GP-人工智能深度学习系统班（14期）

冰封的火焰

——/人工智能深度学习系统班（14期）/
├──01-【直播课】直播回放  
|   ├──1.开班典礼：如何学好人工智能学科.mp4  765.16M
|   ├──2.神经网络.mp4  1.17G
|   ├──3.卷积神经网络.mp4  1.22G
|   └──4.transformer解读.mp4  999.13M
├──02-【基础模块】Al课程所需安装软件教程  
|   ├──1.AI课程所需安装软件教程.mp4  16.18M
|   ├──2.Python环境安装和搭建.mp4  48.10M
|   ├──3.Anaconda基础讲解和使用的教程.mp4  44.39M
|   ├──4.PyTorch框架与其他框架区别分析.mp4  39.26M
|   └──5.CPU与GPU版本安装方法解读.mp4  58.20M
├──03-【基础模块】深度学习基础与框架  
|   ├──1.神经网络结构  
|   |   └──神经网络结构.mp4  447.17M
|   ├──2.PyTorch框架必备核心模块解读  
|   |   ├──1-PyTorch实战课程简介.mp4  22.99M
|   |   ├──2-PyTorch框架发展趋势简介.mp4  26.60M
|   |   ├──3-框架安装方法（CPU与GPU版本）.mp4  13.24M
|   |   ├──4-PyTorch基本操作简介.mp4  28.01M
|   |   ├──5-自动求导机制.mp4  33.40M
|   |   ├──6-线性回归DEMO-数据与参数配置.mp4  22.66M
|   |   ├──7-线性回归DEMO-训练回归模型.mp4  39.44M
|   |   ├──8-补充：常见tensor格式.mp4  19.62M
|   |   └──9-补充：Hub模块简介.mp4  53.14M
|   ├──3.神经网络分类任务  
|   |   ├──1-数据集与任务概述.mp4  31.67M
|   |   ├──2-基本模块应用测试.mp4  32.55M
|   |   ├──3-网络结构定义方法.mp4  39.51M
|   |   ├──4-数据源定义简介.mp4  27.19M
|   |   ├──5-损失与训练模块分析.mp4  30.93M
|   |   ├──6-训练一个基本的分类模型.mp4  33.85M
|   |   └──7-参数对结果的影响.mp4  40.80M
|   ├──4.神经网络回归：气温预测  
|   |   └──神经网络回归任务-气温预测.mp4  136.41M
|   └──5.Pycharm环境配置与Debug演示  
|   |   └──Pycharm环境配置与Debug演示(没用过的同学必看).mp4  125.39M
├──04-【基础模块】深度学习核心算法与实践  
|   ├──1.卷积神经网络深度解析  
|   |   └──卷积神经网络.mp4  1.33G
|   ├──2.卷积网络参数分析与优化  
|   |   ├──1-输入特征通道分析.mp4  28.28M
|   |   ├──2-卷积网络参数解读.mp4  20.91M
|   |   └──3-卷积网络模型训练.mp4  37.94M
|   ├──3.ResNet模型及其应用  
|   |   ├──1-医学疾病数据集介绍.mp4  18.87M
|   |   ├──2-Resnet网络架构原理分析.mp4  24.84M
|   |   ├──3-dataloader加载数据集.mp4  64.82M
|   |   ├──4-Resnet网络前向传播.mp4  35.84M
|   |   ├──5-残差网络的shortcut操作.mp4  47.37M
|   |   ├──6-特征图升维与降采样操作.mp4  26.91M
|   |   └──7-网络整体流程与训练演示.mp4  67.49M
|   ├──4.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.mp4  27.24M
|   |   ├──10-测试结果演示分析.mp4  86.64M
|   |   ├──2-数据增强模块.mp4  26.96M
|   |   ├──3-数据集与模型选择.mp4  28.64M
|   |   ├──4-迁移学习方法解读.mp4  30.59M
|   |   ├──5-输出层与梯度设置.mp4  36.50M
|   |   ├──6-输出类别个数修改.mp4  31.91M
|   |   ├──7-优化器与学习率衰减.mp4  32.95M
|   |   ├──8-模型训练方法.mp4  35.68M
|   |   └──9-重新训练全部模型.mp4  32.51M
|   ├──5.DataLoader自定义数据集制作  
|   |   ├──1-Dataloader要完成的任务分析.mp4  24.34M
|   |   ├──2-图像数据与标签路径处理.mp4  30.10M
|   |   ├──3-Dataloader中需要实现的方法分析.mp4  32.94M
|   |   └──4-实用Dataloader加载数据并训练模型.mp4  38.41M
|   ├──6.RNN网络架构  
|   |   └──RNN网络架构.mp4  29.37M
|   ├──7.LSTM网络架构  
|   |   └──LSTM网络架构.mp4  17.87M
|   ├──8.LSTM文本分类  
|   |   ├──1-数据集与任务目标分析.mp4  52.81M
|   |   ├──2-文本数据处理基本流程分析.mp4  55.97M
|   |   ├──3-命令行参数与DEBUG.mp4  36.52M
|   |   ├──4-训练模型所需基本配置参数分析.mp4  40.92M
|   |   ├──5-预料表与字符切分.mp4  31.98M
|   |   ├──6-字符预处理转换ID.mp4  34.37M
|   |   ├──7-LSTM网络结构基本定义.mp4  34.73M
|   |   ├──8-网络模型预测结果输出.mp4  39.11M
|   |   └──9-模型训练任务与总结.mp4  45.16M
|   └──9.Transformer基础  
|   |   ├──1-Transformer.mp4  557.23M
|   |   ├──2-transformer-VIT源码解读.mp4  1.28G
|   |   └──3-GITHUB开源项目使用方法.mp4  407.21M
├──05-【方向A：CV方向】图像处理基础  
|   ├──1.课程介绍与环境配置  
|   |   ├──1-课程简介.mp4  5.37M
|   |   ├──2-Python与Opencv配置安装.mp4  23.89M
|   |   └──3-Notebook与IDE环境.mp4  53.16M
|   ├──10.OpenCV项目实战-停车场车位识别  
|   |   ├──1-任务整体流程.mp4  71.42M
|   |   ├──2-所需数据介绍.mp4  34.33M
|   |   ├──3-图像数据预处理.mp4  56.78M
|   |   ├──4-车位直线检测.mp4  61.48M
|   |   ├──5-按列划分区域.mp4  54.71M
|   |   ├──6-车位区域划分.mp4  57.37M
|   |   ├──7-识别模型构建.mp4  41.21M
|   |   └──8-基于视频的车位检测.mp4  135.64M
|   ├──11.OpenCV项目实战-答题卡识别判卷  
|   |   ├──1-整体流程与效果概述.mp4  29.52M
|   |   ├──2-预处理操作.mp4  24.10M
|   |   ├──3-填涂轮廓检测.mp4  25.69M
|   |   └──4-选项判断识别.mp4  57.16M
|   ├──12.OpenCV项目实战-目标追踪  
|   |   ├──1-目标追踪概述.mp4  49.79M
|   |   ├──2-多目标追踪实战.mp4  34.65M
|   |   ├──3-深度学习检测框架加载.mp4  43.66M
|   |   ├──4-基于dlib与ssd的追踪.mp4  73.07M
|   |   ├──5-多进程目标追踪.mp4  25.74M
|   |   └──6-多进程效率提升对比.mp4  78.16M
|   ├──13.OpenCV项目实战-疲劳检测  
|   |   ├──1-关键点定位概述.mp4  28.48M
|   |   ├──2-获取人脸关键点.mp4  36.10M
|   |   ├──3-定位效果演示.mp4  45.46M
|   |   ├──4-闭眼检测.mp4  71.10M
|   |   └──5-检测效果.mp4  40.63M
|   ├──2.OpenCV图像常⽤处理⽅法实例  
|   |   ├──1-计算机眼中的图像.mp4  21.39M
|   |   ├──10-膨胀操作.mp4  12.26M
|   |   ├──11-开运算与闭运算.mp4  9.33M
|   |   ├──12-梯度计算.mp4  7.86M
|   |   ├──13-礼帽与黑帽.mp4  15.89M
|   |   ├──2-视频的读取与处理.mp4  23.99M
|   |   ├──3-ROI区域.mp4  10.13M
|   |   ├──4-边界填充.mp4  15.70M
|   |   ├──5-数值计算.mp4  23.48M
|   |   ├──6-图像阈值.mp4  30.88M
|   |   ├──7-图像平滑处理.mp4  24.79M
|   |   ├──8-高斯与中值滤波.mp4  20.63M
|   |   └──9-腐蚀操作.mp4  21.02M
|   ├──3.OpenCV梯度计算与边缘检测实例  
|   |   ├──1-Canny边缘检测流程.mp4  18.99M
|   |   ├──2-非极大值抑制.mp4  18.34M
|   |   ├──3-边缘检测效果.mp4  36.66M
|   |   ├──4-Sobel算子.mp4  27.04M
|   |   ├──5-梯度计算方法.mp4  30.32M
|   |   └──6-scharr与lapkacian算子.mp4  27.41M
|   ├──4.OpenCV轮廓检测与直⽅图  
|   |   ├──1-图像金字塔定义.mp4  19.70M
|   |   ├──10-均衡化效果.mp4  27.24M
|   |   ├──11-傅里叶概述.mp4  22.29M
|   |   ├──12-频域变换结果.mp4  17.35M
|   |   ├──13-低通与高通滤波.mp4  21.42M
|   |   ├──2-金字塔制作方法.mp4  25.50M
|   |   ├──3-轮廓检测方法.mp4  19.39M
|   |   ├──4-轮廓检测结果.mp4  34.46M
|   |   ├──5-轮廓特征与近似.mp4  37.67M
|   |   ├──6-模板匹配方法.mp4  47.49M
