论坛 › 『IT教程新版』 › GP-人工智能深度学习系统班（第十一期）【VIP】

nymnb 发表于 2026-2-9 00:30

GP-人工智能深度学习系统班（第十一期）【VIP】

资料解压密码回复可见：
**** Hidden Message *****

——/GP-人工智能深度学习系统班（第十一期）/
├──0-课件
|   ├──10.第一十章 2022论⽂必备-Transformer实战系列
|   |   ├──第十二，十三章
|   |   ├──谷歌开源项目BERT源码解读与应用实例
|   |   ├──基础补充-Resnet模型及其应用实例
|   |   ├──2104.00680.pdf7.80M
|   |   ├──baiduyunguangjia_cfg_A900527E-5BA6-4d22-8E96-E40D5C6EDF61.cfg0.00kb
|   |   ├──BEV.pdf998.21kb
|   |   ├──Informer.pdf1.12M
|   |   ├──Informer.zip18.28M
|   |   ├──Loftr.pdf1.51M
|   |   ├──LoFTR.zip404.06M
|   |   ├──mask2former.pdf2.97M
|   |   ├──maskformer.pdf1.51M
|   |   ├──Medical-Transformer.zip59.77M
|   |   ├──mmdetection-master.zip1.46G
|   |   ├──transformer.pdf1.99M
|   |   ├──Transformer在视觉中的应用VIT算法.pdf1.24M
|   |   ├──ViT.zip638.39M
|   |   ├──第六章：基于Transformer的detr目标检测算法.pdf885.69kb
|   |   ├──第七章：detr目标检测源码解读.zip108.29kb
|   |   ├──第四章：swintransformer算法原理解析.pdf807.76kb
|   |   ├──第五章：swintransformer源码解读.zip234.56M
|   |   └──可变形DETR.pdf4.50M
|   ├──11.第一十一章 图神经⽹络实战
|   |   ├──3-图模型必备神器PyTorch Geometric安装与使用
|   |   ├──4-使用PyTorch Geometric构建自己的图数据集
|   |   ├──5-图注意力机制与序列图模型
|   |   ├──6-图相似度论文解读
|   |   ├──7-图相似度计算实战
|   |   ├──8-基于图模型的轨迹估计
|   |   ├──9-图模型轨迹估计实战
|   |   ├──第二章：图卷积GCN模型
|   |   ├──第一章：图神经网络基础
|   |   ├──基于图模型的时间序列预测
|   |   └──异构图神经网络
|   ├──12.第一十二章 3D点云实战
|   |   ├──第1节：3D点云应用领域分析
|   |   ├──第2节：3D点云PointNet算法
|   |   ├──第3节：PointNet++算法解读
|   |   ├──第4节：Pointnet++项目实战
|   |   ├──第5节：点云补全PF-Net论文解读
|   |   ├──第6节：点云补全实战解读
|   |   ├──第7节：点云配准及其案例实战
|   |   └──第8节：基础补充-对抗生成网络架构原理与实战解析
|   ├──13.第一十二章 ⾯向深度学习的⽆⼈驾驶实战
|   |   ├──1.深度估计算法解读
|   |   ├──10-NeuralRecon项目源码解读
|   |   ├──11-TSDF算法与应用
|   |   ├──12-TSDF实战案例
|   |   ├──13-轨迹估计算法与论文解读
|   |   ├──14-轨迹估计预测实战
|   |   ├──15-特斯拉无人驾驶解读
|   |   ├──2.深度估计项目实战
|   |   ├──3-车道线检测算法与论文解读
|   |   ├──4-基于深度学习的车道线检测项目实战
|   |   ├──5-商汤LoFTR算法解读
|   |   ├──6-局部特征关键点匹配实战
|   |   ├──7-三维重建应用与坐标系基础
|   |   ├──8-NeuralRecon算法解读
|   |   └──9-NeuralRecon项目环境配置
|   ├──14.第一十三章 对比学习与多模态任务实战
|   |   ├──ANINET源码解读
|   |   ├──CLIP系列
|   |   ├──对比学习算法与实例
|   |   ├──多模态3D目标检测算法源码解读
|   |   └──多模态文字识别
|   ├──15.第一十五章 缺陷检测实战
|   |   ├──PyTorch基础
|   |   ├──Resnet分类实战
|   |   ├──第1-4章：YOLOV5缺陷检测
|   |   ├──第11-12章：deeplab
|   |   ├──第6-8章：Opencv各函数使用实例
|   |   ├──DeepLab铁质材料缺陷检测与开源项目应用流程.zip3.58G
|   |   ├──第10章：基于视频流水线的Opnecv缺陷检测项目.zip13.96M
|   |   ├──第5章：Semi-supervised布料缺陷检测实战.zip212.33M
|   |   └──第9章：基于Opencv缺陷检测项目实战.zip11.38M
|   ├──16.第一十六章 ⾏⼈重识别实战
|   |   ├──第1节：行人重识别原理及其应用
|   |   ├──第2节：基于注意力机制的ReId模型论文解读
|   |   ├──第3节：基于Attention的行人重识别项目实战
|   |   ├──第4节：经典会议算法精讲（特征融合）
|   |   ├──第5节：项目实战-基于行人局部特征融合的再识别实战
|   |   ├──第6节：旷视研究院最新算法解读（基于图模型）
|   |   └──第7节：基于拓扑图的行人重识别项目实战
|   ├──17.第一十七章 对抗⽣成⽹络实战
|   |   ├──第4节：stargan论文架构解析
|   |   ├──第6节：基于starganvc2的变声器论文原理解读
|   |   ├──第8节：图像超分辨率重构实战
|   |   ├──第9节：基于GAN的图像补全实战
|   |   ├──cyclegan.pdf2.67M
|   |   ├──static.zip1.26M
|   |   ├──第2节：对抗生成网络架构原理与实战解析.zip35.28M
|   |   ├──第3节：基于CycleGan开源项目实战图像合成.zip1.60G
|   |   ├──第5节：stargan项目实战及其源码解读.zip869.44M
|   |   └──第7节：starganvc2变声器项目实战及其源码解读.zip485.00M
|   ├──18.第十八章 强化学习与AI黑科技实例
|   |   ├──AI黑科技实例
|   |   ├──第1节：强化学习简介及其应用.pdf738.65kb
|   |   ├──第2节：PPO算法与公式推导.pdf899.22kb
|   |   ├──第3节：策略梯度实战-月球登陆器训练实例.zip4.34M
|   |   ├──第4节：DQN算法.pdf1.43M
|   |   ├──第5节：DQN算法实例演示.zip1.98kb
|   |   ├──第7节：Actor-Critic算法分析(A3C).pdf560.29kb
|   |   └──第8节：A3C算法玩转超级马里奥.zip97.62M
|   ├──19.第一十九章 面向医学领域的深度学习实战
|   |   ├──1-神经网络算法PPT
|   |   ├──10-基于deeplab的心脏视频数据诊断分析
|   |   ├──11-YOLO系列物体检测算法原理解读
|   |   ├──12-基于YOLO5细胞检测实战
|   |   ├──13-知识图谱原理解读
|   |   ├──14-Neo4j数据库实战
|   |   ├──15-基于知识图谱的医药问答系统实战
|   |   ├──17-医学糖尿病数据命名实体识别
|   |   ├──4-基于Resnet的医学数据集分类实战
|   |   ├──5-图像分割及其损失函数概述
|   |   ├──6-Unet系列算法讲解
|   |   ├──7-unet医学细胞分割实战
|   |   ├──8-deeplab系列算法
|   |   ├──9-基于deeplabV3+版本进行VOC分割实战
|   |   ├──16-词向量模型与RNN网络架构.zip2.15M
|   |   ├──2-PyTorch框架基本处理操作.zip98.58M
|   |   └──3-PyTorch框架必备核心模块解读.zip336.95M
|   ├──20.第二十章 CV与NLP经典大模型解读
|   |   ├──第八章：视觉QA
|   |   ├──第九章：扩散模型
|   |   ├──第六章：langchain
|   |   ├──第七章：视觉大模型SAM
|   |   ├──第三章：ChatGpt
|   |   ├──第十二章：自监督任务对比学习
|   |   ├──第十六章：BEV感知
|   |   ├──第十七章：BEVFORMER源码
|   |   ├──第十三章：BEIT
|   |   ├──第十四章：BEITV2
|   |   ├──第十五章：BEITV2源码
|   |   ├──第十一章：dalle2源码解读
|   |   ├──第十章：dalle2论文解读
|   |   ├──第四章：LLM与LORA
|   |   ├──第五章：LLM下游任务
|   |   ├──第二章：ChinesePretrainedModels.zip1.62G
|   |   ├──第一章：GPT系列.pdf1.37M
|   |   └──课程介绍.pdf131.35kb
|   ├──21.第二十一章 深度学习模型部署与剪枝优化实战
|   |   ├──嵌入式AI
|   |   ├──Docker使用命令.zip7.83M
|   |   ├──Mobilenet.pdf2.41M
|   |   ├──mobilenetv3.py7.31kb
|   |   ├──pytorch-slimming.zip356.43M
|   |   ├──PyTorch模型部署实例.zip102.80kb
|   |   ├──TensorFlow-serving.zip2.96M
|   |   ├──YOLO部署实例.zip876.45M
|   |   └──剪枝算法.pdf504.02kb
|   ├──22.第二十二章 ⾃然语⾔处理经典案例实战
|   |   ├──NLP常用工具包
|   |   ├──课后作业
|   |   ├──课件
|   |   └──源码、数据集等
|   ├──23.第二十三章 自然语言处理必备神器Huggingface系列实战
|   |   ├──第八章：GPT训练与预测部署流程
|   |   ├──第二章：Transformer工具包基本操作实例解读
|   |   ├──第九章：文本摘要建模
|   |   ├──第六章：文本预训练模型构建实例
|   |   ├──第七章：GPT系列算法
|   |   ├──第三章：transformer原理解读
|   |   ├──第十一章：补充Huggingface数据集制作方法实例
|   |   ├──第十章：图谱知识抽取实战
|   |   ├──第四章：BERT系列算法解读
|   |   ├──第五章：文本标注工具与NER实例
|   |   └──第一章：Huggingface与NLP介绍解读
|   ├──24.第二十四章 时间序列预测
|   |   ├──2-Informer原理解读
|   |   ├──3-Informer源码解读
|   |   ├──4-Timesnet时序预测
|   |   ├──informer
|   |   └──timesnet
|   ├──25.第二十五章 ⾃然语⾔处理通⽤框架-BERT实战
|   |   ├──课后作业
|   |   └──课件、源码
|   ├──26 论文创新点常用方法及其应用实例
|   |   ├──Anaconda3-2020.07-Windows-x86_64.exe467.49M
|   |   ├──cuda_11.3.0_465.89_win10.exe2.68G
|   |   ├──mmcv_full-1.4.7-cp38-cp38-win_amd64.whl12.75M
|   |   ├──notepadplusplus-8-4.exe4.28M
|   |   ├──pycharm-community-2022.1.2.exe378.78M
|   |   ├──torch-1.10.0+cu113-cp38-cp38-win_amd64.whl2.27G
|   |   ├──torchvision-0.11.0+cu113-cp38-cp38-win_amd64.whl3.04M
|   |   └──VisualStudioSetup.exe1.60M
|   ├──8.第八章 走向AI论文实验与项目实战的捷径-MMLAB实战系列
|   |   ├──DeformableDetr算法解读
|   |   ├──KIE关键信息抽取与视频超分辨率重构
|   |   ├──OCR算法解读
|   |   ├──mask2former(mmdetection).zip192.38M
|   |   ├──ner.zip121.60M
|   |   ├──第八模块：mmrazor-模型蒸馏.zip1.00G
|   |   ├──第二模块：mmsegmentation-0.20.2.zip2.80G
|   |   ├──第二模块：MPViT-main.zip924.77M
|   |   ├──第九模块：mmaction2-master.zip827.76M
|   |   ├──第六模块：mmediting-master.zip107.78M
|   |   ├──第七模块：mmdetection3d-1.0.0rc0.zip395.05M
|   |   ├──第三模块：mmdetection-master.zip1.46G
|   |   ├──第四模块：mmocr-main.zip381.72M
|   |   ├──第五模块：mmgeneration-master.zip746.81M
|   |   └──第一模块：mmclassification-master.zip912.00M
|   ├──9.第九章 经典视觉项目实战：行为识别、姿态估计、目标追踪
|   |   ├──slowfast-add
|   |   ├──YOLO目标检测
|   |   ├──基础补充-Resnet模型及其应用实例
|   |   ├──1-slowfast算法知识点通俗解读.pdf572.31kb
|   |   ├──5-视频异常检测算法与元学习.pdf1.15M
|   |   ├──Deepsort算法知识点解读.pdf1.58M
|   |   ├──Deepsort源码解读.zip107.90M
|   |   ├──OpenPose算法源码分析.zip243.86M
|   |   ├──slowfast论文.pdf1.45M
|   |   ├──第一章：姿态估计OpenPose系列算法解读.pdf2.42M
|   |   ├──基础补充-PyTorch框架必备核心模块解读.zip336.95M
|   |   ├──基础补充-PyTorch框架基本处理操作.zip98.58M
|   |   ├──基于3D卷积的视频分析与动作识别.zip845.84M
|   |   └──视频异常检测CVPR2021论文及其源码解读.zip243.75M
|   ├──1-7章课件课件.zip11.34G
|   └──27-29章实战系列课件.zip4.09G
├──01-机器学习
|   ├──01-第一模块：Python快速入门
|   |   ├──01-1-Python环境配置
|   |   ├──02-2-Python库安装工具
|   |   ├──03-3-Notebook工具使用
|   |   ├──04-4-Python简介
|   |   ├──05-5-Python数值运算
|   |   ├──06-6-Python字符串操作
|   |   ├──07-7-1-索引结构
|   |   ├──08-7-2-List基础结构
|   |   ├──09-8-List核心操作
|   |   ├──10-9-字典基础定义
|   |   ├──11-10-字典的核心操作
|   |   ├──12-11-Set结构
|   |   ├──13-12-赋值机制
|   |   ├──14-13-判断结构
|   |   ├──15-14-循环结构
|   |   ├──16-15-函数定义
|   |   ├──17-16-模块与包
|   |   ├──18-17-异常处理模块
|   |   ├──19-18-文件操作
|   |   ├──20-19-类的基本定义
|   |   ├──21-20-类的属性操作
|   |   ├──22-21-时间操作
|   |   ├──23-22-Python练习题-1
|   |   ├──24-23-Python练习题-2
|   |   ├──课程详细目录.txt0.06kb
|   |   └──咨询VX ETH22009.txt0.02kb
|   ├──02-第二模块：Python数据科学必备工具包实战
|   |   ├──01-科学计算库-Numpy
|   |   ├──02-数据分析处理库-Pandas
|   |   ├──03-.可视化库-Matplotlib
|   |   ├──04-可视化库-Seaborn
|   |   ├──课程详细目录.txt0.06kb
|   |   └──咨询VX ETH22009.txt0.02kb
|   ├──03-第三模块：人工智能-必备数学课程
|   |   ├──01-高等数学基础
|   |   ├──02-微积分
|   |   ├──03-泰勒公式与拉格朗日
|   |   ├──04-线性代数基础
|   |   ├──05-特征值与矩阵分解
|   |   ├──06-随机变量
|   |   ├──07-概率论基础
|   |   ├──08-数据科学你得知道的几种分布
|   |   ├──09-核函数变换
|   |   ├──10-熵与激活函数
|   |   ├──11-回归分析
|   |   ├──12-假设检验
|   |   ├──13-相关分析
|   |   ├──14-方差分析
|   |   ├──15-聚类分析
|   |   ├──16-贝叶斯分析
|   |   ├──课程详细目录.txt0.06kb
|   |   └──咨询VX ETH22009.txt0.02kb
|   ├──04-第四模块：机器学习算法精讲及其案例应用
|   |   ├──01-线性回归原理推导
|   |   ├──02-线性回归代码实现
|   |   ├──03-模型评估方法
|   |   ├──04-线性回归实验分析
|   |   ├──05-逻辑回归实验分析
|   |   ├──06-逻辑回归代码实现
|   |   ├──07-逻辑回归实验分析
|   |   ├──08-聚类算法-Kmeans&Dbscan原理
|   |   ├──09-Kmeans代码实现
|   |   ├──10-聚类算法实验分析
|   |   ├──11-决策树原理
|   |   ├──12-决策树代码实现
|   |   ├──13-决策树实验分析
|   |   ├──14-集成算法原理
|   |   ├──15-集成算法实验分析
|   |   ├──16-支持向量机原理推导
|   |   ├──17-支持向量机实验分析
|   |   ├──18-神经网络算法原理
|   |   ├──19-神经网络代码实现
|   |   ├──20-贝叶斯算法原理
|   |   ├──21-贝叶斯代码实现
|   |   ├──22-关联规则实战分析
|   |   ├──23-关联规则代码实现
|   |   ├──24-词向量word2vec通俗解读
|   |   ├──25-代码实现word2vec词向量模型
|   |   ├──26-线性判别分析降维算法原理解读
|   |   ├──27-主成分分析降维算法原理解读
|   |   ├──28-隐马尔科夫模型
|   |   ├──29-HMM应用实例
|   |   ├──课程详细目录.txt0.06kb
|   |   └──咨询VX ETH22009.txt0.02kb
|   ├──05-第五模块：机器学习算法建模实战项目
|   |   ├──01-项目实战-交易数据异常检测
|   |   ├──02-基于随机森林的气温预测实战
|   |   ├──03-贝叶斯新闻分类实战
|   |   ├──04-推荐系统实战
|   |   ├──05-fbprophe时间序列预测
|   |   ├──06-京东用户购买意向预测
|   |   ├──课程详细目录.txt0.06kb
|   |   └──咨询VX ETH22009.txt0.02kb
|   ├──06-第六模块：机器学习案例实战应用集锦
|   |   ├──01-Python实战关联规则
|   |   ├──02-爱彼迎数据集分析与建模
|   |   ├──03-基于相似度的酒店推荐系统
|   |   ├──04-商品销售额回归分析
|   |   ├──05-绝地求生数据集探索分析与建模
|   |   ├──06-机器学习-模型解释方法实战
|   |   ├──07-自然语言处理必备工具包实战
|   |   ├──08-NLP核心模型-Word2vec
|   |   ├──09-数据特征预处理
|   |   ├──10-10文本特征处理方法对比
|   |   ├──11-银行客户还款可能性预测
|   |   ├──12-图像特征聚类分析实践
|   |   ├──课程详细目录.txt0.06kb
|   |   └──咨询VX ETH22009.txt0.02kb
|   ├──07-第七模块：机器学习竞赛优胜解决方案实战
|   |   ├──01-快手短视频用户活跃度分析
|   |   ├──02-工业化生产预测
|   |   ├──03-智慧城市-道路通行时间预测
|   |   ├──04-特征工程建模可解释包
|   |   ├──05-医学糖尿病数据命名实体识别
|   |   ├──06-贷款平台风控模型+特征工程
|   |   ├──07-新闻关键词抽取模型
|   |   ├──08-数据特征常用构建方法
|   |   ├──09-用电敏感客户分类
|   |   └──10-机器学习项目实战模板
|   ├──08-第八模块：Python金融分析与量化交易实战
|   |   ├──01-课程内容与大纲介绍
|   |   ├──02-金融数据时间序列分析
|   |   ├──03-1双均线交易策略实战
|   |   ├──04-策略收益与风险评估指标解析
|   |   ├──05-量化交易与回测平台解读
|   |   ├──06-Ricequant回测选股分析实战
|   |   ├──07-因子数据预处理实战
|   |   ├──08-因子选股策略实战
|   |   ├──09-因子分析实战
|   |   ├──10-因子打分选股实战
|   |   ├──11-回归分析策略
|   |   ├──11-聚类分析策略
|   |   ├──12-拓展：fbprophet时间序列预测神器
|   |   ├──13-基于深度学习的时间序列预测
|   |   ├──课程详细目录.txt0.06kb
|   |   └──咨询VX ETH22009.txt0.02kb
|   ├──09-第九模块：深度学习经典算法解析
|   |   ├──01-深度学习必备基础知识点础
|   |   ├──02-神经网络整体架构
|   |   ├──03-卷积神经网络原理与参数解读
|   |   ├──04-递归神经网络与词向量原理解读
|   |   ├──05-案例实战搭建神经网络
|   |   ├──06-案例实战卷积神经网络
|   |   ├──07-案例实战LSTM时间序列预测任务
|   |   ├──课程详细目录.txt0.06kb
|   |   └──咨询VX ETH22009.txt0.02kb
|   ├──10-选修：Python数据分析案例实战
|   |   ├──01-KIVA贷款数据
|   |   ├──02-订单数据集分析
|   |   ├──03-基于统计分析的电影推荐
|   |   ├──04-纽约出租车建模
|   |   ├──05-商品信息可视化与文本分析
|   |   ├──06-数据分析-机器学习模板
|   |   ├──课程详细目录.txt0.06kb
|   |   └──咨询VX ETH22009.txt0.02kb
|   ├──11-选修：机器学习进阶实战
|   |   ├──01-GBDT提升算法
|   |   ├──01-数据特征
|   |   ├──02-xgboost-gbdt-lightgbm提升算法框架对比
|   |   ├──04-4.使用lightgbm进行饭店流量预测
|   |   ├──05-降维算法-线性判别分析
|   |   ├──05-人口普查数据集项目实战-收入预测
|   |   ├──07-贝叶斯优化及其工具包使用
|   |   ├──08-贝叶斯优化实战
|   |   ├──09-EM算法
|   |   ├──10-HMM隐马尔科夫模型
|   |   ├──11-HMM案例实战
|   |   ├──12-推荐系统
|   |   ├──13-基于统计分析的电影推荐
|   |   ├──13-音乐推荐系统实战
|   |   ├──15-NLP-文本特征方法对比
