课程体系庞大且深入，涵盖了从深度学习环境搭建、PyTorch 核心框架，到计算机视觉（CV）、自然语言处理（NLP）、图神经网络（GNN）以及模型部署优化的完整技术闭环。无论你是想在学术界深耕顶会论文（如 Transformer、BERT、StyleGAN2），还是在工业界解决实际问题（如目标检测、医学影像诊断、推荐系统），这套课程都能提供从理论推导到代码实现的完整解决方案。课程不仅深入剖析了 YOLO、DeepLab、OpenPose、CycleGAN 等主流算法的源码逻辑，还特别增加了 MMLAB 系列框架实战、HuggingFace 大模型应用以及无人驾驶核心算法（如 VectorNet、NeuralRecon）的深度解读，助你构建顶尖的 AI 技术视野与工程能力。
课程目录：
+—10_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.mp4
| | 2-图基本模块定义.mp4.mp4
| | 3-邻接矩阵的定义.mp4.mp4
| | 4-GNN中常见任务.mp4.mp4
| | 5-消息传递计算方法.mp4.mp4
| | 6-多层GCN的作用.mp4.mp4
| |
| +—2_图卷积GCN模型
| | 1-GCN基本模型概述.mp4.mp4
| | 2-图卷积的基本计算方法.mp4.mp4
| | 3-邻接的矩阵的变换.mp4.mp4
| | 4-GCN变换原理解读.mp4.mp4
| |
| +—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.mp4.mp4
| | 2-数据集与邻接矩阵格式.mp4.mp4
| | 3-模型定义与训练方法.mp4.mp4
| | 4-文献引用数据集分类案例实战.mp4.mp4
| |
| +—4_使用PyTorch Geometric构建自己的图数据集
| | 1-构建数据集基本方法.mp4.mp4
| | 2-数据集与任务背景概述.mp4.mp4
| | 3-数据集基本预处理.mp4.mp4
| | 4-用户行为图结构创建.mp4.mp4
| | 5-数据集创建函数介绍.mp4.mp4
| | 6-网络结构定义模块.mp4.mp4
| | 7-TopkPooling进行下采样任务.mp4.mp4
| | 8-获取全局特征.mp4.mp4
| | 9-模型训练与总结.mp4.mp4
| |
| +—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.mp4.mp4
| | 2-邻接矩阵计算图Attention.mp4(1).mp4
| | 2-邻接矩阵计算图Attention.mp4.mp4
| | 3-序列图神经网络TGCN应用.mp4.mp4
| | 4-序列图神经网络细节.mp4.mp4
| |
| +—6_图相似度论文解读
| | 1-要完成的任务分析.mp4.mp4
| | 2-基本方法概述解读.mp4.mp4
| | 3-图模型提取全局与局部特征.mp4.mp4
| | 4-NTN模块的作用与效果.mp4.mp4
| | 5-点之间的对应关系计算.mp4.mp4
| | 6-结果输出与总结.mp4.mp4
| |
| +—7_图相似度计算实战
| | 1-数据集与任务概述3.mp4.mp4
| | 2-图卷积特征提取模块3.mp4.mp4
| | 3-分别计算不同Batch点的分布3.mp4.mp4
| | 4-获得直方图特征结果.mp4.mp4
| | 5-图的全局特征构建.mp4.mp4
| | 6-NTN图相似特征提取.mp4.mp4
| | 7-预测得到相似度结果.mp4.mp4
| |
| +—8_基于图模型的轨迹估计
| | 1-数据集与标注信息解读.mp4.mp4
| | 2-整体三大模块分析.mp4.mp4
| | 3-特征工程的作用与效果.mp4.mp4
| | 4-传统方法与现在向量空间对比.mp4.mp4
| | 5-输入细节分析.mp4.mp4
| | 6-子图模块构建方法.mp4.mp4
| | 7-特征融合模块分析.mp4.mp4
| | 8-VectorNet输出层分析.mp4.mp4
| |
| \—9_图模型轨迹估计实战
| 1-数据与环境配置4.mp4.mp4
| 2-训练数据准备4.mp4.mp4
| 3-Agent特征提取方法4.mp4.mp4
| 4-DataLoader构建图结构4.mp4.mp4
| 5-SubGraph与Attention模型流程4.mp4.mp4
|
+—11_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.mp4.mp4
| | 2-点云应用领域与发展分析.mp4.mp4
| | 3-点云分割任务.mp4.mp4
| | 4-点云补全任务.mp4.mp4
| | 5-点云检测与配准任务.mp4.mp4
| | 6-点云数据特征提取概述与预告.mp4.mp4
| |
| +—2_3D点云PointNet算法
| | 1-3D数据应用领域与点云介绍.mp4.mp4
| | 2-点云数据可视化展示.mp4.mp4
| | 3-点云数据特性和及要解决的问题.mp4.mp4
| | 4-PointNet算法出发点解读.mp4.mp4
| | 5-PointNet算法网络架构解读.mp4.mp4
| |
| +—3_PointNet++算法解读
| | 10-分类与分割问题解决方案.mp4.mp4
| | 11-遇到的问题及改进方法分析.mp4.mp4
| | 6-PointNet升级版算法要解决的问题.mp4.mp4
| | 7-最远点采样方法.mp4.mp4
| | 8-分组Group方法原理解读.mp4.mp4
| | 9-整体流程概述分析.mp4.mp4
| |
| +—4_Pointnet++项目实战
| | 1-项目文件概述.mp4.mp4
| | 10-分类任务总结.mp4.mp4
| | 11-分割任务数据与配置概述.mp4.mp4
| | 12-分割需要解决的任务概述.mp4.mp4
| | 13-上采样完成分割任务.mp4.mp4
| | 2-数据读取模块配置.mp4.mp4
| | 3-DEBUG解读网络模型架构.mp4.mp4
| | 4-最远点采样介绍.mp4.mp4
| | 5-采样得到中心点.mp4.mp4
| | 6-组区域划分方法.mp4.mp4
| | 7-实现group操作得到各中心簇.mp4.mp4
| | 8-特征提取模块整体流程.mp4.mp4
| | 9-预测结果输出模块.mp4.mp4
| |
| +—5_点云补全PF-Net论文解读
| | 1-点云补全要解决的问题.mp4.mp4
| | 2-基本解决方案概述.mp4.mp4
| | 3-整体网络概述.mp4.mp4
| | 4-网络计算流程.mp4.mp4
| | 5-输入与计算结果.mp4.mp4
| |
| +—6_点云补全实战解读
| | 1-数据与项目配置解读.mp4.mp4
| | 2-待补全数据准备方法.mp4.mp4
| | 3-整体框架概述.mp4.mp4
| | 4-MRE特征提取模块.mp4.mp4
| | 5-分层预测输出模块.mp4.mp4
| | 6-补全点云数据.mp4.mp4
| | 7-判别模块.mp4.mp4
| |
| +—7_点云配准及其案例实战
| | 1-点云配准任务概述.mp4.mp4
| | 2-配准要完成的目标解读.mp4.mp4
| | 3-训练数据构建1.mp4.mp4
| | 4-任务基本流程.mp4.mp4
| | 5-数据源配置方法.mp4.mp4
| | 6-参数计算模块解读.mp4.mp4
| | 7-基于模型预测输出参数.mp4.mp4
| | 8-特征构建方法分析.mp4.mp4
| | 9-任务总结.mp4.mp4
| |
| \—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.mp4.mp4