|   |   ├──7-匹配效果展示.mp4  21.22M
|   |   ├──8-直方图定义.mp4  23.66M
|   |   └──9-均衡化原理.mp4  31.39M
|   ├──5.OpenCV角点检测  
|   |   ├──1-角点检测基本原理.mp4  15.55M
|   |   ├──2-基本数学原理.mp4  30.61M
|   |   ├──3-求解化简.mp4  31.83M
|   |   ├──4-特征归属划分.mp4  43.27M
|   |   └──5-opencv角点检测效果.mp4  31.06M
|   ├──6.OpenCV尺度空间  
|   |   ├──1-尺度空间定义.mp4  20.06M
|   |   ├──2-高斯差分金字塔.mp4  21.70M
|   |   ├──3-特征关键点定位.mp4  48.20M
|   |   ├──4-生成特征描述.mp4  24.68M
|   |   ├──5-特征向量生成.mp4  43.77M
|   |   └──6-opencv中sift函数使用.mp4  28.83M
|   ├──7.OpenCV高级图像处理技术  
|   |   ├──1-特征匹配方法.mp4  28.59M
|   |   ├──10-Lucas-Kanade算法.mp4  19.70M
|   |   ├──11-推导求解.mp4  25.97M
|   |   ├──12-光流估计实战.mp4  64.27M
|   |   ├──13-dnn模块.mp4  28.62M
|   |   ├──14-模型加载结果输出.mp4  40.53M
|   |   ├──2-RANSAC算法.mp4  34.53M
|   |   ├──3-图像拼接方法.mp4  44.96M
|   |   ├──4-流程解读.mp4  21.67M
|   |   ├──5-背景消除-帧差法.mp4  20.82M
|   |   ├──6-混合高斯模型.mp4  26.41M
|   |   ├──7-学习步骤.mp4  31.78M
|   |   ├──8-背景建模实战.mp4  51.19M
|   |   └──9-基本概念.mp4  20.23M
|   ├──8.OpenCV项目实战-信用卡数字识别  
|   |   ├──1-总体流程与方法讲解.mp4  20.65M
|   |   ├──2-环境配置与预处理.mp4  34.88M
|   |   ├──3-模板处理方法.mp4  23.71M
|   |   ├──4-输入数据处理方法.mp4  28.92M
|   |   └──5-模板匹配得出识别结果.mp4  47.76M
|   └──9.OpenCV项目实战-文档扫描OCR识别  
|   |   ├──1-整体流程演示.mp4  21.52M
|   |   ├──2-文档轮廓提取.mp4  27.84M
|   |   ├──3-原始与变换坐标计算.mp4  26.26M
|   |   ├──4-透视变换结果.mp4  32.90M
|   |   ├──5-tesseract-ocr安装配置.mp4  41.26M
|   |   └──6-文档扫描识别效果.mp4  28.88M
├──06-【方向A：CV方向】目标检测算法  
|   ├──1.物体检测评估指标  
|   |   └──物体检测评估指标.mp4  84.11M
|   ├──10.YOLOv7检测算法深度解析  
|   |   ├──1-YOLO系列（V7）算法解读.mp4  259.63M
|   |   ├──10-得到偏移点所在网格位置.mp4  42.85M
|   |   ├──11-完成BuildTargets模块.mp4  51.40M
|   |   ├──12-候选框筛选流程分析.mp4  31.75M
|   |   ├──13-预测值各项指标获取与调整.mp4  47.03M
|   |   ├──14-GT匹配正样本数量计算.mp4  42.07M
|   |   ├──15-通过IOU与置信度分配正样本.mp4  60.44M
|   |   ├──16-损失函数计算方法.mp4  46.08M
|   |   ├──17-辅助头AUX网络结构配置文件解析.mp4  31.05M
|   |   ├──18-辅助头损失函数调整.mp4  39.28M
|   |   ├──19-BN与卷积权重参数融合方法.mp4  53.77M
|   |   ├──2-命令行参数介绍.mp4  25.02M
|   |   ├──20-重参数化多分支合并加速.mp4  43.19M
|   |   ├──3-基本参数作用.mp4  40.80M
|   |   ├──4-EMA等训练技巧解读.mp4  49.31M
|   |   ├──5-网络结构配置文件解读.mp4  36.94M
|   |   ├──6-各模块操作细节分析.mp4  49.07M
|   |   ├──7-输出层与配置文件其他模块解读.mp4  60.88M
|   |   ├──8-标签分配策略准备操作.mp4  34.72M
|   |   └──9-候选框偏移方法与find3p模块解读.mp4  33.70M
|   ├──11.YOLOv8检测算法深度解析  
|   |   └──YOLO V8.mp4  250.98M
|   ├──12.YOLOv9检测算法深度解析  
|   |   └──YOLO V9.mp4  1.42G
|   ├──13.YOLO-World 检测算法  
|   |   └──YOLO-World.mp4  1.55G
|   ├──14.YOLOv12与YOLOv13最新检测算法  
|   |   └──YOLO V12与YOLO V13.mp4  1.48G
|   ├──2.YOLO系列大串讲(可刷这个快速过)  
|   |   └──YOLO系列大串讲(可刷这个快速过).mp4  955.55M
|   ├──3.经典物体检测算法  
|   |   ├──1-半监督物体检测.mp4  362.59M
|   |   ├──2-EfficientNet网络模型.mp4  538.91M
|   |   └──3-EfficientDet检测算法.mp4  448.01M
|   ├──4.YOLOv1检测算法深度解析  
|   |   ├──1-YOLO算法整体思路解读.mp4  14.68M
|   |   ├──2-检测算法要得到的结果.mp4  13.65M
|   |   ├──3-整体网络架构解读.mp4  30.71M
|   |   ├──4-位置损失计算.mp4  19.00M
|   |   └──5-置信度误差与优缺点分析.mp4  26.90M
|   ├──5.YOLOv2检测算法深度解析  
|   |   ├──1-V2版本细节升级概述.mp4  13.38M
|   |   ├──2-网络结构特点.mp4  15.72M
|   |   ├──3-架构细节解读.mp4  18.94M
|   |   ├──4-基于聚类来选择先验框尺寸.mp4  24.27M
|   |   ├──5-偏移量计算方法.mp4  27.58M
|   |   ├──6-坐标映射与还原.mp4  10.09M
|   |   ├──7-感受野的作用.mp4  28.15M
|   |   └──8-特征融合改进.mp4  19.23M
|   ├──6.YOLOv3检测算法深度解析  
|   |   ├──1-V3版本改进概述.mp4  18.30M
|   |   ├──10-COCO图像数据读取与处理.mp4  42.54M
|   |   ├──11-标签文件读取与处理.mp4  27.50M
|   |   ├──12-debug模式介绍.mp4  27.27M
|   |   ├──13-基于配置文件构建网络模型.mp4  42.07M
|   |   ├──14-路由层与shortcut层的作用.mp4  33.75M
|   |   ├──15-YOLO层定义解析.mp4  61.12M
|   |   ├──16-预测结果计算.mp4  46.04M
|   |   ├──17-网格偏移计算.mp4  33.95M
|   |   ├──18-模型要计算的损失概述.mp4  23.16M
|   |   ├──19-标签值格式修改.mp4  28.29M
|   |   ├──2-多scale方法改进与特征融合.mp4  17.10M
|   |   ├──20-坐标相对位置计算.mp4  32.83M
|   |   ├──21-完成所有损失函数所需计算指标.mp4  35.35M
|   |   ├──22-模型训练与总结.mp4  72.96M
|   |   ├──23-预测效果展示.mp4  34.53M
|   |   ├──3-经典变换方法对比分析.mp4  10.85M
|   |   ├──4-残差连接方法解读.mp4  18.67M
|   |   ├──5-整体网络模型架构分析.mp4  12.95M
|   |   ├──6-先验框设计改进.mp4  13.06M
|   |   ├──7-sotfmax层改进.mp4  10.62M
|   |   ├──8-数据与环境配置.mp4  65.57M
|   |   └──9-训练参数设置.mp4  23.87M
|   ├──7.YOLO模型数据标注与训练  
|   |   ├──1-Labelme工具安装.mp4  14.30M
|   |   ├──2-数据信息标注.mp4  32.11M
|   |   ├──3-完成标签制作.mp4  31.77M
|   |   ├──4-生成模型所需配置文件.mp4  36.74M
|   |   ├──5-json格式转换成yolo-v3所需输入.mp4  20.98M
|   |   ├──6-完成输入数据准备工作.mp4  40.13M
|   |   ├──7-训练代码与参数配置更改.mp4  44.33M
|   |   └──8-训练模型并测试效果.mp4  38.52M
|   ├──8.YOLOv4版本算法解读  
|   |   ├──1-V4版本整体概述.mp4  15.08M
|   |   ├──10-PAN模块解读.mp4  20.67M
|   |   ├──11-激活函数与整体架构总结.mp4  19.21M
|   |   ├──2-V4版本贡献解读.mp4  10.07M
|   |   ├──3-数据增强策略分析.mp4  24.73M
|   |   ├──4-DropBlock与标签平滑方法.mp4  19.39M
|   |   ├──5-损失函数遇到的问题.mp4  14.28M
|   |   ├──6-CIOU损失函数定义.mp4  10.84M
|   |   ├──7-NMS细节改进.mp4  16.68M
|   |   ├──8-SPP与CSP网络结构.mp4  14.84M
|   |   └──9-SAM注意力机制模块.mp4  22.51M
|   └──9.YOLOv5检测算法深度解析  
|   |   ├──1-整体项目概述.mp4  15.15M
|   |   ├──10-getItem构建batch.mp4  33.06M
|   |   ├──11-网络架构图可视化工具安装.mp4  23.35M