|   |   ├──15-学习曲线
|   |   ├──17-使用word2vec分类任务
|   |   ├──18-Tensorflow自己打造word2vec
|   |   ├──19-制作自己常用工具包
|   |   ├──20-机器学习项目实战-数据处理与特征提取
|   |   ├──21-机器学习项目实战-建模与分析
|   |   ├──课程详细目录.txt0.06kb
|   |   └──咨询VX ETH22009.txt0.02kb
|   ├──数学基础课件
|   |   ├──SVD.pdf396.61kb
|   |   ├──概率分布与概率密度.pdf640.21kb
|   |   ├──概率论.pdf2.33M
|   |   ├──高等数学.pdf1.12M
|   |   ├──核函数.pdf477.72kb
|   |   ├──后验概率估计.pdf230.81kb
|   |   ├──激活函数.pdf264.40kb
|   |   ├──矩阵.pdf1.32M
|   |   ├──课程详细目录.txt0.06kb
|   |   ├──拉格朗日乘子法.pdf599.32kb
|   |   ├──熵.pdf267.74kb
|   |   ├──似然函数.pdf384.36kb
|   |   ├──泰勒公式.pdf777.52kb
|   |   ├──特征值与特征向量.pdf386.91kb
|   |   ├──梯度.pdf702.08kb
|   |   ├──统计分析-数据代码.zip66.35M
|   |   ├──微积分.pdf960.85kb
|   |   └──咨询VX ETH22009.txt0.02kb
|   └──资料
|   |   ├──第八模块：Python金融分析与量化交易实战
|   |   ├──第九模块：深度学习入门
|   |   ├──第六模块：Python数据分析与机器学习实战集锦
|   |   ├──第七模块：数据挖掘竞赛-优胜解决方案
|   |   ├──第三模块：数学基础
|   |   ├──第四模块：机器学习实训营（原理+复现+实验）
|   |   ├──第五模块：机器学习算法建模实战
|   |   ├──第一二模块：Python数据科学必备库（4个）
|   |   ├──选修机器学习进阶实战
|   |   ├──课程详细目录.txt0.06kb
|   |   └──咨询VX ETH22009.txt0.02kb
├──1-直播课回放
|   ├──001、开班典礼.mp41.33G
|   ├──002、Pycharm环境配置与Debug演示(没用过的同学必看).mp494.45M
|   ├──003、神经网络解读.mp4571.00M
|   ├──004、卷积神经网络.mp4621.61M
|   ├──005、transformer架构解读.mp4325.10M
|   ├──006、融合强化学习与机器人训练原理、架构、部署.mp4285.20M
|   ├──007、VIT 源码Debug.mp4713.39M
|   ├──008、Transformer下游应用实例.mp4710.63M
|   ├──009、图神经网络.mp4564.77M
|   ├──010、基于分层强化学习的机器人路径规划方法.mp4301.70M
|   ├──011、时间序列预测.mp4722.91M
|   ├──012、Huggingface与知识图谱.mp4574.37M
|   ├──013、对比学习.mp4283.13M
|   └──014、Deepseek辅助科研技能学习和科研探索--.mp4119.92M
├──10-论⽂必备-Transformer实战系列
|   ├──1-Transformer算法解读
|   |   └──1-Transformer算法解读.mp4557.22M
|   ├──10-MedicalTrasnformer论文解读
|   |   ├──1-论文整体分析.mp423.72M
|   |   ├──2-核心思想分析.mp454.26M
|   |   ├──3-网络结构计算流程概述.mp444.46M
|   |   ├──4-论文公式计算分析.mp446.93M
|   |   ├──5-位置编码的作用与效果.mp446.55M
|   |   └──6-拓展应用分析.mp456.52M
|   ├──11-MedicalTransformer源码解读
|   |   ├──1-项目环境配置.mp425.29M
|   |   ├──2-医学数据介绍与分析.mp456.68M
|   |   ├──3-基本处理操作.mp425.77M
|   |   ├──4-AxialAttention实现过程.mp436.87M
|   |   ├──5-位置编码向量解读.mp427.80M
|   |   ├──6-注意力计算过程与方法.mp452.13M
|   |   └──7-局部特征提取与计算.mp440.92M
|   ├──12-商汤LoFTR算法解读
|   |   ├──1-特征匹配的应用场景.mp487.35M
|   |   ├──10-总结分析.mp439.42M
|   |   ├──2-特征匹配的基本流程分析.mp415.91M
|   |   ├──3-整体流程梳理分析.mp416.46M
|   |   ├──4-CrossAttention的作用与效果.mp415.69M
|   |   ├──5-transformer构建匹配特征.mp433.79M
|   |   ├──6-粗粒度匹配过程与作用.mp426.00M
|   |   ├──7-特征图拆解操作.mp414.34M
|   |   ├──8-细粒度匹配的作用与方法.mp419.87M
|   |   └──9-基于期望预测最终位置.mp423.08M
|   ├──13-局部特征关键点匹配实战
|   |   ├──1-项目与参数配置解读.mp444.48M
|   |   ├──10-得到精细化输出结果.mp419.35M
|   |   ├──11-通过期望计算最终输出.mp440.24M
|   |   ├──2-DEMO效果演示.mp439.57M
|   |   ├──3-backbone特征提取模块.mp428.65M
|   |   ├──4-注意力机制的作用与效果分析.mp430.98M
|   |   ├──5-特征融合模块实现方法.mp429.29M
|   |   ├──6-cross关系计算方法实例.mp429.30M
|   |   ├──7-粗粒度匹配过程.mp449.80M
|   |   ├──8-完成基础匹配模块.mp463.33M
|   |   └──9-精细化调整方法与实例.mp442.73M
|   ├──14-分割模型Maskformer系列
|   |   └──1-分割模型Maskformer系列.mp4776.88M
|   ├──15-Mask2former源码解读
|   |   ├──1-Backbone获取多层级特征.mp435.79M
|   |   ├──10-正样本筛选损失计算.mp441.78M
|   |   ├──11-标签分类匹配结果分析.mp462.04M
|   |   ├──12-最终损失计算流程.mp452.29M
|   |   ├──13-汇总所有损失完成迭代.mp435.76M
|   |   ├──2-多层级采样点初始化构建.mp441.46M
|   |   ├──3-多层级输入特征序列创建方法.mp443.83M
|   |   ├──4-偏移量与权重计算并转换.mp448.78M
|   |   ├──5-Encoder特征构建方法实例.mp449.77M
|   |   ├──6-query要预测的任务解读.mp445.61M
|   |   ├──7-Decoder中的AttentionMask方法.mp450.89M
|   |   ├──8-损失模块输入参数分析.mp440.84M
|   |   └──9-标签分配策略解读.mp442.53M
|   ├──16-BEV特征空间
|   |   └──1-BEV特征空间.mp4523.07M
|   ├──17-BevFormer源码解读
|   |   ├──1-环境配置方法解读.mp442.79M
|   |   ├──10-获取当前BEV特征.mp435.90M
|   |   ├──11-Decoder级联校正模块.mp441.58M
|   |   ├──12-损失函数与预测可视化.mp449.48M
|   |   ├──2-数据集下载与配置方法.mp453.57M
|   |   ├──3-特征提取以及BEV空间初始化.mp443.81M
|   |   ├──4-特征对齐与位置编码初始化.mp443.63M
|   |   ├──5-Reference初始点构建.mp437.26M
|   |   ├──6-BEV空间与图像空间位置对应.mp437.67M
|   |   ├──7-注意力机制模块计算方法.mp438.61M
|   |   ├──8-BEV空间特征构建.mp434.01M
|   |   └──9-Decoder要完成的任务分析.mp433.95M
|   ├──18-时间序列预测
|   |   └──1-时间序列预测.mp4375.40M
|   ├──19-Informer时间序列源码解读
|   |   └──1-Informer时间序列源码解读.mp4829.10M
|   ├──2-视觉Transformer及其源码分析
|   |   └──1-视觉Transformer及其源码分析.mp4878.23M
|   ├──20-Huggingface与NLP（讲故事）
|   |   └──1-Huggingface与NLP（讲故事）.mp4163.59M
|   ├──3-VIT算法模型源码解读
|   |   ├──1-项目配置说明.mp443.27M
|   |   ├──2-输入序列构建方法解读.mp429.80M
|   |   ├──3-注意力机制计算.mp428.04M
|   |   └──4-输出层计算结果.mp437.72M
|   ├──4-swintransformer算法原理解析
|   |   ├──1-swintransformer整体概述.mp414.76M
|   |   ├──10-分层计算方法.mp421.71M
|   |   ├──2-要解决的问题及其优势分析.mp422.33M
|   |   ├──3-一个block要完成的任务.mp417.36M
|   |   ├──4-获取各窗口输入特征.mp418.99M
|   |   ├──5-基于窗口的注意力机制解读.mp429.53M
|   |   ├──6-窗口偏移操作的实现.mp424.27M
|   |   ├──7-偏移细节分析及其计算量概述.mp420.41M
|   |   ├──8-整体网络架构整合.mp420.88M
|   |   └──9-下采样操作实现方法.mp422.24M
|   ├──5-swintransformer源码解读
|   |   ├──1-数据与环境配置解读.mp459.59M
|   |   ├──2-图像数据patch编码.mp437.62M
|   |   ├──3-数据按window进行划分计算.mp431.46M
|   |   ├──4-基础attention计算模块.mp427.58M
|   |   ├──5-窗口位移模块细节分析.mp436.81M
|   |   ├──6-patchmerge下采样操作.mp425.24M
|   |   ├──7-各block计算方法解读.mp427.91M
|   |   └──8-输出层概述.mp441.11M
|   ├──6-基于Transformer的detr目标检测算法
|   |   ├──1-DETR目标检测基本思想解读.mp419.27M
|   |   ├──2-整体网络架构分析.mp431.54M
|   |   ├──3-位置信息初始化query向量.mp419.90M
|   |   ├──4-注意力机制的作用方法.mp420.79M
|   |   └──5-训练过程的策略.mp428.34M
|   ├──7-detr目标检测源码解读
|   |   ├──1-项目环境配置解读.mp440.33M
|   |   ├──2-数据处理与dataloader.mp463.98M
|   |   ├──3-位置编码作用分析.mp447.86M
|   |   ├──4-backbone特征提取模块.mp435.54M
|   |   ├──5-mask与编码模块.mp434.68M
|   |   ├──6-编码层作用方法.mp442.78M
|   |   ├──7-Decoder层操作与计算.mp430.08M
|   |   ├──8-输出预测结果.mp441.20M
|   |   └──9-损失函数与预测输出.mp441.18M
|   ├──8-DeformableDetr算法解读
|   |   └──1-DeformableDetr算法解读.mp4730.35M
|   └──9-DeformableDetr物体检测源码分析
|   |   ├──1-特征提取与位置编码.mp438.16M
|   |   ├──10-分类与回归输出模块.mp449.72M
|   |   ├──11-预测输出结果与标签匹配模块.mp444.31M
|   |   ├──2-序列特征展开并叠加.mp451.07M
|   |   ├──3-得到相对位置点编码.mp428.80M
|   |   ├──4-准备Encoder编码层所需全部输入.mp437.91M
|   |   ├──5-编码层中的序列分析.mp439.73M
|   |   ├──6-偏移量offset计算.mp446.09M
|   |   ├──7-偏移量对齐操作.mp439.80M
|   |   ├──8-Encoder层完成特征对齐.mp451.84M
|   |   └──9-Decoder要完成的操作.mp438.98M
├──11-图神经网络实战
|   ├──1-图神经网络基础
|   |   ├──1-图神经网络应用领域分析.mp426.40M
|   |   ├──2-图基本模块定义.mp410.51M
|   |   ├──3-邻接矩阵的定义.mp416.06M
|   |   ├──4-GNN中常见任务.mp419.17M
|   |   ├──5-消息传递计算方法.mp414.23M
|   |   └──6-多层GCN的作用.mp413.00M
|   ├──10-基于图模型的时间序列预测
|   |   └──1-基于图模型的时间序列预测.mp41021.16M
|   ├──11-异构图神经网络
|   |   └──1-异构图神经网络.mp4754.04M
|   ├──2-图卷积GCN模型
|   |   ├──1-GCN基本模型概述.mp413.24M
|   |   ├──2-图卷积的基本计算方法.mp412.56M
|   |   ├──3-邻接的矩阵的变换.mp418.38M
|   |   └──4-GCN变换原理解读.mp421.12M
|   ├──3-图模型必备神器PyTorch Geometric安装与使用
|   |   ├──1-PyTorch Geometric工具包安装与配置方法.mp445.07M
|   |   ├──2-数据集与邻接矩阵格式.mp451.92M
|   |   ├──3-模型定义与训练方法.mp441.92M
|   |   └──4-文献引用数据集分类案例实战.mp447.75M
|   ├──4-使用PyTorch Geometric构建自己的图数据集
|   |   ├──1-构建数据集基本方法.mp413.47M
|   |   ├──2-数据集与任务背景概述.mp421.63M
|   |   ├──3-数据集基本预处理.mp431.50M
|   |   ├──4-用户行为图结构创建.mp436.67M
|   |   ├──5-数据集创建函数介绍.mp434.87M
|   |   ├──6-网络结构定义模块.mp436.87M
|   |   ├──7-TopkPooling进行下采样任务.mp431.30M
|   |   ├──8-获取全局特征.mp425.71M
|   |   └──9-模型训练与总结.mp435.84M
|   ├──5-图注意力机制与序列图模型
|   |   ├──1-图注意力机制的作用与方法.mp416.53M
|   |   ├──2-邻接矩阵计算图Attention.mp421.40M
|   |   ├──3-序列图神经网络TGCN应用.mp412.59M
|   |   └──4-序列图神经网络细节.mp423.67M
|   ├──6-图相似度论文解读
|   |   ├──1-要完成的任务分析.mp447.79M
|   |   ├──2-基本方法概述解读.mp452.67M
|   |   ├──3-图模型提取全局与局部特征.mp447.42M
|   |   ├──4-NTN模块的作用与效果.mp441.09M
|   |   ├──5-点之间的对应关系计算.mp451.22M
|   |   └──6-结果输出与总结.mp471.18M
|   ├──7-图相似度计算实战
|   |   ├──1-数据集与任务概述.mp418.11M
|   |   ├──2-图卷积特征提取模块.mp455.92M
|   |   ├──3-分别计算不同Batch点的分布.mp431.70M
|   |   ├──4-获得直方图特征结果.mp421.11M
|   |   ├──5-图的全局特征构建.mp431.45M
|   |   ├──6-NTN图相似特征提取.mp439.25M
|   |   └──7-预测得到相似度结果.mp418.64M
|   ├──8-基于图模型的轨迹估计
|   |   ├──1-数据集与标注信息解读.mp457.53M
|   |   ├──2-整体三大模块分析.mp471.83M
|   |   ├──3-特征工程的作用与效果.mp441.75M
|   |   ├──4-传统方法与现在向量空间对比.mp451.83M
|   |   ├──5-输入细节分析.mp449.96M
|   |   ├──6-子图模块构建方法.mp442.55M
|   |   ├──7-特征融合模块分析.mp447.67M
|   |   └──8-VectorNet输出层分析.mp485.45M
|   └──9-图模型轨迹估计实战
|   |   ├──1-数据与环境配置.mp435.36M
|   |   ├──2-训练数据准备.mp427.69M
|   |   ├──3-Agent特征提取方法.mp437.87M
|   |   ├──4-DataLoader构建图结构.mp428.61M
|   |   └──5-SubGraph与Attention模型流程.mp434.55M
├──12-3D点云实战
|   ├──1-3D点云实战 3D点云应用领域分析
|   |   ├──1-点云数据概述.mp449.53M
|   |   ├──2-点云应用领域与发展分析.mp482.18M
|   |   ├──3-点云分割任务.mp452.03M
|   |   ├──4-点云补全任务.mp429.17M
|   |   ├──5-点云检测与配准任务.mp459.58M
|   |   └──6-点云数据特征提取概述与预告.mp422.69M
|   ├──2-3D点云PointNet算法
|   |   ├──1-3D数据应用领域与点云介绍.mp440.05M
|   |   ├──2-点云数据可视化展示.mp440.07M
|   |   ├──3-点云数据特性和及要解决的问题.mp433.08M
|   |   ├──4-PointNet算法出发点解读.mp417.46M
|   |   └──5-PointNet算法网络架构解读.mp431.01M
|   ├──3-PointNet++算法解读
|   |   ├──1-PointNet升级版算法要解决的问题.mp422.08M
|   |   ├──2-最远点采样方法.mp421.00M
|   |   ├──3-分组Group方法原理解读.mp432.79M
|   |   ├──4-整体流程概述分析.mp416.37M
|   |   ├──5-分类与分割问题解决方案.mp421.74M
|   |   └──6-遇到的问题及改进方法分析.mp413.43M
|   ├──4-Pointnet++项目实战
|   |   ├──1-项目文件概述.mp429.02M
|   |   ├──10-分类任务总结.mp419.66M
|   |   ├──11-分割任务数据与配置概述.mp451.28M
|   |   ├──12-分割需要解决的任务概述.mp433.94M
|   |   ├──13-上采样完成分割任务.mp444.75M
|   |   ├──2-数据读取模块配置.mp439.23M
|   |   ├──3-DEBUG解读网络模型架构.mp424.25M
|   |   ├──4-最远点采样介绍.mp419.48M
|   |   ├──5-采样得到中心点.mp431.77M
|   |   ├──6-组区域划分方法.mp424.88M
|   |   ├──7-实现group操作得到各中心簇.mp435.00M
|   |   ├──8-特征提取模块整体流程.mp440.04M
|   |   └──9-预测结果输出模块.mp438.74M
|   ├──5-点云补全PF-Net论文解读
|   |   ├──1-点云补全要解决的问题.mp423.13M
|   |   ├──2-基本解决方案概述.mp417.42M
|   |   ├──3-整体网络概述.mp420.61M
|   |   ├──4-网络计算流程.mp425.52M
|   |   └──5-输入与计算结果.mp465.02M
|   ├──6-点云补全实战解读
|   |   ├──1-数据与项目配置解读.mp441.86M
|   |   ├──2-待补全数据准备方法.mp429.26M
|   |   ├──3-整体框架概述.mp449.10M
|   |   ├──4-MRE特征提取模块.mp440.36M
|   |   ├──5-分层预测输出模块.mp431.04M
|   |   ├──6-补全点云数据.mp435.21M
|   |   └──7-判别模块.mp448.59M
|   ├──7-点云配准及其案例实战
|   |   ├──1-点云配准任务概述.mp420.00M
|   |   ├──2-配准要完成的目标解读.mp417.64M
|   |   ├──3-训练数据构建.mp423.43M
|   |   ├──4-任务基本流程.mp415.56M
|   |   ├──5-数据源配置方法.mp445.42M
|   |   ├──6-参数计算模块解读.mp421.85M
|   |   ├──7-基于模型预测输出参数.mp424.88M
|   |   ├──8-特征构建方法分析.mp434.65M
|   |   └──9-任务总结.mp433.31M
|   └──8-基础补充-对抗生成网络架构原理与实战解析
|   |   ├──1-对抗生成网络通俗解释.mp418.39M
|   |   ├──2-GAN网络组成.mp410.73M
|   |   ├──3-损失函数解释说明.mp439.88M
|   |   ├──4-数据读取模块.mp429.93M
|   |   └──5-生成与判别网络定义.mp444.24M
├──13-面向深度学习的无人驾驶实战
|   ├──1-深度估计算法原理解读
|   |   ├──1-深度估计效果与应用.mp498.47M
|   |   ├──10-损失计算.mp430.51M
|   |   ├──2-kitti数据集介绍.mp459.45M
|   |   ├──3-使用backbone获取层级特征.mp422.18M
|   |   ├──4-差异特征计算边界信息.mp426.49M
|   |   ├──5-SPP层的作用.mp415.27M
|   |   ├──6-空洞卷积与ASPP.mp418.94M
|   |   ├──7-特征拼接方法分析.mp421.24M
|   |   ├──8-网络coarse-to-fine过程.mp426.50M
|   |   └──9-权重参数预处理.mp427.50M
|   ├──10-NeuralRecon项目源码解读
|   |   ├──1-Backbone得到特征图.mp436.02M
|   |   ├──2-初始化体素位置.mp441.51M
|   |   ├──3-坐标映射方法实现.mp426.66M
|   |   ├──4-得到体素所对应特征图.mp450.70M
|   |   ├──5-插值得到对应特征向量.mp432.36M
|   |   ├──6-得到一阶段输出结果.mp438.08M
|   |   ├──7-完成三个阶段预测结果.mp445.77M
|   |   └──8-项目总结.mp4108.40M
|   ├──11-TSDF算法与应用
|   |   ├──1-TSDF整体概述分析.mp423.16M
|   |   ├──2-合成过程DEMO演示.mp427.58M
|   |   ├──3-布局初始化操作.mp412.69M
|   |   ├──4-TSDF计算基本流程解读.mp423.93M
|   |   ├──5-坐标转换流程分析.mp431.10M
|   |   └──6-输出结果融合更新.mp434.23M
|   ├──12-TSDF实战案例
|   |   ├──1-环境配置概述.mp432.66M
|   |   ├──2-初始化与数据读取.mp421.30M
|   |   └──3-计算得到TSDF输出.mp444.10M
|   ├──13-轨迹估计算法与论文解读
|   |   ├──1-数据集与标注信息解读.mp457.53M
|   |   ├──2-整体三大模块分析.mp471.83M
|   |   ├──3-特征工程的作用与效果.mp441.75M
|   |   ├──4-传统方法与现在向量空间对比.mp451.83M