| 2-GAN网络组成.mp4.mp4
| 3-损失函数解释说明.mp4.mp4
| 4-数据读取模块.mp4.mp4
| 5-生成与判别网络定义.mp4.mp4
|
+—12_目标追踪与姿态估计实战
| +—1_课程介绍
| | 课程介绍2.mp4.mp4
| |
| +—2_姿态估计OpenPose系列算法解读
| | 1-姿态估计要解决的问题分析.mp4.mp4
| | 10-匹配方法解读.mp4.mp4
| | 11-CPM模型特点.mp4.mp4
| | 12-算法流程与总结.mp4.mp4
| | 2-姿态估计应用领域概述.mp4.mp4
| | 3-传统topdown方法的问题.mp4.mp4
| | 4-要解决的两个问题分析.mp4.mp4
| | 5-基于高斯分布预测关键点位置.mp4.mp4
| | 6-各模块输出特征图解读.mp4.mp4
| | 7-PAF向量登场.mp4.mp4
| | 8-PAF标签设计方法.mp4.mp4
| | 9-预测时PAF积分计算方法.mp4.mp4
| |
| +—3_OpenPose算法源码分析
| | 1-数据集与路径配置解读.mp4.mp4
| | 10-多阶段输出与预测.mp4.mp4
| | 2-读取图像与标注信息.mp4.mp4
| | 3-关键点与躯干特征图初始化.mp4.mp4
| | 4-根据关键点位置设计关键点标签.mp4.mp4
| | 5-准备构建PAF躯干标签.mp4.mp4
| | 6-各位置点归属判断.mp4.mp4
| | 7-特征图各点累加向量计算.mp4.mp4
| | 8-完成PAF特征图制作.mp4.mp4
| | 9-网络模型一阶段输出.mp4.mp4
| |
| +—4_deepsort算法知识点解读
| | 1-卡尔曼滤波通俗解释.mp4.mp4
| | 10-sort与deepsort建模流程分析.mp4.mp4
| | 11-预测与匹配流程解读.mp4.mp4
| | 12-追踪任务流程拆解.mp4.mp4
| | 2-卡尔曼滤波要完成的任务.mp4.mp4
| | 3-任务本质分析.mp4.mp4
| | 4-基于观测值进行最优估计.mp4.mp4
| | 5-预测与更新操作.mp4.mp4
| | 6-追踪中的状态量.mp4.mp4
| | 7-匈牙利匹配算法概述.mp4.mp4
| | 8-匹配小例子分析.mp4.mp4
| | 9-REID特征的作用.mp4.mp4
| |
| +—5_deepsort源码解读
| | 1-项目环境配置4.mp4.mp4
| | 10-匹配结果与总结.mp4.mp4
| | 2-参数与DEMO演示.mp4.mp4
| | 3-针对检测结果初始化track.mp4.mp4
| | 4-对track执行预测操作.mp4.mp4
| | 5-状态量预测结果.mp4.mp4
| | 6-IOU代价矩阵计算.mp4.mp4
| | 7-参数更新操作.mp4.mp4
| | 8-级联匹配模块.mp4.mp4
| | 9-ReID特征代价矩阵计算.mp4.mp4
| |
| +—6_YOLO-V4版本算法解读
| | 1-V4版本整体概述.mp4.mp4
| | 10-PAN模块解读.mp4.mp4
| | 11-激活函数与整体架构总结.mp4.mp4
| | 2-V4版本贡献解读.mp4.mp4
| | 3-数据增强策略分析.mp4.mp4
| | 4-DropBlock与标签平滑方法.mp4.mp4
| | 5-损失函数遇到的问题.mp4.mp4
| | 6-CIOU损失函数定义.mp4.mp4
| | 7-NMS细节改进.mp4.mp4
| | 8-SPP与CSP网络结构.mp4.mp4
| | 9-SAM注意力机制模块.mp4.mp4
| |
| +—7_V5版本项目配置
| | 1-整体项目概述.mp4.mp4
| | 2-训练自己的数据集方法.mp4.mp4
| | 3-训练数据参数配置.mp4.mp4
| | 4-测试DEMO演示.mp4.mp4
| |
| \—8_V5项目工程源码解读
| 1-数据源DEBUG流程解读.mp4.mp4
| 10-完成配置文件解析任务.mp4.mp4
| 11-前向传播计算.mp4.mp4
| 12-BottleneckCSP层计算方法.mp4.mp4
| 13-Head层流程解读2.mp4.mp4
| 13-SPP层计算细节分析.mp4.mp4
| 14-上采样与拼接操作.mp4.mp4
| 15-输出结果分析.mp4.mp4
| 16-超参数解读.mp4.mp4
| 17-命令行参数介绍.mp4.mp4
| 18-训练流程解读.mp4.mp4
| 19-各种训练策略概述.mp4.mp4
| 2-图像数据源配置.mp4.mp4
| 20-模型迭代过程.mp4.mp4
| 3-加载标签数据.mp4.mp4
| 4-Mosaic数据增强方法.mp4.mp4
| 5-数据四合一方法与流程演示.mp4.mp4
| 6-getItem构建batch.mp4.mp4
| 7-网络架构图可视化工具安装.mp4.mp4
| 8-V5网络配置文件解读.mp4.mp4
| 9-Focus模块流程分析.mp4.mp4
|
+—13_面向深度学习的无人驾驶实战
| +—10_NeuralRecon项目源码解读
| | 1-Backbone得到特征图.mp4.mp4
| | 2-初始化体素位置.mp4.mp4
| | 3-坐标映射方法实现.mp4.mp4
| | 4-得到体素所对应特征图.mp4.mp4
| | 5-插值得到对应特征向量.mp4.mp4
| | 6-得到一阶段输出结果.mp4.mp4
| | 7-完成三个阶段预测结果.mp4.mp4
| | 8-项目总结2.mp4.mp4
| |
| +—11_TSDF算法与应用
| | 1-TSDF整体概述分析.mp4.mp4
| | 2-合成过程DEMO演示.mp4.mp4
| | 3-布局初始化操作.mp4.mp4
| | 4-TSDF计算基本流程解读.mp4.mp4
| | 5-坐标转换流程分析.mp4.mp4
| | 6-输出结果融合更新.mp4.mp4
| |
| +—12_TSDF实战案例
| | 1-环境配置概述.mp4.mp4
| | 2-初始化与数据读取.mp4.mp4
| | 3-计算得到TSDF输出.mp4.mp4
| |
| +—13_轨迹估计算法与论文解读
| | 1-数据集与标注信息解读.mp4.mp4
| | 2-整体三大模块分析.mp4.mp4
| | 3-特征工程的作用与效果.mp4.mp4
| | 4-传统方法与现在向量空间对比.mp4.mp4
| | 5-输入细节分析.mp4.mp4
| | 6-子图模块构建方法.mp4.mp4
| | 7-特征融合模块分析.mp4.mp4
| | 8-VectorNet输出层分析.mp4.mp4
| |
| +—14_轨迹估计预测实战
| | 1-数据与环境配置..mp4.mp4
| | 2-训练数据准备.mp4.mp4
| | 3-Agent特征提取方法.mp4.mp4
| | 4-DataLoader构建图结构.mp4.mp4
| | 5-SubGraph与Attention模型流程.mp4.mp4
| |
| +—15_特斯拉无人驾驶解读
| | 15-特斯拉无人驾驶解读.mp4.mp4
| |
| +—1_深度估计算法原理解读
| | 1-深度估计效果与应用.mp4.mp4
| | 10-损失计算.mp4.mp4
| | 2-kitti数据集介绍.mp4.mp4
| | 3-使用backbone获取层级特征.mp4.mp4
| | 4-差异特征计算边界信息.mp4.mp4
| | 5-SPP层的作用.mp4.mp4
| | 6-空洞卷积与ASPP.mp4.mp4
| | 7-特征拼接方法分析.mp4.mp4
| | 8-网络coarse-to-fine过程.mp4.mp4