|   |   ├──12-V5网络配置文件解读.mp4  23.35M
|   |   ├──13-Focus模块流程分析.mp4  14.14M
|   |   ├──14-完成配置文件解析任务.mp4  58.84M
|   |   ├──15-前向传播计算.mp4  30.82M
|   |   ├──16-BottleneckCSP层计算方法.mp4  33.84M
|   |   ├──17-SPP层计算细节分析.mp4  29.19M
|   |   ├──18-Head层流程解读.mp4  29.12M
|   |   ├──19-上采样与拼接操作.mp4  21.49M
|   |   ├──2-训练自己的数据集方法.mp4  21.58M
|   |   ├──20-输出结果分析.mp4  41.74M
|   |   ├──21-超参数解读.mp4  34.96M
|   |   ├──22-命令行参数介绍.mp4  44.28M
|   |   ├──23-训练流程解读.mp4  46.85M
|   |   ├──24-各种训练策略概述.mp4  38.46M
|   |   ├──25-模型迭代过程.mp4  38.44M
|   |   ├──3-训练数据参数配置.mp4  29.67M
|   |   ├──4-测试DEMO演示.mp4  21.52M
|   |   ├──5-数据源DEBUG流程解读.mp4  48.16M
|   |   ├──6-图像数据源配置.mp4  34.68M
|   |   ├──7-加载标签数据.mp4  26.36M
|   |   ├──8-Mosaic数据增强方法.mp4  28.21M
|   |   └──9-数据四合一方法与流程演示.mp4  41.72M
├──07-【方向A：CV方向】图像分割算法  
|   ├──1.图像分割与损失函数  
|   |   ├──1-语义分割与实例分割概述.mp4  20.27M
|   |   ├──2-分割任务中的目标函数定义.mp4  20.02M
|   |   └──3-MIOU评估标准.mp4  9.04M
|   ├──10.Mask R-CNN 训练自己的数据与任务  
|   |   ├──1-Labelme工具安装.mp4  9.23M
|   |   ├──2-使用labelme进行数据与标签标注.mp4  26.32M
|   |   ├──3-完成训练数据准备工作.mp4  26.64M
|   |   ├──4-maskrcnn源码修改方法.mp4  63.60M
|   |   ├──5-基于标注数据训练所需任务.mp4  39.75M
|   |   └──6-测试与展示模块.mp4  38.63M
|   ├──11.SAM 图像分割算法  
|   |   ├──1-DEMO效果演示.mp4  57.83M
|   |   ├──2-论文解读分析.mp4  74.48M
|   |   ├──3-完成的任务分析.mp4  31.21M
|   |   ├──4-数据闭环方法.mp4  45.68M
|   |   ├──5-预训练模型的作用.mp4  95.29M
|   |   ├──6-Decoder的作用与项目源码.mp4  48.97M
|   |   ├──7-分割任务模块设计.mp4  40.67M
|   |   ├──8-实现细节分析.mp4  27.76M
|   |   └──9-总结分析.mp4  32.19M
|   ├──12.SAM2视频分割  
|   |   └──SAM2视频分割.mp4  1.28G
|   ├──13.EfficientSam分割算法  
|   |   └──EfficientSam.mp4  1.37G
|   ├──14.遥感图像处理与高光谱图像智能解译  
|   |   └──遥感图像处理与高光谱图像智能解译.mp4  1.46G
|   ├──2.Unet系列算法  
|   |   ├──1-Unet网络编码与解码过程.mp4  18.32M
|   |   ├──2-网络计算流程.mp4  16.16M
|   |   ├──3-Unet升级版本改进.mp4  15.77M
|   |   └──4-后续升级版本介绍.mp4  18.40M
|   ├──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.mp4  71.23M
|   |   ├──2-数据增强工具.mp4  61.50M
|   |   ├──3-Debug模式演示网络计算流程.mp4  41.39M
|   |   ├──4-特征融合方法演示.mp4  30.07M
|   |   ├──5-迭代完成整个模型计算任务.mp4  33.58M
|   |   └──6-模型效果验证.mp4  47.31M
|   ├──4.U2NET显著性检测实战  
|   |   ├──1-任务目标与网络整体介绍.mp4  58.70M
|   |   ├──2-显著性检测任务与目标概述.mp4  53.98M
|   |   ├──3-编码器模块解读.mp4  43.69M
|   |   ├──4-解码器输出结果.mp4  27.93M
|   |   └──5-损失函数与应用效果.mp4  34.37M
|   ├──5.DeepLab 语义分割算法  
|   |   ├──1-deeplab分割算法概述.mp4  13.83M
|   |   ├──2-空洞卷积的作用.mp4  16.76M
|   |   ├──3-感受野的意义.mp4  19.40M
|   |   ├──4-SPP层的作用.mp4  19.05M
|   |   ├──5-ASPP特征融合策略.mp4  13.47M
|   |   └──6-deeplabV3Plus版本网络架构.mp4  24.11M
|   ├──6.基于deeplabV3+版本进⾏VOC分割实战  
|   |   ├──1-PascalVoc数据集介绍.mp4  70.16M
|   |   ├──2-项目参数与数据集读取.mp4  60.36M
|   |   ├──3-网络前向传播流程.mp4  33.12M
|   |   ├──4-ASPP层特征融合.mp4  51.23M
|   |   └──5-分割模型训练.mp4  34.99M
|   ├──7.基于deeplabV3⼼脏视频数据集分割建模实战  
|   |   ├──1-数据集与任务概述.mp4  45.58M
|   |   ├──2-项目基本配置参数.mp4  33.34M
|   |   ├──3-任务流程解读.mp4  69.15M
|   |   ├──4-文献报告分析.mp4  122.70M
|   |   ├──5-补充：视频数据源特征处理方法概述.mp4  26.36M
|   |   └──6-补充：R(2plus1)D处理方法分析.mp4  18.90M
|   ├──8.Mask R-CNN 实例分割算法  
|   |   ├──1-Mask-Rcnn开源项目简介.mp4  88.18M
|   |   ├──2-开源项目数据集.mp4  42.48M
|   |   └──3-开源项目数据集.mp4  97.85M
|   └──9.MaskRcnn网络框架源码详解  
|   |   ├──1-FPN层特征提取原理解读.mp4  42.36M
|   |   ├──10-RoiPooling层的作用与目的.mp4  33.48M
|   |   ├──11-RorAlign操作的效果.mp4  25.73M
|   |   ├──12-整体框架回顾.mp4  28.89M
|   |   ├──2-FPN网络架构实现解读.mp4  55.81M
|   |   ├──3-生成框比例设置.mp4  28.27M
|   |   ├──4-基于不同尺度特征图生成所有框.mp4  32.96M
|   |   ├──5-RPN层的作用与实现解读.mp4  30.93M
|   |   ├──6-候选框过滤方法.mp4  15.61M
|   |   ├──7-Proposal层实现方法.mp4  33.34M
|   |   ├──8-DetectionTarget层的作用.mp4  25.72M
|   |   └──9-正负样本选择与标签定义.mp4  27.61M
├──08-【方向A：CV方向】MMLAB框架与数据集制作实战  
|   ├──1.MMCV安装方法  
|   |   └──MMCV安装方法.mp4  55.75M
|   ├──2.分类任务操作（分类）  
|   |   ├──1-MMCLS问题修正.mp4  23.50M
|   |   ├──2-准备MMCLS项目.mp4  20.84M
|   |   ├──3-基本参数配置解读.mp4  34.52M
|   |   ├──4-各模块配置文件组成.mp4  35.81M
|   |   ├──5-生成完整配置文件.mp4  24.45M
|   |   ├──6-根据文件夹定义数据集.mp4  40.27M
|   |   ├──7-构建自己的数据集.mp4  36.33M
|   |   └──8-训练自己的任务.mp4  39.32M
|   ├──3.训练结果测试与验证（分类）  
|   |   ├──1-测试DEMO效果.mp4  25.49M
|   |   ├──2-测试评估模型效果.mp4  27.58M
|   |   ├──3-MMCLS中增加一个新的模块.mp4  62.61M
|   |   ├──4-修改配置文件中的参数.mp4  41.80M
|   |   ├──5-数据增强流程可视化展示.mp4  37.40M
|   |   ├──6-Grad-Cam可视化方法.mp4  41.17M
|   |   ├──7-可视化细节与效果分析.mp4  124.19M
|   |   ├──8-MMCLS可视化模块应用.mp4  72.07M
|   |   └──9-模型分析脚本使用.mp4  36.37M
|   ├──4.模型源码调试（分类）  
|   |   ├──1-VIT任务概述.mp4  29.96M
|   |   ├──2-数据增强模块概述分析.mp4  49.58M
|   |   ├──3-PatchEmbedding层.mp4  25.30M
|   |   ├──4-前向传播基本模块.mp4  38.87M
|   |   └──5-CLS与输出模块.mp4  44.04M
|   ├──5.分割模块自定义数据集训练（分割）  
|   |   ├──1-项目配置基本介绍.mp4  35.78M
|   |   ├──2-数据集标注与制作方法.mp4  56.84M
|   |   ├──3-根据预测类别数修改配置文件.mp4  39.48M
|   |   ├──4-加载预训练模型开始训练.mp4  86.52M
|   |   └──5-预测DEMO演示.mp4  21.88M
|   ├──6.Unet策略修改（分割）  
|   |   ├──1-配置文件解读.mp4  32.12M
|   |   ├──2-编码层模块.mp4  32.47M
|   |   ├──3-上采样与输出层.mp4  28.25M
|   |   ├──4-辅助层的作用.mp4  19.83M
|   |   ├──5-给Unet添加一个neck层.mp4  30.37M