|   |   ├──5-输入细节分析.mp449.96M
|   |   ├──6-子图模块构建方法.mp442.55M
|   |   ├──7-特征融合模块分析.mp447.67M
|   |   └──8-VectorNet输出层分析.mp485.45M
|   ├──14-轨迹估计预测实战
|   |   ├──1-数据与环境配置.mp435.43M
|   |   ├──2-训练数据准备.mp427.75M
|   |   ├──3-Agent特征提取方法.mp437.97M
|   |   ├──4-DataLoader构建图结构.mp428.68M
|   |   └──5-SubGraph与Attention模型流程.mp434.64M
|   ├──15-特斯拉无人驾驶解读
|   |   └──1-特斯拉无人驾驶解读.mp4644.17M
|   ├──2-深度估计项目实战
|   |   ├──1-项目环境配置解读.mp452.89M
|   |   ├──10-损失函数通俗解读.mp465.84M
|   |   ├──11-模型DEMO输出结果.mp480.63M
|   |   ├──2-数据与标签定义方法.mp474.34M
|   |   ├──3-数据集dataloader制作.mp436.83M
|   |   ├──4-使用backbone进行特征提取.mp442.38M
|   |   ├──5-计算差异特征.mp430.69M
|   |   ├──6-权重参数标准化操作.mp442.56M
|   |   ├──7-网络结构ASPP层.mp447.25M
|   |   ├──8-特征拼接方法解读.mp447.64M
|   |   └──9-输出深度估计结果.mp425.45M
|   ├──3-车道线检测算法与论文解读
|   |   ├──1-数据标签与任务分析.mp484.49M
|   |   ├──2-网络整体框架分析.mp428.89M
|   |   ├──3-输出结果分析.mp418.12M
|   |   ├──4-损失函数计算方法.mp427.30M
|   |   └──5-论文概述分析.mp462.39M
|   ├──4-基于深度学习的车道线检测项目实战
|   |   ├──1-车道数据与标签解读.mp465.61M
|   |   ├──10-车道线规则损失函数限制.mp444.61M
|   |   ├──11-DEMO制作与配置.mp440.28M
|   |   ├──2-项目环境配置演示.mp429.98M
|   |   ├──3-制作数据集dataloader.mp454.62M
|   |   ├──4-车道线标签数据处理.mp434.18M
|   |   ├──5-四条车道线标签位置矩阵.mp422.28M
|   |   ├──6-grid设置方法.mp441.70M
|   |   ├──7-完成数据与标签制作.mp424.65M
|   |   ├──8-算法网络结构解读.mp459.95M
|   |   └──9-损失函数计算模块分析.mp445.66M
|   ├──5-商汤LoFTR算法解读
|   |   ├──1-特征匹配的应用场景.mp487.35M
|   |   ├──10-总结分析.mp439.42M
|   |   ├──2-特征匹配的基本流程分析.mp415.91M
|   |   ├──3-整体流程梳理分析.mp416.46M
|   |   ├──4-CrossAttention的作用与效果.mp415.69M
|   |   ├──5-transformer构建匹配特征.mp433.79M
|   |   ├──6-粗粒度匹配过程与作用.mp426.00M
|   |   ├──7-特征图拆解操作.mp414.34M
|   |   ├──8-细粒度匹配的作用与方法.mp419.87M
|   |   └──9-基于期望预测最终位置.mp423.08M
|   ├──6-局部特征关键点匹配实战
|   |   ├──1-项目与参数配置解读.mp444.48M
|   |   ├──10-得到精细化输出结果.mp419.39M
|   |   ├──11-通过期望计算最终输出.mp440.24M
|   |   ├──2-DEMO效果演示.mp439.56M
|   |   ├──3-backbone特征提取模块.mp428.70M
|   |   ├──4-注意力机制的作用与效果分析.mp431.04M
|   |   ├──5-特征融合模块实现方法.mp429.35M
|   |   ├──6-cross关系计算方法实例.mp429.36M
|   |   ├──7-粗粒度匹配过程.mp449.80M
|   |   ├──8-完成基础匹配模块.mp463.33M
|   |   └──9-精细化调整方法与实例.mp442.81M
|   ├──7-三维重建应用与坐标系基础
|   |   ├──1-三维重建概述分析.mp466.80M
|   |   ├──2-三维重建应用领域概述.mp413.17M
|   |   ├──3-成像方法概述.mp416.33M
|   |   ├──4-相机坐标系.mp417.15M
|   |   ├──5-坐标系转换方法解读.mp420.91M
|   |   ├──6-相机内外参.mp417.01M
|   |   ├──7-通过内外参数进行坐标变换.mp416.47M
|   |   └──8-相机标定简介.mp45.50M
|   ├──8-NeuralRecon算法解读
|   |   ├──1-任务流程分析.mp419.35M
|   |   ├──2-基本框架熟悉.mp427.45M
|   |   ├──3-特征映射方法解读.mp434.68M
|   |   ├──4-片段融合思想.mp416.72M
|   |   └──5-整体架构重构方法.mp423.00M
|   └──9-NeuralRecon项目环境配置
|   |   ├──1-数据集下载与配置方法.mp452.41M
|   |   ├──2-Scannet数据集内容概述.mp437.26M
|   |   ├──3-TSDF标签生成方法.mp455.30M
|   |   ├──4-ISSUE的作用.mp449.23M
|   |   └──5-完成依赖环境配置.mp457.11M
├──14-对比学习与多模态任务实战
|   ├──1-对比学习算法与实例
|   |   └──1-对比学习算法与实例.mp4549.52M
|   ├──2-CLIP系列
|   |   └──1-CLIP系列.mp4621.00M
|   ├──3-多模态3D目标检测算法源码解读
|   |   ├──1-环境配置与数据集概述.mp451.52M
|   |   ├──10-3D卷积特征融合.mp456.76M
|   |   ├──11-输出层预测结果.mp480.80M
|   |   ├──2-数据与标注文件介绍.mp437.49M
|   |   ├──3-基本流程梳理并进入debug模式.mp450.33M
|   |   ├──4-数据与图像特征提取模块.mp458.02M
|   |   ├──5-体素索引位置获取.mp464.72M
|   |   ├──6-体素特征提取方法解读.mp437.57M
|   |   ├──7-体素特征计算方法分析.mp470.71M
|   |   ├──8-全局体素特征提取.mp495.96M
|   |   └──9-多模态特征融合.mp468.36M
|   ├──4-多模态文字识别
|   |   └──1-多模态文字识别.mp4766.02M
|   └──5-ANINET源码解读
|   |   ├──1-数据集与环境概述.mp455.58M
|   |   ├──2-配置文件修改方法.mp452.49M
|   |   ├──3-Bakbone模块得到特征.mp442.10M
|   |   ├──4-视觉Transformer模块的作用.mp445.97M
|   |   ├──5-视觉模型中的编码与解码的效果.mp454.49M
|   |   ├──6-文本模型中的结构分析.mp438.66M
|   |   ├──7-迭代修正模块.mp438.14M
|   |   └──8-输出层与损失计算.mp452.81M
├──15-缺陷检测实战
|   ├──1-课程介绍
|   |   └──1-课程介绍.mp426.71M
|   ├──10-基于Opencv缺陷检测项⽬实战
|   |   ├──1-任务需求与环境配置.mp415.40M
|   |   ├──2-数据读取与基本处理.mp426.63M
|   |   ├──3-缺陷形态学操作.mp426.46M
|   |   ├──4-整体流程解读.mp423.65M
|   |   └──5-缺陷检测效果演示.mp450.91M
|   ├──11-基于视频流⽔线的Opencv缺陷检测项⽬
|   |   ├──1-数据与任务概述.mp416.48M
|   |   ├──2-视频数据读取与轮廓检测.mp420.83M
|   |   ├──3-目标质心计算.mp432.47M
|   |   ├──4-视频数据遍历方法.mp431.41M
|   |   ├──5-缺陷区域提取.mp436.00M
|   |   ├──6-不同类型的缺陷检测方法.mp436.77M
|   |   └──7-检测效果演示.mp425.73M
|   ├──12-图像分割deeplab系列算法
|   |   ├──1-deeplab分割算法概述.mp413.81M
|   |   ├──2-空洞卷积的作用.mp416.74M
|   |   ├──3-感受野的意义.mp419.37M
|   |   ├──4-SPP层的作用.mp419.02M
|   |   ├──5-ASPP特征融合策略.mp413.45M
|   |   └──6-deeplabV3Plus版本网络架构.mp424.08M
|   ├──13-基于deeplabV3+版本进⾏VOC分割实战
|   |   ├──1-PascalVoc数据集介绍.mp470.12M
|   |   ├──2-项目参数与数据集读取.mp460.32M
|   |   ├──3-网络前向传播流程.mp433.10M
|   |   ├──4-ASPP层特征融合.mp451.19M
|   |   └──5-分割模型训练.mp434.97M
|   ├──14-Deeplab铁质材料缺陷检测与开源项⽬应⽤流程
|   |   ├──1-数据集与任务概述.mp431.09M
|   |   ├──2-开源项目应用方法.mp436.52M
|   |   ├──3-github与kaggle中需要注意的点.mp440.24M
|   |   ├──4-源码的利用方法.mp489.46M
|   |   ├──5-数据集制作方法.mp475.53M
|   |   ├──6-数据路径配置.mp454.55M
|   |   ├──7-训练模型.mp434.38M
|   |   └──8-任务总结.mp443.02M
|   ├──2-物体检框架YOLO-V4版本算法解读
|   |   ├──1-V4版本整体概述.mp415.06M
|   |   ├──10-PAN模块解读.mp420.64M
|   |   ├──11-激活函数与整体架构总结.mp419.19M
|   |   ├──2-V4版本贡献解读.mp410.06M
|   |   ├──3-数据增强策略分析.mp424.70M
|   |   ├──4-DropBlock与标签平滑方法.mp419.36M
|   |   ├──5-损失函数遇到的问题.mp414.26M
|   |   ├──6-CIOU损失函数定义.mp410.82M
|   |   ├──7-NMS细节改进.mp416.66M
|   |   ├──8-SPP与CSP网络结构.mp414.81M
|   |   └──9-SAM注意力机制模块.mp422.48M
|   ├──3-物体检测框架YOLOV5版本项目配置
|   |   ├──1-整体项目概述.mp435.77M
|   |   ├──2-训练自己的数据集方法.mp441.32M
|   |   ├──3-训练数据参数配置.mp451.48M
|   |   └──4-测试DEMO演示.mp450.47M
|   ├──4-物体检测框架YOLOV5项目工程源码解读
|   |   ├──1-数据源DEBUG流程解读.mp448.13M
|   |   ├──10-完成配置文件解析任务.mp458.80M
|   |   ├──11-前向传播计算.mp430.80M
|   |   ├──12-BottleneckCSP层计算方法.mp433.82M
|   |   ├──13-SPP层计算细节分析.mp429.17M
|   |   ├──14-Head层流程解读.mp429.19M
|   |   ├──15-上采样与拼接操作.mp421.48M
|   |   ├──16-输出结果分析.mp441.71M
|   |   ├──17-超参数解读.mp434.94M
|   |   ├──18-命令行参数介绍.mp444.26M
|   |   ├──19-训练流程解读.mp446.81M
|   |   ├──2-图像数据源配置.mp434.65M
|   |   ├──20-各种训练策略概述.mp438.43M
|   |   ├──21-模型迭代过程.mp438.42M
|   |   ├──3-加载标签数据.mp426.33M
|   |   ├──4-Mosaic数据增强方法.mp428.19M
|   |   ├──5-数据四合一方法与流程演示.mp441.69M
|   |   ├──6-getItem构建batch.mp433.03M
|   |   ├──7-网络架构图可视化工具安装.mp434.33M
|   |   ├──8-V5网络配置文件解读.mp435.74M
|   |   └──9-Focus模块流程分析.mp421.93M
|   ├──5-基于YOLOV5的钢材缺陷检测实战
|   |   ├──1-任务需求与项目概述.mp414.14M
|   |   ├──2-数据与标签配置方法.mp438.42M
|   |   ├──3-标签转换格式脚本制作.mp430.57M
|   |   ├──4-各版本模型介绍分析.mp433.52M
|   |   ├──5-项目参数配置.mp427.21M
|   |   ├──6-缺陷检测模型训练.mp434.15M
|   |   └──7-输出结果与项目总结.mp445.20M
|   ├──6-Semi-supervised布料缺陷检测实战
|   |   ├──1-任务目标与流程概述.mp453.72M
|   |   ├──2-论文思想与模型分析.mp4129.03M
|   |   ├──3-项目配置解读.mp463.00M
|   |   ├──4-网络流程分析.mp437.48M
|   |   └──5-输出结果展示.mp439.29M
|   ├──7-Opencv图像常⽤处理⽅法实例
|   |   ├──1-计算机眼中的图像.mp430.88M
|   |   ├──10-膨胀操作.mp412.25M
|   |   ├──11-开运算与闭运算.mp49.32M
|   |   ├──12-梯度计算.mp47.85M
|   |   ├──13-礼帽与黑帽.mp415.88M
|   |   ├──2-视频的读取与处理.mp446.97M
|   |   ├──3-ROI区域.mp415.37M
|   |   ├──4-边界填充.mp421.46M
|   |   ├──5-数值计算.mp440.04M
|   |   ├──6-图像阈值.mp430.85M
|   |   ├──7-图像平滑处理.mp424.77M
|   |   ├──8-高斯与中值滤波.mp420.61M
|   |   └──9-腐蚀操作.mp420.99M
|   ├──8-Opencv梯度计算与边缘检测实例
|   |   ├──1-Canny边缘检测流程.mp418.97M
|   |   ├──2-非极大值抑制.mp418.32M
|   |   ├──3-边缘检测效果.mp436.63M
|   |   ├──4-Sobel算子.mp427.00M
|   |   ├──5-梯度计算方法.mp430.29M
|   |   └──6-scharr与lapkacian算子.mp427.39M
|   └──9-Opencv轮廓检测与直⽅图
|   |   ├──1-图像金字塔定义.mp419.68M
|   |   ├──10-均衡化效果.mp427.21M
|   |   ├──11-傅里叶概述.mp438.86M
|   |   ├──12-频域变换结果.mp426.32M
|   |   ├──13-低通与高通滤波.mp427.40M
|   |   ├──2-金字塔制作方法.mp425.47M
|   |   ├──3-轮廓检测方法.mp419.37M
|   |   ├──4-轮廓检测结果.mp434.44M
|   |   ├──5-轮廓特征与近似.mp437.62M
|   |   ├──6-模板匹配方法.mp447.45M
|   |   ├──7-匹配效果展示.mp421.20M
|   |   ├──8-直方图定义.mp423.64M
|   |   └──9-均衡化原理.mp431.35M
├──16-行人重识别实战
|   ├──1-行人重识别原理及其应用
|   |   ├──1-行人重识别要解决的问题.mp417.26M
|   |   ├──2-挑战与困难分析.mp435.89M
|   |   ├──3-评估标准rank1指标.mp414.05M
|   |   ├──4-map值计算方法.mp415.70M
|   |   ├──5-triplet损失计算实例.mp425.16M
|   |   └──6-Hard-Negative方法应用.mp427.27M
|   ├──2-基于注意力机制的Reld模型论文解读
|   |   ├──1-论文整体思想及注意力机制的作用解读.mp450.47M
|   |   ├──2-空间权重值计算流程分析.mp432.88M
|   |   ├──3-融合空间注意力所需特征.mp427.38M
|   |   └──4-基于特征图的注意力计算.mp466.01M
|   ├──3-基于Attention的行人重识别项目实战
|   |   ├──1-项目环境与数据集配置.mp449.78M
|   |   ├──2-参数配置与整体架构分析.mp465.40M
|   |   ├──3-进入debug模式解读网络计算流程.mp430.56M
|   |   ├──4-获得空间位置点之间的关系.mp443.11M
|   |   ├──5-组合关系特征图.mp439.65M
|   |   ├──6-计算得到位置权重值.mp438.01M
|   |   ├──7-基于特征图的权重计算.mp425.57M
|   |   ├──8-损失函数计算实例解读.mp460.36M
|   |   └──9-训练与测试模块演示.mp475.66M
|   ├──4-AAAI2020顶会算法精讲
|   |   ├──1-论文整体框架概述.mp416.23M
|   |   ├──2-局部特征与全局关系计算方法.mp415.39M
|   |   ├──3-特征分组方法.mp415.12M
|   |   ├──4-GCP模块特征融合方法.mp428.45M
|   |   ├──5-oneVsReset方法实例.mp415.63M
|   |   └──6-损失函数应用位置.mp416.80M
|   ├──5-项目实战-基于行人局部特征融合的再识别实战
|   |   ├──1-项目配置与数据集介绍.mp467.72M
|   |   ├──10-得到所有分组特征结果.mp451.20M
|   |   ├──11-损失函数与训练过程演示.mp442.52M
|   |   ├──12-测试与验证模块.mp447.02M
|   |   ├──2-数据源构建方法分析.mp441.23M
|   |   ├──3-dataloader加载顺序解读.mp427.96M
|   |   ├──4-debug模式解读.mp462.34M
|   |   ├──5-网络计算整体流程演示.mp430.51M
|   |   ├──6-特征序列构建.mp441.00M
|   |   ├──7-GCP全局特征提取.mp439.65M
|   |   ├──8-局部特征提取实例.mp452.39M
|   |   └──9-特征组合汇总.mp449.29M
|   ├──6-旷视研究院最新算法解读（基于图模型）
|   |   ├──1-关键点位置特征构建.mp422.40M
|   |   ├──2-图卷积与匹配的作用.mp424.41M
|   |   ├──3-局部特征热度图计算.mp424.78M
|   |   ├──4-基于图卷积构建人体拓扑关系.mp429.82M
|   |   ├──5-图卷积模块实现方法.mp427.54M
|   |   ├──6-图匹配在行人重识别中的作用.mp418.07M
|   |   └──7-整体算法框架分析.mp424.09M
|   ├──7-基于拓扑图的行人重识别项目实战
|   |   ├──1-数据集与环境配置概述.mp448.08M
|   |   ├──10-整体项目总结.mp479.79M
|   |   ├──2-局部特征准备方法.mp447.66M
|   |   ├──3-得到一阶段热度图结果.mp442.07M
|   |   ├──4-阶段监督训练.mp478.61M
|   |   ├──5-初始化图卷积模型.mp434.82M
|   |   ├──6-mask矩阵的作用.mp440.13M
|   |   ├──7-邻接矩阵学习与更新.mp450.98M
|   |   ├──8-基于拓扑结构组合关键点特征.mp463.20M
|   |   └──9-图匹配模块计算流程.mp467.63M
|   └──8-额外补充：行人搜索源码分析
|   |   ├──1-检测与搜索.mp4650.36M
|   |   ├──10-总结概述.mp434.10M
|   |   ├──2-项目概述.mp426.15M
|   |   ├──3-项目概述.mp431.61M
|   |   ├──4-数据与标签读取模块.mp457.97M
|   |   ├──5-通过配置文件读取模型位置.mp437.97M
|   |   ├──6-BackBone位置与流程.mp452.30M
|   |   ├──7-Neck层操作方法.mp433.12M
|   |   ├──8-Head层预测模块.mp440.06M
|   |   └──9-损失函数计算模块.mp454.31M
├──17-对抗生成网络实战
|   ├──1-课程介绍
|   |   └──1-课程介绍.mp428.55M
|   ├──2-对抗生成网络架构原理与实战解析
|   |   ├──1-对抗生成网络通俗解释.mp418.39M
|   |   ├──2-GAN网络组成.mp410.73M
|   |   ├──3-损失函数解释说明.mp439.88M
|   |   ├──4-数据读取模块.mp429.93M
|   |   └──5-生成与判别网络定义.mp444.24M
|   ├──3-基于CycleGan开源项目实战图像合成
|   |   ├──1-CycleGan网络所需数据.mp437.56M
|   |   ├──10-额外补充：VISDOM可视化配置.mp438.69M
|   |   ├──2-CycleGan整体网络架构.mp421.36M
|   |   ├──3-PatchGan判别网络原理.mp411.45M
|   |   ├──4-Cycle开源项目简介.mp446.41M
|   |   ├──5-数据读取与预处理操作.mp457.93M
|   |   ├──6-生成网络模块构造.mp448.52M
|   |   ├──7-判别网络模块构造.mp419.77M
|   |   ├──8-损失函数：identity loss计算方法.mp437.16M
|   |   └──9-生成与判别损失函数指定.mp454.69M
|   ├──4-stargan论文架构解析
|   |   ├──1-stargan效果演示分析.mp427.95M
|   |   ├──2-网络架构整体思路解读.mp430.84M
|   |   ├──3-建模流程分析.mp442.55M
|   |   ├──4-V1版本存在的问题及后续改进思路.mp460.74M
|   |   ├──5-V2版本在整体网络架构.mp463.67M
|   |   ├──6-编码器训练方法.mp453.45M
|   |   ├──7-损失函数公式解析.mp449.43M
|   |   └──8-训练过程分析.mp434.17M
|   ├──5-stargan项目实战及其源码解读
|   |   ├──1-测试模块效果与实验分析.mp429.95M
|   |   ├──10-生成模块损失计算.mp470.07M
|   |   ├──2-项目配置与数据源下载.mp421.51M
|   |   ├──3-测试效果演示.mp434.97M
|   |   ├──4-项目参数解析.mp427.62M
|   |   ├──5-生成器模块源码解读.mp453.18M
|   |   ├──6-所有网络模块构建实例.mp446.52M
|   |   ├──7-数据读取模块分析.mp456.60M
|   |   ├──8-判别器损失计算.mp432.90M
|   |   └──9-损失计算详细过程.mp445.76M
|   ├──6-基于starganvc2的变声器论文原理解读
|   |   ├──1-论文整体思路与架构解读.mp434.66M
|   |   ├──2-VCC2016输入数据.mp420.76M
|   |   ├──3-语音特征提取.mp430.57M
|   |   ├──4-生成器模型架构分析.mp415.81M
|   |   ├──5-InstanceNorm的作用解读.mp418.58M