| | 9-权重参数预处理.mp4.mp4
| |
| +—2_深度估计项目实战
| | 1-项目环境配置解读1.mp4.mp4
| | 10-模型DEMO输出结果.mp4.mp4
| | 2-数据与标签定义方法.mp4.mp4
| | 3-数据集dataloader制作.mp4.mp4
| | 4-使用backbone进行特征提取.mp4.mp4
| | 5-计算差异特征.mp4.mp4
| | 6-权重参数标准化操作.mp4.mp4
| | 7-网络结构ASPP层.mp4.mp4
| | 8-特征拼接方法解读.mp4.mp4
| | 8-输出深度估计结果.mp4.mp4
| | 9-损失函数通俗解读.mp4.mp4
| |
| +—3_车道线检测算法与论文解读
| | 1-数据标签与任务分析.mp4.mp4
| | 2-网络整体框架分析.mp4.mp4
| | 3-输出结果分析.mp4.mp4
| | 4-损失函数计算方法.mp4.mp4
| | 5-论文概述分析.mp4.mp4
| |
| +—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.mp4.mp4
| | 10-车道线规则损失函数限制.mp4.mp4
| | 11-DEMO制作与配置.mp4.mp4
| | 2-项目环境配置演示.mp4.mp4
| | 3-制作数据集dataloader.mp4.mp4
| | 4-车道线标签数据处理.mp4.mp4
| | 5-四条车道线标签位置矩阵.mp4.mp4
| | 6-grid设置方法.mp4.mp4
| | 7-完成数据与标签制作.mp4.mp4
| | 8-算法网络结构解读.mp4.mp4
| | 9-损失函数计算模块分析.mp4.mp4
| |
| +—5_商汤LoFTR算法解读
| | 1-特征匹配的应用场景.mp4.mp4
| | 10-总结分析.mp4.mp4
| | 2-特征匹配的基本流程分析.mp4.mp4
| | 3-整体流程梳理分析.mp4.mp4
| | 4-CrossAttention的作用与效果.mp4.mp4
| | 5-transformer构建匹配特征.mp4.mp4
| | 6-粗粒度匹配过程与作用.mp4.mp4
| | 7-特征图拆解操作.mp4.mp4
| | 8-细粒度匹配的作用与方法.mp4.mp4
| | 9-基于期望预测最终位置.mp4.mp4
| |
| +—6_局部特征关键点匹配实战
| | 1-项目与参数配置解读.mp4.mp4
| | 10-得到精细化输出结果.mp4.mp4
| | 11-通过期望计算最终输出.mp4.mp4
| | 2-DEMO效果演示.mp4.mp4
| | 3-backbone特征提取模块.mp4.mp4
| | 4-注意力机制的作用与效果分析.mp4.mp4
| | 5-特征融合模块实现方法.mp4.mp4
| | 6-cross关系计算方法实例.mp4.mp4
| | 7-粗粒度匹配过程.mp4.mp4
| | 8-完成基础匹配模块.mp4.mp4
| | 9-精细化调整方法与实例.mp4.mp4
| |
| +—7_三维重建应用与坐标系基础
| | 1-三维重建概述分析.mp4.mp4
| | 2-三维重建应用领域概述.mp4.mp4
| | 3-成像方法概述.mp4.mp4
| | 4-相机坐标系.mp4.mp4
| | 5-坐标系转换方法解读.mp4.mp4
| | 6-相机内外参.mp4.mp4
| | 7-通过内外参数进行坐标变换.mp4.mp4
| | 8-相机标定简介.mp4.mp4
| |
| +—8_NeuralRecon算法解读
| | 1-任务流程分析.mp4.mp4
| | 2-基本框架熟悉.mp4.mp4
| | 3-特征映射方法解读.mp4.mp4
| | 4-片段融合思想.mp4.mp4
| | 5-整体架构重构方法.mp4.mp4
| |
| \—9_NeuralRecon项目环境配置
| 1-数据集下载与配置方法.mp4.mp4
| 2-Scannet数据集内容概述.mp4.mp4
| 3-TSDF标签生成方法.mp4.mp4
| 4-ISSUE的作用.mp4.mp4
| 5-完成依赖环境配置.mp4.mp4
|
+—14_缺陷检测实战
| +—10_基于视频流水线的Opencv缺陷检测项目
| | 1-数据与任务概述.mp4.mp4
| | 2-视频数据读取与轮廓检测.mp4.mp4
| | 3-目标质心计算.mp4.mp4
| | 4-视频数据遍历方法.mp4.mp4
| | 5-缺陷区域提取.mp4.mp4
| | 6-不同类型的缺陷检测方法.mp4.mp4
| | 7-检测效果演示.mp4.mp4
| |
| +—11_图像分割deeplab系列算法
| | 1-deeplab分割算法概述.mp4.mp4
| | 2-空洞卷积的作用.mp4.mp4
| | 3-感受野的意义.mp4.mp4
| | 4-SPP层的作用.mp4.mp4
| | 5-ASPP特征融合策略.mp4.mp4
| | 6-deeplabV3Plus版本网络架构.mp4.mp4
| |
| +—12_基于deeplabV3+版本进行VOC分割实战
| | 1-PascalVoc数据集介绍.mp4.mp4
| | 2-项目参数与数据集读取.mp4.mp4
| | 3-网络前向传播流程.mp4.mp4
| | 4-ASPP层特征融合.mp4.mp4
| | 5-分割模型训练.mp4.mp4
| |
| +—13_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..mp4.mp4
| | 2-开源项目应用方法.mp4.mp4
| | 3-github与kaggle中需要注意的点.mp4.mp4
| | 4-源码的利用方法.mp4.mp4
| | 5-数据集制作方法.mp4.mp4
| | 6-数据路径配置.mp4.mp4
| | 7-训练模型.mp4.mp4
| | 8-任务总结.mp4.mp4
| |
| +—1_课程介绍
| | 课程介绍3.mp4.mp4
| |
| +—2_物体检框架YOLO-V4版本算法解读
| | 1-V4版本整体概述.mp4.mp4
| | 10-PAN模块解读.mp4.mp4
| | 11-激活函数与整体架构总结.mp4.mp4
| | 2-V4版本贡献解读.mp4.mp4
| | 3-数据增强策略分析.mp4.mp4
| | 4-DropBlock与标签平滑方法.mp4.mp4
| | 5-损失函数遇到的问题.mp4.mp4
| | 6-CIOU损失函数定义.mp4.mp4
| | 7-NMS细节改进.mp4.mp4
| | 8-SPP与CSP网络结构.mp4.mp4
| | 9-SAM注意力机制模块.mp4.mp4
| |
| +—3_物体检测框架YOLOV5版本项目配置
| | 1-整体项目概述.mp4.mp4
| | 2-训练自己的数据集方法.mp4.mp4
| | 3-训练数据参数配置.mp4.mp4
| | 4-测试DEMO演示.mp4.mp4
| |
| +—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.mp4.mp4
| | 10-完成配置文件解析任务.mp4.mp4
| | 11-前向传播计算.mp4.mp4
| | 12-BottleneckCSP层计算方法.mp4.mp4
| | 13-1 SPP层计算细节分析.mp4.mp4
| | 13-2Head层流程解读.mp4.mp4
| | 14-上采样与拼接操作.mp4.mp4
| | 15-输出结果分析.mp4.mp4
| | 16-超参数解读.mp4.mp4
| | 17-命令行参数介绍.mp4.mp4
| | 18-训练流程解读.mp4.mp4
| | 19-各种训练策略概述.mp4.mp4
| | 2-图像数据源配置.mp4.mp4
