心框架概述_ev.mp4
02 BatchNorm要解決的問(wèn)題_ev.mp4
03 BN的本質(zhì)作用_ev.mp4
04 額外的訓練參數解讀_ev.mp4
05 稀疏化原理與效果_ev.mp4
11 模型剪枝-Network Slimming實(shí)戰解讀
01 整體案例流程解讀_ev.mp4
02 加入L1正則化來(lái)進(jìn)行更新_ev.mp4
03 剪枝模塊介紹_ev.mp4
04 篩選需要的特征圖_ev.mp4
05 剪枝后模型參數賦值_ev.mp4
06 微調完成剪枝模型_ev.mp4
12 Mobilenet三代網(wǎng)絡(luò )模型架構
01 模型剪枝分析_ev.mp4
02 常見(jiàn)剪枝方法介紹_ev.mp4
03 mobilenet簡(jiǎn)介_(kāi)ev.mp4
04 經(jīng)典卷積計算量與參數量分析_ev.mp4
05 深度可分離卷積的作用與效果_ev.mp4
06 參數與計算量的比較_ev.mp4
07 V1版本效果分析_ev.mp4
08 V2版本改進(jìn)以及Relu激活函數的問(wèn)題_ev.mp4
09 倒殘差結構的作用_ev.mp4
10 V2整體架構與效果分析_ev.mp4
11 V3版本網(wǎng)絡(luò )架構分析_ev.mp4
12 SE模塊作用與效果解讀_ev.mp4
13 代碼實(shí)現mobilenetV3網(wǎng)絡(luò )架構_ev.mp4
22 自然語(yǔ)言處理必備神器Huggingface系列實(shí)戰
01 Huggingface與NLP介紹解讀
01 Huggingface與NLP介紹解讀_ev.mp4
02 Transformer工具包基本操作實(shí)例解讀
01 工具包與任務(wù)整體介紹_ev.mp4
02 NLP任務(wù)常規流程分析_ev.mp4
03 文本切分方法實(shí)例解讀_ev.mp4
04 AttentionMask配套使用方法_ev.mp4
05 數據集與模型_ev.mp4
06 數據Dataloader封裝_ev.mp4
07 模型訓練所需配置參數_ev.mp4
08 模型訓練DEMO_ev.mp4
03 transformer原理解讀
01 transformer原理解讀_ev.mp4
04 BERT系列算法解讀
01 BERT模型訓練方法解讀_ev.mp4
02 ALBERT基本定義_ev.mp4
03 ALBERT中的簡(jiǎn)化方法解讀_ev.mp4
04 RoBerta模型訓練方法解讀_ev.mp4
05 DistilBert模型解讀_ev.mp4
05 文本標注工具與NER實(shí)例
01 文本標注工具Doccano配置方法_ev.mp4
02 命名實(shí)體識別任務(wù)標注方法實(shí)例_ev.mp4
03 標注導出與BIO處理_ev.mp4
04 標簽處理并完成對齊操作_ev.mp4
05 預訓練模型加載與參數配置_ev.mp4
06 模型訓練與輸出結果預測_ev.mp4
06 文本預訓練模型構建實(shí)例
01 預訓練模型效果分析_ev.mp4
02 文本數據截斷處理_ev.mp4
03 預訓練模型自定義訓練_ev.mp4
07 GPT系列算法
01 GPT系列算法概述_ev.mp4
02 GPT三代版本分析_ev.mp4
03 GPT初代版本要解決的問(wèn)題_ev.mp4
04 GPT第二代版本訓練策略_ev.mp4
05 采樣策略與多樣性_ev.mp4
06 GPT3的提示與生成方法_ev.mp4
07 應用場(chǎng)景CODEX分析_ev.mp4
08 DEMO應用演示_ev.mp4
08 GPT訓練與預測部署流程
01 源碼【內有百度云地址，自取】.txt
01 生成模型可以完成的任務(wù)概述_ev.mp4
02 數據樣本生成方法_ev.mp4
03 訓練所需參數解讀_ev.mp4
04 模型訓練過(guò)程_ev.mp4
05 部署與網(wǎng)頁(yè)預測展示_ev.mp4