|   |   ├──6-AdaIn的目的与效果.mp413.18M
|   |   └──7-判别器模块分析.mp4114.03M
|   ├──7-starganvc2变声器项目实战及其源码解读
|   |   ├──1-数据与项目文件解读.mp421.80M
|   |   ├──10-源码损失计算流程.mp434.82M
|   |   ├──11-测试模块-生成转换语音.mp447.17M
|   |   ├──2-环境配置与工具包安装.mp437.11M
|   |   ├──3-数据预处理与声音特征提取.mp488.49M
|   |   ├──4-生成器构造模块解读.mp441.33M
|   |   ├──5-下采样与上采样操作.mp435.48M
|   |   ├──6-starganvc2版本标签输入分析.mp449.96M
|   |   ├──7-生成器前向传播维度变化.mp426.49M
|   |   ├──8-判别器模块解读.mp435.22M
|   |   └──9-论文损失函数.mp4100.48M
|   ├──8-图像超分辨率重构实战
|   |   ├──1-论文概述.mp446.83M
|   |   ├──2-网络架构.mp4106.93M
|   |   ├──3-数据与环境配置.mp426.90M
|   |   ├──4-数据加载与配置.mp439.14M
|   |   ├──5-生成模块.mp448.50M
|   |   ├──6-判别模块.mp444.60M
|   |   ├──7-VGG特征提取网络.mp435.88M
|   |   ├──8-损失函数与训练.mp489.00M
|   |   └──9-测试模块.mp490.79M
|   └──9-基于GAN的图像补全实战
|   |   ├──1-论文概述.mp475.09M
|   |   ├──2-网络架构.mp430.75M
|   |   ├──3-细节设计.mp477.69M
|   |   ├──4-论文总结.mp467.30M
|   |   ├──5-数据与项目概述.mp445.92M
|   |   ├──6-参数基本设计.mp481.81M
|   |   ├──7-网络结构配置.mp471.57M
|   |   ├──8-网络迭代训练.mp492.87M
|   |   └──9-测试模块.mp448.39M
├──18-强化学习与AI黑科技实例
|   ├──1-强化学习简介及其应用
|   |   ├──1-一张图通俗解释强化学习.mp417.69M
|   |   ├──2-强化学习的指导依据.mp420.19M
|   |   ├──3-强化学习AI游戏DEMO.mp420.36M
|   |   ├──4-应用领域简介.mp417.34M
|   |   ├──5-强化学习工作流程.mp414.78M
|   |   └──6-计算机眼中的状态与行为.mp420.09M
|   ├──10-CLIP系列
|   |   └──1-CLIP系列.mp4621.00M
|   ├──11-Diffusion模型解读
|   |   └──1-Diffusion模型解读.mp4737.53M
|   ├──12-Dalle2及其源码解读
|   |   └──1-Dalle2源码解读.mp4614.12M
|   ├──13-ChatGPT
|   |   └──1-ChatGPT.mp4382.23M
|   ├──14-拓展-强化学习
|   |   └──1-强化学习的基础原理与应用等.mp4375.38M
|   ├──2-PPO算法与公式推导
|   |   ├──1-基本情况介绍.mp428.05M
|   |   ├──2-与环境交互得到所需数据.mp423.17M
|   |   ├──3-要完成的目标分析.mp424.51M
|   |   ├──4-策略梯度推导.mp421.76M
|   |   ├──5-baseline方法.mp418.36M
|   |   ├──6-OnPolicy与OffPolicy策略.mp420.77M
|   |   ├──7-importance sampling的作用.mp423.19M
|   |   └──8-PPO算法整体思路解析.mp426.57M
|   ├──3-PPO实战-月球登陆器训练实例
|   |   ├──1-Critic的作用与效果.mp440.06M
|   |   ├──2-PPO2版本公式解读.mp431.64M
|   |   ├──3-参数与网络结构定义.mp433.70M
|   |   ├──4-得到动作结果.mp429.01M
|   |   ├──5-奖励获得与计算.mp436.29M
|   |   └──6-参数迭代与更新.mp449.26M
|   ├──4-Q-learning与DQN算法
|   |   ├──1-整体任务流程演示.mp423.90M
|   |   ├──2-探索与action获取.mp428.41M
|   |   ├──3-计算target值.mp422.46M
|   |   ├──4-训练与更新.mp434.15M
|   |   ├──5-算法原理通俗解读.mp425.99M
|   |   ├──6-目标函数与公式解析.mp425.54M
|   |   ├──7-Qlearning算法实例解读.mp416.65M
|   |   ├──8-Q值迭代求解.mp422.46M
|   |   └──9-DQN简介.mp415.36M
|   ├──5-DQN改进与应用技巧
|   |   ├──1-DoubleDqn要解决的问题.mp422.34M
|   |   ├──2-DuelingDqn改进方法.mp419.06M
|   |   ├──3-Dueling整体网络架构分析.mp421.73M
|   |   ├──4-MultiSetp策略.mp48.67M
|   |   └──5-连续动作处理方法.mp422.24M
|   ├──6-Actor-Critic算法分析（A3C）
|   |   ├──1-AC算法回顾与知识点总结.mp417.31M
|   |   ├──2-优势函数解读与分析.mp419.87M
|   |   ├──3-计算流程实例.mp417.59M
|   |   ├──4-A3C整体架构分析.mp416.43M
|   |   └──5-损失函数整理.mp422.40M
|   ├──7-用A3C玩转超级马里奥
|   |   ├──1-整体流程与环境配置.mp426.97M
|   |   ├──2-启动游戏环境.mp432.19M
|   |   ├──3-要计算的指标回顾.mp437.00M
|   |   ├──4-初始化局部模型并加载参数.mp432.22M
|   |   ├──5-与环境交互得到训练数据.mp439.26M
|   |   └──6-训练网络模型.mp444.24M
|   ├──8-GPT系列生成模型
|   |   └──1-GPT系列.mp4442.99M
|   └──9-GPT建模与预测流程
|   |   ├──1-生成模型可以完成的任务概述.mp428.91M
|   |   ├──2-数据样本生成方法.mp472.04M
|   |   ├──3-训练所需参数解读.mp457.68M
|   |   ├──4-模型训练过程.mp451.48M
|   |   └──5-部署与网页预测展示.mp479.57M
├──19-面向医学领域的深度学习实战
|   ├──1-卷积神经网络原理与参数解读
|   |   ├──1-卷积神经网络应用领域.mp421.20M
|   |   ├──10-VGG网络架构.mp419.34M
|   |   ├──11-残差网络Resnet.mp418.02M
|   |   ├──12-感受野的作用.mp416.86M
|   |   ├──2-卷积的作用.mp422.67M
|   |   ├──3-卷积特征值计算方法.mp421.23M
|   |   ├──4-得到特征图表示.mp418.23M
|   |   ├──5-步长与卷积核大小对结果的影响.mp419.86M
|   |   ├──6-边缘填充方法.mp417.28M
|   |   ├──7-特征图尺寸计算与参数共享.mp421.99M
|   |   ├──8-池化层的作用.mp411.31M
|   |   └──9-整体网络架构.mp416.98M
|   ├──10-基于deeplab的心脏视频数据诊断分析
|   |   ├──1-数据集与任务概述.mp445.55M
|   |   ├──2-项目基本配置参数.mp433.31M
|   |   ├──3-任务流程解读.mp469.12M
|   |   ├──4-文献报告分析.mp4122.67M
|   |   ├──5-补充：视频数据源特征处理方法概述.mp426.33M
|   |   └──6-补充：R(2plus1)D处理方法分析.mp418.88M
|   ├──11-YOLO系列物体检测算法原理解读
|   |   ├──1-检测任务中阶段的意义.mp415.14M
|   |   ├──10-置信度误差与优缺点分析.mp426.86M
|   |   ├──11-V2版本细节升级概述.mp413.43M
|   |   ├──12-网络结构特点.mp415.69M
|   |   ├──13-架构细节解读.mp418.92M
|   |   ├──14-基于聚类来选择先验框尺寸.mp424.24M
|   |   ├──15-偏移量计算方法.mp427.55M
|   |   ├──16-坐标映射与还原.mp410.08M
|   |   ├──17-感受野的作用.mp428.11M
|   |   ├──18-特征融合改进.mp419.20M
|   |   ├──19-V3版本改进概述.mp418.27M
|   |   ├──2-不同阶段算法优缺点分析.mp410.68M
|   |   ├──20-多scale方法改进与特征融合.mp417.07M
|   |   ├──21-经典变换方法对比分析.mp410.83M
|   |   ├──22-残差连接方法解读.mp418.64M
|   |   ├──23-整体网络模型架构分析.mp412.93M
|   |   ├──24-先验框设计改进.mp413.04M
|   |   ├──25-sotfmax层改进.mp410.61M
|   |   ├──26-V4版本整体概述.mp415.06M
|   |   ├──27-V4版本贡献解读.mp410.06M
|   |   ├──28-数据增强策略分析.mp424.70M
|   |   ├──29-DropBlock与标签平滑方法.mp419.36M
|   |   ├──3-IOU指标计算.mp411.74M
|   |   ├──30-损失函数遇到的问题.mp414.26M
|   |   ├──31-CIOU损失函数定义.mp410.82M
|   |   ├──32-NMS细节改进.mp416.66M
|   |   ├──33-SPP与CSP网络结构.mp414.81M
|   |   ├──34-SAM注意力机制模块.mp422.48M
|   |   ├──35-PAN模块解读.mp420.64M
|   |   ├──36-激活函数与整体架构总结.mp419.19M
|   |   ├──4-评估所需参数计算.mp426.23M
|   |   ├──5-map指标计算.mp419.63M
|   |   ├──6-YOLO算法整体思路解读.mp414.75M
|   |   ├──7-检测算法要得到的结果.mp413.63M
|   |   ├──8-整体网络架构解读.mp430.67M
|   |   └──9-位置损失计算.mp418.97M
|   ├──12-基于YOLO5细胞检测实战
|   |   ├──1-任务与细胞数据集介绍.mp449.79M
|   |   ├──2-模型与算法配置参数解读.mp442.47M
|   |   ├──3-网络训练流程演示.mp442.34M
|   |   ├──4-效果评估与展示.mp432.65M
|   |   └──5-细胞检测效果演示.mp443.21M
|   ├──13-知识图谱原理解读
|   |   ├──1-知识图谱通俗解读.mp419.87M
|   |   ├──10-视觉领域图编码实例.mp420.97M
|   |   ├──11-图谱知识融合与总结分析.mp423.98M
|   |   ├──2-知识图谱在搜索引擎中的应用.mp426.60M
|   |   ├──3-知识图谱在医疗领域应用实例.mp4102.89M
|   |   ├──4-金融与推荐领域的应用.mp420.39M
|   |   ├──5-数据获取分析.mp435.93M
|   |   ├──6-数据关系抽取分析.mp427.31M
|   |   ├──7-常用NLP技术点分析.mp422.09M
|   |   ├──8-graph-embedding的作用与效果.mp426.15M
|   |   └──9-金融领域图编码实例.mp412.77M
|   ├──14-Neo4j数据库实战
|   |   ├──1-Neo4j图数据库介绍.mp463.50M
|   |   ├──2-Neo4j数据库安装流程演示.mp427.67M
|   |   ├──3-可视化例子演示.mp443.59M
|   |   ├──4-创建与删除操作演示.mp425.32M
|   |   └──5-数据库更改查询操作演示.mp427.14M
|   ├──15-基于知识图谱的医药问答系统实战
|   |   ├──1-项目概述与整体架构分析.mp437.04M
|   |   ├──10-完成对话系统构建.mp439.47M
|   |   ├──2-医疗数据介绍及其各字段含义.mp462.65M
|   |   ├──3-任务流程概述.mp439.73M
|   |   ├──4-环境配置与所需工具包安装.mp436.37M
|   |   ├──5-提取数据中的关键字段信息.mp461.33M
|   |   ├──6-创建关系边.mp439.41M
|   |   ├──7-打造医疗知识图谱模型.mp459.14M
|   |   ├──8-加载所有实体数据.mp442.46M
|   |   └──9-实体关键词字典制作.mp431.84M
|   ├──16-词向量模型与RNN网络架构
|   |   ├──1-词向量模型通俗解释.mp421.72M
|   |   ├──2-模型整体框架.mp428.24M
|   |   ├──3-训练数据构建.mp415.85M
|   |   ├──4-CBOW与Skip-gram模型.mp423.83M
|   |   ├──5-负采样方案.mp429.51M
|   |   └──6-额外补充-RNN网络模型解读.mp423.75M
|   ├──17-医学糖尿病数据命名实体识别
|   |   ├──1-数据与任务介绍.mp422.73M
|   |   ├──2-整体模型架构.mp415.01M
|   |   ├──3-数据-标签-语料库处理.mp439.99M
|   |   ├──4-输入样本填充补齐.mp436.22M
|   |   ├──5-训练网络模型.mp440.37M
|   |   └──6-医疗数据集（糖尿病）实体识别.mp481.44M
|   ├──2-PyTorch框架基本处理操作
|   |   ├──1-PyTorch实战课程简介.mp422.98M
|   |   ├──2-PyTorch框架发展趋势简介.mp425.22M
|   |   ├──3-框架安装方法（CPU与GPU版本）.mp418.60M
|   |   ├──4-PyTorch基本操作简介.mp428.68M
|   |   ├──5-自动求导机制.mp433.36M
|   |   ├──6-线性回归DEMO-数据与参数配置.mp422.62M
|   |   ├──7-线性回归DEMO-训练回归模型.mp439.40M
|   |   ├──8-补充：常见tensor格式.mp419.59M
|   |   └──9-补充：Hub模块简介.mp453.11M
|   ├──3-PyTorch框架必备核心模块解读
|   |   ├──1-卷积网络参数定义.mp426.46M
|   |   ├──10-加载训练好的网络模型.mp450.00M
|   |   ├──11-优化器模块配置.mp424.63M
|   |   ├──12-实现训练模块.mp433.20M
|   |   ├──13-训练结果与模型保存.mp441.24M
|   |   ├──14-加载模型对测试数据进行预测.mp452.81M
|   |   ├──15-额外补充-Resnet论文解读.mp4117.98M
|   |   ├──16-额外补充-Resnet网络架构解读.mp418.27M
|   |   ├──2-网络流程解读.mp437.49M
|   |   ├──3-Vision模块功能解读.mp423.53M
|   |   ├──4-分类任务数据集定义与配置.mp429.73M
|   |   ├──5-图像增强的作用.mp414.68M
|   |   ├──6-数据预处理与数据增强模块.mp437.24M
|   |   ├──7-Batch数据制作.mp443.65M
|   |   ├──8-迁移学习的目标.mp411.75M
|   |   └──9-迁移学习策略.mp415.47M
|   ├──4-基于Resnet的医学数据集分类实战
|   |   ├──1-医学疾病数据集介绍.mp418.85M
|   |   ├──2-Resnet网络架构原理分析.mp424.81M
|   |   ├──3-dataloader加载数据集.mp464.78M
|   |   ├──4-Resnet网络前向传播.mp435.82M
|   |   ├──5-残差网络的shortcut操作.mp447.34M
|   |   ├──6-特征图升维与降采样操作.mp426.89M
|   |   └──7-网络整体流程与训练演示.mp467.45M
|   ├──5-图像分割及其损失函数概述
|   |   ├──1-语义分割与实例分割概述.mp420.24M
|   |   ├──2-分割任务中的目标函数定义.mp420.00M
|   |   └──3-MIOU评估标准.mp49.03M
|   ├──6-Unet系列算法讲解
|   |   ├──1-Unet网络编码与解码过程.mp418.29M
|   |   ├──2-网络计算流程.mp416.13M
|   |   ├──3-Unet升级版本改进.mp415.75M
|   |   └──4-后续升级版本介绍.mp418.37M
|   ├──7-unet医学细胞分割实战
|   |   ├──1-医学细胞数据集介绍与参数配置.mp471.21M
|   |   ├──2-数据增强工具.mp461.47M
|   |   ├──3-Debug模式演示网络计算流程.mp441.37M
|   |   ├──4-特征融合方法演示.mp430.05M
|   |   ├──5-迭代完成整个模型计算任务.mp433.55M
|   |   └──6-模型效果验证.mp447.29M
|   ├──8-deeplab系列算法
|   |   ├──1-deeplab分割算法概述.mp413.81M
|   |   ├──2-空洞卷积的作用.mp416.74M
|   |   ├──3-感受野的意义.mp419.37M
|   |   ├──4-SPP层的作用.mp419.02M
|   |   ├──5-ASPP特征融合策略.mp413.45M
|   |   └──6-deeplabV3Plus版本网络架构.mp424.08M
|   └──9-基于deeplabV3+版本进行VOC分割实战
|   |   ├──1-PascalVoc数据集介绍.mp470.12M
|   |   ├──2-项目参数与数据集读取.mp460.32M
|   |   ├──3-网络前向传播流程.mp433.10M
|   |   ├──4-ASPP层特征融合.mp451.19M
|   |   └──5-分割模型训练.mp434.97M
├──2-AI课程所需安装软件教程
|   ├──1-AI课程所需安装软件教程
|   |   └──1-AI课程所需安装软件教程.mp419.61M
|   └──2-Anaconda基础讲解和使用的教程
|   |   └──1-Anaconda基础讲解和使用的教程.mp444.39M
├──20-CV与NLP经典大模型解读
|   ├──1-课程简介
|   |   └──1-课程简介.mp410.19M
|   ├──10-补充-视觉大模型基础-deformableAttention
|   |   ├──1-DeformableAttention概述分析.mp426.55M
|   |   └──2-可变形偏移量分析.mp437.05M
|   ├──11-LLM与LORA微调策略解读
|   |   ├──1-大模型如何做下游任务.mp433.43M
|   |   ├──2-LLM落地微调分析.mp437.03M
|   |   ├──3-LLAMA与LORA介绍.mp430.10M
|   |   ├──4-LORA微调的核心思想.mp422.08M
|   |   └──5-LORA模型实现细节.mp440.79M
|   ├──12-LLM下游任务训练自己模型实战
|   |   ├──1-提示工程的作用.mp444.01M
|   |   ├──2-基本API调用方法.mp459.69M
|   |   ├──3-数据文档切分操作.mp447.88M
|   |   ├──4-样本索引与向量构建.mp466.44M
|   |   └──5-数据切块方法.mp461.14M
|   ├──13-视觉大模型SAM
|   |   ├──1-DEMO效果演示.mp457.83M
|   |   ├──2-论文解读分析.mp474.48M
|   |   ├──3-完成的任务分析.mp476.96M
|   |   ├──4-数据闭环方法.mp493.66M
|   |   ├──5-预训练模型的作用.mp4144.99M
|   |   ├──6-Decoder的作用与项目源码.mp494.78M
|   |   ├──7-分割任务模块设计.mp462.84M
|   |   ├──8-实现细节分析.mp462.98M
|   |   └──9-总结分析.mp460.65M
|   ├──14-视觉QA算法与论文解读
|   |   ├──1-视觉QA要解决的问题.mp451.72M
|   |   ├──2-论文概述分析.mp466.38M
|   |   ├──3-实现流程路线图.mp464.44M
|   |   ├──4-答案关注区域分析.mp454.45M
|   |   └──5-VQA任务总结.mp451.51M
|   ├──15-扩散模型diffusion架构算法解读
|   |   ├──1-扩散模型概述与GAN遇到的问题.mp443.24M
|   |   ├──10-基本建模训练效果.mp481.38M
|   |   ├──2-要完成的任务分析.mp462.27M
|   |   ├──3-公式原理推导解读.mp451.48M
|   |   ├──4-分布相关计算操作.mp445.08M
|   |   ├──5-算法实现细节推导.mp441.52M
|   |   ├──6-公式推导结果分析.mp449.07M
|   |   ├──7-细节实现总结.mp459.60M
|   |   ├──8-论文流程图解读.mp446.55M
|   |   └──9-案例流程分析.mp453.76M
|   ├──16-openai-dalle2论文解读
|   |   ├──1-论文基本思想与核心模块分析.mp442.10M
|   |   ├──2-不同模块对比分析.mp434.78M
|   |   ├──3-算法核心流程解读.mp462.78M
|   |   └──4-各模块实现细节讲解.mp478.77M
|   ├──17-openai-dalle2源码解读
|   |   ├──1-项目整体流程分析.mp453.51M
|   |   ├──2-源码实现细节分析.mp441.14M
|   |   ├──3-源码公式对应论文分析.mp447.57M
|   |   ├──4-Decoder模块实现细节解读.mp444.83M
|   |   └──5-源码实现流程总结.mp456.49M
|   ├──18-RAGFLOW和function calling
|   |   └──1-RAGFLOW和function calling.mp41.18G
|   ├──2-GPT系列算法解读
|   |   ├──1-GPT系列算法概述.mp426.53M
|   |   ├──2-GPT三代版本分析.mp429.33M
|   |   ├──3-GPT初代版本要解决的问题.mp430.99M
|   |   ├──4-GPT第二代版本训练策略.mp428.94M
|   |   ├──5-采样策略与多样性.mp428.20M
|   |   ├──6-GPT3的提示与生成方法.mp474.39M
|   |   ├──7-应用场景CODEX分析.mp436.50M
|   |   └──8-DEMO应用演示.mp498.82M
|   ├──3-GPT2训练与预测部署流程
|   |   ├──1-生成模型可以完成的任务概述.mp428.91M
|   |   ├──2-数据样本生成方法.mp472.04M
|   |   ├──3-训练所需参数解读.mp457.68M
|   |   ├──4-模型训练过程.mp451.48M
|   |   └──5-部署与网页预测展示.mp479.57M
|   ├──5-视觉自监督BEIT算法解读
|   |   ├──1-建模流程分析与效果展示.mp4101.08M
|   |   ├──2-codebook模块的作用.mp481.31M
|   |   └──3-任务总结分析.mp4114.38M