| | 20-模型迭代过程.mp4.mp4
| | 3-加载标签数据.mp4.mp4
| | 4-Mosaic数据增强方法.mp4.mp4
| | 5-数据四合一方法与流程演示.mp4.mp4
| | 6-getItem构建batch.mp4.mp4
| | 7-网络架构图可视化工具安装.mp4.mp4
| | 8-V5网络配置文件解读.mp4.mp4
| | 9-Focus模块流程分析.mp4.mp4
| |
| +—5_基于YOLOV5的钢材缺陷检测实战
| | 1-任务需求与项目概述.mp4.mp4
| | 2-数据与标签配置方法.mp4.mp4
| | 3-标签转换格式脚本制作.mp4.mp4
| | 4-各版本模型介绍分析.mp4.mp4
| | 5-项目参数配置.mp4.mp4
| | 6-缺陷检测模型训练.mp4.mp4
| | 7-输出结果与项目总结.mp4.mp4
| |
| +—6_Semi-supervised布料缺陷检测实战
| | 1-任务目标与流程概述.mp4.mp4
| | 2-论文思想与模型分析.mp4.mp4
| | 3-项目配置解读.mp4.mp4
| | 4-网络流程分析.mp4.mp4
| | 5-输出结果展示.mp4.mp4
| |
| +—7_Opencv图像常用处理方法实例
| | 1-图像阈值.mp4.mp4
| | 1-腐蚀操作.mp4.mp4
| | 1-计算机眼中的图像.mp4.mp4
| | 2-图像平滑处理.mp4.mp4
| | 2-膨胀操作.mp4.mp4
| | 2-视频的读取与处理.mp4.mp4
| | 3-ROI区域.mp4.mp4
| | 3-开运算与闭运算.mp4.mp4
| | 3-高斯与中值滤波.mp4.mp4
| | 4-梯度计算.mp4.mp4
| | 4-边界填充.mp4.mp4
| | 5-数值计算.mp4.mp4
| | 5-礼帽与黑帽.mp4.mp4
| |
| +—8_Opencv梯度计算与边缘检测实例
| | 1-Canny边缘检测流程.mp4.mp4
| | 1-Sobel算子.mp4.mp4
| | 2-梯度计算方法.mp4.mp4
| | 2-非极大值抑制.mp4.mp4
| | 3-scharr与lapkacian算子.mp4.mp4
| | 3-边缘检测效果.mp4.mp4
| |
| +—8_Opencv轮廓检测与直方图
| | 1-图像金字塔定义.mp4.mp4
| | 1-直方图定义.mp4.mp4
| | 2-均衡化原理.mp4.mp4
| | 2-金字塔制作方法.mp4.mp4
| | 3-均衡化效果.mp4.mp4
| | 3-轮廓检测方法.mp4.mp4
| | 4-傅里叶概述.mp4.mp4
| | 4-轮廓检测结果.mp4.mp4
| | 5-轮廓特征与近似.mp4.mp4
| | 5-频域变换结果.mp4.mp4
| | 6-低通与高通滤波.mp4.mp4
| | 6-模板匹配方法.mp4.mp4
| | 7-匹配效果展示.mp4.mp4
| |
| \—9_基于Opencv缺陷检测项目实战
| 1-任务需求与环境配置.mp4.mp4
| 2-数据读取与基本处理.mp4.mp4
| 3-缺陷形态学操作.mp4.mp4
| 4-整体流程解读.mp4.mp4
| 5-缺陷检测效果演示.mp4.mp4
|
+—15_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.mp4.mp4
| | 2-挑战与困难分析.mp4.mp4
| | 3-评估标准rank1指标.mp4.mp4
| | 4-map值计算方法.mp4.mp4
| | 5-triplet损失计算实例.mp4.mp4
| | 6-Hard-Negative方法应用.mp4.mp4
| |
| +—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.mp4.mp4
| | 2-空间权重值计算流程分析.mp4.mp4
| | 3-融合空间注意力所需特征.mp4.mp4
| | 4-基于特征图的注意力计算.mp4.mp4
| |
| +—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.mp4.mp4
| | 2-参数配置与整体架构分析.mp4.mp4
| | 3-进入debug模式解读网络计算流程.mp4.mp4
| | 4-获得空间位置点之间的关系.mp4.mp4
| | 5-组合关系特征图.mp4.mp4
| | 6-计算得到位置权重值.mp4.mp4
| | 7-基于特征图的权重计算.mp4.mp4
| | 8-损失函数计算实例解读.mp4.mp4
| | 9-训练与测试模块演示.mp4.mp4
| |
| +—4_AAAI2020顶会算法精讲
| | 1-论文整体框架概述.mp4.mp4
| | 2-局部特征与全局关系计算方法.mp4.mp4
| | 3-特征分组方法.mp4.mp4
| | 4-GCP模块特征融合方法.mp4.mp4
| | 5-oneVsReset方法实例.mp4.mp4
| | 6-损失函数应用位置.mp4.mp4
| |
| +—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.mp4.mp4
| | 10-得到所有分组特征结果.mp4.mp4
| | 11-损失函数与训练过程演示.mp4.mp4
| | 12-测试与验证模块.mp4.mp4
| | 2-数据源构建方法分析.mp4.mp4
| | 3-dataloader加载顺序解读.mp4.mp4
| | 4-debug模式解读.mp4.mp4
| | 5-网络计算整体流程演示.mp4.mp4
| | 6-特征序列构建.mp4.mp4
| | 7-GCP全局特征提取.mp4.mp4
| | 8-局部特征提取实例.mp4.mp4
| | 9-特征组合汇总.mp4.mp4
| |
| +—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.mp4.mp4
| | 2-图卷积与匹配的作用.mp4.mp4
| | 3-局部特征热度图计算.mp4.mp4
| | 4-基于图卷积构建人体拓扑关系.mp4.mp4
| | 5-图卷积模块实现方法.mp4.mp4
| | 6-图匹配在行人重识别中的作用.mp4.mp4
| | 7-整体算法框架分析.mp4.mp4
| |
| \—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.mp4.mp4
| 10-整体项目总结.mp4.mp4
| 2-局部特征准备方法.mp4.mp4
| 3-得到一阶段热度图结果.mp4.mp4
| 4-阶段监督训练.mp4.mp4
| 5-初始化图卷积模型.mp4.mp4
| 6-mask矩阵的作用.mp4.mp4
| 7-邻接矩阵学习与更新.mp4.mp4
| 8-基于拓扑结构组合关键点特征.mp4.mp4
| 9-图匹配模块计算流程.mp4.mp4
|
+—16_对抗生成网络实战
| +—1_课程介绍
| | 课程介绍.mp4.mp4
| |
| +—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.mp4.mp4
| | 2-GAN网络组成.mp4.mp4
| | 3-损失函数解释说明.mp4.mp4
| | 4-数据读取模块.mp4.mp4
| | 5-生成与判别网络定义.mp4.mp4
| |
| +—3_基于CycleGan开源项目实战图像合成
| | 1-CycleGan网络所需数据.mp4.mp4
| | 10-额外补充：VISDOM可视化配置.mp4.mp4
| | 2-CycleGan整体网络架构.mp4.mp4
| | 3-PatchGan判别网络原理.mp4.mp4
| | 4-Cycle开源项目简介.mp4.mp4