|   |   ├──6-如何修改参数适配网络结构.mp4  21.73M
|   |   ├──7-将Unet特征提取模块替换成transformer.mp4  22.41M
|   |   └──8-VIT模块源码分析.mp4  45.48M
|   ├──7.分割任务CVPR最新Backbone设计及其应用（分割）  
|   |   ├──1-注册自己的Backbone模块.mp4  34.30M
|   |   ├──10-汇总多层级特征进行输出.mp4  43.35M
|   |   ├──2-配置文件指定.mp4  35.84M
|   |   ├──3-DEBUG解读Backbone设计.mp4  40.45M
|   |   ├──4-PatchEmbedding的作用与实现.mp4  44.88M
|   |   ├──5-卷积位置编码计算方法.mp4  53.89M
|   |   ├──6-近似Attention模块实现.mp4  79.49M
|   |   ├──7-完成特征提取与融合模块.mp4  55.69M
|   |   ├──8-分割输出模块.mp4  57.72M
|   |   └──9-全局特征的作用与实现.mp4  56.34M
|   ├──8.MMDetection自定义数据训练（检测）  
|   |   ├──1-数据集标注与标签获取.mp4  23.13M
|   |   ├──2-COCO数据标注格式.mp4  22.21M
|   |   ├──3-通过脚本生成COCO数据格式.mp4  23.90M
|   |   ├──4-配置文件数据增强策略分析.mp4  34.27M
|   |   ├──5-训练所需配置说明.mp4  38.00M
|   |   ├──6-模型训练与DEMO演示.mp4  25.42M
|   |   ├──7-模型测试与可视化分析模块.mp4  51.07M
|   |   └──8-补充：评估指标.mp4  9.95M
|   └──9. MMAction自定义数据训练（行为识别）  
|   |   └──创建自己的行为识别标注数据集.mp4  232.73M
├──09-【方向A：CV方向】Transformer与视觉应用  
|   ├──1.Vision Transformer算法原理解析  
|   |   └──Transformer算法解读.mp4  457.51M
|   ├──10.Deformable DETR 检测算法解析  
|   |   └──DeformableDetr算法解读.mp4  730.35M
|   ├──11.Deformable DETR 算法源码解读  
|   |   ├──1-特征提取与位置编码.mp4  30.17M
|   |   ├──10-分类与回归输出模块.mp4  33.10M
|   |   ├──11-预测输出结果与标签匹配模块.mp4  33.76M
|   |   ├──2-序列特征展开并叠加.mp4  51.07M
|   |   ├──3-得到相对位置点编码.mp4  21.46M
|   |   ├──4-准备Encoder编码层所需全部输入.mp4  27.92M
|   |   ├──5-编码层中的序列分析.mp4  29.75M
|   |   ├──6-偏移量offset计算.mp4  31.71M
|   |   ├──7-偏移量对齐操作.mp4  27.30M
|   |   ├──8-Encoder层完成特征对齐.mp4  37.37M
|   |   └──9-Decoder要完成的操作.mp4  29.60M
|   ├──12.MedicalTransformer 分割算法解析  
|   |   ├──1-论文整体分析.mp4  16.99M
|   |   ├──2-核心思想分析.mp4  34.41M
|   |   ├──3-网络结构计算流程概述.mp4  25.34M
|   |   ├──4-论文公式计算分析.mp4  27.36M
|   |   ├──5-位置编码的作用与效果.mp4  31.95M
|   |   └──6-拓展应用分析.mp4  34.07M
|   ├──13.MedicalTransformer 算法源码解读  
|   |   ├──1-项目环境配置.mp4  25.29M
|   |   ├──2-医学数据介绍与分析.mp4  56.68M
|   |   ├──3-基本处理操作.mp4  25.77M
|   |   ├──4-AxialAttention实现过程.mp4  36.87M
|   |   ├──5-位置编码向量解读.mp4  27.80M
|   |   ├──6-注意力计算过程与方法.mp4  52.13M
|   |   └──7-局部特征提取与计算.mp4  40.92M
|   ├──14.Maskformer 分割算法源码解读  
|   |   └──分割模型Maskformer系列.mp4  408.46M
|   ├──15.Mask2former 分割算法码解读  
|   |   ├──1-Backbone获取多层级特征.mp4  25.81M
|   |   ├──10-正样本筛选损失计算.mp4  30.22M
|   |   ├──11-标签分类匹配结果分析.mp4  46.57M
|   |   ├──12-最终损失计算流程.mp4  36.94M
|   |   ├──13-汇总所有损失完成迭代.mp4  26.17M
|   |   ├──2-多层级采样点初始化构建.mp4  31.30M
|   |   ├──3-多层级输入特征序列创建方法.mp4  30.53M
|   |   ├──4-偏移量与权重计算并转换.mp4  36.58M
|   |   ├──5-Encoder特征构建方法实例.mp4  38.08M
|   |   ├──6-query要预测的任务解读.mp4  34.61M
|   |   ├──7-Decoder中的AttentionMask方法.mp4  37.86M
|   |   ├──8-损失模块输入参数分析.mp4  28.09M
|   |   └──9-标签分配策略解读.mp4  29.95M
|   ├──16.BEVFormer 3D检测算法解析  
|   |   └──BEV特征空间.mp4  339.53M
|   ├──17.BEVFormer 算法源码解读  
|   |   ├──1-环境配置方法解读.mp4  42.79M
|   |   ├──10-获取当前BEV特征.mp4  35.90M
|   |   ├──11-Decoder级联校正模块.mp4  41.58M
|   |   ├──12-损失函数与预测可视化.mp4  49.48M
|   |   ├──2-数据集下载与配置方法.mp4  53.57M
|   |   ├──3-特征提取以及BEV空间初始化.mp4  43.81M
|   |   ├──4-特征对齐与位置编码初始化.mp4  43.63M
|   |   ├──5-Reference初始点构建.mp4  37.26M
|   |   ├──6-BEV空间与图像空间位置对应.mp4  37.67M
|   |   ├──7-注意力机制模块计算方法.mp4  38.61M
|   |   ├──8-BEV空间特征构建.mp4  34.01M
|   |   └──9-Decoder要完成的任务分析.mp4  33.95M
|   ├──18.LoFTR特征匹配算法  
|   |   ├──1-特征匹配的应用场景.mp4  21.09M
|   |   ├──10-总结分析.mp4  39.42M
|   |   ├──2-特征匹配的基本流程分析.mp4  15.91M
|   |   ├──3-整体流程梳理分析.mp4  16.46M
|   |   ├──4-CrossAttention的作用与效果.mp4  15.69M
|   |   ├──5-transformer构建匹配特征.mp4  33.79M
|   |   ├──6-粗粒度匹配过程与作用.mp4  28.85M
|   |   ├──7-特征图拆解操作.mp4  14.34M
|   |   ├──8-细粒度匹配的作用与方法.mp4  19.87M
|   |   └──9-基于期望预测最终位置.mp4  23.08M
|   ├──2.Vision Transformer算法源码解读  
|   |   └──视觉Transformer及其源码分析.mp4  903.08M
|   ├──3.视觉自监督BEIT算法解读  
|   |   ├──1-建模流程分析与效果展示.mp4  101.08M
|   |   ├──2-codebook模块的作用.mp4  81.31M
|   |   └──3-任务总结分析.mp4  114.38M
|   ├──4.视觉自监督任务BEITv2论文解读  
|   |   ├──1-BEITV2版本论文出发点解读.mp4  48.00M
|   |   ├──2-自监督任务中两大核心任务分析.mp4  56.24M
|   |   ├──3-整体网络架构图分析.mp4  43.98M
|   |   ├──4-框架实现细节流程分析.mp4  21.84M
|   |   └──5-论文细节模块实现解读.mp4  99.31M
|   ├──5.视觉自监督任务BEITv2源码解读  
|   |   ├──1-mmselfup源码实现解读.mp4  42.02M
|   |   ├──2-网络结构搭建细节解读.mp4  49.16M
|   |   └──3-源码实现流程总结.mp4  45.78M
|   ├──6.SwinTransformer算法原理解析  
|   |   ├──1-swintransformer整体概述.mp4  14.76M
|   |   ├──10-分层计算方法.mp4  21.71M
|   |   ├──2-要解决的问题及其优势分析.mp4  22.33M
|   |   ├──3-一个block要完成的任务.mp4  17.36M
|   |   ├──4-获取各窗口输入特征.mp4  18.99M
|   |   ├──5-基于窗口的注意力机制解读.mp4  29.53M
|   |   ├──6-窗口偏移操作的实现.mp4  24.27M
|   |   ├──7-偏移细节分析及其计算量概述.mp4  20.41M
|   |   ├──8-整体网络架构整合.mp4  20.88M
|   |   └──9-下采样操作实现方法.mp4  22.24M
|   ├──7.SwinTransformer算法源码解读  
|   |   ├──1-数据与环境配置解读.mp4  59.59M
|   |   ├──2-图像数据patch编码.mp4  37.62M
|   |   ├──3-数据按window进行划分计算.mp4  31.46M
|   |   ├──4-基础attention计算模块.mp4  27.58M
|   |   ├──5-窗口位移模块细节分析.mp4  36.81M
|   |   ├──6-patchmerge下采样操作.mp4  25.24M
|   |   ├──7-各block计算方法解读.mp4  27.91M
|   |   └──8-输出层概述.mp4  41.11M
|   ├──8.DETR目标检测算法解析  
|   |   ├──1-DETR目标检测基本思想解读.mp4  19.35M