|   ├──6-视觉自监督任务BEITV2论文解读
|   |   ├──1-BEITV2版本论文出发点解读.mp448.00M
|   |   ├──2-自监督任务中两大核心任务分析.mp456.24M
|   |   ├──3-整体网络架构图分析.mp443.98M
|   |   ├──4-框架实现细节流程分析.mp421.84M
|   |   └──5-论文细节模块实现解读.mp499.31M
|   ├──7-视觉自监督任务BEITV2源码解读
|   |   ├──1-mmselfup源码实现解读.mp442.02M
|   |   ├──2-网络结构搭建细节解读.mp449.16M
|   |   └──3-源码实现流程总结.mp445.78M
|   ├──8-BEV感知特征空间算法解读
|   |   ├──1-BEV要解决的问题通俗解读.mp457.89M
|   |   ├──10-整体架构总结.mp451.47M
|   |   ├──2-BEV中的3D与4D分析.mp423.58M
|   |   ├──3-特征融合过程中可能遇到的问题.mp422.25M
|   |   ├──4-BEV汇总特征方法实例解读.mp435.67M
|   |   ├──5-DeformableAttention回顾.mp440.86M
|   |   ├──6-空间注意力模块解读.mp433.92M
|   |   ├──7-时间模块与拓展补充.mp427.10M
|   |   ├──8-论文知识点分析.mp450.40M
|   |   └──9-核心模块论文分析.mp457.14M
|   └──9-BEVformer项目源码解读
|   |   ├──1-环境配置方法解读.mp442.79M
|   |   ├──10-获取当前BEV特征.mp435.90M
|   |   ├──11-Decoder级联校正模块.mp441.58M
|   |   ├──12-损失函数与预测可视化.mp449.48M
|   |   ├──2-数据集下载与配置方法.mp453.57M
|   |   ├──3-特征提取以及BEV空间初始化.mp443.81M
|   |   ├──4-特征对齐与位置编码初始化.mp443.63M
|   |   ├──5-Reference初始点构建.mp437.26M
|   |   ├──6-BEV空间与图像空间位置对应.mp437.67M
|   |   ├──7-注意力机制模块计算方法.mp438.61M
|   |   ├──8-BEV空间特征构建.mp434.01M
|   |   └──9-Decoder要完成的任务分析.mp433.95M
├──21-CV与NLP经典大模型解读2
|   ├──1-斯坦福AI小镇架构与项目解读
|   |   ├──1-整体故事解读.mp449.57M
|   |   ├──10-项目环境配置方法解读.mp467.34M
|   |   ├──2-要解决的问题和整体框架分析.mp468.57M
|   |   ├──3-论文基本框架分析.mp4117.24M
|   |   ├──4-Agent的记忆信息.mp498.25M
|   |   ├──5-感知与反思模块构建流程.mp439.93M
|   |   ├──6-计划模块实现细节.mp455.04M
|   |   ├──7-整体流程框架图.mp435.84M
|   |   ├──8-感知模块解读.mp446.66M
|   |   └──9-思考模块解读.mp467.42M
|   ├──10-Llava与YOLO11
|   |   └──1-Llava与YOLO11.mp41.07G
|   ├──3-CVPR2024：YOLO- World
|   |   └──1-CVPR2024：YOLO- World.mp41.55G
|   ├──4-time-llm大模型多模态预测任务
|   |   └──1-time-llm大模型多模态预测任务.mp41.36G
|   ├──5-Llama3应用
|   |   └──1-Llama3应用.mp41.30G
|   ├──6-SAM2视频分割
|   |   └──1-SAM2视频分割 .mp41.28G
|   ├──7-大模型微调与应用
|   |   └──1-大模型微调与应用.mp41.51G
|   ├──8-RAGFLOW和function calling
|   |   └──1-RAGFLOW和function calling.mp41.18G
|   └──9-Agent工作流搭建
|   |   └──1-Agent工作流搭建.mp41.25G
├──22-深度学习模型部署与剪枝优化实战
|   ├──1-AIoT人工智能物联网之认识 jetson nano
|   |   ├──1- jetson nano 硬件介绍.mp422.06M
|   |   ├──2-jetson nano 刷机.mp4105.19M
|   |   ├──3- jetson nano 系统安装过程.mp484.51M
|   |   ├──4-感受nano的GPU算力.mp462.42M
|   |   └──5-安装使用摄像头csi usb.mp443.16M
|   ├──10-模型剪枝-Network Slimming实战解读
|   |   ├──1-整体案例流程解读.mp432.40M
|   |   ├──2-加入L1正则化来进行更新.mp428.38M
|   |   ├──3-剪枝模块介绍.mp431.01M
|   |   ├──4-筛选需要的特征图.mp436.30M
|   |   ├──5-剪枝后模型参数赋值.mp449.50M
|   |   └──6-微调完成剪枝模型.mp446.91M
|   ├──11-Mobilenet三代网络模型架构
|   |   ├──1-模型剪枝分析.mp422.35M
|   |   ├──10-V2整体架构与效果分析.mp410.48M
|   |   ├──11-V3版本网络架构分析.mp411.56M
|   |   ├──12-SE模块作用与效果解读.mp431.91M
|   |   ├──13-代码实现mobilenetV3网络架构.mp468.85M
|   |   ├──2-常见剪枝方法介绍.mp421.73M
|   |   ├──3-mobilenet简介.mp48.62M
|   |   ├──4-经典卷积计算量与参数量分析.mp413.21M
|   |   ├──5-深度可分离卷积的作用与效果.mp414.31M
|   |   ├──6-参数与计算量的比较.mp439.68M
|   |   ├──7-V1版本效果分析.mp424.94M
|   |   ├──8-V2版本改进以及Relu激活函数的问题.mp419.55M
|   |   └──9-倒残差结构的作用.mp417.43M
|   ├──12-拓展-模型部署
|   |   └──1-模型部署.mp4433.59M
|   ├──2-AIoT人工智能物联网之AI 实战
|   |   ├──1- jetson-inference 入门.mp459.71M
|   |   ├──2-docker 的安装使用.mp486.11M
|   |   ├──3-docker中运行分类模型.mp4197.54M
|   |   ├──4-训练自己的目标检测模型准备.mp477.71M
|   |   ├──5- 训练出自己目标识别模型a.mp4109.79M
|   |   ├──6-训练出自己目标识别模型b.mp491.42M
|   |   └──7-转换出onnx模型，并使用.mp474.62M
|   ├──3-AIoT人工智能物联网之NVIDIA TAO 实用级的训练神器
|   |   ├──1-NVIDIA TAO介绍和安装.mp474.35M
|   |   ├──2-NVIDIA TAO数据准备和环境设置.mp474.09M
|   |   ├──3-NVIDIA TAO数据转换.mp4146.27M
|   |   ├──4-NVIDIA TAO预训练模型和训练a.mp4100.69M
|   |   ├──5-NVIDIA TAO预训练模型和训练b.mp418.72M
|   |   ├──6-NVIDIA TAO预训练模型和训练c..mp442.86M
|   |   └──7-TAO 剪枝在训练推理验证.mp4198.78M
|   ├──4- AIoT人工智能物联网之deepstream
|   |   ├──1-deepstream 介绍安装.mp4108.78M
|   |   ├──2-deepstream HelloWorld.mp451.92M
|   |   ├──3-GStreamer RTP和RTSP1.mp490.64M
|   |   ├──4-GStreamer RTP和RTSP2.mp4138.80M
|   |   ├──5-python实现RTP和RTSP.mp4118.05M
|   |   ├──6-deepstream推理.mp4117.90M
|   |   └──7-deepstream集成yolov4.mp4117.19M
|   ├──5-pyTorch框架部署实践
|   |   ├──1-所需基本环境配置.mp422.07M
|   |   ├──2-模型加载与数据预处理.mp439.61M
|   |   ├──3-接收与预测模块实现.mp437.66M
|   |   ├──4-效果实例演示.mp443.27M
|   |   └──5-课程简介.mp48.15M
|   ├──6-YOLO-V3物体检测部署实例
|   |   ├──1-项目所需配置文件介绍.mp424.63M
|   |   ├──2-加载参数与模型权重.mp435.63M
|   |   ├──3-数据预处理.mp453.86M
|   |   └──4-返回线性预测结果.mp444.91M
|   ├──7-docker实例演示
|   |   ├──1-docker简介.mp415.95M
|   |   ├──2-docker安装与配置.mp448.52M
|   |   ├──3-阿里云镜像配置.mp426.97M
|   |   ├──4-基于docker配置pytorch环境.mp436.52M
|   |   ├──5-安装演示环境所需依赖.mp431.47M
|   |   ├──6-复制所需配置到容器中.mp428.20M
|   |   └──7-上传与下载配置好的项目.mp445.48M
|   ├──8-tensorflow-serving实战
|   |   ├──1-tf-serving项目获取与配置.mp430.47M
|   |   ├──2-加载并启动模型服务.mp431.27M
|   |   ├──3-测试模型部署效果.mp443.37M
|   |   ├──4-fashion数据集获取.mp438.63M
|   |   └──5-加载fashion模型启动服务.mp433.40M
|   └──9-模型剪枝-Network Slimming算法分析
|   |   ├──1-论文算法核心框架概述.mp419.64M
|   |   ├──2-BatchNorm要解决的问题.mp418.48M
|   |   ├──3-BN的本质作用.mp422.56M
|   |   ├──4-额外的训练参数解读.mp420.11M
|   |   └──5-稀疏化原理与效果.mp423.90M
├──23-自然语言处理经典案例实战
|   ├──1-NLP常用工具包实战
|   |   ├──1-Python字符串处理.mp441.33M
|   |   ├──10-名字实体匹配.mp421.37M
|   |   ├──11-恐怖袭击分析.mp440.53M
|   |   ├──12-统计分析结果.mp447.69M
|   |   ├──13-结巴分词器.mp428.14M
|   |   ├──14-词云展示.mp487.56M
|   |   ├──2-正则表达式基本语法.mp431.03M
|   |   ├──3-正则常用符号.mp437.06M
|   |   ├──4-常用函数介绍.mp440.13M
|   |   ├──5-NLTK工具包简介.mp432.26M
|   |   ├──6-停用词过滤.mp427.63M
|   |   ├──7-词性标注.mp435.92M
|   |   ├──8-数据清洗实例.mp441.37M
|   |   └──9-Spacy工具包.mp447.11M
|   ├──10-NLP-文本特征方法对比
|   |   ├──1-任务概述.mp437.49M
|   |   ├──2-词袋模型.mp428.12M
|   |   ├──3-词袋模型分析.mp463.59M
|   |   ├──4-TFIDF模型.mp447.59M
|   |   ├──5-word2vec词向量模型.mp454.40M
|   |   └──6-深度学习模型.mp439.28M
|   ├──11-NLP-相似度模型
|   |   ├──1-任务概述.mp413.15M
|   |   ├──2-数据展示.mp422.65M
|   |   ├──3-正负样本制作.mp437.95M
|   |   ├──4-数据预处理.mp436.08M
|   |   ├──5-网络模型定义.mp455.90M
|   |   ├──6-基于字符的训练.mp458.94M
|   |   └──7-基于句子的相似度训练.mp442.44M
|   ├──12-LSTM情感分析
|   |   ├──1-RNN网络架构.mp419.86M
|   |   ├──2-LSTM网络架构.mp417.80M
|   |   ├──3-案例：使用LSTM进行情感分类.mp430.99M
|   |   ├──4-情感数据集处理.mp433.58M
|   |   └──5-基于word2vec的LSTM模型.mp450.52M
|   ├──13-机器人写唐诗
|   |   ├──1-任务概述与环境配置.mp413.71M
|   |   ├──2-参数配置.mp421.87M
|   |   ├──3-数据预处理模块.mp435.34M
|   |   ├──4-batch数据制作.mp427.96M
|   |   ├──5-RNN模型定义.mp417.97M
|   |   ├──6-完成训练模块.mp428.00M
|   |   ├──7-训练唐诗生成模型.mp411.13M
|   |   └──8-测试唐诗生成效果.mp421.38M
|   ├──14-对话机器人
|   |   ├──1-效果演示.mp430.57M
|   |   ├──2-参数配置与数据加载.mp451.00M
|   |   ├──3-数据处理.mp441.99M
|   |   ├──4-词向量与投影.mp438.22M
|   |   ├──5-seq网络.mp430.68M
|   |   └──6-网络训练.mp437.99M
|   ├──2-商品信息可视化与文本分析
|   |   ├──1-在线商城商品数据信息概述.mp432.31M
|   |   ├──2-商品类别划分方式.mp437.31M
|   |   ├──3-商品类别可视化展示.mp441.28M
|   |   ├──4-商品描述长度对价格的影响分析.mp433.72M
|   |   ├──5-关键词的词云可视化展示.mp451.86M
|   |   ├──6-基于tf-idf提取关键词信息.mp435.32M
|   |   ├──7-通过降维进行可视化展示.mp439.05M
|   |   └──8-聚类分析与主题模型展示.mp457.03M
|   ├──3-贝叶斯算法
|   |   ├──1-贝叶斯算法概述.mp411.34M
|   |   ├──2-贝叶斯推导实例.mp411.92M
|   |   ├──3-贝叶斯拼写纠错实例.mp418.58M
|   |   ├──4-垃圾邮件过滤实例.mp422.82M
|   |   └──5-贝叶斯实现拼写检查器.mp436.77M
|   ├──4-新闻分类任务实战
|   |   ├──1-文本分析与关键词提取.mp419.44M
|   |   ├──2-相似度计算.mp419.50M
|   |   ├──3-新闻数据与任务简介.mp433.21M
|   |   ├──4-TF-IDF关键词提取.mp445.75M
|   |   ├──5-LDA建模.mp428.05M
|   |   └──6-基于贝叶斯算法进行新闻分类.mp450.88M
|   ├──5-HMM隐马尔科夫模型
|   |   ├──1-马尔科夫模型.mp417.50M
|   |   ├──10-维特比算法.mp443.08M
|   |   ├──2-隐马尔科夫模型基本出发点.mp418.72M
|   |   ├──3-组成与要解决的问题.mp414.85M
|   |   ├──4-暴力求解方法.mp428.00M
|   |   ├──5-复杂度计算.mp415.28M
|   |   ├──6-前向算法.mp436.14M
|   |   ├──7-前向算法求解实例.mp433.34M
|   |   ├──8-Baum-Welch算法.mp426.86M
|   |   └──9-参数求解.mp417.22M
|   ├──6-HMM工具包实战
|   |   ├──1-hmmlearn工具包.mp419.55M
|   |   ├──2-工具包使用方法.mp455.62M
|   |   ├──3-中文分词任务.mp413.44M
|   |   └──4-实现中文分词.mp435.77M
|   ├──7-语言模型
|   |   ├──1-开篇.mp48.52M
|   |   ├──10-负采样模型.mp410.50M
|   |   ├──2-语言模型.mp48.82M
|   |   ├──3-N-gram模型.mp413.62M
|   |   ├──4-词向量.mp413.55M
|   |   ├──5-神经网络模型.mp415.87M
|   |   ├──6-Hierarchical Softmax.mp415.19M
|   |   ├──7-CBOW模型实例.mp418.54M
|   |   ├──8-CBOW求解目标.mp48.68M
|   |   └──9-锑度上升求解.mp415.93M
|   ├──8-使用Gemsim构建词向量
|   |   ├──1-使用Gensim库构造词向量.mp416.84M
|   |   ├──2-维基百科中文数据处理.mp439.14M
|   |   ├──3-Gensim构造word2vec模型.mp420.97M
|   |   └──4-测试模型相似度结果.mp420.04M
|   └──9-基于word2vec的分类任务
|   |   ├──1-影评情感分类.mp446.92M
|   |   ├──2-基于词袋模型训练分类器.mp428.07M
|   |   ├──3-准备word2vec输入数据.mp424.19M
|   |   └──4-使用gensim构建word2vec词向量（新）.mp467.73M
├──24-时间序列预测
|   ├──1-Informer原理解读
|   |   ├──1-时间序列预测要完成的任务.mp433.27M
|   |   ├──2-常用模块分析.mp424.25M
|   |   ├──3-论文要解决的问题分析.mp430.47M
|   |   ├──4-Query采样方法解读.mp423.11M
|   |   ├──5-probAttention计算流程.mp431.40M
|   |   ├──6-编码器全部计算流程.mp424.05M
|   |   └──7-解码器流程分析.mp424.85M
|   ├──2-Informer源码解读
|   |   ├──1-项目使用说明.mp463.92M
|   |   ├──10-核心采样计算方法.mp450.11M
|   |   ├──11-完成注意力机制计算模块.mp428.39M
|   |   ├──12-平均向量的作用.mp433.70M
|   |   ├──13-解码器预测输出.mp474.46M
|   |   ├──2-数据集解读.mp460.61M
|   |   ├──3-模型训练所需参数解读.mp437.37M
|   |   ├──4-数据集构建与读取方式.mp444.54M
|   |   ├──5-数据处理相关模块.mp444.58M
|   |   ├──6-时间相关特征提取方法.mp439.96M
|   |   ├──7-dataloader构建实例.mp441.03M
|   |   ├──8-整体架构分析.mp436.91M
|   |   └──9-编码器模块实现.mp439.16M
|   ├──3-Timesnet时序预测
|   |   ├──1-时序预测故事背景.mp481.92M
|   |   ├──2-论文核心思想解读.mp464.34M
|   |   ├──3-时序特征周期拆解.mp472.51M
|   |   ├──4-计算公式流程拆解.mp452.93M
|   |   ├──5-全部计算流程解读.mp466.52M
|   |   ├──6-周期间特征分析.mp474.13M
|   |   ├──7-源码流程解读.mp454.10M
|   |   ├──8-傅里叶变换流程.mp433.97M
|   |   └──9-整体计算流程.mp451.19M
|   └──4-time-llm大模型多模态预测任务
|   |   └──1-time-llm大模型多模态预测任务.mp41.36G
├──25-自然语言处理必备神器Huggingface系列实战
|   ├──1-Huggingface与NLP介绍解读
|   |   └──1-Huggingface与NLP介绍解读.mp4163.59M
|   ├──10-图谱知识抽取实战
|   |   ├──1-应用场景概述分析.mp491.97M
|   |   ├──2-数据标注格式样例分析.mp470.01M
|   |   ├──3-数据处理与读取模块.mp439.11M
|   |   ├──4-实体抽取模块分析.mp444.33M
|   |   ├──5-标签与数据结构定义方法.mp449.68M
|   |   ├──6-模型构建与计算流程.mp443.10M
|   |   ├──7-网络模型前向计算方法.mp432.93M
|   |   └──8-关系抽取模型训练.mp442.25M
|   ├──11-补充Huggingface数据集制作方法实例
|   |   ├──1-数据结构分析.mp447.87M
|   |   ├──2-Huggingface中的预处理实例.mp472.56M
|   |   └──3-数据处理基本流程.mp472.59M
|   ├──2-Transformer工具包基本操作实例解读
|   |   ├──1-工具包与任务整体介绍.mp433.38M
|   |   ├──2-NLP任务常规流程分析.mp429.18M
|   |   ├──3-文本切分方法实例解读.mp442.74M
|   |   ├──4-AttentionMask配套使用方法.mp435.30M
|   |   ├──5-数据集与模型.mp442.97M
|   |   ├──6-数据Dataloader封装.mp450.18M
|   |   ├──7-模型训练所需配置参数.mp436.95M
|   |   └──8-模型训练DEMO.mp458.66M
|   ├──3-transformer原理解读
|   |   └──1-transformer原理解读.mp4367.64M
|   ├──4-BERT系列算法解读
|   |   ├──1-BERT模型训练方法解读.mp423.92M
|   |   ├──2-ALBERT基本定义.mp438.60M
|   |   ├──3-ALBERT中的简化方法解读.mp443.38M
|   |   ├──4-RoBerta模型训练方法解读.mp428.45M
|   |   └──5-DistilBert模型解读.mp416.06M
|   ├──5-文本标注工具与NER实例
|   |   ├──1-文本标注工具Doccano配置方法.mp433.01M
|   |   ├──2-命名实体识别任务标注方法实例.mp439.35M
|   |   ├──3-标注导出与BIO处理.mp439.39M
|   |   ├──4-标签处理并完成对齐操作.mp438.62M
|   |   ├──5-预训练模型加载与参数配置.mp441.50M
|   |   └──6-模型训练与输出结果预测.mp443.06M
|   ├──6-文本预训练模型构建实例
|   |   ├──1-预训练模型效果分析.mp431.96M
|   |   ├──2-文本数据截断处理.mp445.78M
|   |   └──3-预训练模型自定义训练.mp497.91M
|   ├──7-GPT系列算法
|   |   ├──1-GPT系列算法概述.mp426.53M
|   |   ├──2-GPT三代版本分析.mp429.33M
|   |   ├──3-GPT初代版本要解决的问题.mp430.99M
|   |   ├──4-GPT第二代版本训练策略.mp428.94M
|   |   ├──5-采样策略与多样性.mp428.20M
|   |   ├──6-GPT3的提示与生成方法.mp474.39M
|   |   ├──7-应用场景CODEX分析.mp436.50M
|   |   └──8-DEMO应用演示.mp498.82M
|   ├──8-GPT训练与预测部署流程
|   |   ├──1-生成模型可以完成的任务概述.mp428.91M
|   |   ├──2-数据样本生成方法.mp472.04M
|   |   ├──3-训练所需参数解读.mp457.68M
|   |   ├──4-模型训练过程.mp451.48M
|   |   └──5-部署与网页预测展示.mp479.57M
|   └──9-文本摘要建模
|   |   ├──1-中文商城评价数据处理方法.mp466.36M
|   |   ├──2-模型训练与测试结果.mp4108.10M