09 文本摘要建模
01 源碼【內有百度云地址，自取】.txt
01 中文商城評價(jià)數據處理方法_ev.mp4
02 模型訓練與測試結果_ev.mp4
03 文本摘要數據標注方法_ev.mp4
04 訓練自己標注的數據并測試_ev.mp4
10 圖譜知識抽取實(shí)戰
01 應用場(chǎng)景概述分析_ev.mp4
02 數據標注格式樣例分析_ev.mp4
03 數據處理與讀取模塊_ev.mp4
04 實(shí)體抽取模塊分析_ev.mp4
05 標簽與數據結構定義方法_ev.mp4
06 模型構建與計算流程_ev.mp4
07 網(wǎng)絡(luò )模型前向計算方法_ev.mp4
08 關(guān)系抽取模型訓練_ev.mp4
11 補充Huggingface數據集制作方法實(shí)例
01 數據結構分析_ev.mp4
02 Huggingface中的預處理實(shí)例_ev.mp4
03 數據處理基本流程_ev.mp4
23 自然語(yǔ)言處理通用框架-BERT實(shí)戰
01 自然語(yǔ)言處理通用框架BERT原理解讀
01 BERT課程簡(jiǎn)介_(kāi)ev.mp4
02 BERT任務(wù)目標概述_ev.mp4
03 傳統解決方案遇到的問(wèn)題_ev.mp4
04 注意力機制的作用_ev.mp4
05 self-attention計算方法_ev.mp4
06 特征分配與softmax機制_ev.mp4
07 Multi-head的作用_ev.mp4
08 位置編碼與多層堆疊_ev.mp4
09 transformer整體架構梳理_ev.mp4
10 BERT模型訓練方法_ev.mp4
11 訓練實(shí)例_ev.mp4
02 谷歌開(kāi)源項目BERT源碼解讀與應用實(shí)例
01 BERT開(kāi)源項目簡(jiǎn)介_(kāi)ev.mp4
02 項目參數配置_ev.mp4
03 數據讀取模塊_ev.mp4
04 數據預處理模塊_ev.mp4
05 tfrecord數據源制作_ev.mp4
06 Embedding層的作用_ev.mp4
07 加入額外編碼特征_ev.mp4
08 加入位置編碼特征_ev.mp4
09 mask機制的作用_ev.mp4
10 構建QKV矩陣_ev.mp4
11 完成Transformer模塊構建_ev.mp4
12 訓練BERT模型_ev.mp4
03 項目實(shí)戰-基于BERT的中文情感分析實(shí)戰
01 中文分類(lèi)數據與任務(wù)概述_ev.mp4
02 讀取處理自己的數據集_ev.mp4
03 訓練BERT中文分類(lèi)模型_ev.mp4
04 項目實(shí)戰-基于BERT的中文命名實(shí)體識別識別實(shí)戰
01 命名實(shí)體識別數據分析與任務(wù)目標_ev.mp4
02 NER標注數據處理與讀取_ev.mp4
03 構建BERT與CRF模型_ev.mp4
05 必備基礎知識點(diǎn)-woed2vec模型通俗解讀
01 詞向量模型通俗解釋_ev.mp4
02 模型整體框架_ev.mp4
03 訓練數據構建_ev.mp4
04 CBOW與Skip-gram模型_ev.mp4
05 負采樣方案_ev.mp4
06 必備基礎-掌握Tensorflow如何實(shí)現word2vec模型
01 數據與任務(wù)流程_ev.mp4
02 數據清洗_ev.mp4
03 batch數據制作_ev.mp4
04 網(wǎng)絡(luò )訓練_ev.mp4
05 可視化展示_ev.mp4
07 必備基礎知識點(diǎn)-RNN網(wǎng)絡(luò )架構與情感分析應用實(shí)例
01 RNN網(wǎng)絡(luò )模型解讀_ev.mp4
02 NLP應用領(lǐng)域與任務(wù)簡(jiǎn)介_(kāi)ev.mp4
03 項目流程解讀_ev.mp4
04 加載詞向量特征_ev.mp4
05 正負樣本數據讀取_ev.mp4