|   |   ├──2-整体网络架构分析.mp4  31.64M
|   |   ├──3-位置信息初始化query向量.mp4  19.97M
|   |   ├──4-注意力机制的作用方法.mp4  20.85M
|   |   └──5-训练过程的策略.mp4  28.41M
|   └──9.DETR目标检测源码解读  
|   |   ├──1-项目环境配置解读.mp4  40.42M
|   |   ├──2-数据处理与dataloader.mp4  64.11M
|   |   ├──3-位置编码作用分析.mp4  47.95M
|   |   ├──4-backbone特征提取模块.mp4  35.62M
|   |   ├──5-mask与编码模块.mp4  34.75M
|   |   ├──6-编码层作用方法.mp4  42.86M
|   |   ├──7-Decoder层操作与计算.mp4  30.15M
|   |   ├──8-输出预测结果.mp4  41.28M
|   |   └──9-损失函数与预测输出.mp4  41.18M
├──10-【方向A：CV方向】生成模型与图像生成技术  
|   ├──1.生成对抗网络架构原理  
|   |   ├──1-对抗生成网络通俗解释.mp4  18.42M
|   |   ├──2-GAN网络组成.mp4  10.75M
|   |   ├──3-损失函数解释说明.mp4  39.92M
|   |   ├──4-数据读取模块.mp4  29.96M
|   |   └──5-生成与判别网络定义.mp4  44.27M
|   ├──10.Diffusion模型架构  
|   ├──11.DALL-E 2论文解析  
|   ├──12.DALL-E 2源码解读  
|   ├──13.视频超分辨率重构  
|   ├──2.基于 GAN 的图像补全实战  
|   |   ├──1-论文概述.mp4  75.12M
|   |   ├──2-网络架构.mp4  30.79M
|   |   ├──3-细节设计.mp4  77.72M
|   |   ├──4-论文总结.mp4  67.32M
|   |   ├──5-数据与项目概述.mp4  45.96M
|   |   ├──6-参数基本设计.mp4  81.84M
|   |   ├──7-网络结构配置.mp4  71.61M
|   |   ├──8-网络迭代训练.mp4  92.93M
|   |   └──9-测试模块.mp4  48.41M
|   ├──3.基于 SRGAN 图像超分辨率实战  
|   |   ├──1-论文概述.mp4  46.85M
|   |   ├──2-网络架构.mp4  106.96M
|   |   ├──3-数据与环境配置.mp4  26.93M
|   |   ├──4-数据加载与配置.mp4  39.17M
|   |   ├──5-生成模块.mp4  48.53M
|   |   ├──6-判别模块.mp4  44.63M
|   |   ├──7-VGG特征提取网络.mp4  35.90M
|   |   ├──8-损失函数与训练.mp4  89.04M
|   |   └──9-测试模块.mp4  90.82M
|   ├──4.CycleGAN图像转换技术  
|   |   ├──1-CycleGan网络所需数据.mp4  37.58M
|   |   ├──10-额外补充：VISDOM可视化配置.mp4  38.71M
|   |   ├──2-CycleGan整体网络架构.mp4  21.40M
|   |   ├──3-PatchGan判别网络原理.mp4  11.47M
|   |   ├──4-Cycle开源项目简介.mp4  32.51M
|   |   ├──5-数据读取与预处理操作.mp4  57.97M
|   |   ├──6-生成网络模块构造.mp4  48.56M
|   |   ├──7-判别网络模块构造.mp4  19.79M
|   |   ├──8-损失函数：identity loss计算方法.mp4  37.19M
|   |   └──9-生成与判别损失函数指定.mp4  54.73M
|   ├──5.stargan论文架构解析  
|   |   ├──1-stargan效果演示分析.mp4  27.97M
|   |   ├──2-网络架构整体思路解读.mp4  30.88M
|   |   ├──3-建模流程分析.mp4  42.57M
|   |   ├──4-V1版本存在的问题及后续改进思路.mp4  60.76M
|   |   ├──5-V2版本在整体网络架构.mp4  63.70M
|   |   ├──6-编码器训练方法.mp4  53.48M
|   |   ├──7-损失函数公式解析.mp4  49.46M
|   |   └──8-训练过程分析.mp4  34.19M
|   ├──6.stargan项目实战及其源码解读  
|   |   ├──1-测试模块效果与实验分析.mp4  29.97M
|   |   ├──10-生成模块损失计算.mp4  70.11M
|   |   ├──2-项目配置与数据源下载.mp4  21.53M
|   |   ├──3-测试效果演示.mp4  34.99M
|   |   ├──4-项目参数解析.mp4  27.64M
|   |   ├──5-生成器模块源码解读.mp4  53.21M
|   |   ├──6-所有网络模块构建实例.mp4  46.54M
|   |   ├──7-数据读取模块分析.mp4  56.64M
|   |   ├──8-判别器损失计算.mp4  32.92M
|   |   └──9-损失计算详细过程.mp4  45.79M
|   ├──7.StarGANv2变声器论文解析  
|   |   ├──1-论文整体思路与架构解读.mp4  34.68M
|   |   ├──2-VCC2016输入数据.mp4  20.79M
|   |   ├──3-语音特征提取.mp4  30.61M
|   |   ├──4-生成器模型架构分析.mp4  15.82M
|   |   ├──5-InstanceNorm的作用解读.mp4  18.61M
|   |   ├──6-AdaIn的目的与效果.mp4  13.20M
|   |   └──7-判别器模块分析.mp4  114.08M
|   ├──8.starganvc2变声器项目实战  
|   └──9.StyleGAN2高质量图像生成架构  
├──11-【方向A：CV方向】行为识别+姿态估计+目标追踪  
├──12-【方向A：CV方向】行人重识别技术  
├──13-【方向A：CV方向】自动化驾驶  
├──25-【方向D时序与GNN方向】时间序列预测算法与实战  
|   ├──1.RNN网络架构  
|   |   └──RNN网络架构.mp4  29.37M
|   ├──2.LSTM网络架构  
|   |   └──LSTM网络架构.mp4  17.87M
|   ├──3.Informer算法  
|   |   ├──1-时间序列预测要完成的任务.mp4  33.27M
|   |   ├──2-常用模块分析.mp4  24.25M
|   |   ├──3-论文要解决的问题分析.mp4  30.47M
|   |   ├──4-Query采样方法解读.mp4  23.11M
|   |   ├──5-probAttention计算流程.mp4  31.40M
|   |   ├──6-编码器全部计算流程.mp4  27.15M
|   |   └──7-解码器流程分析.mp4  24.85M
|   ├──4.Informer源码  
|   |   ├──1-项目使用说明.mp4  63.92M
|   |   ├──10-核心采样计算方法.mp4  50.11M
|   |   ├──11-完成注意力机制计算模块.mp4  28.39M
|   |   ├──12-平均向量的作用.mp4  33.70M
|   |   ├──13-解码器预测输出.mp4  74.46M
|   |   ├──2-数据集解读.mp4  60.61M
|   |   ├──3-模型训练所需参数解读.mp4  37.37M
|   |   ├──4-数据集构建与读取方式.mp4  44.54M
|   |   ├──5-数据处理相关模块.mp4  44.58M
|   |   ├──6-时间相关特征提取方法.mp4  39.96M
|   |   ├──7-dataloader构建实例.mp4  41.03M
|   |   ├──8-整体架构分析.mp4  36.91M
|   |   └──9-编码器模块实现.mp4  39.16M
|   ├──5.TimesNet时序预测  
|   ├──6.基于图模型的时间序列预测  
|   └──7.time-llm大模型多模态预测任务  
├──26-【方向D时序与GNN方向】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.mp4  26.40M
|   |   ├──2-图基本模块定义.mp4  10.51M
|   |   ├──3-邻接矩阵的定义.mp4  16.06M
|   |   ├──4-GNN中常见任务.mp4  19.17M
|   |   ├──5-消息传递计算方法.mp4  14.23M
|   |   └──6-多层GCN的作用.mp4  13.00M
|   ├──2.图卷积（GCN）模型  
|   |   ├──1-GCN基本模型概述.mp4  13.24M
|   |   ├──2-图卷积的基本计算方法.mp4  12.56M
|   |   ├──3-邻接的矩阵的变换.mp4  18.38M
|   |   └──4-GCN变换原理解读.mp4  21.12M
|   ├──3.PyTorch Geometric配置与实战  
|   |   ├──1-PyTorch Geometric工具包安装与配置方法.mp4  45.07M
|   |   ├──10-网络结构定义模块.mp4  36.87M
|   |   ├──11-TopkPooling进行下采样任务.mp4  31.30M
|   |   ├──12-获取全局特征.mp4  25.71M
|   |   ├──13-模型训练与总结.mp4  35.84M
|   |   ├──2-数据集与邻接矩阵格式.mp4  51.92M
|   |   ├──3-模型定义与训练方法.mp4  41.92M
|   |   ├──4-文献引用数据集分类案例实战.mp4  47.75M
|   |   ├──5-构建数据集基本方法.mp4  13.47M
|   |   ├──6-数据集与任务背景概述.mp4  21.63M
|   |   ├──7-数据集基本预处理.mp4  31.50M
|   |   ├──8-用户行为图结构创建.mp4  36.67M
|   |   └──9-数据集创建函数介绍.mp4  34.87M
|   ├──4.图注意力与序列模型  
|   |   ├──1-图注意力机制的作用与方法.mp4  16.53M
|   |   ├──2-邻接矩阵计算图Attention.mp4  21.40M
|   |   ├──3-序列图神经网络TGCN应用.mp4  12.59M