|   |   ├──3-文本摘要数据标注方法.mp455.92M
|   |   └──4-训练自己标注的数据并测试.mp427.68M
├──26-自然语言处理通用框架-BERT实战
|   ├──1-自然语言处理通用框架BERT原理解读
|   |   ├──1-BERT课程简介.mp429.78M
|   |   ├──10-BERT模型训练方法.mp420.67M
|   |   ├──11-训练实例.mp424.18M
|   |   ├──2-BERT任务目标概述.mp411.52M
|   |   ├──3-传统解决方案遇到的问题.mp422.69M
|   |   ├──4-注意力机制的作用.mp414.78M
|   |   ├──5-self-attention计算方法.mp423.80M
|   |   ├──6-特征分配与softmax机制.mp421.32M
|   |   ├──7-Multi-head的作用.mp419.37M
|   |   ├──8-位置编码与多层堆叠.mp416.84M
|   |   └──9-transformer整体架构梳理.mp422.34M
|   ├──2-谷歌开源项目BERT源码解读与应用实例
|   |   ├──1-BERT开源项目简介.mp441.33M
|   |   ├──10-构建QKV矩阵.mp450.77M
|   |   ├──11-完成Transformer模块构建.mp440.81M
|   |   ├──12-训练BERT模型.mp454.66M
|   |   ├──2-项目参数配置.mp4106.78M
|   |   ├──3-数据读取模块.mp454.26M
|   |   ├──4-数据预处理模块.mp440.10M
|   |   ├──5-tfrecord数据源制作.mp451.50M
|   |   ├──6-Embedding层的作用.mp430.98M
|   |   ├──7-加入额外编码特征.mp442.45M
|   |   ├──8-加入位置编码特征.mp423.61M
|   |   └──9-mask机制的作用.mp436.78M
|   ├──3-项目实战-基于BERT的中文情感分析实战
|   |   ├──1-中文分类数据与任务概述.mp483.53M
|   |   ├──2-读取处理自己的数据集.mp453.09M
|   |   └──3-训练BERT中文分类模型.mp472.29M
|   ├──4-项目实战-基于BERT的中文命名实体识别识别实战
|   |   ├──1-命名实体识别数据分析与任务目标.mp430.45M
|   |   ├──2-NER标注数据处理与读取.mp466.07M
|   |   └──3-构建BERT与CRF模型.mp466.46M
|   ├──5-必备基础知识点-woed2vec模型通俗解读
|   |   ├──1-词向量模型通俗解释.mp421.72M
|   |   ├──2-模型整体框架.mp428.24M
|   |   ├──3-训练数据构建.mp415.85M
|   |   ├──4-CBOW与Skip-gram模型.mp423.83M
|   |   └──5-负采样方案.mp429.51M
|   ├──6-必备基础-掌握Tensorflow如何实现word2vec模型
|   |   ├──1-数据与任务流程.mp445.67M
|   |   ├──2-数据清洗.mp427.60M
|   |   ├──3-batch数据制作.mp451.53M
|   |   ├──4-网络训练.mp449.09M
|   |   └──5-可视化展示.mp449.61M
|   ├──7-必备基础知识点-RNN网络架构与情感分析应用实例
|   |   ├──1-RNN网络模型解读.mp423.75M
|   |   ├──2-NLP应用领域与任务简介.mp432.82M
|   |   ├──3-项目流程解读.mp442.18M
|   |   ├──4-加载词向量特征.mp432.32M
|   |   ├──5-正负样本数据读取.mp436.78M
|   |   ├──6-构建LSTM网络模型.mp446.69M
|   |   ├──7-训练与测试效果.mp491.77M
|   |   └──8-LSTM情感分析.mp4576.33M
|   └──8-医学糖尿病数据命名实体识别
|   |   ├──1-数据与任务介绍.mp422.73M
|   |   ├──2-整体模型架构.mp415.01M
|   |   ├──3-数据-标签-语料库处理.mp439.99M
|   |   ├──4-训练网络模型.mp440.37M
|   |   ├──5-医疗数据集（糖尿病）实体识别.mp481.44M
|   |   └──6-输入样本填充补齐.mp436.22M
├──27-论文创新点常用方法及其应用实例
|   ├──1-通用创新点
|   |   ├──1-ACMIX（卷积与注意力融合）.mp486.05M
|   |   ├──10-Attention额外加入先验知识.mp47.42M
|   |   ├──11-结合GNN构建局部特征.mp425.87M
|   |   ├──12-损失函数约束项.mp48.42M
|   |   ├──13-自适应可学习参数.mp414.27M
|   |   ├──14-Coarse2Fine大框架.mp440.53M
|   |   ├──15-只能机器学习模型时凑工作量（特征工程）.mp46.02M
|   |   ├──16-自己数据集如何发的好(要开源).mp445.07M
|   |   ├──17-可变形卷积加入方法.mp423.44M
|   |   ├──18-在源码中加入各种注意力机制方法.mp4122.48M
|   |   ├──2-GCnet(全局特征融合).mp474.35M
|   |   ├──3-Coordinate_attention.mp474.92M
|   |   ├──4-SPD（可替换下采样）.mp445.03M
|   |   ├──5-SPP改进.mp417.03M
|   |   ├──6-mobileOne(加速).mp445.26M
|   |   ├──7-Deformable(替换selfAttention).mp444.90M
|   |   ├──8-ProbAttention(采样策略).mp423.58M
|   |   └──9-CrossAttention融合特征.mp420.50M
|   └──2-论文写作参考范文
|   |   ├──1-论文要完成的核心架构分析.mp447.92M
|   |   ├──2-网络模型基本组件分析.mp475.18M
|   |   ├──3-流程概述分析.mp466.22M
|   |   ├──4-实验结果分析.mp468.81M
|   |   ├──5-源码实现细节解读.mp441.61M
|   |   └──6-源码结果总结.mp435.18M
├──28-知识图谱实战系列
|   ├──1-知识图谱介绍及其应用领域分析
|   |   ├──1-知识图谱通俗解读.mp419.87M
|   |   ├──2-知识图谱在搜索引擎中的应用.mp426.60M
|   |   ├──3-知识图谱在医疗领域应用实例.mp4102.89M
|   |   ├──4-金融与推荐领域的应用.mp420.39M
|   |   └──5-数据获取分析.mp435.93M
|   ├──2-知识图谱涉及技术点分析
|   |   ├──1-数据关系抽取分析.mp427.31M
|   |   ├──2-常用NLP技术点分析.mp422.09M
|   |   ├──3-graph-embedding的作用与效果.mp426.15M
|   |   ├──4-金融领域图编码实例.mp412.77M
|   |   ├──5-视觉领域图编码实例.mp420.97M
|   |   └──6-图谱知识融合与总结分析.mp423.98M
|   ├──3-Neo4j数据库实战
|   |   ├──1-Neo4j图数据库介绍.mp463.50M
|   |   ├──2-Neo4j数据库安装流程演示.mp427.67M
|   |   ├──3-可视化例子演示.mp443.59M
|   |   ├──4-创建与删除操作演示.mp425.32M
|   |   └──5-数据库更改查询操作演示.mp427.14M
|   ├──4-使用python操作neo4j实例
|   |   ├──1-使用Py2neo建立连接.mp447.58M
|   |   ├──2-提取所需的指标信息.mp453.17M
|   |   ├──3-在图中创建实体.mp443.83M
|   |   └──4-根据给定实体创建关系.mp451.03M
|   ├──5-基于知识图谱的医药问答系统实战
|   |   ├──1-项目概述与整体架构分析.mp437.04M
|   |   ├──10-完成对话系统构建.mp439.47M
|   |   ├──2-医疗数据介绍及其各字段含义.mp462.65M
|   |   ├──3-任务流程概述.mp439.73M
|   |   ├──4-环境配置与所需工具包安装.mp436.37M
|   |   ├──5-提取数据中的关键字段信息.mp461.33M
|   |   ├──6-创建关系边.mp439.41M
|   |   ├──7-打造医疗知识图谱模型.mp459.14M
|   |   ├──8-加载所有实体数据.mp442.46M
|   |   └──9-实体关键词字典制作.mp431.84M
|   ├──6-文本关系抽取实践
|   |   ├──1-关系抽取要完成的任务演示与分析.mp418.57M
|   |   ├──2-LTP工具包概述介绍.mp446.52M
|   |   ├──3-pyltp安装与流程演示.mp441.82M
|   |   ├──4-得到分词与词性标注结果.mp447.19M
|   |   ├──5-依存句法概述.mp430.83M
|   |   ├──6-句法分析结果整理.mp439.09M
|   |   ├──7-语义角色构建与分析.mp454.17M
|   |   └──8-设计规则完成关系抽取.mp452.47M
|   ├──7-金融平台风控模型实践
|   |   ├──1-竞赛任务目标.mp423.81M
|   |   ├──2-图模型信息提取.mp427.76M
|   |   ├──3-节点权重特征提取(PageRank).mp435.54M
|   |   ├──4-deepwalk构建图顶点特征.mp453.48M
|   |   ├──5-各项统计特征.mp456.04M
|   |   ├──6-app安装特征.mp437.41M
|   |   └──7-图中联系人特征.mp470.31M
|   └──8-医学糖尿病数据命名实体识别
|   |   ├──1-数据与任务介绍.mp422.73M
|   |   ├──2-整体模型架构.mp415.01M
|   |   ├──3-数据-标签-语料库处理.mp439.99M
|   |   ├──4-输入样本填充补齐.mp436.22M
|   |   ├──5-训练网络模型.mp440.37M
|   |   └──6-医疗数据集（糖尿病）实体识别.mp481.44M
├──29-语音识别实战系列
|   ├──1-seq2seq序列网络模型
|   |   ├──1-序列网络模型概述分析.mp417.30M
|   |   ├──2-工作原理概述.mp48.98M
|   |   ├──3-注意力机制的作用.mp414.86M
|   |   ├──4-加入attention的序列模型整体架构.mp420.57M
|   |   ├──5-TeacherForcing的作用与训练策略.mp416.61M
|   |   └──6-额外补充-RNN网络模型解读.mp423.75M
|   ├──2-LAS模型语音识别实战
|   |   ├──1-数据源与环境配置.mp432.23M
|   |   ├──2-语料表制作方法.mp425.47M
|   |   ├──3-制作json标注数据.mp437.84M
|   |   ├──4-声音数据处理模块解读.mp462.84M
|   |   ├──5-Pack与Pad操作解析.mp435.92M
|   |   ├──6-编码器模块整体流程.mp431.43M
|   |   ├──7-加入注意力机制.mp433.29M
|   |   ├──8-计算得到每个输出的attention得分.mp436.42M
|   |   └──9-解码器与训练过程演示.mp443.78M
|   ├──3-starganvc2变声器论文原理解读
|   |   ├──1-论文整体思路与架构解读.mp434.66M
|   |   ├──2-VCC2016输入数据.mp420.76M
|   |   ├──3-语音特征提取.mp430.57M
|   |   ├──4-生成器模型架构分析.mp415.81M
|   |   ├──5-InstanceNorm的作用解读.mp418.58M
|   |   ├──6-AdaIn的目的与效果.mp413.18M
|   |   └──7-判别器模块分析.mp4114.03M
|   ├──4-staeganvc2变声器源码实战
|   |   ├──1-数据与项目文件解读.mp421.80M
|   |   ├──10-源码损失计算流程.mp434.82M
|   |   ├──11-测试模块-生成转换语音.mp447.17M
|   |   ├──2-环境配置与工具包安装.mp437.11M
|   |   ├──3-数据预处理与声音特征提取.mp488.49M
|   |   ├──4-生成器构造模块解读.mp441.33M
|   |   ├──5-下采样与上采样操作.mp435.48M
|   |   ├──6-starganvc2版本标签输入分析.mp449.96M
|   |   ├──7-生成器前向传播维度变化.mp426.49M
|   |   ├──8-判别器模块解读.mp435.22M
|   |   └──9-论文损失函数.mp4100.48M
|   ├──5-语音分离ConvTasnet模型
|   |   ├──1-语音分离任务分析.mp49.16M
|   |   ├──2-经典语音分离模型概述.mp418.09M
|   |   ├──3-DeepClustering论文解读.mp416.26M
|   |   ├──4-TasNet编码器结构分析.mp441.61M
|   |   ├──5-DW卷积的作用与效果.mp410.17M
|   |   └──6-基于Mask得到分离结果.mp419.25M
|   ├──6-ConvTasnet语音分离实战
|   |   ├──1-数据准备与环境配置.mp477.96M
|   |   ├──2-训练任务所需参数介绍.mp427.66M
|   |   ├──3-DataLoader定义.mp438.03M
|   |   ├──4-采样数据特征编码.mp437.67M
|   |   ├──5-编码器特征提取.mp455.01M
|   |   ├──6-构建更大的感受区域.mp453.48M
|   |   ├──7-解码得到分离后的语音.mp452.59M
|   |   └──8-测试模块所需参数.mp442.42M
|   └──7-语音合成tacotron最新版实战
|   |   ├──1-语音合成项目所需环境配置.mp444.55M
|   |   ├──10-得到加权的编码向量.mp455.86M
|   |   ├──11-模型输出结果.mp453.26M
|   |   ├──12-损失函数与预测.mp447.96M
|   |   ├──2-所需数据集介绍.mp452.73M
|   |   ├──3-路径配置与整体流程解读.mp470.15M
|   |   ├──4-Dataloader构建数据与标签.mp466.68M
|   |   ├──5-编码层要完成的任务.mp446.37M
|   |   ├──6-得到编码特征向量.mp428.54M
|   |   ├──7-解码器输入准备.mp434.57M
|   |   ├──8-解码器流程梳理.mp441.40M
|   |   └──9-注意力机制应用方法.mp443.71M
├──3-深度学习必备核⼼算法
|   ├──1-神经网络结构
|   |   └──1-神经网络结构.mp4604.62M
|   ├──2-卷积神经网络
|   |   └──1-卷积神经网络.mp4676.23M
|   ├──3-Transformer
|   |   └──1-Transformer.mp4557.22M
|   └──4-VIT源码解读
|   |   └──1-VIT源码解读.mp4878.23M
├──30-推荐系统实战系列
|   ├──1-推荐系统介绍及其应用
|   |   ├──1-1-推荐系统通俗解读.mp417.27M
|   |   ├──2-2-推荐系统发展简介.mp423.22M
|   |   ├──3-3-应用领域与多方位评估指标.mp426.51M
|   |   ├──4-4-任务流程与挑战概述.mp426.74M
|   |   ├──5-5-常用技术点分析.mp416.45M
|   |   └──6-6-与深度学习的结合.mp423.70M
|   ├──10-基本统计分析的电影推荐
|   |   ├──1-1-电影数据与环境配置.mp464.07M
|   |   ├──2-2-数据与关键词信息展示.mp461.26M
|   |   ├──3-3-关键词云与直方图展示.mp445.97M
|   |   ├──4-4-特征可视化.mp438.67M
|   |   ├──5-5-数据清洗概述.mp457.31M
|   |   ├──6-6-缺失值填充方法.mp437.16M
|   |   ├──7-7-推荐引擎构造.mp450.93M
|   |   ├──8-8-数据特征构造.mp436.15M
|   |   └──9-9-得出推荐结果.mp451.85M
|   ├──11-补充-基于相似度的酒店推荐系统
|   |   ├──1-1-酒店数据与任务介绍.mp422.01M
|   |   ├──2-2-文本词频统计.mp431.41M
|   |   ├──3-3-ngram结果可视化展示.mp453.07M
|   |   ├──4-4-文本清洗.mp432.90M
|   |   ├──5-5-相似度计算.mp447.62M
|   |   └──6-6-得出推荐结果.mp461.97M
|   ├──2-协同过滤与矩阵分解
|   |   ├──1-1-协同过滤与矩阵分解简介.mp411.30M
|   |   ├──2-2-基于用户与商品的协同过滤.mp418.52M
|   |   ├──3-3-相似度计算与推荐实例.mp415.18M
|   |   ├──4-4-矩阵分解的目的与效果.mp420.65M
|   |   ├──5-5-矩阵分解中的隐向量.mp425.07M
|   |   ├──6-6-目标函数简介.mp413.75M
|   |   ├──7-7-隐式情况分析.mp414.10M
|   |   └──8-8-Embedding的作用.mp411.11M
|   ├──3-音乐推荐系统实战
|   |   ├──1-1-音乐推荐任务概述.mp464.46M
|   |   ├──2-2-数据集整合.mp453.91M
|   |   ├──3-3-基于物品的协同过滤.mp463.10M
|   |   ├──4-4-物品相似度计算与推荐.mp463.37M
|   |   ├──5-5-SVD矩阵分解.mp430.83M
|   |   └──6-6-基于矩阵分解的音乐推荐.mp483.15M
|   ├──4-知识图谱与Neo4j数据库实例
|   |   ├──1-1-知识图谱通俗解读.mp419.87M
|   |   ├──10-5-数据库更改查询操作演示.mp427.14M
|   |   ├──2-2-知识图谱在搜索引擎中的应用.mp426.60M
|   |   ├──3-3-知识图谱在医疗领域应用实例.mp4102.89M
|   |   ├──4-4-金融与推荐领域的应用.mp420.39M
|   |   ├──5-5-数据获取分析.mp435.93M
|   |   ├──6-1-Neo4j图数据库介绍.mp463.50M
|   |   ├──7-2-Neo4j数据库安装流程演示.mp427.67M
|   |   ├──8-3-可视化例子演示.mp443.59M
|   |   └──9-4-创建与删除操作演示.mp425.32M
|   ├──5-基于知识图谱的电影推荐实战
|   |   ├──1-1-知识图谱推荐系统效果演示.mp423.66M
|   |   ├──2-2-kaggle电影数据集下载与配置.mp463.41M
|   |   ├──3-3-图谱需求与任务流程解读.mp426.59M
|   |   ├──4-4-项目所需环境配置安装.mp448.84M
|   |   ├──5-5-构建用户电影知识图谱.mp461.49M
|   |   ├──6-6-图谱查询与匹配操作.mp419.62M
|   |   └──7-7-相似度计算与推荐引擎构建.mp439.17M
|   ├──6-点击率估计FM与DeepFM算法
|   |   ├──1-1-CTR估计及其经典方法概述.mp421.94M
|   |   ├──2-2-高维特征带来的问题.mp412.95M
|   |   ├──3-3-二项式特征的作用与挑战.mp411.80M
|   |   ├──4-4-二阶公式推导与化简.mp420.88M
|   |   ├──5-5-FM算法解析.mp419.83M
|   |   ├──6-6-DeepFm整体架构解读.mp415.14M
|   |   ├──7-7-输入层所需数据样例.mp414.12M
|   |   └──8-8-Embedding层的作用与总结.mp421.52M
|   ├──7-DeepFM算法实战
|   |   ├──1-1-数据集介绍与环境配置.mp457.76M
|   |   ├──2-2-广告点击数据预处理实例.mp449.15M
|   |   ├──3-3-数据处理模块Embedding层.mp434.38M
|   |   ├──4-4-Index与Value数据制作.mp429.32M
|   |   ├──5-5-一阶权重参数设计.mp433.52M
|   |   ├──6-6-二阶特征构建方法.mp428.85M
|   |   ├──7-7-特征组合方法实例分析.mp449.49M
|   |   ├──8-8-完成FM模块计算.mp424.56M
|   |   └──9-9-DNN模块与训练过程.mp437.53M
|   ├──8-推荐系统常用工具包演示
|   |   ├──1-1-环境配置与数据集介绍.mp435.70M
|   |   ├──2-2-电影数据集预处理分析.mp432.75M
|   |   ├──3-3-surprise工具包基本使用.mp436.06M
|   |   ├──4-4-模型测试集结果.mp430.72M
|   |   └──5-5-评估指标概述.mp466.45M
|   └──9-基于文本数据的推荐实例
|   |   ├──1-1-数据与环境配置介绍.mp419.81M
|   |   ├──2-2-数据科学相关数据介绍.mp431.25M
|   |   ├──3-3-文本数据预处理.mp437.37M
|   |   ├──4-4-TFIDF构建特征矩阵.mp431.28M
|   |   ├──5-5-矩阵分解演示.mp429.02M
|   |   ├──6-6-LDA主题模型效果演示.mp453.07M
|   |   └──7-7-推荐结果分析.mp443.00M
├──4-深度学习框架PyTorch
|   ├──1-PyTorch框架介绍与配置安装
|   |   ├──1-PyTorch框架与其他框架区别分析.mp433.24M
|   |   └──2-CPU与GPU版本安装方法解读.mp4100.57M
|   ├──2-使用神经网络进行分类任务
|   |   ├──1-数据集与任务概述.mp443.34M
|   |   ├──2-基本模块应用测试.mp447.62M
|   |   ├──3-网络结构定义方法.mp455.60M
|   |   ├──4-数据源定义简介.mp438.98M
|   |   ├──5-损失与训练模块分析.mp442.31M
|   |   ├──6-训练一个基本的分类模型.mp454.59M
|   |   └──7-参数对结果的影响.mp451.65M
|   ├──3-神经网络回归任务-气温预测
|   |   └──1-神经网络回归任务-气温预测.mp4198.56M
|   ├──4-卷积网络参数解读分析
|   |   ├──1-输入特征通道分析.mp442.48M
|   |   ├──2-卷积网络参数解读.mp431.46M
|   |   └──3-卷积网络模型训练.mp455.14M
|   ├──5-图像识别模型与训练策略（重点）
|   |   ├──1-任务分析与图像数据基本处理.mp441.62M
|   |   ├──10-测试结果演示分析.mp4110.98M
|   |   ├──2-数据增强模块.mp440.50M
|   |   ├──3-数据集与模型选择.mp445.32M
|   |   ├──4-迁移学习方法解读.mp444.66M
|   |   ├──5-输出层与梯度设置.mp461.42M
|   |   ├──6-输出类别个数修改.mp449.06M
|   |   ├──7-优化器与学习率衰减.mp452.48M
|   |   ├──8-模型训练方法.mp452.60M
|   |   └──9-重新训练全部模型.mp454.81M
|   ├──6-DataLoader自定义数据集制作
|   |   ├──1-Dataloader要完成的任务分析.mp439.20M