06 構建LSTM網(wǎng)絡(luò )模型_ev.mp4
07 訓練與測試效果_ev.mp4
08 LSTM情感分析_ev.mp4
08 醫學(xué)糖尿病數據命名實(shí)體識別
01 數據與任務(wù)介紹_ev.mp4
02 整體模型架構_ev.mp4
03 數據-標簽-語(yǔ)料庫處理_ev.mp4
04 訓練網(wǎng)絡(luò )模型_ev.mp4
05 醫療數據集（糖尿?。?shí)體識別_ev.mp4
06 輸入樣本填充補齊_ev.mp4
24 自然語(yǔ)言處理經(jīng)典案例實(shí)戰
01 NLP常用工具包實(shí)戰
01 Python字符串處理_ev.mp4
02 正則表達式基本語(yǔ)法_ev.mp4
03 正則常用符號_ev.mp4
04 常用函數介紹_ev.mp4
05 NLTK工具包簡(jiǎn)介_(kāi)ev.mp4
06 停用詞過(guò)濾_ev.mp4
07 詞性標注_ev.mp4
08 數據清洗實(shí)例_ev.mp4
09 Spacy工具包_ev.mp4
10 名字實(shí)體匹配_ev.mp4
11 恐怖襲擊分析_ev.mp4
12 統計分析結果_ev.mp4
13 結巴分詞器_ev.mp4
14 詞云展示_ev.mp4
02 商品信息可視化與文本分析
01 在線(xiàn)商城商品數據信息概述_ev.mp4
02 商品類(lèi)別劃分方式_ev.mp4
03 商品類(lèi)別可視化展示_ev.mp4
04 商品描述長(cháng)度對價(jià)格的影響分析_ev.mp4
05 關(guān)鍵詞的詞云可視化展示_ev.mp4
06 基于tf-idf提取關(guān)鍵詞信息_ev.mp4
07 通過(guò)降維進(jìn)行可視化展示_ev.mp4
08 聚類(lèi)分析與主題模型展示_ev.mp4
03 貝葉斯算法
01 貝葉斯算法概述_ev.mp4
02 貝葉斯推導實(shí)例_ev.mp4
03 貝葉斯拼寫(xiě)糾錯實(shí)例_ev.mp4
04 垃圾郵件過(guò)濾實(shí)例_ev.mp4
05 貝葉斯實(shí)現拼寫(xiě)檢查器_ev.mp4
04 新聞分類(lèi)任務(wù)實(shí)戰
01 文本分析與關(guān)鍵詞提取_ev.mp4
02 相似度計算_ev.mp4
03 新聞數據與任務(wù)簡(jiǎn)介_(kāi)ev.mp4
04 TF-IDF關(guān)鍵詞提取_ev.mp4
05 LDA建模_ev.mp4
06 基于貝葉斯算法進(jìn)行新聞分類(lèi)_ev.mp4
05 HMM隱馬爾科夫模型
01 馬爾科夫模型_ev.mp4
02 隱馬爾科夫模型基本出發(fā)點(diǎn)_ev.mp4
03 組成與要解決的問(wèn)題_ev.mp4
04 暴力求解方法_ev.mp4
05 復雜度計算_ev.mp4
06 前向算法_ev.mp4
07 前向算法求解實(shí)例_ev.mp4
08 Baum-Welch算法_ev.mp4
09 參數求解_ev.mp4
10 維特比算法_ev.mp4
06 HMM工具包實(shí)戰
01 hmmlearn工具包_ev.mp4
02 工具包使用方法_ev.mp4
03 中文分詞任務(wù)_ev.mp4
04 實(shí)現中文分詞_ev.mp4
07 語(yǔ)言模型
01 開(kāi)篇_ev.mp4
02 語(yǔ)言模型_ev.mp4
03 N-gram模型_ev.mp4
04 詞向量_ev.mp4
05 神經(jīng)網(wǎng)絡(luò )模型_ev.mp4
06 Hierarchical Softmax_ev.mp4
07 CBOW模型實(shí)例_ev.mp4
08 CBOW求解目標_ev.mp4
09 銻度上升求解_ev.mp4
10 負采樣模型_ev.mp4
08 使用Gemsim構建詞向量
01 使用Gensim庫構造詞向量_ev.mp4
02 維基百科中文數據處理_ev.mp4
03 Gensim構造word2vec模型_ev.mp4