| | 5-数据读取与预处理操作.mp4.mp4
| | 6-生成网络模块构造.mp4.mp4
| | 7-判别网络模块构造.mp4.mp4
| | 8-损失函数：identity loss计算方法.mp4.mp4
| | 9-生成与判别损失函数指定.mp4.mp4
| |
| +—4_stargan论文架构解析
| | 1-stargan效果演示分析.mp4.mp4
| | 2-网络架构整体思路解读.mp4.mp4
| | 3-建模流程分析.mp4.mp4
| | 4-V1版本存在的问题及后续改进思路.mp4.mp4
| | 5-V2版本在整体网络架构.mp4.mp4
| | 6-编码器训练方法.mp4.mp4
| | 7-损失函数公式解析.mp4.mp4
| | 8-训练过程分析.mp4.mp4
| |
| +—5_stargan项目实战及其源码解读
| | 1-项目配置与数据源下载.mp4.mp4
| | 10-测试模块效果与实验分析.mp4.mp4
| | 2-测试效果演示.mp4.mp4
| | 3-项目参数解析.mp4.mp4
| | 4-生成器模块源码解读.mp4.mp4
| | 5-所有网络模块构建实例.mp4.mp4
| | 6-数据读取模块分析.mp4.mp4
| | 7-判别器损失计算.mp4.mp4
| | 8-损失计算详细过程.mp4.mp4
| | 9-生成模块损失计算.mp4.mp4
| |
| +—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.mp4.mp4
| | 2-VCC2016输入数据.mp4.mp4
| | 3-语音特征提取.mp4.mp4
| | 4-生成器模型架构分析.mp4.mp4
| | 5-InstanceNorm的作用解读.mp4.mp4
| | 6-AdaIn的目的与效果.mp4.mp4
| | 7-判别器模块分析.mp4.mp4
| |
| +—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.mp4.mp4
| | 10-源码损失计算流程.mp4.mp4
| | 11-测试模块-生成转换语音.mp4.mp4
| | 2-环境配置与工具包安装.mp4.mp4
| | 3-数据预处理与声音特征提取.mp4.mp4
| | 4-生成器构造模块解读.mp4.mp4
| | 5-下采样与上采样操作.mp4.mp4
| | 6-starganvc2版本标签输入分析.mp4.mp4
| | 7-生成器前向传播维度变化.mp4.mp4
| | 8-判别器模块解读.mp4.mp4
| | 9-论文损失函数.mp4.mp4
| |
| +—8_图像超分辨率重构实战
| | 1-论文概述.mp4.mp4
| | 2-网络架构.mp4.mp4
| | 3-数据与环境配置.mp4.mp4
| | 4-数据加载与配置.mp4.mp4
| | 5-生成模块.mp4.mp4
| | 6-判别模块.mp4.mp4
| | 7-VGG特征提取网络.mp4.mp4
| | 8-损失函数与训练.mp4.mp4
| | 9-测试模块.mp4.mp4
| |
| \—9_基于GAN的图像补全实战
| 1-.论文概述.mp4.mp4
| 2-网络架构11.mp4.mp4
| 3- 细节设计.mp4.mp4
| 4- 论文总结.mp4.mp4
| 5- 数据与项目概述.mp4.mp4
| 6- 参数基本设计.mp4.mp4
| 7- 网络结构配置.mp4.mp4
| 8- 网络迭代训练.mp4.mp4
| 9- 测试模块.mp4.mp4
|
+—17_强化学习实战系列
| +—1_强化学习简介及其应用
| | 1-一张图通俗解释强化学习.mp4.mp4
| | 2-强化学习的指导依据.mp4.mp4
| | 3-强化学习AI游戏DEMO.mp4.mp4
| | 4-应用领域简介.mp4.mp4
| | 5-强化学习工作流程.mp4.mp4
| | 6-计算机眼中的状态与行为.mp4.mp4
| |
| +—2_PPO算法与公式推导
| | 1-基本情况介绍.mp4.mp4
| | 2-与环境交互得到所需数据.mp4.mp4
| | 3-要完成的目标分析.mp4.mp4
| | 4-策略梯度推导.mp4.mp4
| | 5-baseline方法.mp4.mp4
| | 6-OnPolicy与OffPolicy策略.mp4.mp4
| | 7-importance sampling的作用.mp4.mp4
| | 8-PPO算法整体思路解析.mp4.mp4
| |
| +—3_PPO实战-月球登陆器训练实例
| | 1-Critic的作用与效果.mp4.mp4
| | 2-PPO2版本公式解读.mp4.mp4
| | 3-参数与网络结构定义.mp4.mp4
| | 4-得到动作结果.mp4.mp4
| | 5-奖励获得与计算.mp4.mp4
| | 6-参数迭代与更新.mp4.mp4
| |
| +—4_Q-learning与DQN算法
| | 1-算法原理通俗解读.mp4.mp4
| | 2-目标函数与公式解析.mp4.mp4
| | 3-Qlearning算法实例解读.mp4.mp4
| | 4-Q值迭代求解.mp4.mp4
| | 5-DQN简介.mp4.mp4
| |
| +—5_DQN算法实例演示
| | 1-整体任务流程演示.mp4.mp4
| | 2-探索与action获取.mp4.mp4
| | 3-计算target值.mp4.mp4
| | 4-训练与更新.mp4.mp4
| |
| +—6_DQN改进与应用技巧
| | 1-DoubleDqn要解决的问题.mp4.mp4
| | 2-DuelingDqn改进方法.mp4.mp4
| | 3-Dueling整体网络架构分析.mp4.mp4
| | 4-MultiSetp策略.mp4.mp4
| | 5-连续动作处理方法.mp4.mp4
| |
| +—7_Actor-Critic算法分析（A3C）
| | 1-AC算法回顾与知识点总结.mp4.mp4
| | 2-优势函数解读与分析.mp4.mp4
| | 3-计算流程实例.mp4.mp4
| | 4-A3C整体架构分析.mp4.mp4
| | 5-损失函数整理.mp4
| |
| \—8_用A3C玩转超级马里奥
| 1-整体流程与环境配置.mp4.mp4
| 2-启动游戏环境.mp4.mp4
| 3-要计算的指标回顾.mp4.mp4
| 4-初始化局部模型并加载参数.mp4.mp4
| 5-与环境交互得到训练数据.mp4.mp4
| 6-训练网络模型.mp4.mp4
|
+—18_面向医学领域的深度学习实战
| +—10_基于deeplab的心脏视频数据诊断分析
| | 1-数据集与任务概述1.mp4.mp4
| | 2-项目基本配置参数1.mp4.mp4
| | 3-任务流程解读1.mp4.mp4
| | 4-文献报告分析1.mp4.mp4
| | 5-补充：视频数据源特征处理方法概述1.mp4.mp4
| | 6-补充：R(2plus1)D处理方法分析1.mp4.mp4
| |
| +—11_YOLO系列物体检测算法原理解读
| | 1-V2版本细节升级概述.mp4.mp4
| | 1-V3版本改进概述.mp4.mp4
| | 1-V4版本整体概述.mp4.mp4
| | 1-YOLO算法整体思路解读.mp4.mp4
| | 1-检测任务中阶段的意义.mp4.mp4
| | 10-PAN模块解读.mp4.mp4
| | 11-激活函数与整体架构总结.mp4.mp4
| | 2-V4版本贡献解读.mp4.mp4
| | 2-不同阶段算法优缺点分析.mp4.mp4
| | 2-多scale方法改进与特征融合.mp4.mp4
| | 2-检测算法要得到的结果.mp4.mp4
| | 2-网络结构特点.mp4.mp4
| | 3-IOU指标计算.mp4.mp4