|   |   ├──2-图像数据与标签路径处理.mp448.98M
|   |   ├──3-Dataloader中需要实现的方法分析.mp446.95M
|   |   └──4-实用Dataloader加载数据并训练模型.mp477.82M
|   ├──7-LSTM文本分类实战
|   |   ├──1-数据集与任务目标分析.mp452.81M
|   |   ├──2-文本数据处理基本流程分析.mp455.97M
|   |   ├──3-命令行参数与DEBUG.mp436.52M
|   |   ├──4-训练模型所需基本配置参数分析.mp440.92M
|   |   ├──5-预料表与字符切分.mp431.98M
|   |   ├──6-字符预处理转换ID.mp434.37M
|   |   ├──7-LSTM网络结构基本定义.mp434.73M
|   |   ├──8-网络模型预测结果输出.mp439.11M
|   |   └──9-模型训练任务与总结.mp445.16M
|   └──8-PyTorch框架Flask部署例子
|   |   ├──1-基本结构与训练好的模型加载.mp421.02M
|   |   ├──2-服务端处理与预测函数.mp440.92M
|   |   └──3-基于Flask测试模型预测结果.mp446.26M
├──5-Opencv图像处理框架实战
|   ├──1-课程简介与环境配置
|   |   ├──1-Pycharm环境配置与Debug演示(没用过的同学必看).mp4125.39M
|   |   ├──2-课程简介.mp45.37M
|   |   ├──3-Python与Opencv配置安装.mp433.28M
|   |   └──4-Notebook与IDE环境.mp484.39M
|   ├──10-项目实战-文档扫描OCR识别
|   |   ├──1-整体流程演示.mp421.50M
|   |   ├──2-文档轮廓提取.mp427.81M
|   |   ├──3-原始与变换坐标计算.mp426.24M
|   |   ├──4-透视变换结果.mp432.87M
|   |   ├──5-tesseract-ocr安装配置.mp441.23M
|   |   └──6-文档扫描识别效果.mp428.86M
|   ├──11-图像特征-harris
|   |   ├──1-角点检测基本原理.mp415.53M
|   |   ├──2-基本数学原理.mp430.58M
|   |   ├──3-求解化简.mp431.79M
|   |   ├──4-特征归属划分.mp443.23M
|   |   └──5-opencv角点检测效果.mp431.04M
|   ├──12-图像特征-sift
|   |   ├──1-尺度空间定义.mp420.04M
|   |   ├──2-高斯差分金字塔.mp421.68M
|   |   ├──3-特征关键点定位.mp448.15M
|   |   ├──4-生成特征描述.mp424.66M
|   |   ├──5-特征向量生成.mp443.73M
|   |   └──6-opencv中sift函数使用.mp428.80M
|   ├──13-案例实战-全景图像拼接
|   |   ├──1-特征匹配方法.mp428.56M
|   |   ├──2-RANSAC算法.mp434.50M
|   |   ├──3-图像拼接方法.mp444.96M
|   |   └──4-流程解读.mp421.65M
|   ├──14-项目实战-停车场车位识别
|   |   ├──1-任务整体流程.mp471.40M
|   |   ├──2-所需数据介绍.mp434.31M
|   |   ├──3-图像数据预处理.mp456.75M
|   |   ├──4-车位直线检测.mp461.44M
|   |   ├──5-按列划分区域.mp454.67M
|   |   ├──6-车位区域划分.mp457.33M
|   |   ├──7-识别模型构建.mp441.19M
|   |   └──8-基于视频的车位检测.mp4135.61M
|   ├──15-项目实战-答题卡识别判卷
|   |   ├──1-整体流程与效果概述.mp429.49M
|   |   ├──2-预处理操作.mp424.08M
|   |   ├──3-填涂轮廓检测.mp425.66M
|   |   └──4-选项判断识别.mp457.12M
|   ├──16-背景建模
|   |   ├──1-背景消除-帧差法.mp420.79M
|   |   ├──2-混合高斯模型.mp426.39M
|   |   ├──3-学习步骤.mp431.75M
|   |   └──4-背景建模实战.mp451.17M
|   ├──17-光流估计
|   |   ├──1-基本概念.mp420.20M
|   |   ├──2-Lucas-Kanade算法.mp419.67M
|   |   ├──3-推导求解.mp425.94M
|   |   └──4-光流估计实战.mp464.22M
|   ├──18-Opencv的DNN模块
|   |   ├──1-dnn模块.mp428.59M
|   |   └──2-模型加载结果输出.mp440.50M
|   ├──19-项目实战-目标追踪
|   |   ├──1-目标追踪概述.mp449.75M
|   |   ├──2-多目标追踪实战.mp434.62M
|   |   ├──3-深度学习检测框架加载.mp443.62M
|   |   ├──4-基于dlib与ssd的追踪.mp473.02M
|   |   ├──5-多进程目标追踪.mp425.72M
|   |   └──6-多进程效率提升对比.mp478.13M
|   ├──2-图像基本操作
|   |   ├──1-计算机眼中的图像.mp430.88M
|   |   ├──2-视频的读取与处理.mp446.97M
|   |   ├──3-ROI区域.mp415.37M
|   |   ├──4-边界填充.mp421.46M
|   |   └──5-数值计算.mp440.04M
|   ├──20-卷积原理与操作
|   |   ├──1-卷积神经网络的应用.mp436.18M
|   |   ├──2-卷积层解释.mp422.31M
|   |   ├──3-卷积计算过程.mp427.61M
|   |   ├──4-pading与stride.mp426.12M
|   |   ├──5-卷积参数共享.mp417.69M
|   |   ├──6-池化层原理.mp416.09M
|   |   ├──7-卷积效果演示.mp424.58M
|   |   └──8-卷积操作流程.mp441.15M
|   ├──21-项目实战-疲劳检测
|   |   ├──1-关键点定位概述.mp428.45M
|   |   ├──2-获取人脸关键点.mp436.07M
|   |   ├──3-定位效果演示.mp445.43M
|   |   ├──4-闭眼检测.mp471.07M
|   |   └──5-检测效果.mp440.60M
|   ├──3-阈值与平滑处理
|   |   ├──1-图像阈值.mp430.78M
|   |   ├──2-图像平滑处理.mp424.69M
|   |   └──3-高斯与中值滤波.mp420.55M
|   ├──4-图像形态学操作
|   |   ├──1-腐蚀操作.mp420.99M
|   |   ├──2-膨胀操作.mp412.25M
|   |   ├──3-开运算与闭运算.mp49.32M
|   |   ├──4-梯度计算.mp47.85M
|   |   └──5-礼帽与黑帽.mp415.88M
|   ├──5-图像梯度计算
|   |   ├──1-Sobel算子.mp427.00M
|   |   ├──2-梯度计算方法.mp430.29M
|   |   └──3-scharr与lapkacian算子.mp427.39M
|   ├──6-边缘检测
|   |   ├──1-Canny边缘检测流程.mp418.97M
|   |   ├──2-非极大值抑制.mp418.32M
|   |   └──3-边缘检测效果.mp436.63M
|   ├──7-图像金字塔与轮廓检测
|   |   ├──1-图像金字塔定义.mp419.68M
|   |   ├──2-金字塔制作方法.mp425.47M
|   |   ├──3-轮廓检测方法.mp419.31M
|   |   ├──4-轮廓检测结果.mp434.37M
|   |   ├──5-轮廓特征与近似.mp437.51M
|   |   ├──6-模板匹配方法.mp447.35M
|   |   └──7-匹配效果展示.mp421.14M
|   ├──8-直方图与傅里叶变换
|   |   ├──1-直方图定义.mp423.64M
|   |   ├──2-均衡化原理.mp431.35M
|   |   ├──3-均衡化效果.mp427.21M
|   |   ├──4-傅里叶概述.mp438.79M
|   |   ├──5-频域变换结果.mp426.26M
|   |   └──6-低通与高通滤波.mp427.34M
|   └──9-项目实战-信用卡数字识别
|   |   ├──1-总体流程与方法讲解.mp420.65M
|   |   ├──2-环境配置与预处理.mp434.85M
|   |   ├──3-模板处理方法.mp423.69M
|   |   ├──4-输入数据处理方法.mp428.88M
|   |   └──5-模板匹配得出识别结果.mp447.72M
├──6-综合项目-物体检测经典算法实战
|   ├──1-物体检测评估指标
|   |   ├──1-Pycharm环境配置与Debug演示(没用过的同学必看).mp4125.39M
|   |   └──2-物体检测评估指标.mp484.11M
|   ├──10-V5项目工程源码解读
|   |   ├──1-数据源DEBUG流程解读.mp448.13M
|   |   ├──10-完成配置文件解析任务.mp458.80M
|   |   ├──11-前向传播计算.mp430.80M
|   |   ├──12-BottleneckCSP层计算方法.mp433.82M
|   |   ├──13-SPP层计算细节分析.mp429.17M
|   |   ├──14-Head层流程解读.mp429.12M
|   |   ├──15-上采样与拼接操作.mp421.48M
|   |   ├──16-输出结果分析.mp441.71M
|   |   ├──17-超参数解读.mp434.94M
|   |   ├──18-命令行参数介绍.mp444.26M
|   |   ├──19-训练流程解读.mp446.81M
|   |   ├──2-图像数据源配置.mp434.65M
|   |   ├──20-各种训练策略概述.mp438.43M
|   |   ├──21-模型迭代过程.mp438.42M
|   |   ├──3-加载标签数据.mp426.33M
|   |   ├──4-Mosaic数据增强方法.mp428.19M
|   |   ├──5-数据四合一方法与流程演示.mp441.69M
|   |   ├──6-getItem构建batch.mp433.03M
|   |   ├──7-网络架构图可视化工具安装.mp434.33M
|   |   ├──8-V5网络配置文件解读.mp435.74M
|   |   └──9-Focus模块流程分析.mp421.93M
|   ├──11-YOLO系列（V7）算法解读
|   |   └──1-YOLO系列（V7）算法解读.mp4650.58M
|   ├──12-V7源码解读
|   |   ├──1-命令行参数介绍.mp425.02M
|   |   ├──10-完成BuildTargets模块.mp451.40M
|   |   ├──11-候选框筛选流程分析.mp431.75M
|   |   ├──12-预测值各项指标获取与调整.mp447.03M
|   |   ├──13-GT匹配正样本数量计算.mp442.07M
|   |   ├──14-通过IOU与置信度分配正样本.mp460.44M
|   |   ├──15-损失函数计算方法.mp446.08M
|   |   ├──16-辅助头AUX网络结构配置文件解析.mp431.05M
|   |   ├──17-辅助头损失函数调整.mp439.28M
|   |   ├──18-BN与卷积权重参数融合方法.mp453.77M
|   |   ├──19-重参数化多分支合并加速.mp443.19M
|   |   ├──2-基本参数作用.mp440.80M
|   |   ├──3-EMA等训练技巧解读.mp449.31M
|   |   ├──4-网络结构配置文件解读.mp436.94M
|   |   ├──5-各模块操作细节分析.mp449.07M
|   |   ├──6-输出层与配置文件其他模块解读.mp460.88M
|   |   ├──7-标签分配策略准备操作.mp434.72M
|   |   ├──8-候选框偏移方法与find3p模块解读.mp433.70M
|   |   └──9-得到偏移点所在网格位置.mp442.85M
|   ├──13-YOLOV8
|   |   └──1-YOLOV8.mp4250.98M
|   ├──14-基于Transformer的detr目标检测算法
|   |   ├──1-DETR目标检测基本思想解读.mp419.35M
|   |   ├──2-整体网络架构分析.mp431.64M
|   |   ├──3-位置信息初始化query向量.mp419.97M
|   |   ├──4-注意力机制的作用方法.mp420.85M
|   |   └──5-训练过程的策略.mp428.41M
|   ├──15-detr目标检测源码解读
|   |   ├──1-项目环境配置解读.mp440.42M
|   |   ├──2-数据处理与dataloader.mp464.11M
|   |   ├──3-位置编码作用分析.mp447.95M
|   |   ├──4-backbone特征提取模块.mp435.62M
|   |   ├──5-mask与编码模块.mp434.75M
|   |   ├──6-编码层作用方法.mp442.86M
|   |   ├──7-Decoder层操作与计算.mp430.15M
|   |   ├──8-输出预测结果.mp441.28M
|   |   └──9-损失函数与预测输出.mp441.18M
|   ├──16-DeformableDetr算法解读
|   |   └──1-DeformableDetr算法解读.mp41.55G
|   ├──17-半监督物体检测
|   |   └──1-半监督物体检测.mp4824.82M
|   ├──18-EfficientNet网络
|   |   └──1-EfficientNet网络模型.mp4538.47M
|   ├──19-EfficientDet检测算法
|   |   └──1-EfficientDet检测算法.mp4448.01M
|   ├──2-深度学习经典检测⽅法概述
|   |   ├──1-检测任务中阶段的意义.mp415.14M
|   |   ├──2-不同阶段算法优缺点分析.mp410.68M
|   |   ├──3-IOU指标计算.mp411.74M
|   |   ├──4-评估所需参数计算.mp426.23M
|   |   └──5-map指标计算.mp419.63M
|   ├──20-YOLO V9
|   |   └──1-YOLO V9.mp41.42G
|   ├──3-YOLO-V1整体思想与网络架构
|   |   ├──1-YOLO算法整体思路解读.mp414.68M
|   |   ├──2-检测算法要得到的结果.mp413.63M
|   |   ├──3-整体网络架构解读.mp430.67M
|   |   ├──4-位置损失计算.mp418.97M
|   |   └──5-置信度误差与优缺点分析.mp426.86M
|   ├──4-YOLO-V2改进细节详解
|   |   ├──1-V2版本细节升级概述.mp413.38M
|   |   ├──2-网络结构特点.mp415.69M
|   |   ├──3-架构细节解读.mp418.92M
|   |   ├──4-基于聚类来选择先验框尺寸.mp424.24M
|   |   ├──5-偏移量计算方法.mp427.55M
|   |   ├──6-坐标映射与还原.mp410.08M
|   |   ├──7-感受野的作用.mp428.11M
|   |   └──8-特征融合改进.mp419.20M
|   ├──5-YOLO-V3核心网络模型
|   |   ├──1-V3版本改进概述.mp418.27M
|   |   ├──2-多scale方法改进与特征融合.mp417.07M
|   |   ├──3-经典变换方法对比分析.mp410.83M
|   |   ├──4-残差连接方法解读.mp418.64M
|   |   ├──5-整体网络模型架构分析.mp412.93M
|   |   ├──6-先验框设计改进.mp413.04M
|   |   └──7-sotfmax层改进.mp410.61M
|   ├──6-项目实战-基于V3版本进行源码解读（建议直接跑V5版本）
|   |   ├──1-数据与环境配置.mp465.52M
|   |   ├──10-网格偏移计算.mp433.92M
|   |   ├──11-模型要计算的损失概述.mp423.14M
|   |   ├──12-标签值格式修改.mp428.27M
|   |   ├──13-坐标相对位置计算.mp432.80M
|   |   ├──14-完成所有损失函数所需计算指标.mp435.32M
|   |   ├──15-模型训练与总结.mp472.91M
|   |   ├──16-预测效果展示.mp434.51M
|   |   ├──2-训练参数设置.mp423.85M
|   |   ├──3-COCO图像数据读取与处理.mp442.51M
|   |   ├──4-标签文件读取与处理.mp427.48M
|   |   ├──5-debug模式介绍.mp427.25M
|   |   ├──6-基于配置文件构建网络模型.mp442.04M
|   |   ├──7-路由层与shortcut层的作用.mp433.72M
|   |   ├──8-YOLO层定义解析.mp461.09M
|   |   └──9-预测结果计算.mp446.00M
|   ├──7-基于YOLO-V3训练自己的数据集与任务（建议直接跑V5版本）
|   |   ├──1-Labelme工具安装.mp414.29M
|   |   ├──2-数据信息标注.mp432.09M
|   |   ├──3-完成标签制作.mp431.74M
|   |   ├──4-生成模型所需配置文件.mp436.71M
|   |   ├──5-json格式转换成yolo-v3所需输入.mp420.95M
|   |   ├──6-完成输入数据准备工作.mp440.10M
|   |   ├──7-训练代码与参数配置更改.mp444.29M
|   |   └──8-训练模型并测试效果.mp438.49M
|   ├──8-YOLO-V4版本算法解读
|   |   ├──1-V4版本整体概述.mp415.06M
|   |   ├──10-PAN模块解读.mp420.64M
|   |   ├──11-激活函数与整体架构总结.mp419.19M
|   |   ├──2-V4版本贡献解读.mp410.06M
|   |   ├──3-数据增强策略分析.mp424.70M
|   |   ├──4-DropBlock与标签平滑方法.mp419.36M
|   |   ├──5-损失函数遇到的问题.mp414.26M
|   |   ├──6-CIOU损失函数定义.mp410.82M
|   |   ├──7-NMS细节改进.mp416.66M
|   |   ├──8-SPP与CSP网络结构.mp414.81M
|   |   └──9-SAM注意力机制模块.mp422.48M
|   └──9-V5版本项目配置
|   |   ├──1-整体项目概述.mp435.77M
|   |   ├──2-训练自己的数据集方法.mp441.32M
|   |   ├──3-训练数据参数配置.mp451.48M
|   |   └──4-测试DEMO演示.mp450.47M
├──7-图像分割实战
|   ├──1-图像分割及其损失函数概述
|   |   ├──1-语义分割与实例分割概述.mp420.24M
|   |   ├──2-分割任务中的目标函数定义.mp420.00M
|   |   └──3-MIOU评估标准.mp49.03M
|   ├──10-物体检测框架-MaskRcnn项目介绍与配置
|   |   ├──1-Mask-Rcnn开源项目简介.mp488.18M
|   |   ├──2-开源项目数据集.mp442.48M
|   |   └──3-开源项目数据集.mp497.85M
|   ├──11-MaskRcnn网络框架源码详解
|   |   ├──1-FPN层特征提取原理解读.mp442.31M
|   |   ├──10-RoiPooling层的作用与目的.mp433.45M
|   |   ├──11-RorAlign操作的效果.mp425.70M
|   |   ├──12-整体框架回顾.mp428.86M
|   |   ├──2-FPN网络架构实现解读.mp455.77M
|   |   ├──3-生成框比例设置.mp428.25M
|   |   ├──4-基于不同尺度特征图生成所有框.mp432.93M
|   |   ├──5-RPN层的作用与实现解读.mp430.90M
|   |   ├──6-候选框过滤方法.mp415.59M
|   |   ├──7-Proposal层实现方法.mp433.31M
|   |   ├──8-DetectionTarget层的作用.mp425.70M
|   |   └──9-正负样本选择与标签定义.mp427.59M
|   ├──12-基于MASK-RCNN框架训练自己的数据与任务
|   |   ├──1-Labelme工具安装.mp414.29M
|   |   ├──2-使用labelme进行数据与标签标注.mp426.29M
|   |   ├──3-完成训练数据准备工作.mp426.61M
|   |   ├──4-maskrcnn源码修改方法.mp463.56M
|   |   ├──5-基于标注数据训练所需任务.mp439.72M
|   |   └──6-测试与展示模块.mp438.60M
|   ├──2-Unet系列算法讲解
|   |   ├──1-Unet网络编码与解码过程.mp418.29M
|   |   ├──2-网络计算流程.mp416.13M
|   |   ├──3-Unet升级版本改进.mp415.75M
|   |   └──4-后续升级版本介绍.mp418.37M
|   ├──3-unet医学细胞分割实战
|   |   ├──1-医学细胞数据集介绍与参数配置.mp471.21M
|   |   ├──2-数据增强工具.mp461.47M
|   |   ├──3-Debug模式演示网络计算流程.mp441.37M
|   |   ├──4-特征融合方法演示.mp430.05M
|   |   ├──5-迭代完成整个模型计算任务.mp433.55M
|   |   └──6-模型效果验证.mp447.29M
|   ├──4-U2NET显著性检测实战
|   |   ├──1-任务目标与网络整体介绍.mp458.66M
|   |   ├──2-显著性检测任务与目标概述.mp453.96M
|   |   ├──3-编码器模块解读.mp443.66M
|   |   ├──4-解码器输出结果.mp427.90M
|   |   └──5-损失函数与应用效果.mp434.34M
|   ├──5-deeplab系列算法
|   |   ├──1-deeplab分割算法概述.mp413.81M
|   |   ├──2-空洞卷积的作用.mp416.74M
|   |   ├──3-感受野的意义.mp419.37M
|   |   ├──4-SPP层的作用.mp419.02M
|   |   ├──5-ASPP特征融合策略.mp413.45M
|   |   └──6-deeplabV3Plus版本网络架构.mp424.08M
|   ├──6-基于deeplabV3+版本进⾏VOC分割实战
|   |   ├──1-PascalVoc数据集介绍.mp470.12M
|   |   ├──2-项目参数与数据集读取.mp460.32M
|   |   ├──3-网络前向传播流程.mp433.10M
|   |   ├──4-ASPP层特征融合.mp451.19M
|   |   └──5-分割模型训练.mp434.97M
|   ├──7-医学⼼脏视频数据集分割建模实战
|   |   ├──1-数据集与任务概述.mp445.55M
|   |   ├──2-项目基本配置参数.mp433.31M
|   |   ├──3-任务流程解读.mp469.12M
|   |   ├──4-文献报告分析.mp4122.67M
|   |   ├──5-补充：视频数据源特征处理方法概述.mp426.33M
|   |   └──6-补充：R(2plus1)D处理方法分析.mp418.88M
|   ├──8-分割模型Maskformer系列
|   |   └──1-分割模型Maskformer系列.mp41.27G
|   └──9-补充：Mask2former源码解读
|   |   ├──1-Backbone获取多层级特征.mp435.79M
|   |   ├──10-正样本筛选损失计算.mp441.78M
|   |   ├──11-标签分类匹配结果分析.mp462.04M
|   |   ├──12-最终损失计算流程.mp452.29M