04 測試模型相似度結果_ev.mp4
09 基于word2vec的分類(lèi)任務(wù)
01 影評情感分類(lèi)_ev.mp4
02 基于詞袋模型訓練分類(lèi)器_ev.mp4
03 準備word2vec輸入數據_ev.mp4
04 使用gensim構建word2vec詞向量（新）_ev.mp4
10 NLP-文本特征方法對比
01 任務(wù)概述_ev.mp4
02 詞袋模型_ev.mp4
03 詞袋模型分析_ev.mp4
04 TFIDF模型_ev.mp4
05 word2vec詞向量模型_ev.mp4
06 深度學(xué)習模型_ev.mp4
11 NLP-相似度模型
01 任務(wù)概述_ev.mp4
02 數據展示_ev.mp4
03 正負樣本制作_ev.mp4
04 數據預處理_ev.mp4
05 網(wǎng)絡(luò )模型定義_ev.mp4
06 基于字符的訓練_ev.mp4
07 基于句子的相似度訓練_ev.mp4
12 LSTM情感分析
01 RNN網(wǎng)絡(luò )架構_ev.mp4
02 LSTM網(wǎng)絡(luò )架構_ev.mp4
03 案例：使用LSTM進(jìn)行情感分類(lèi)_ev.mp4
04 情感數據集處理_ev.mp4
05 基于word2vec的LSTM模型_ev.mp4
13 機器人寫(xiě)唐詩(shī)
01 任務(wù)概述與環(huán)境配置_ev.mp4
02 參數配置_ev.mp4
03 數據預處理模塊_ev.mp4
04 batch數據制作_ev.mp4
05 RNN模型定義_ev.mp4
06 完成訓練模塊_ev.mp4
07 訓練唐詩(shī)生成模型_ev.mp4
08 測試唐詩(shī)生成效果_ev.mp4
14 對話(huà)機器人
01 效果演示_ev.mp4
02 參數配置與數據加載_ev.mp4
03 數據處理_ev.mp4
04 詞向量與投影_ev.mp4
05 seq網(wǎng)絡(luò )_ev.mp4
06 網(wǎng)絡(luò )訓練_ev.mp4
25 知識圖譜實(shí)戰系列
01 知識圖譜介紹及其應用領(lǐng)域分析
01 知識圖譜通俗解讀_ev.mp4
02 知識圖譜在搜索引擎中的應用_ev.mp4
03 知識圖譜在醫療領(lǐng)域應用實(shí)例_ev.mp4
04 金融與推薦領(lǐng)域的應用_ev.mp4
05 數據獲取分析_ev.mp4
02 知識圖譜涉及技術(shù)點(diǎn)分析
01 數據關(guān)系抽取分析_ev.mp4
02 常用NLP技術(shù)點(diǎn)分析_ev.mp4
03 graph-embedding的作用與效果_ev.mp4
04 金融領(lǐng)域圖編碼實(shí)例_ev.mp4
05 視覺(jué)領(lǐng)域圖編碼實(shí)例_ev.mp4
06 圖譜知識融合與總結分析_ev.mp4
03 Neo4j數據庫實(shí)戰
01 Neo4j圖數據庫介紹_ev.mp4
02 Neo4j數據庫安裝流程演示_ev.mp4
03 可視化例子演示_ev.mp4
04 創(chuàng )建與刪除操作演示_ev.mp4
05 數據庫更改查詢(xún)操作演示_ev.mp4
04 使用python操作neo4j實(shí)例
01 使用Py2neo建立連接_ev.mp4
02 提取所需的指標信息_ev.mp4
03 在圖中創(chuàng )建實(shí)體_ev.mp4
04 根據給定實(shí)體創(chuàng )建關(guān)系_ev.mp4
05 基于知識圖譜的醫藥問(wèn)答系統實(shí)戰
01 項目概述與整體架構分析_ev.mp4
02 醫療數據介紹及其各字段含義_ev.mp4
03 任務(wù)流程概述_ev.mp4
04 環(huán)境配置與所需工具包安裝_ev.mp4
05 提取數據中的關(guān)鍵字段信息_ev.mp4
06 創(chuàng )建關(guān)系邊_ev.mp4