|   |   └──4-序列图神经网络细节.mp4  23.67M
|   ├──5.图相似度论文分析  
|   |   ├──1-要完成的任务分析.mp4  47.79M
|   |   ├──10-获得直方图特征结果.mp4  21.11M
|   |   ├──11-图的全局特征构建.mp4  31.45M
|   |   ├──12-NTN图相似特征提取.mp4  39.25M
|   |   ├──13-预测得到相似度结果.mp4  18.64M
|   |   ├──2-基本方法概述解读.mp4  52.67M
|   |   ├──3-图模型提取全局与局部特征.mp4  47.42M
|   |   ├──4-NTN模块的作用与效果.mp4  41.09M
|   |   ├──5-点之间的对应关系计算.mp4  51.22M
|   |   ├──6-结果输出与总结.mp4  71.18M
|   |   ├──7-数据集与任务概述.mp4  18.11M
|   |   ├──8-图卷积特征提取模块.mp4  55.92M
|   |   └──9-分别计算不同Batch点的分布.mp4  31.70M
|   ├──6.图模型轨迹估计  
|   |   ├──1-数据集与标注信息解读.mp4  57.53M
|   |   ├──10-训练数据准备.mp4  27.69M
|   |   ├──11-Agent特征提取方法.mp4  37.87M
|   |   ├──12-DataLoader构建图结构.mp4  28.61M
|   |   ├──13-SubGraph与Attention模型流程.mp4  34.55M
|   |   ├──2-整体三大模块分析.mp4  71.83M
|   |   ├──3-特征工程的作用与效果.mp4  41.75M
|   |   ├──4-传统方法与现在向量空间对比.mp4  51.83M
|   |   ├──5-输入细节分析.mp4  49.96M
|   |   ├──6-子图模块构建方法.mp4  42.55M
|   |   ├──7-特征融合模块分析.mp4  47.67M
|   |   ├──8-VectorNet输出层分析.mp4  85.45M
|   |   └──9-数据与环境配置.mp4  35.36M
|   ├──7.异构图神经网络  
|   └──8.KIE关键信息抽取  
|   |   ├──1-配置文件以及要完成的任务解读.mp4  51.55M
|   |   ├──2-KIE数据集格式调整方法.mp4  69.46M
|   |   ├──3-配置文件与标签要进行处理操作.mp4  47.83M
|   |   ├──4-边框要计算的特征分析.mp4  35.57M
|   |   ├──5-标签数据处理与关系特征提取.mp4  56.48M
|   |   ├──6-特征合并处理.mp4  43.74M
|   |   ├──7-准备拼接边与点特征.mp4  41.38M
|   |   └──8-整合得到图模型输入特征.mp4  71.98M
├──27-【方向E强化学习】强化学习基础算法与实战  
|   ├──1.强化学习简介及其应用  
|   |   ├──1-一张图通俗解释强化学习.mp4  17.71M
|   |   ├──2-强化学习的指导依据.mp4  20.21M
|   |   ├──3-强化学习AI游戏DEMO.mp4  20.38M
|   |   ├──4-应用领域简介.mp4  17.36M
|   |   ├──5-强化学习工作流程.mp4  14.80M
|   |   └──6-计算机眼中的状态与行为.mp4  20.11M
|   ├──2.PPO算法与公式推导  
|   |   ├──1-基本情况介绍.mp4  28.09M
|   |   ├──2-与环境交互得到所需数据.mp4  23.20M
|   |   ├──3-要完成的目标分析.mp4  24.55M
|   |   ├──4-策略梯度推导.mp4  21.79M
|   |   ├──5-baseline方法.mp4  18.38M
|   |   ├──6-OnPolicy与OffPolicy策略.mp4  20.80M
|   |   ├──7-importance sampling的作用.mp4  23.22M
|   |   └──8-PPO算法整体思路解析.mp4  26.61M
|   ├──3.PPO实战-月球登陆器训练实例  
|   |   ├──1-Critic的作用与效果.mp4  40.09M
|   |   ├──2-PPO2版本公式解读.mp4  31.68M
|   |   ├──3-参数与网络结构定义.mp4  33.73M
|   |   ├──4-得到动作结果.mp4  29.04M
|   |   ├──5-奖励获得与计算.mp4  36.32M
|   |   └──6-参数迭代与更新.mp4  49.30M
|   ├──4.Q-learning与DQN算法  
|   |   ├──1-整体任务流程演示.mp4  23.92M
|   |   ├──2-探索与action获取.mp4  28.44M
|   |   ├──3-计算target值.mp4  22.48M
|   |   ├──4-训练与更新.mp4  34.18M
|   |   ├──5-算法原理通俗解读.mp4  26.02M
|   |   ├──6-目标函数与公式解析.mp4  25.58M
|   |   ├──7-Qlearning算法实例解读.mp4  16.68M
|   |   ├──8-Q值迭代求解.mp4  22.49M
|   |   └──9-DQN简介.mp4  15.38M
|   ├──5.DQN改进与应用技巧  
|   |   ├──1-DoubleDqn要解决的问题.mp4  22.37M
|   |   ├──2-DuelingDqn改进方法.mp4  19.08M
|   |   ├──3-Dueling整体网络架构分析.mp4  21.76M
|   |   ├──4-MultiSetp策略.mp4  8.68M
|   |   └──5-连续动作处理方法.mp4  22.27M
|   ├──6.Actor-Critic算法分析（A3C）  
|   |   ├──1-AC算法回顾与知识点总结.mp4  17.34M
|   |   ├──2-优势函数解读与分析.mp4  19.90M
|   |   ├──3-计算流程实例.mp4  17.61M
|   |   ├──4-A3C整体架构分析.mp4  16.45M
|   |   └──5-损失函数整理.mp4  22.43M
|   ├──7.用A3C玩转超级马里奥  
|   |   ├──1-整体流程与环境配置.mp4  26.99M
|   |   ├──2-启动游戏环境.mp4  32.21M
|   |   ├──3-要计算的指标回顾.mp4  37.03M
|   |   ├──4-初始化局部模型并加载参数.mp4  32.25M
|   |   ├──5-与环境交互得到训练数据.mp4  39.29M
|   |   └──6-训练网络模型.mp4  44.27M
|   └──8.强化学习-拓展  
|   |   └──强化学习的基础原理与应用等.mp4  375.38M
├──28-【方向E强化学习】人形机器人高级学习与控制方法  
├──29-【方向F智能应用】知识图谱技术与构建  
|   ├──1.知识图谱分析与应用  
|   |   ├──1-知识图谱通俗解读.mp4  19.90M
|   |   ├──10-视觉领域图编码实例.mp4  20.99M
|   |   ├──11-图谱知识融合与总结分析.mp4  24.01M
|   |   ├──2-知识图谱在搜索引擎中的应用.mp4  26.62M
|   |   ├──3-知识图谱在医疗领域应用实例.mp4  102.94M
|   |   ├──4-金融与推荐领域的应用.mp4  20.42M
|   |   ├──5-数据获取分析.mp4  35.97M
|   |   ├──6-数据关系抽取分析.mp4  27.34M
|   |   ├──7-常用NLP技术点分析.mp4  22.12M
|   |   ├──8-graph-embedding的作用与效果.mp4  26.18M
|   |   └──9-金融领域图编码实例.mp4  12.79M
|   ├──2.Neo4j图数据库实战  
|   |   ├──1-Neo4j图数据库介绍.mp4  63.53M
|   |   ├──2-Neo4j数据库安装流程演示.mp4  27.70M
|   |   ├──3-可视化例子演示.mp4  43.62M
|   |   ├──4-创建与删除操作演示.mp4  25.35M
|   |   ├──5-数据库更改查询操作演示.mp4  27.17M
|   |   ├──6-使用Py2neo建立连接.mp4  47.60M
|   |   ├──7-提取所需的指标信息.mp4  53.19M
|   |   ├──8-在图中创建实体.mp4  43.86M
|   |   └──9-根据给定实体创建关系.mp4  51.06M
|   ├──3.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.mp4  37.06M
|   |   ├──10-完成对话系统构建.mp4  39.50M
|   |   ├──2-医疗数据介绍及其各字段含义.mp4  62.67M
|   |   ├──3-任务流程概述.mp4  39.75M
|   |   ├──4-环境配置与所需工具包安装.mp4  36.39M
|   |   ├──5-提取数据中的关键字段信息.mp4  61.37M
|   |   ├──6-创建关系边.mp4  39.44M
|   |   ├──7-打造医疗知识图谱模型.mp4  59.18M
|   |   ├──8-加载所有实体数据.mp4  42.48M
|   |   └──9-实体关键词字典制作.mp4  31.87M
|   ├──4.文本关系抽取实践  
|   |   ├──1-关系抽取要完成的任务演示与分析.mp4  18.58M
|   |   ├──2-LTP工具包概述介绍.mp4  46.55M
|   |   ├──3-pyltp安装与流程演示.mp4  41.85M
|   |   ├──4-得到分词与词性标注结果.mp4  47.21M
|   |   ├──5-依存句法概述.mp4  30.85M
|   |   ├──6-句法分析结果整理.mp4  39.12M
|   |   ├──7-语义角色构建与分析.mp4  54.21M
|   |   └──8-设计规则完成关系抽取.mp4  52.50M
|   ├──5.金融平台风控模型实践  
|   |   ├──1-竞赛任务目标.mp4  23.83M
|   |   ├──2-图模型信息提取.mp4  27.79M
|   |   ├──3-节点权重特征提取(PageRank).mp4  35.58M
|   |   ├──4-deepwalk构建图顶点特征.mp4  53.52M
|   |   ├──5-各项统计特征.mp4  56.06M
|   |   ├──6-app安装特征.mp4  37.43M