| | 3-数据增强策略分析.mp4.mp4
| | 3-整体网络架构解读.mp4.mp4
| | 3-架构细节解读.mp4.mp4
| | 3-经典变换方法对比分析.mp4.mp4
| | 4-DropBlock与标签平滑方法.mp4.mp4
| | 4-位置损失计算.mp4.mp4
| | 4-基于聚类来选择先验框尺寸.mp4.mp4
| | 4-残差连接方法解读.mp4.mp4
| | 4-评估所需参数计算.mp4.mp4
| | 5-map指标计算.mp4.mp4
| | 5-偏移量计算方法.mp4.mp4
| | 5-损失函数遇到的问题.mp4.mp4
| | 5-整体网络模型架构分析.mp4.mp4
| | 5-置信度误差与优缺点分析.mp4.mp4
| | 6-CIOU损失函数定义.mp4.mp4
| | 6-先验框设计改进.mp4.mp4
| | 6-坐标映射与还原.mp4.mp4
| | 7-NMS细节改进.mp4.mp4
| | 7-sotfmax层改进.mp4.mp4
| | 7-感受野的作用.mp4.mp4
| | 8-SPP与CSP网络结构.mp4.mp4
| | 8-特征融合改进.mp4.mp4
| | 9-SAM注意力机制模块.mp4.mp4
| | 目录.txt
| |
| +—12_基于YOLO5细胞检测实战
| | 1-任务与细胞数据集介绍.mp4.mp4
| | 2-模型与算法配置参数解读.mp4.mp4
| | 3-网络训练流程演示.mp4.mp4
| | 4-效果评估与展示.mp4.mp4
| | 5-细胞检测效果演示.mp4.mp4
| |
| +—13_知识图谱原理解读
| | 1-数据关系抽取分析.mp4.mp4
| | 1-知识图谱通俗解读.mp4.mp4
| | 2-常用NLP技术点分析.mp4.mp4
| | 2-知识图谱在搜索引擎中的应用.mp4.mp4
| | 3-graph-embedding的作用与效果.mp4.mp4
| | 3-知识图谱在医疗领域应用实例.mp4.mp4
| | 4-金融与推荐领域的应用.mp4.mp4
| | 4-金融领域图编码实例.mp4.mp4
| | 5-数据获取分析.mp4.mp4
| | 5-视觉领域图编码实例.mp4.mp4
| | 6-图谱知识融合与总结分析.mp4.mp4
| | 目录.txt
| |
| +—14_Neo4j数据库实战
| | 1-Neo4j图数据库介绍.mp4.mp4
| | 2-Neo4j数据库安装流程演示.mp4.mp4
| | 3-可视化例子演示.mp4.mp4
| | 4-创建与删除操作演示.mp4.mp4
| | 5-数据库更改查询操作演示.mp4.mp4
| |
| +—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.mp4.mp4
| | 10-完成对话系统构建.mp4.mp4
| | 2-医疗数据介绍及其各字段含义.mp4.mp4
| | 3-任务流程概述.mp4.mp4
| | 4-环境配置与所需工具包安装.mp4.mp4
| | 5-提取数据中的关键字段信息.mp4.mp4
| | 5-数据获取分析.mp4.mp4
| | 6-创建关系边.mp4.mp4
| | 7-打造医疗知识图谱模型.mp4.mp4
| | 8-加载所有实体数据.mp4.mp4
| | 9-实体关键词字典制作.mp4.mp4
| |
| +—16_词向量模型与RNN网络架构
| | 2-1词向量模型通俗解释.mp4.mp4
| | 3-1模型整体框架.mp4.mp4
| | 4-1训练数据构建.mp4.mp4
| | 5-1CBOW与Skip-gram模型.mp4.mp4
| | 6-1负采样方案.mp4.mp4
| | 目录.txt
| | 额外补充-RNN网络模型解读.mp4.mp4
| |
| +—17_医学糖尿病数据命名实体识别
| | 1-数据与任务介绍1.mp4.mp4
| | 2-整体模型架构1.mp4.mp4
| | 3-数据-标签-语料库处理1.mp4.mp4
| | 4-输入样本填充补齐1.mp4.mp4
| | 5-训练网络模型1.mp4.mp4
| | 6-医疗数据集（糖尿病）实体识别1.mp4.mp4
| |
| +—1_卷积神经网络原理与参数解读
| | 1-1卷积神经网络应用领域.mp4.mp4
| | 10-1VGG网络架构.mp4.mp4
| | 11-1残差网络Resnet.mp4.mp4
| | 12-感受野的作用.mp4.mp4
| | 2-1卷积的作用.mp4.mp4
| | 3-1卷积特征值计算方法.mp4.mp4
| | 4-1得到特征图表示.mp4.mp4
| | 5-1步长与卷积核大小对结果的影响.mp4.mp4
| | 6-1边缘填充方法.mp4.mp4
| | 7-1特征图尺寸计算与参数共享.mp4.mp4
| | 8-1池化层的作用.mp4.mp4
| | 9-1整体网络架构.mp4.mp4
| |
| +—2_PyTorch框架基本处理操作
| | 1-PyTorch实战课程简介.mp4.mp4
| | 2-PyTorch框架发展趋势简介1.mp4.mp4
| | 3-框架安装方法（CPU与GPU版本）1.mp4.mp4
| | 4-PyTorch基本操作简介1.mp4.mp4
| | 5-自动求导机制.mp4.mp4
| | 6线性回归DEMO-数据与参数配置1.mp4.mp4
| | 7线性回归DEMO-训练回归模型1.mp4.mp4
| | 8常见tensor格式1.mp4.mp4
| | 9Hub模块简介1.mp4.mp4
| |
| +—3_PyTorch框架必备核心模块解读
| | 1-卷积网络参数定义1.mp4.mp4
| | 10-加载训练好的网络模型1.mp4.mp4
| | 11-优化器模块配置1.mp4.mp4
| | 12-实现训练模块1.mp4.mp4
| | 13-训练结果与模型保存1.mp4.mp4
| | 14-加载模型对测试数据进行预测1.mp4.mp4
| | 15-额外补充-Resnet论文解读1.mp4.mp4
| | 16-额外补充-Resnet网络架构解读1.mp4.mp4
| | 2-网络流程解读1.mp4.mp4
| | 3-Vision模块功能解读1.mp4.mp4
| | 4-分类任务数据集定义与配置1.mp4.mp4
| | 5-图像增强的作用1.mp4.mp4
| | 6-数据预处理与数据增强模块1.mp4.mp4
| | 7-Batch数据制作1.mp4.mp4
| | 8-迁移学习的目标1.mp4.mp4
| | 9-迁移学习策略1.mp4.mp4
| |
| +—4_基于Resnet的医学数据集分类实战
| | 1-医学疾病数据集介绍.mp4.mp4
| | 2-Resnet网络架构原理分析.mp4.mp4
| | 3-dataloader加载数据集.mp4.mp4
| | 4-Resnet网络前向传播.mp4.mp4
| | 5-残差网络的shortcut操作.mp4.mp4
| | 6-特征图升维与降采样操作.mp4.mp4
| | 7-网络整体流程与训练演示.mp4.mp4
| |
| +—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.mp4.mp4
| | 2-分割任务中的目标函数定义.mp4.mp4
| | 3-MIOU评估标准.mp4.mp4
| |
| +—6_Unet系列算法讲解
| | 1-Unet网络编码与解码过程.mp4.mp4
| | 2-网络计算流程1.mp4.mp4
| | 3-Unet升级版本改进1.mp4.mp4
| | 4-后续升级版本介绍1.mp4.mp4
| |
| +—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.mp4.mp4
| | 2-数据增强工具.mp4.mp4