07 打造醫療知識圖譜模型_ev.mp4
08 加載所有實(shí)體數據_ev.mp4
09 實(shí)體關(guān)鍵詞字典制作_ev.mp4
10 完成對話(huà)系統構建_ev.mp4
06 文本關(guān)系抽取實(shí)踐
01 關(guān)系抽取要完成的任務(wù)演示與分析_ev.mp4
02 LTP工具包概述介紹_ev.mp4
03 pyltp安裝與流程演示_ev.mp4
04 得到分詞與詞性標注結果_ev.mp4
05 依存句法概述_ev.mp4
06 句法分析結果整理_ev.mp4
07 語(yǔ)義角色構建與分析_ev.mp4
08 設計規則完成關(guān)系抽取_ev.mp4
07 金融平臺風(fēng)控模型實(shí)踐
01 競賽任務(wù)目標_ev.mp4
02 圖模型信息提取_ev.mp4
03 節點(diǎn)權重特征提取(PageRank)_ev.mp4
04 deepwalk構建圖頂點(diǎn)特征_ev.mp4
05 各項統計特征_ev.mp4
06 app安裝特征_ev.mp4
07 圖中聯(lián)系人特征_ev.mp4
08 醫學(xué)糖尿病數據命名實(shí)體識別
01 數據與任務(wù)介紹_ev.mp4
02 整體模型架構_ev.mp4
03 數據-標簽-語(yǔ)料庫處理_ev.mp4
04 輸入樣本填充補齊_ev.mp4
05 訓練網(wǎng)絡(luò )模型_ev.mp4
06 醫療數據集（糖尿?。?shí)體識別_ev.mp4
26 語(yǔ)音識別實(shí)戰系列
01 seq2seq序列網(wǎng)絡(luò )模型
01 序列網(wǎng)絡(luò )模型概述分析_ev.mp4
02 工作原理概述_ev.mp4
03 注意力機制的作用_ev.mp4
04 加入attention的序列模型整體架構_ev.mp4
05 TeacherForcing的作用與訓練策略_ev.mp4
06 額外補充-RNN網(wǎng)絡(luò )模型解讀_ev.mp4
02 LAS模型語(yǔ)音識別實(shí)戰
01 數據源與環(huán)境配置_ev.mp4
02 語(yǔ)料表制作方法_ev.mp4
03 制作json標注數據_ev.mp4
04 聲音數據處理模塊解讀_ev.mp4
05 Pack與Pad操作解析_ev.mp4
06 編碼器模塊整體流程_ev.mp4
07 加入注意力機制_ev.mp4
08 計算得到每個(gè)輸出的attention得分_ev.mp4
09 解碼器與訓練過(guò)程演示_ev.mp4
03 starganvc2變聲器論文原理解讀
01 論文整體思路與架構解讀_ev.mp4
02 VCC2016輸入數據_ev.mp4
03 語(yǔ)音特征提取_ev.mp4
04 生成器模型架構分析_ev.mp4
05 InstanceNorm的作用解讀_ev.mp4
06 AdaIn的目的與效果_ev.mp4
07 判別器模塊分析_ev.mp4
04 staeganvc2變聲器源碼實(shí)戰
01 數據與項目文件解讀_ev.mp4
02 環(huán)境配置與工具包安裝_ev.mp4
03 數據預處理與聲音特征提取_ev.mp4
04 生成器構造模塊解讀_ev.mp4
05 下采樣與上采樣操作_ev.mp4
06 starganvc2版本標簽輸入分析_ev.mp4
07 生成器前向傳播維度變化_ev.mp4
08 判別器模塊解讀_ev.mp4
09 論文損失函數_ev.mp4
10 源碼損失計算流程_ev.mp4
11 測試模塊-生成轉換語(yǔ)音_ev.mp4
05 語(yǔ)音分離ConvTasnet模型
01 語(yǔ)音分離任務(wù)分析_ev.mp4
02 經(jīng)典語(yǔ)音分離模型概述_ev.mp4
03 DeepClustering論文解讀_ev.mp4
04 TasNet編碼器結構分析_ev.mp4
05 DW卷積的作用與效果_ev.mp4
06 基于Mask得到分離結果_ev.mp4