|   |   └──7-图中联系人特征.mp4  70.34M
|   └──6.医学糖尿病数据命名实体识别  
|   |   ├──1-数据与任务介绍.mp4  22.75M
|   |   ├──2-整体模型架构.mp4  15.02M
|   |   ├──3-数据-标签-语料库处理.mp4  40.03M
|   |   ├──4-输入样本填充补齐.mp4  36.25M
|   |   ├──5-训练网络模型.mp4  40.40M
|   |   └──6-医疗数据集（糖尿病）实体识别.mp4  81.47M
├──30-【方向F智能应用】语音识别  
|   ├──1.seq2seq序列网络模型  
|   |   ├──1-序列网络模型概述分析.mp4  17.33M
|   |   ├──2-工作原理概述.mp4  9.00M
|   |   ├──3-注意力机制的作用.mp4  14.88M
|   |   ├──4-加入attention的序列模型整体架构.mp4  20.60M
|   |   ├──5-TeacherForcing的作用与训练策略.mp4  16.63M
|   |   └──6-额外补充-RNN网络模型解读.mp4  23.79M
|   ├──2.LAS模型语音识别实战  
|   |   ├──1-数据源与环境配置.mp4  32.26M
|   |   ├──2-语料表制作方法.mp4  25.49M
|   |   ├──3-制作json标注数据.mp4  37.87M
|   |   ├──4-声音数据处理模块解读.mp4  62.88M
|   |   ├──5-Pack与Pad操作解析.mp4  35.96M
|   |   ├──6-编码器模块整体流程.mp4  31.45M
|   |   ├──7-加入注意力机制.mp4  33.32M
|   |   ├──8-计算得到每个输出的attention得分.mp4  36.46M
|   |   └──9-解码器与训练过程演示.mp4  43.81M
|   ├──3.starganvc2变声器论文原理解读  
|   |   ├──1-论文整体思路与架构解读.mp4  34.68M
|   |   ├──2-VCC2016输入数据.mp4  20.79M
|   |   ├──3-语音特征提取.mp4  30.61M
|   |   ├──4-生成器模型架构分析.mp4  15.82M
|   |   ├──5-InstanceNorm的作用解读.mp4  18.61M
|   |   ├──6-AdaIn的目的与效果.mp4  13.20M
|   |   └──7-判别器模块分析.mp4  114.08M
|   ├──4.staeganvc2变声器源码实战  
|   |   ├──1-数据与项目文件解读.mp4  21.82M
|   |   ├──10-源码损失计算流程.mp4  34.84M
|   |   ├──11-测试模块-生成转换语音.mp4  47.20M
|   |   ├──2-环境配置与工具包安装.mp4  37.14M
|   |   ├──3-数据预处理与声音特征提取.mp4  88.54M
|   |   ├──4-生成器构造模块解读.mp4  41.37M
|   |   ├──5-下采样与上采样操作.mp4  35.50M
|   |   ├──6-starganvc2版本标签输入分析.mp4  49.98M
|   |   ├──7-生成器前向传播维度变化.mp4  26.52M
|   |   ├──8-判别器模块解读.mp4  35.25M
|   |   └──9-论文损失函数.mp4  100.51M
|   ├──5.语音分离ConvTasnet模型  
|   |   ├──1-语音分离任务分析.mp4  9.18M
|   |   ├──2-经典语音分离模型概述.mp4  18.12M
|   |   ├──3-DeepClustering论文解读.mp4  16.28M
|   |   ├──4-TasNet编码器结构分析.mp4  41.65M
|   |   ├──5-DW卷积的作用与效果.mp4  10.19M
|   |   └──6-基于Mask得到分离结果.mp4  19.27M
|   ├──6.ConvTasnet语音分离实战  
|   |   ├──1-数据准备与环境配置.mp4  78.00M
|   |   ├──2-训练任务所需参数介绍.mp4  27.69M
|   |   ├──3-DataLoader定义.mp4  38.04M
|   |   ├──4-采样数据特征编码.mp4  37.70M
|   |   ├──5-编码器特征提取.mp4  55.03M
|   |   ├──6-构建更大的感受区域.mp4  53.51M
|   |   ├──7-解码得到分离后的语音.mp4  52.61M
|   |   └──8-测试模块所需参数.mp4  42.44M
|   └──7.语音合成tacotron最新版实战  
|   |   ├──1-语音合成项目所需环境配置.mp4  44.58M
|   |   ├──10-得到加权的编码向量.mp4  55.89M
|   |   ├──11-模型输出结果.mp4  53.29M
|   |   ├──12-损失函数与预测.mp4  47.98M
|   |   ├──2-所需数据集介绍.mp4  52.74M
|   |   ├──3-路径配置与整体流程解读.mp4  70.18M
|   |   ├──4-Dataloader构建数据与标签.mp4  66.73M
|   |   ├──5-编码层要完成的任务.mp4  46.40M
|   |   ├──6-得到编码特征向量.mp4  28.57M
|   |   ├──7-解码器输入准备.mp4  34.60M
|   |   ├──8-解码器流程梳理.mp4  41.44M
|   |   └──9-注意力机制应用方法.mp4  43.74M
├──31-【方向F智能应用】现代推荐系统与实战  
|   ├──1.协同过滤与矩阵分解  
|   |   ├──1-协同过滤与矩阵分解简介.mp4  11.32M
|   |   ├──2-基于用户与商品的协同过滤.mp4  18.55M
|   |   ├──3-相似度计算与推荐实例.mp4  15.21M
|   |   ├──4-矩阵分解的目的与效果.mp4  20.69M
|   |   ├──5-矩阵分解中的隐向量.mp4  25.10M
|   |   ├──6-目标函数简介.mp4  13.76M
|   |   ├──7-隐式情况分析.mp4  14.12M
|   |   └──8-Embedding的作用.mp4  11.12M
|   ├──10.基于相似度的酒店推荐系统  
|   |   ├──1-酒店数据与任务介绍.mp4  22.03M
|   |   ├──2-文本词频统计.mp4  31.44M
|   |   ├──3-ngram结果可视化展示.mp4  53.11M
|   |   ├──4-文本清洗.mp4  32.94M
|   |   ├──5-相似度计算.mp4  47.65M
|   |   └──6-得出推荐结果.mp4  62.00M
|   ├──2.推荐系统介绍及其应用  
|   |   ├──1-推荐系统通俗解读.mp4  17.30M
|   |   ├──2-推荐系统发展简介.mp4  23.26M
|   |   ├──3-应用领域与多方位评估指标.mp4  26.54M
|   |   ├──4-任务流程与挑战概述.mp4  26.78M
|   |   ├──5-常用技术点分析.mp4  16.48M
|   |   └──6-与深度学习的结合.mp4  23.73M
|   ├──3.音乐推荐系统实战  
|   |   ├──1-音乐推荐任务概述.mp4  64.52M
|   |   ├──2-数据集整合.mp4  53.94M
|   |   ├──3-基于物品的协同过滤.mp4  63.14M
|   |   ├──4-物品相似度计算与推荐.mp4  63.44M
|   |   ├──5-SVD矩阵分解.mp4  30.87M
|   |   └──6-基于矩阵分解的音乐推荐.mp4  83.20M
|   ├──4.知识图谱与Neo4j数据库实例  
|   |   ├──1-知识图谱通俗解读.mp4  19.90M
|   |   ├──10-数据库更改查询操作演示.mp4  27.17M
|   |   ├──2-知识图谱在搜索引擎中的应用.mp4  26.62M
|   |   ├──3-知识图谱在医疗领域应用实例.mp4  102.94M
|   |   ├──4-金融与推荐领域的应用.mp4  20.42M
|   |   ├──5-数据获取分析.mp4  35.97M
|   |   ├──6-Neo4j图数据库介绍.mp4  63.53M
|   |   ├──7-Neo4j数据库安装流程演示.mp4  27.70M
|   |   ├──8-可视化例子演示.mp4  43.62M
|   |   └──9-创建与删除操作演示.mp4  25.35M
|   ├──5.基于知识图谱的电影推荐实战  
|   |   ├──1-知识图谱推荐系统效果演示.mp4  23.68M
|   |   ├──2-kaggle电影数据集下载与配置.mp4  63.44M
|   |   ├──3-图谱需求与任务流程解读.mp4  26.62M
|   |   ├──4-项目所需环境配置安装.mp4  48.87M
|   |   ├──5-构建用户电影知识图谱.mp4  61.53M
|   |   ├──6-图谱查询与匹配操作.mp4  19.64M
|   |   └──7-相似度计算与推荐引擎构建.mp4  39.20M
|   ├──6.DeepFM算法解析与实战  
|   |   ├──1-CTR估计及其经典方法概述.mp4  21.97M
|   |   ├──10-广告点击数据预处理实例.mp4  49.19M
|   |   ├──11-数据处理模块Embedding层.mp4  34.40M
|   |   ├──12-Index与Value数据制作.mp4  29.34M
|   |   ├──13-一阶权重参数设计.mp4  33.55M
|   |   ├──14-二阶特征构建方法.mp4  28.87M
|   |   ├──15-特征组合方法实例分析.mp4  49.53M
|   |   ├──16-完成FM模块计算.mp4  24.57M
|   |   ├──17-DNN模块与训练过程.mp4  37.56M
|   |   ├──2-高维特征带来的问题.mp4  12.96M
|   |   ├──3-二项式特征的作用与挑战.mp4  11.82M
|   |   ├──4-二阶公式推导与化简.mp4  20.91M
|   |   ├──5-FM算法解析.mp4  19.85M
|   |   ├──6-DeepFm整体架构解读.mp4  15.16M
|   |   ├──7-输入层所需数据样例.mp4  14.14M
|   |   ├──8-Embedding层的作用与总结.mp4  21.54M
|   |   └──9-数据集介绍与环境配置.mp4  57.80M