| | 3-Debug模式演示网络计算流程.mp4.mp4
| | 4-特征融合方法演示.mp4.mp4
| | 5-迭代完成整个模型计算任务.mp4.mp4
| | 6-模型效果验证.mp4.mp4
| |
| +—8_deeplab系列算法
| | 1-deeplab分割算法概述.mp4.mp4
| | 2-空洞卷积的作用.mp4.mp4
| | 3-感受野的意义.mp4.mp4
| | 4-SPP层的作用.mp4.mp4
| | 5-ASPP特征融合策略.mp4.mp4
| | 6-deeplabV3Plus版本网络架构.mp4.mp4
| |
| \—9_基于deeplabV3+版本进行VOC分割实战
| 1-PascalVoc数据集介绍.mp4.mp4
| 2-项目参数与数据集读取.mp4.mp4
| 3-网络前向传播流程.mp4.mp4
| 4-ASPP层特征融合.mp4.mp4
| 5-分割模型训练.mp4.mp4
|
+—19_深度学习模型部署与剪枝优化实战
| +—3_pyTorch框架部署实践
| | 0-课程简介12.mp4.mp4
| | 1-所需基本环境配置.mp4.mp4
| | 2-模型加载与数据预处理.mp4.mp4
| | 3-接收与预测模块实现.mp4.mp4
| | 4-效果实例演示.mp4.mp4
| |
| +—4_YOLO-V3物体检测部署实例
| | 1-项目所需配置文件介绍.mp4.mp4
| | 2-加载参数与模型权重.mp4.mp4
| | 3-数据预处理.mp4.mp4
| | 4-返回线性预测结果.mp4.mp4
| |
| +—5_docker实例演示
| | 1-docker简介.mp4.mp4
| | 2-docker安装与配置.mp4.mp4
| | 3-阿里云镜像配置.mp4.mp4
| | 4-基于docker配置pytorch环境.mp4.mp4
| | 5-安装演示环境所需依赖.mp4.mp4
| | 6-复制所需配置到容器中.mp4.mp4
| | 7-上传与下载配置好的项目.mp4.mp4
| |
| +—6_tensorflow-serving实战
| | 1-tf-serving项目获取与配置.mp4.mp4
| | 2-加载并启动模型服务.mp4.mp4
| | 3-测试模型部署效果.mp4.mp4
| | 4-fashion数据集获取.mp4.mp4
| | 5-加载fashion模型启动服务.mp4.mp4
| |
| +—7_模型剪枝-Network Slimming算法分析
| | 1-论文算法核心框架概述.mp4.mp4
| | 2-BatchNorm要解决的问题.mp4.mp4
| | 3-BN的本质作用.mp4.mp4
| | 4-额外的训练参数解读.mp4.mp4
| | 5-稀疏化原理与效果.mp4.mp4
| |
| +—8_模型剪枝-Network Slimming实战解读
| | 1-整体案例流程解读.mp4.mp4
| | 2-加入L1正则化来进行更新.mp4.mp4
| | 3-剪枝模块介绍.mp4.mp4
| | 4-筛选需要的特征图.mp4.mp4
| | 5-剪枝后模型参数赋值.mp4.mp4
| | 6-微调完成剪枝模型.mp4.mp4
| |
| \—9_Mobilenet三代网络模型架构
| 1-模型剪枝分析.mp4.mp4
| 10-V2整体架构与效果分析.mp4.mp4
| 11-V3版本网络架构分析.mp4.mp4
| 12-SE模块作用与效果解读.mp4.mp4
| 13-代码实现mobilenetV3网络架构.mp4.mp4
| 2-常见剪枝方法介绍.mp4.mp4
| 3-mobilenet简介.mp4.mp4
| 4-经典卷积计算量与参数量分析.mp4.mp4
| 5-深度可分离卷积的作用与效果.mp4.mp4
| 6-参数与计算量的比较.mp4.mp4
| 7-V1版本效果分析.mp4.mp4
| 8-V2版本改进以及Relu激活函数的问题.mp4.mp4
| 9-倒残差结构的作用.mp4.mp4
|
+—1_直播课回放
| +—10_直播7：GPT系列算法与实战
| | GPT系列算法与实战.mp4
| |
| +—11_额外补充：GPT建模与预测流程
| | 1.生成模型可以完成的任务概述.mp4
| | 2-数据样本生成方法.mp4
| | 3-训练所需参数解读.mp4
| | 4-模型训练过程.mp4
| | 5-部署与网页预测展示.mp4
| |
| +—12_额外补充：文本摘要建模
| | 1-中文商城评价数据处理方法.mp4
| | 2-模型训练与测试结果.mp4
| | 3-文本摘要数据标注方法.mp4
| | 4-训练自己标注的数据并测试.mp4
| |
| +—13_直播8：知识抽取实战
| | 知识抽取实战(1).mp4
| | 知识抽取实战.mp4
| |
| +—14_直播9：Openai CLIP模型
| | Openai CLIP模型.mp4
| |
| +—15_直播10：DeformableDetr算法解读
| | DeformableDetr算法解读.mp4
| |
| +—16_直播11：OCR算法解读
| | OCR算法解读.mp4
| |
| +—17_直播12：KIE关键信息抽取与视频超分辨率重构
| | KIE关键信息抽取与视频超分辨率重构.mp4
| |
| +—18_直播13：对比学习
| | 1对比学习.mp4
| |
| +—1_直播1：开班典礼
| | 1人工智能CV NLP高薪实战班.mp4
| |
| +—2_Pycharm环境配置与Debug演示(没用过的同学必看)
| | Pycharm环境配置与Debug演示(没用过的同学必看).mp4
| |
| +—3_直播2：深度学习必备基础-神经网络与卷积网络
| | 1.深度学习必备基础-神经网络与卷积网络.mp4
| |
| +—4_直播3：Transformer原理及其各领域应用分析
| | Transformer原理及其各领域应用分析.mp4
| |
| +—5_额外补充：时间序列预测
| | 额外补充：时间序列预测.mp4
| |
| +—6_直播4：Informer时间序列预测源码解读
| | Informer时间序列预测源码解读.mp4
| |
| +—7_额外补充：Huggingface与NLP（讲故事）
| | Huggingface与NLP（讲故事）.mp4
| |
| +—8_直播5：Huggingface核心模块解读
| | Huggingface核心模块解读.mp4
| |
| \—9_直播6：BERT系列模型与命名实体识别实例
| BERT系列模型与命名实体识别实例.mp4
|
+—20_自然语言处理经典案例实战
| 20_自然语言处理经典案例实战.zip
|
+—21_自然语言处理通用框架-BERT实战
| 21_自然语言处理通用框架-BERT实战.zip
|
+—22_知识图谱实战系列
| 22_知识图谱实战系列.zip
|
+—23_语音识别实战系列
| 23_语音识别实战系列.zip
|
+—24_推荐系统实战系列
| 24_推荐系统实战系列.zip
|
+—2_深度学习必备核心算法
| +—1_神经网络算法解读
| | 1-神经网络算法解读.mp4
| |
| +—2_卷积神经网络算法解读
| | 2-卷积神经网络算法解读.mp4
| |
| \—3_递归神经网络算法解读
| 3-递归神经网络算法解读.mp4
|
+—3_深度学习核心框架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1.mp4.mp4
| | 2-CPU与GPU版本安装方法解读1.mp4.mp4
| |
| +—2_使用神经网络进行分类任务
| | 1-数据集与任务概述2.mp4.mp4
| | 2-基本模块应用测试2.mp4.mp4
| | 3-网络结构定义方法2.mp4.mp4
| | 4-数据源定义简介2.mp4.mp4