|   |   ├──13-汇总所有损失完成迭代.mp435.76M
|   |   ├──2-多层级采样点初始化构建.mp441.46M
|   |   ├──3-多层级输入特征序列创建方法.mp443.83M
|   |   ├──4-偏移量与权重计算并转换.mp448.78M
|   |   ├──5-Encoder特征构建方法实例.mp449.77M
|   |   ├──6-query要预测的任务解读.mp445.61M
|   |   ├──7-Decoder中的AttentionMask方法.mp450.89M
|   |   ├──8-损失模块输入参数分析.mp440.84M
|   |   └──9-标签分配策略解读.mp442.53M
├──8-走向AI论文实验与项目实战的捷径-MMLAB实战系列
|   ├──1-MMCV安装方法
|   |   └──1-MMCV安装方法.mp455.75M
|   ├──10-第三模块：DeformableDetr算法解读
|   |   └──1-DeformableDetr算法解读.mp4730.35M
|   ├──11-补充：Mask2former源码解读
|   |   ├──1-Backbone获取多层级特征.mp435.79M
|   |   ├──10-正样本筛选损失计算.mp441.78M
|   |   ├──11-标签分类匹配结果分析.mp462.04M
|   |   ├──12-最终损失计算流程.mp452.29M
|   |   ├──13-汇总所有损失完成迭代.mp435.76M
|   |   ├──2-多层级采样点初始化构建.mp441.46M
|   |   ├──3-多层级输入特征序列创建方法.mp443.83M
|   |   ├──4-偏移量与权重计算并转换.mp448.78M
|   |   ├──5-Encoder特征构建方法实例.mp449.77M
|   |   ├──6-query要预测的任务解读.mp445.61M
|   |   ├──7-Decoder中的AttentionMask方法.mp450.89M
|   |   ├──8-损失模块输入参数分析.mp440.84M
|   |   └──9-标签分配策略解读.mp442.53M
|   ├──12-KIE关键信息抽取与视频超分辨率重构
|   |   └──1-KIE关键信息抽取与视频超分辨率重构.mp4916.12M
|   ├──13-第四模块：DBNET文字检测
|   |   ├──1-文字检测数据概述与配置文件.mp456.60M
|   |   ├──2-配置文件参数设置.mp438.74M
|   |   ├──3-Neck层特征组合.mp432.04M
|   |   ├──4-损失函数模块概述.mp443.11M
|   |   └──5-损失计算方法.mp459.35M
|   ├──14-第四模块：ANINET文字识别
|   |   ├──1-数据集与环境概述.mp455.58M
|   |   ├──2-配置文件修改方法.mp452.49M
|   |   ├──3-Bakbone模块得到特征.mp442.10M
|   |   ├──4-视觉Transformer模块的作用.mp445.97M
|   |   ├──5-视觉模型中的编码与解码的效果.mp454.49M
|   |   ├──6-文本模型中的结构分析.mp438.66M
|   |   ├──7-迭代修正模块.mp438.14M
|   |   └──8-输出层与损失计算.mp452.81M
|   ├──15-第四模块：KIE基于图模型的关键信息抽取
|   |   ├──1-配置文件以及要完成的任务解读.mp451.55M
|   |   ├──2-KIE数据集格式调整方法.mp469.46M
|   |   ├──3-配置文件与标签要进行处理操作.mp447.83M
|   |   ├──4-边框要计算的特征分析.mp435.57M
|   |   ├──5-标签数据处理与关系特征提取.mp456.48M
|   |   ├──6-特征合并处理.mp443.74M
|   |   ├──7-准备拼接边与点特征.mp441.38M
|   |   └──8-整合得到图模型输入特征.mp471.98M
|   ├──16-第五模块：stylegan2源码解读
|   |   ├──1-要完成的任务与基本思想概述.mp457.79M
|   |   ├──2-得到style特征编码.mp469.51M
|   |   ├──3-特征编码风格拼接.mp436.76M
|   |   ├──4-基础风格特征卷积模块.mp454.69M
|   |   ├──5-上采样得到输出结果.mp440.75M
|   |   └──6-损失函数概述.mp426.56M
|   ├──17-第六模块：BasicVSR++视频超分辨重构源码解读
|   |   ├──1-要完成的任务分析与配置文件.mp427.36M
|   |   ├──10-传播流程整体完成一圈.mp461.55M
|   |   ├──11-完成输出结果.mp451.56M
|   |   ├──2-特征基础提取模块.mp444.58M
|   |   ├──3-光流估计网络模块.mp425.67M
|   |   ├──4-基于光流完成对齐操作.mp440.23M
|   |   ├──5-偏移量计算方法.mp432.48M
|   |   ├──6-双向计算特征对齐.mp436.97M
|   |   ├──7-提特征传递流程分析.mp437.23M
|   |   ├──8-序列传播计算.mp439.88M
|   |   └──9-准备变形卷积模块的输入.mp444.71M
|   ├──18-第七模块：多模态3D目标检测算法源码解读
|   |   ├──1-环境配置与数据集概述.mp451.52M
|   |   ├──10-3D卷积特征融合.mp456.76M
|   |   ├──11-输出层预测结果.mp480.80M
|   |   ├──2-数据与标注文件介绍.mp437.49M
|   |   ├──3-基本流程梳理并进入debug模式.mp450.33M
|   |   ├──4-数据与图像特征提取模块.mp458.02M
|   |   ├──5-体素索引位置获取.mp464.72M
|   |   ├──6-体素特征提取方法解读.mp437.57M
|   |   ├──7-体素特征计算方法分析.mp470.71M
|   |   ├──8-全局体素特征提取.mp495.96M
|   |   └──9-多模态特征融合.mp468.36M
|   ├──19-第八模块：模型蒸馏应用实例
|   |   ├──1-任务概述与工具使用.mp439.64M
|   |   ├──2-Teacher与Student网络结构定义.mp446.25M
|   |   ├──3-训练T与S得到蒸馏模型.mp470.63M
|   |   ├──4-开始模型训练过程与问题修正.mp457.26M
|   |   ├──5-日志输出与模型分离.mp470.25M
|   |   ├──6-分别得到Teacher与Student模型.mp445.74M
|   |   └──7-实际测试效果演示.mp439.02M
|   ├──2-第一模块：分类任务基本操作
|   |   ├──1-MMCLS问题修正.mp423.50M
|   |   ├──2-准备MMCLS项目.mp432.26M
|   |   ├──3-基本参数配置解读.mp434.52M
|   |   ├──4-各模块配置文件组成.mp435.81M
|   |   ├──5-生成完整配置文件.mp424.45M
|   |   ├──6-根据文件夹定义数据集.mp440.27M
|   |   ├──7-构建自己的数据集.mp436.33M
|   |   └──8-训练自己的任务.mp439.32M
|   ├──20-第八模块：模型剪枝方法概述分析
|   |   ├──1-SuperNet网络结构分析与剪枝概述.mp440.58M
|   |   └──2-搜索匹配到符合计算量的模型并训练.mp446.83M
|   ├──21-第九模块：mmaction行为识别
|   |   └──1-创建自己的行为识别标注数据集.mp4232.73M
|   ├──22-OCR算法解读
|   |   └──1-OCR算法解读.mp41.67G
|   ├──23-额外补充-在源码中加入各种注意力机制方法
|   |   └──1-在源码中加入各种注意力机制方法.mp4122.48M
|   ├──24-追踪新增
|   |   ├──1-获取检测结果与追踪初始化.mp431.20M
|   |   ├──2-初始时刻追踪器创建.mp433.96M
|   |   ├──3-追踪器记录信息概述.mp430.86M
|   |   ├──4-匹配过程细节分析.mp444.25M
|   |   ├──5-不同帧时刻追踪器状态更新方法.mp442.55M
|   |   ├──6-追踪器状态更新处理.mp450.66M
|   |   └──7-追踪器迭代更新策略.mp443.18M
|   ├──3-第一模块：训练结果测试与验证
|   |   ├──1-测试DEMO效果.mp425.49M
|   |   ├──2-测试评估模型效果.mp427.58M
|   |   ├──3-MMCLS中增加一个新的模块.mp462.61M
|   |   ├──4-修改配置文件中的参数.mp467.72M
|   |   ├──5-数据增强流程可视化展示.mp437.40M
|   |   ├──6-Grad-Cam可视化方法.mp441.17M
|   |   ├──7-可视化细节与效果分析.mp4124.19M
|   |   ├──8-MMCLS可视化模块应用.mp472.07M
|   |   └──9-模型分析脚本使用.mp436.37M
|   ├──4-第一模块：模型源码DEBUG演示
|   |   ├──1-VIT任务概述.mp429.96M
|   |   ├──2-数据增强模块概述分析.mp449.58M
|   |   ├──3-PatchEmbedding层.mp425.30M
|   |   ├──4-前向传播基本模块.mp438.87M
|   |   └──5-CLS与输出模块.mp444.04M
|   ├──5-第二模块：使用分割模块训练自己的数据集
|   |   ├──1-项目配置基本介绍.mp474.23M
|   |   ├──2-数据集标注与制作方法.mp456.84M
|   |   ├──3-根据预测类别数修改配置文件.mp439.48M
|   |   ├──4-加载预训练模型开始训练.mp486.52M
|   |   └──5-预测DEMO演示.mp421.88M
|   ├──6-第二模块：基于Unet进行各种策略修改
|   |   ├──1-配置文件解读.mp432.12M
|   |   ├──2-编码层模块.mp432.47M
|   |   ├──3-上采样与输出层.mp428.25M
|   |   ├──4-辅助层的作用.mp419.83M
|   |   ├──5-给Unet添加一个neck层.mp430.37M
|   |   ├──6-如何修改参数适配网络结构.mp421.73M
|   |   ├──7-将Unet特征提取模块替换成transformer.mp422.41M
|   |   └──8-VIT模块源码分析.mp445.48M
|   ├──7-第二模块：分割任务CVPR最新Backbone设计及其应用
|   |   ├──1-注册自己的Backbone模块.mp434.30M
|   |   ├──10-汇总多层级特征进行输出.mp443.35M
|   |   ├──2-配置文件指定.mp435.84M
|   |   ├──3-DEBUG解读Backbone设计.mp440.45M
|   |   ├──4-PatchEmbedding的作用与实现.mp444.88M
|   |   ├──5-卷积位置编码计算方法.mp453.89M
|   |   ├──6-近似Attention模块实现.mp479.49M
|   |   ├──7-完成特征提取与融合模块.mp455.69M
|   |   ├──8-分割输出模块.mp457.72M
|   |   └──9-全局特征的作用与实现.mp456.34M
|   ├──8-第三模块：mmdet训练自己的数据任务
|   |   ├──1-数据集标注与标签获取.mp431.35M
|   |   ├──2-COCO数据标注格式.mp428.16M
|   |   ├──3-通过脚本生成COCO数据格式.mp438.55M
|   |   ├──4-配置文件数据增强策略分析.mp445.59M
|   |   ├──5-训练所需配置说明.mp456.00M
|   |   ├──6-模型训练与DEMO演示.mp435.27M
|   |   ├──7-模型测试与可视化分析模块.mp477.61M
|   |   └──8-补充：评估指标.mp414.06M
|   └──9-第三模块：DeformableDetr物体检测源码分析
|   |   ├──1-特征提取与位置编码.mp438.16M
|   |   ├──10-分类与回归输出模块.mp449.72M
|   |   ├──11-预测输出结果与标签匹配模块.mp444.31M
|   |   ├──2-序列特征展开并叠加.mp451.07M
|   |   ├──3-得到相对位置点编码.mp428.80M
|   |   ├──4-准备Encoder编码层所需全部输入.mp437.91M
|   |   ├──5-编码层中的序列分析.mp439.73M
|   |   ├──6-偏移量offset计算.mp446.09M
|   |   ├──7-偏移量对齐操作.mp439.80M
|   |   ├──8-Encoder层完成特征对齐.mp451.84M
|   |   └──9-Decoder要完成的操作.mp438.98M
├──9-经典视觉项目实战：行为识别、姿态估计、目标追踪
|   ├──1-slowfast算法知识点通俗解读
|   |   ├──1-slowfast核心思想解读.mp474.86M
|   |   ├──2-核心网络结构模块分析.mp420.98M
|   |   ├──3-数据采样曾的作用.mp418.26M
|   |   ├──4-模型网络结构设计.mp419.30M
|   |   └──5-特征融合模块与总结分析.mp439.30M
|   ├──10-OpenPose算法源码分析
|   |   ├──1-数据集与路径配置解读.mp433.79M
|   |   ├──10-多阶段输出与预测.mp446.99M
|   |   ├──2-读取图像与标注信息.mp446.78M
|   |   ├──3-关键点与躯干特征图初始化.mp434.31M
|   |   ├──4-根据关键点位置设计关键点标签.mp454.92M
|   |   ├──5-准备构建PAF躯干标签.mp429.58M
|   |   ├──6-各位置点归属判断.mp428.04M
|   |   ├──7-特征图各点累加向量计算.mp432.67M
|   |   ├──8-完成PAF特征图制作.mp431.91M
|   |   └──9-网络模型一阶段输出.mp427.54M
|   ├──11-deepsort算法知识点解读
|   |   ├──1-卡尔曼滤波通俗解释.mp431.48M
|   |   ├──10-sort与deepsort建模流程分析.mp426.79M
|   |   ├──11-预测与匹配流程解读.mp426.25M
|   |   ├──12-追踪任务流程拆解.mp432.13M
|   |   ├──2-卡尔曼滤波要完成的任务.mp415.60M
|   |   ├──3-任务本质分析.mp419.07M
|   |   ├──4-基于观测值进行最优估计.mp417.11M
|   |   ├──5-预测与更新操作.mp424.00M
|   |   ├──6-追踪中的状态量.mp416.04M
|   |   ├──7-匈牙利匹配算法概述.mp419.23M
|   |   ├──8-匹配小例子分析.mp421.80M
|   |   └──9-REID特征的作用.mp420.84M
|   ├──12-deepsort源码解读
|   |   ├──1-项目环境配置.mp437.33M
|   |   ├──10-匹配结果与总结.mp476.93M
|   |   ├──2-参数与DEMO演示.mp442.18M
|   |   ├──3-针对检测结果初始化track.mp448.20M
|   |   ├──4-对track执行预测操作.mp438.30M
|   |   ├──5-状态量预测结果.mp436.02M
|   |   ├──6-IOU代价矩阵计算.mp432.89M
|   |   ├──7-参数更新操作.mp450.21M
|   |   ├──8-级联匹配模块.mp443.34M
|   |   └──9-ReID特征代价矩阵计算.mp446.45M
|   ├──13-YOLO-V4版本算法解读
|   |   ├──1-V4版本整体概述.mp415.06M
|   |   ├──10-PAN模块解读.mp420.64M
|   |   ├──11-激活函数与整体架构总结.mp419.19M
|   |   ├──2-V4版本贡献解读.mp410.06M
|   |   ├──3-数据增强策略分析.mp424.70M
|   |   ├──4-DropBlock与标签平滑方法.mp419.36M
|   |   ├──5-损失函数遇到的问题.mp414.26M
|   |   ├──6-CIOU损失函数定义.mp410.82M
|   |   ├──7-NMS细节改进.mp416.66M
|   |   ├──8-SPP与CSP网络结构.mp414.81M
|   |   └──9-SAM注意力机制模块.mp422.48M
|   ├──14-V5版本项目配置
|   |   ├──1-整体项目概述.mp435.77M
|   |   ├──2-训练自己的数据集方法.mp441.32M
|   |   ├──3-训练数据参数配置.mp451.48M
|   |   └──4-测试DEMO演示.mp450.47M
|   ├──15-V5项目工程源码解读
|   |   ├──1-数据源DEBUG流程解读.mp448.13M
|   |   ├──10-完成配置文件解析任务.mp458.80M
|   |   ├──11-前向传播计算.mp430.80M
|   |   ├──12-BottleneckCSP层计算方法.mp433.82M
|   |   ├──13-1-SPP层计算细节分析.mp429.09M
|   |   ├──14-2-Head层流程解读.mp429.12M
|   |   ├──15-上采样与拼接操作.mp421.48M
|   |   ├──16-输出结果分析.mp441.71M
|   |   ├──17-超参数解读.mp434.94M
|   |   ├──18-命令行参数介绍.mp444.26M
|   |   ├──19-训练流程解读.mp446.81M
|   |   ├──2-图像数据源配置.mp434.65M
|   |   ├──20-各种训练策略概述.mp438.43M
|   |   ├──21-模型迭代过程.mp438.42M
|   |   ├──3-加载标签数据.mp426.33M
|   |   ├──4-Mosaic数据增强方法.mp428.19M
|   |   ├──5-数据四合一方法与流程演示.mp441.69M
|   |   ├──6-getItem构建batch.mp433.03M
|   |   ├──7-网络架构图可视化工具安装.mp434.33M
|   |   ├──8-V5网络配置文件解读.mp435.74M
|   |   └──9-Focus模块流程分析.mp421.93M
|   ├──2-slowfast项目环境配置与配置文件
|   |   ├──1-环境基本配置解读.mp445.35M
|   |   ├──2-目录各文件分析.mp436.84M
|   |   ├──3-配置文件作用解读.mp450.90M
|   |   ├──4-测试DEMO演示.mp466.77M
|   |   ├──5-训练所需标签文件说明.mp448.77M
|   |   ├──6-训练所需视频数据准备.mp447.39M
|   |   ├──7-视频数据集切分操作.mp439.66M
|   |   └──8-完成视频分帧操作.mp432.77M
|   ├──3-slowfast源码详细解读
|   |   ├──1-模型所需配置文件参数读取.mp433.24M
|   |   ├──10-RoiAlign与输出层.mp478.92M
|   |   ├──2-数据处理概述.mp449.72M
|   |   ├──3-dataloader数据遍历方法.mp456.85M
|   |   ├──4-数据与标签读取实例.mp452.22M
|   |   ├──5-图像数据所需预处理方法.mp466.76M
|   |   ├──6-slow与fast分别执行采样操作.mp466.34M
|   |   ├──7-分别计算特征图输出结果.mp456.64M
|   |   ├──8-slow与fast特征图拼接操作.mp449.69M
|   |   └──9-resnetBolock操作.mp453.62M
|   ├──4-基于3D卷积的视频分析与动作识别
|   |   ├──1-3D卷积原理解读.mp420.62M
|   |   ├──2-UCF101动作识别数据集简介.mp451.69M
|   |   ├──3-测试效果与项目配置.mp455.60M
|   |   ├──4-视频数据预处理方法.mp432.25M
|   |   ├──5-数据Batch制作方法.mp446.66M
|   |   ├──6-3D卷积网络所涉及模块.mp437.76M
|   |   └──7-训练网络模型.mp438.81M
|   ├──5-视频异常检测算法与元学习
|   |   ├──1-异常检测要解决的问题与数据集介绍.mp421.49M
|   |   ├──2-基本思想与流程分析.mp424.27M
|   |   ├──3-预测与常见问题.mp426.58M
|   |   ├──4-Meta-Learn要解决的问题.mp420.78M
|   |   ├──5-学习能力与参数定义.mp414.17M
|   |   ├──6-如何找到合适的初始化参数.mp423.36M
|   |   └──7-MAML算法流程解读.mp428.99M
|   ├──6-视频异常检测CVPR2021论文及其源码解读
|   |   ├──1-论文概述与环境配置.mp426.61M
|   |   ├──2-数据集配置与读取.mp438.74M
|   |   ├──3-模型编码与解码结构.mp433.37M
|   |   ├──4-注意力机制模块打造.mp461.12M
|   |   ├──5-损失函数的目的.mp457.97M
|   |   ├──6-特征图生成.mp438.02M
|   |   └──7-MetaLearn与输出.mp429.79M
|   ├──7-基础补充-Resnet模型及其应用实例
|   |   ├──1-医学疾病数据集介绍.mp418.85M
|   |   ├──2-Resnet网络架构原理分析.mp424.81M
|   |   ├──3-dataloader加载数据集.mp464.78M
|   |   ├──4-Resnet网络前向传播.mp435.82M
|   |   ├──5-残差网络的shortcut操作.mp447.34M
|   |   ├──6-特征图升维与降采样操作.mp426.89M
|   |   └──7-网络整体流程与训练演示.mp467.45M
|   ├──8-课程介绍
|   |   └──1-课程介绍.mp427.22M
|   └──9-姿态估计OpenPose系列算法解读
|   |   ├──1-姿态估计要解决的问题分析.mp479.45M
|   |   ├──10-匹配方法解读.mp421.06M
|   |   ├──11-CPM模型特点.mp421.94M
|   |   ├──12-算法流程与总结.mp450.27M
|   |   ├──2-姿态估计应用领域概述.mp420.80M
|   |   ├──3-传统topdown方法的问题.mp437.95M
|   |   ├──4-要解决的两个问题分析.mp410.19M
|   |   ├──5-基于高斯分布预测关键点位置.mp424.83M
|   |   ├──6-各模块输出特征图解读.mp415.58M
|   |   ├──7-PAF向量登场.mp412.59M
|   |   ├──8-PAF标签设计方法.mp425.01M
|   |   └──9-预测时PAF积分计算方法.mp434.91M
├──新版补充资料.rar1.04kb

ssslatfff 发表于 2026-2-9 02:26

666

sjz051 发表于 2026-2-9 07:19

谢谢分享

laoda1229 发表于 2026-2-9 07:42

[百度网盘] GP-人工智能深度学习系统班（第十一期） [复制链接] |主动推送

jsmlbl 发表于 2026-2-9 08:12

人工智能深度学习系统班

dragon_fly 发表于 2026-2-9 08:22

看看是精品

wsx123 发表于 2026-2-9 08:26

1111111111111111111111

yjip267 发表于 2026-2-9 08:32

人工智能深度学习系

beart123456 发表于 2026-2-9 08:33

6666666666666

helloworld6 发表于 2026-2-9 08:48

:)

查看完整版本: GP-人工智能深度学习系统班（第十一期）【VIP】