|   ├──7.推荐系统常用工具包演示  
|   |   ├──1-环境配置与数据集介绍.mp4  35.73M
|   |   ├──2-电影数据集预处理分析.mp4  32.78M
|   |   ├──3-surprise工具包基本使用.mp4  36.09M
|   |   ├──4-模型测试集结果.mp4  30.74M
|   |   └──5-评估指标概述.mp4  66.49M
|   ├──8.基于文本数据的推荐实例  
|   |   ├──1-数据与环境配置介绍.mp4  19.83M
|   |   ├──2-数据科学相关数据介绍.mp4  31.27M
|   |   ├──3-文本数据预处理.mp4  37.39M
|   |   ├──4-TFIDF构建特征矩阵.mp4  31.32M
|   |   ├──5-矩阵分解演示.mp4  29.04M
|   |   ├──6-LDA主题模型效果演示.mp4  53.10M
|   |   └──7-推荐结果分析.mp4  43.02M
|   └──9.基本统计分析的电影推荐  
|   |   ├──1-电影数据与环境配置.mp4  64.11M
|   |   ├──2-数据与关键词信息展示.mp4  61.30M
|   |   ├──3-关键词云与直方图展示.mp4  45.99M
|   |   ├──4-特征可视化.mp4  38.70M
|   |   ├──5-数据清洗概述.mp4  57.34M
|   |   ├──6-缺失值填充方法.mp4  37.19M
|   |   ├──7-推荐引擎构造.mp4  50.97M
|   |   ├──8-数据特征构造.mp4  36.19M
|   |   └──9-得出推荐结果.mp4  51.89M
├──32-【进阶模块】深度学习模型部署与实战  
|   ├──1.PyTorch Flask部署示例  
|   |   ├──1-基本结构与训练好的模型加载.mp4  21.02M
|   |   ├──2-服务端处理与预测函数.mp4  40.92M
|   |   └──3-基于Flask测试模型预测结果.mp4  46.26M
|   ├──2.PyTorch Docker部署示例  
|   |   ├──1-docker简介.mp4  15.97M
|   |   ├──2-docker安装与配置.mp4  48.56M
|   |   ├──3-阿里云镜像配置.mp4  27.00M
|   |   ├──4-基于docker配置pytorch环境.mp4  36.56M
|   |   ├──5-安装演示环境所需依赖.mp4  31.51M
|   |   ├──6-复制所需配置到容器中.mp4  28.23M
|   |   └──7-上传与下载配置好的项目.mp4  45.53M
|   ├──3.使用Docker实现TensorFlow-Serving部署实战  
|   |   ├──1-tf-serving项目获取与配置.mp4  30.50M
|   |   ├──2-加载并启动模型服务.mp4  31.31M
|   |   ├──3-测试模型部署效果.mp4  43.40M
|   |   ├──4-fashion数据集获取.mp4  38.64M
|   |   └──5-加载fashion模型启动服务.mp4  33.43M
|   ├──4.AloT与Jetson Nano  
|   |   ├──1-jetson nano 硬件介绍.mp4  22.06M
|   |   ├──2-jetson nano 刷机.mp4  105.19M
|   |   ├──3-jetson nano 系统安装过程.mp4  84.58M
|   |   ├──4-感受nano的GPU算力.mp4  62.42M
|   |   └──5-安装使用摄像头csi usb.mp4  43.16M
|   ├──5.AloT实战应用  
|   |   ├──1-jetson-inference 入门.mp4  32.00M
|   |   ├──2-docker 的安装使用.mp4  72.24M
|   |   ├──3-docker中运行分类模型.mp4  105.48M
|   |   ├──4-训练自己的目标检测模型准备.mp4  36.43M
|   |   ├──5-训练出自己目标识别模型a.mp4  109.79M
|   |   ├──6-训练出自己目标识别模型b.mp4  41.20M
|   |   └──7-转换出onnx模型，并使用.mp4  31.24M
|   ├──6.NVIDIA TAO训练工具  
|   |   ├──1-NVIDIA TAO介绍和安装.mp4  74.37M
|   |   ├──2-NVIDIA TAO数据准备和环境设置.mp4  41.50M
|   |   ├──3-NVIDIA TAO数据转换.mp4  103.66M
|   |   ├──4-NVIDIA TAO预训练模型和训练a.mp4  40.28M
|   |   ├──5-NVIDIA TAO预训练模型和训练b.mp4  18.72M
|   |   ├──6-NVIDIA TAO预训练模型和训练c.mp4  16.31M
|   |   └──7-TAO 剪枝在训练推理验证.mp4  127.77M
|   └──7.DeepStream应用  
|   |   ├──1-deepstream 介绍安装.mp4  55.46M
|   |   ├──2-deepstream HelloWorld.mp4  45.02M
|   |   ├──3-GStreamer RTP和RTSP1.mp4  64.04M
|   |   ├──4-GStreamer RTP和RTSP2.mp4  78.49M
|   |   ├──5-python实现RTP和RTSP.mp4  87.50M
|   |   ├──6-deepstream推理.mp4  94.05M
|   |   └──7-deepstream集成yolov4.mp4  86.63M
├──33-【进阶模块】深度学习模型优化与创新  
|   ├──1.通用创新点  
|   |   ├──1-ACMIX（卷积与注意力融合）.mp4  86.05M
|   |   ├──10-Attention额外加入先验知识.mp4  7.42M
|   |   ├──11-结合GNN构建局部特征.mp4  25.87M
|   |   ├──12-损失函数约束项.mp4  8.42M
|   |   ├──13-自适应可学习参数.mp4  14.27M
|   |   ├──14-Coarse2Fine大框架.mp4  40.53M
|   |   ├──15-只能机器学习模型时凑工作量（特征工程）.mp4  6.02M
|   |   ├──16-自己数据集如何发的好（要开源）.mp4  45.07M
|   |   ├──17-可变形卷积加入方法.mp4  23.44M
|   |   ├──18-在源码中加入各种注意力机制方法.mp4  122.48M
|   |   ├──2-GCnet（全局特征融合）.mp4  74.35M
|   |   ├──3-Coordinate_attention.mp4  74.92M
|   |   ├──4-SPD（可替换下采样）.mp4  45.03M
|   |   ├──5-SPP改进.mp4  17.03M
|   |   ├──6-mobileOne（加速）.mp4  45.26M
|   |   ├──7-Deformable（替换selfAttention）.mp4  44.90M
|   |   ├──8-ProbAttention（采样策略）.mp4  23.58M
|   |   └──9-CrossAttention融合特征.mp4  20.50M
|   ├──2.模型剪枝-Network Slimming算法分析  
|   |   ├──1-论文算法核心框架概述.mp4  19.67M
|   |   ├──2-BatchNorm要解决的问题.mp4  18.50M
|   |   ├──3-BN的本质作用.mp4  22.59M
|   |   ├──4-额外的训练参数解读.mp4  20.13M
|   |   └──5-稀疏化原理与效果.mp4  23.93M
|   ├──3.模型剪枝-Network Slimming实战解读  
|   |   ├──1-整体案例流程解读.mp4  32.42M
|   |   ├──2-加入L1正则化来进行更新.mp4  28.40M
|   |   ├──3-剪枝模块介绍.mp4  31.02M
|   |   ├──4-筛选需要的特征图.mp4  36.33M
|   |   ├──5-剪枝后模型参数赋值.mp4  49.54M
|   |   └──6-微调完成剪枝模型.mp4  46.93M
|   ├──4.Mobilenet三代网络模型架构  
|   |   ├──1-模型剪枝分析.mp4  22.37M
|   |   ├──10-V2整体架构与效果分析.mp4  10.49M
|   |   ├──11-V3版本网络架构分析.mp4  11.58M
|   |   ├──12-SE模块作用与效果解读.mp4  31.95M
|   |   ├──13-代码实现mobilenetV3网络架构.mp4  68.89M
|   |   ├──2-常见剪枝方法介绍.mp4  21.77M
|   |   ├──3-mobilenet简介.mp4  8.63M
|   |   ├──4-经典卷积计算量与参数量分析.mp4  13.23M
|   |   ├──5-深度可分离卷积的作用与效果.mp4  14.34M
|   |   ├──6-参数与计算量的比较.mp4  39.74M
|   |   ├──7-V1版本效果分析.mp4  24.97M
|   |   ├──8-V2版本改进以及Relu激活函数的问题.mp4  19.57M
|   |   └──9-倒残差结构的作用.mp4  17.46M
|   ├──5.知识蒸馏  
|   |   └──知识蒸馏与简历相关.mp4  1.22G
|   └──6.拓展-模型部署与优化  
|   |   └──模型部署.mp4  433.59M
└──34-【进阶模块】科研与职业发展  
|   ├──1.论文写作与科研方法论  
|   |   ├──1-从0-1：论文写作.mp4  975.59M
|   |   ├──2-论文要完成的核心架构分析.mp4  47.92M
|   |   ├──3-网络模型基本组件分析.mp4  75.18M
|   |   ├──4-流程概述分析.mp4  66.22M
|   |   ├──5-实验结果分析.mp4  68.81M
|   |   ├──6-源码实现细节解读.mp4  41.61M
|   |   └──7-源码结果总结.mp4  35.18M
|   ├──2.Deepseek辅助科研技能学习和科研探索  
|   |   └──Deepseek辅助科研技能学习和科研探索.mp4  590.03M
|   ├──3.AI时代职业规划  
|   |   └──AI浪潮之下的职业新机遇：如何武装自己，拿下未来岗位？.mp4  701.78M
|   └──4.就业简历指导  
|   |   └──就业简历.mp4  305.71M