| | 5-损失与训练模块分析2.mp4.mp4
| | 6-训练一个基本的分类模型2.mp4.mp4
| | 7-参数对结果的影响2.mp4.mp4
| |
| +—3_神经网络回归任务-气温预测
| | 神经网络回归任务-气温预测1.mp4.mp4
| |
| +—4_卷积网络参数解读分析
| | 1-输入特征通道分析2.mp4.mp4
| | 2-卷积网络参数解读2.mp4.mp4
| | 3-卷积网络模型训练2.mp4.mp4
| |
| +—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2.mp4.mp4
| | 10-测试结果演示分析1.mp4.mp4
| | 2-数据增强模块2.mp4.mp4
| | 3-数据集与模型选择1.mp4.mp4
| | 4-迁移学习方法解读1.mp4.mp4
| | 5-输出层与梯度设置1.mp4.mp4
| | 6-输出类别个数修改1.mp4.mp4
| | 7-优化器与学习率衰减1.mp4.mp4
| | 8-模型训练方法1.mp4.mp4
| | 9-重新训练全部模型1.mp4.mp4
| |
| +—6_DataLoader自定义数据集制作
| | 1-Dataloader要完成的任务分析1.mp4.mp4
| | 2-图像数据与标签路径处理1.mp4.mp4
| | 3-Dataloader中需要实现的方法分析1.mp4.mp4
| | 4-实用Dataloader加载数据并训练模型1.mp4.mp4
| |
| +—7_LSTM文本分类实战
| | 1-数据集与任务目标分析1.mp4.mp4
| | 2-文本数据处理基本流程分析1.mp4.mp4
| | 3-命令行参数与DEBUG1.mp4.mp4
| | 4-训练模型所需基本配置参数分析1.mp4.mp4
| | 5-预料表与字符切分1.mp4.mp4
| | 6-字符预处理转换ID1.mp4.mp4
| | 7-LSTM网络结构基本定义1.mp4.mp4
| | 8-网络模型预测结果输出1.mp4.mp4
| | 9-模型训练任务与总结1.mp4.mp4
| |
| \—8_PyTorch框架Flask部署例子
| 1-基本结构与训练好的模型加载.mp4.mp4
| 2-服务端处理与预测函数.mp4.mp4
| 3-基于Flask测试模型预测结果.mp4.mp4
|
+—4_MMLAB实战系列
| +—10_第四模块：DBNET文字检测
| | 1-文字检测数据概述与配置文件.mp4.mp4
| | 2-配置文件参数设置.mp4.mp4
| | 3-Neck层特征组合.mp4.mp4
| | 4-损失函数模块概述.mp4.mp4
| | 5-损失计算方法.mp4.mp4
| |
| +—11_第四模块：ANINET文字识别
| | 1-数据集与环境概述.mp4.mp4
| | 2-配置文件修改方法.mp4.mp4
| | 3-Bakbone模块得到特征.mp4.mp4
| | 4-视觉Transformer模块的作用.mp4.mp4
| | 5-视觉模型中的编码与解码的效果.mp4.mp4
| | 6-文本模型中的结构分析.mp4.mp4
| | 7-迭代修正模块.mp4.mp4
| | 8-输出层与损失计算.mp4.mp4
| |
| +—12_第五模块：stylegan2源码解读
| | 1-要完成的任务与基本思想概述.mp4.mp4
| | 2-得到style特征编码.mp4.mp4
| | 3-特征编码风格拼接.mp4.mp4
| | 4-基础风格特征卷积模块.mp4.mp4
| | 5-上采样得到输出结果.mp4.mp4
| | 6-损失函数概述.mp4.mp4
| |
| +—12_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.mp4.mp4
| | 2-KIE数据集格式调整方法.mp4.mp4
| | 3-配置文件与标签要进行处理操作.mp4.mp4
| | 4-边框要计算的特征分析.mp4.mp4
| | 5-标签数据处理与关系特征提取.mp4.mp4
| | 6-特征合并处理.mp4.mp4
| | 7-准备拼接边与点特征.mp4.mp4
| | 8-整合得到图模型输入特征.mp4.mp4
| |
| +—13_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.mp4.mp4
| | 10-传播流程整体完成一圈.mp4
| | 11-完成输出结果.mp4.mp4
| | 2-特征基础提取模块.mp4
| | 3-光流估计网络模块.mp4
| | 4-基于光流完成对齐操作.mp4
| | 5-偏移量计算方法1.mp4.mp4
| | 6-双向计算特征对齐.mp4
| | 7-提特征传递流程分析.mp4
| | 8-序列传播计算.mp4
| | 9-准备变形卷积模块的输入.mp4.mp4
| |
| +—14_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.mp4
| | 10-3D卷积特征融合.mp4
| | 11-输出层预测结果.mp4
| | 2-数据与标注文件介绍.mp4
| | 3-基本流程梳理并进入debug模式.mp4
| | 4-数据与图像特征提取模块.mp4
| | 5-体素索引位置获取.mp4.mp4
| | 6-体素特征提取方法解读.mp4
| | 7-体素特征计算方法分析.mp4
| | 8-全局体素特征提取.mp4
| | 9-多模态特征融合.mp4
| |
| +—15_第八模块：模型蒸馏应用实例
| | 1-任务概述与工具使用.mp4
| | 2-Teacher与Student网络结构定义.mp4
| | 3-训练T与S得到蒸馏模型.mp4
| | 4-开始模型训练过程与问题修正.mp4
| | 5-日志输出与模型分离.mp4
| | 6-分别得到Teacher与Student模型.mp4
| | 7-实际测试效果演示.mp4
| |
| +—16_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.mp4
| | 2-搜索匹配到符合计算量的模型并训练.mp4
| |
| +—17_第九模块：mmaction行为识别
| | 创建自己的行为识别标注数据集.mp4
| |
| +—18_额外补充
| | 在源码中加入各种注意力机制方法.mp4
| |
| +—1_MMCV安装方法
| | MMCV安装方法.mp4
| |
| +—2_第一模块：分类任务基本操作
| | 1-准备MMCLS项目.mp4
| | 2-基本参数配置解读.mp4
| | 3-各模块配置文件组成.mp4
| | 4-生成完整配置文件.mp4
| | 5-根据文件夹定义数据集.mp4
| | 6-构建自己的数据集.mp4
| | 7-训练自己的任务.mp4
| | MMCLS问题修正1.mp4
| |
| +—3_第一模块：训练结果测试与验证
| | 1-测试DEMO效果.mp4
| | 2-测试评估模型效果.mp4
| | 3-MMCLS中增加一个新的模块.mp4
| | 4-修改配置文件中的参数.mp4
| | 5-数据增强流程可视化展示.mp4
| | 6-Grad-Cam可视化方法.mp4
| | 7-可视化细节与效果分析.mp4
| | 8-MMCLS可视化模块应用.mp4
| | 9-模型分析脚本使用.mp4
| |
| +—4_第一模块：模型源码DEBUG演示
| | 1-VIT任务概述.mp4
| | 2-数据增强模块概述分析.mp4
| | 3-PatchEmbedding层.mp4
| | 4-前向传播基本模块.mp4
| | 5-CLS与输出模块.mp4
| |
| +—5_第二模块：使用分割模块训练自己的数据集
下载地址：
感谢您的来访，获取更多精彩文章请收藏本站。