06 ConvTasnet語(yǔ)音分離實(shí)戰
01 數據準備與環(huán)境配置_ev.mp4
02 訓練任務(wù)所需參數介紹_ev.mp4
03 DataLoader定義_ev.mp4
04 采樣數據特征編碼_ev.mp4
05 編碼器特征提取_ev.mp4
06 構建更大的感受區域_ev.mp4
07 解碼得到分離后的語(yǔ)音_ev.mp4
08 測試模塊所需參數_ev.mp4
07 語(yǔ)音合成tacotron最新版實(shí)戰
01 語(yǔ)音合成項目所需環(huán)境配置_ev.mp4
02 所需數據集介紹_ev.mp4
03 路徑配置與整體流程解讀_ev.mp4
04 Dataloader構建數據與標簽_ev.mp4
05 編碼層要完成的任務(wù)_ev.mp4
06 得到編碼特征向量_ev.mp4
07 解碼器輸入準備_ev.mp4
08 解碼器流程梳理_ev.mp4
09 注意力機制應用方法_ev.mp4
10 得到加權的編碼向量_ev.mp4
11 模型輸出結果_ev.mp4
12 損失函數與預測_ev.mp4
27 推薦系統實(shí)戰系列
01 推薦系統介紹及其應用
01 1-推薦系統通俗解讀_ev.mp4
02 2-推薦系統發(fā)展簡(jiǎn)介_(kāi)ev.mp4
03 3-應用領(lǐng)域與多方位評估指標_ev.mp4
04 4-任務(wù)流程與挑戰概述_ev.mp4
05 5-常用技術(shù)點(diǎn)分析_ev.mp4
06 6-與深度學(xué)習的結合_ev.mp4
02 協(xié)同過(guò)濾與矩陣分解
01 1-協(xié)同過(guò)濾與矩陣分解簡(jiǎn)介_(kāi)ev.mp4
02 2-基于用戶(hù)與商品的協(xié)同過(guò)濾_ev.mp4
03 3-相似度計算與推薦實(shí)例_ev.mp4
04 4-矩陣分解的目的與效果_ev.mp4
05 5-矩陣分解中的隱向量_ev.mp4
06 6-目標函數簡(jiǎn)介_(kāi)ev.mp4
07 7-隱式情況分析_ev.mp4
08 8-Embedding的作用_ev.mp4
03 音樂(lè )推薦系統實(shí)戰
01 1-音樂(lè )推薦任務(wù)概述_ev.mp4
02 2-數據集整合_ev.mp4
03 3-基于物品的協(xié)同過(guò)濾_ev.mp4
04 4-物品相似度計算與推薦_ev.mp4
05 5-SVD矩陣分解_ev.mp4
06 6-基于矩陣分解的音樂(lè )推薦_ev.mp4
04 知識圖譜與Neo4j數據庫實(shí)例
01 1-知識圖譜通俗解讀_ev.mp4
02 2-知識圖譜在搜索引擎中的應用_ev.mp4
03 3-知識圖譜在醫療領(lǐng)域應用實(shí)例_ev.mp4
04 4-金融與推薦領(lǐng)域的應用_ev.mp4
05 5-數據獲取分析_ev.mp4
06 1-Neo4j圖數據庫介紹_ev.mp4
07 2-Neo4j數據庫安裝流程演示_ev.mp4
08 3-可視化例子演示_ev.mp4
09 4-創(chuàng )建與刪除操作演示_ev.mp4
10 5-數據庫更改查詢(xún)操作演示_ev.mp4
05 基于知識圖譜的電影推薦實(shí)戰
01 1-知識圖譜推薦系統效果演示_ev.mp4
02 2-kaggle電影數據集下載與配置_ev.mp4
03 3-圖譜需求與任務(wù)流程解讀_ev.mp4
04 4-項目所需環(huán)境配置安裝_ev.mp4
05 5-構建用戶(hù)電影知識圖譜_ev.mp4
06 6-圖譜查詢(xún)與匹配操作_ev.mp4
07 7-相似度計算與推薦引擎構建_ev.mp4
06 點(diǎn)擊率估計FM與DeepFM算法
01 1-CTR估計及其經(jīng)典方法概述_ev.mp4
02 2-高維特征帶來(lái)的問(wèn)題_ev.mp4
03 3-二項式特征的作用與挑戰_ev.mp4
04 4-二階公式推導與化簡(jiǎn)_ev.mp4
05 5-FM算法解析_ev.mp4
06 6-DeepFm整體架構解讀_ev.mp4
07 7-輸入層所需數據樣例_ev.mp4
08 8-Embedding層的作用與總結_ev.mp4
07 DeepFM算法實(shí)戰
01 1-數據集介紹與環(huán)境配置_ev.mp4
02 2-廣告點(diǎn)擊數據預處理實(shí)例_ev.mp4
03 3-數據處理模塊Embedding層_ev.mp4
04 4-Index與Value數據制作_ev.mp4
05 5-一階權重參數設計_ev.mp4
06 6-二階特征構建方法_ev.mp4
07 7-特征組合方法實(shí)例分析_ev.mp4
08 8-完成FM模塊計算_ev.mp4
09 9-DNN模塊與訓練過(guò)程_ev.mp4
08 推薦系統常用工具包演示
01 1-環(huán)境配置與數據集介紹_ev.mp4
02 2-電影數據集預處理分析_ev.mp4
03 3-surprise工具包基本使用_ev.mp4
04 4-模型測試集結果_ev.mp4
05 5-評估指標概述_ev.mp4
09 基于文本數據的推薦實(shí)例
01 1-數據與環(huán)境配置介紹_ev.mp4
02 2-數據科學(xué)相關(guān)數據介紹_ev.mp4
03 3-文本數據預處理_ev.mp4
04 4-TFIDF構建特征矩陣_ev.mp4
05 5-矩陣分解演示_ev.mp4
06 6-LDA主題模型效果演示_ev.mp4
07 7-推薦結果分析_ev.mp4
10 基本統計分析的電影推薦
01 1-電影數據與環(huán)境配置_ev.mp4
02 2-數據與關(guān)鍵詞信息展示_ev.mp4
03 3-關(guān)鍵詞云與直方圖展示_ev.mp4
04 4-特征可視化_ev.mp4
05 5-數據清洗概述_ev.mp4
06 6-缺失值填充方法_ev.mp4
07 7-推薦引擎構造_ev.mp4
08 8-數據特征構造_ev.mp4
09 9-得出推薦結果_ev.mp4
11 補充-基于相似度的酒店推薦系統
01 1-酒店數據與任務(wù)介紹_ev.mp4
02 2-文本詞頻統計_ev.mp4
03 3-ngram結果可視化展示_ev.mp4
04 4-文本清洗_ev.mp4
05 5-相似度計算_ev.mp4
06 6-得出推薦結果_ev.mp4
28 AI課程所需安裝軟件教程
01 AI課程所需安裝軟件教程
01 AI課程所需安裝軟件教程_ev.mp4
29 額外補充
01 通用創(chuàng )新點(diǎn)
01 ACMIX（卷積與注意力融合）_ev.mp4
02 GCnet(全局特征融合)_ev.mp4
03 Coordinate_attention_ev.mp4
04 SPD（可替換下采樣）_ev.mp4
05 SPP改進(jìn)_ev.mp4
06 mobileOne(加速)_ev.mp4
07 Deformable(替換selfAttention)_ev.mp4
08 ProbAttention(采樣策略)_ev.mp4
09 CrossAttention融合特征_ev.mp4
10 Attention額外加入先驗知識_ev.mp4
11 結合GNN構建局部特征_ev.mp4
12 損失函數約束項_ev.mp4
13 自適應可學(xué)習參數_ev.mp4
14 Coarse2Fine大框架_ev.mp4
15 只能機器學(xué)習模型時(shí)湊工作量（特征工程）_ev.mp4
16 自己數據集如何發(fā)的好(要開(kāi)源)_ev.mp4
17 可變形卷積加入方法_ev.mp4
18 在源碼中加入各種注意力機制方法_ev.mp4
深度學(xué)習巔峰-人工智能深度學(xué)習系統班第6期百度網(wǎng)盤(pán)
易靈微課：黑客之路-WEB安全體系課
易靈微課：黑客之路-WEB安全體系課
構建智能未來(lái)，邁向深度學(xué)習的巔峰-人工智能深度學(xué)習系統班第6期
