总计: 📁 579 个文件夹, 📄 2998 个文件
📂 咕泡-人工智能深度学习系统班（第十期）
├── 📂 9 期资料
│ ├── 📂 1.第1章 直播课
│ │ ├── 📂 1-1 节开班典礼
│ │ │ └── 📝 人工智能详情页7.1.pdf
│ │ ├── 📂 1-10 节直播9：自监督任务
│ │ │ └── 📝 BEiT v2.pdf
│ │ ├── 📂 1-11 节直播10：知识蒸馏
│ │ │ ├── 📝 9-LDA与PCA算法.pdf
│ │ │ └── 📝 蒸馏.pdf
│ │ ├── 📂 1-12 节直播11：分割Mask2former算法
│ │ │ └── 📝 mask2former.pdf
│ │ ├── 📂 1-13 节直播12：多模态与交叉注意力应用
│ │ │ └── 📝 Loftr.pdf
│ │ ├── 📂 1-14节 直播13：时间序列timesnet与地理分类任务
│ │ │ ├── 📝 2210.02186.pdf
│ │ │ └── 🗜️ Time-Series-Library-main.zip
│ │ ├── 📂 1-2 神经网络
│ │ │ └── 📝 神经网络.pdf
│ │ ├── 📂 1-3 节直播2：卷积神经网络
│ │ │ └── 📝 卷积神经网络.pdf
│ │ ├── 📂 1-4 节直播3：Transformer架构解读
│ │ │ └── 📝 transformer.pdf
│ │ ├── 📂 1-5 节直播4：视觉Transformer- VIT源码解读
│ │ │ ├── 📝 Transformer在视觉中的应用VIT算法.pdf
│ │ │ └── 🗜️ ViT.zip
│ │ ├── 📂 1-6 节直播5：图神经网络
│ │ │ ├── 📝 Temporal Graph Neural Networks.pdf
│ │ │ ├── 📝 图卷积.pdf
│ │ │ ├── 📝 图注意力机制.pdf
│ │ │ ├── 📝 图神经网络.pdf
│ │ │ └── 📝 异构图.pdf
│ │ ├── 📂 1-7 节直播6：Transformer Decoder在视觉任务的应用
│ │ │ ├── 📝 AlignPS.pdf
│ │ │ ├── 📝 DETR课件.pdf
│ │ │ ├── 📝 Informer.pdf
│ │ │ └── 📝 可变形DETR.pdf
│ │ ├── 📂 1-8 节直播7：对比学习与多模态任务
│ │ │ ├── 📝 CLIP及其应用.pdf
│ │ │ └── 📝 对比学习.pdf
│ │ └── 📂 1-9节 直播8：GPT与Hugging face
│ │ ├── 📝 GPT系列.pdf
│ │ └── 📝 大模型.pdf
│ ├── 📂 10.第一十章 2022论⽂必备-Transformer实战系列
│ │ ├── 📂 基础补充-Resnet模型及其应用实例
│ │ │ └── 📝 Resnet.pdf
│ │ ├── 📂 第十二，十三章
│ │ │ ├── 📝 2104.00680.pdf
│ │ │ ├── 🗜️ LoFTR.zip
│ │ │ └── 📝 Loftr.pdf
│ │ ├── 📂 谷歌开源项目BERT源码解读与应用实例
│ │ │ └── 🗜️ BERT开源项目及数据.zip
│ │ ├── 📝 2104.00680.pdf
│ │ ├── 📝 BEV.pdf
│ │ ├── 📝 Informer.pdf
│ │ ├── 🗜️ Informer.zip
│ │ ├── 🗜️ LoFTR.zip
│ │ ├── 📝 Loftr.pdf
│ │ ├── 🗜️ Medical-Transformer.zip
│ │ ├── 📝 Transformer在视觉中的应用VIT算法.pdf
│ │ ├── 🗜️ ViT.zip
│ │ ├── 📄 baiduyunguangjia_cfg_A900527E-5BA6-4d22-8E96-E40D5C6EDF61.cfg
│ │ ├── 📝 mask2former.pdf
│ │ ├── 📝 maskformer.pdf
│ │ ├── 🗜️ mmdetection-master.zip
│ │ ├── 📝 transformer.pdf
│ │ ├── 📝 可变形DETR.pdf
│ │ ├── 🗜️ 第七章：detr目标检测源码解读.zip
│ │ ├── 🗜️ 第五章：swintransformer源码解读.zip
│ │ ├── 📝 第六章：基于Transformer的detr目标检测算法.pdf
│ │ └── 📝 第四章：swintransformer算法原理解析.pdf
│ ├── 📂 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
│ │ │ └── 🗜️ 工具包使用.zip
│ │ ├── 📂 4-使用PyTorch Geometric构建自己的图数据集
│ │ │ └── 🗜️ 创建自己的数据集.zip
│ │ ├── 📂 5-图注意力机制与序列图模型
│ │ │ ├── 📝 Temporal Graph Neural Networks.pdf
│ │ │ ├── 📝 图注意力机制.pdf
│ │ │ └── 🗜️ 时间序列CN.zip
│ │ ├── 📂 6-图相似度论文解读
│ │ │ └── 📝 1808.05689.pdf
│ │ ├── 📂 7-图相似度计算实战
│ │ │ └── 🗜️ Extended-SimGNN.zip
│ │ ├── 📂 8-基于图模型的轨迹估计
│ │ │ ├── 🎬 数据集Demo.mp4
│ │ │ └── 📝 轨迹轨迹.pdf
│ │ ├── 📂 9-图模型轨迹估计实战
│ │ │ └── 🗜️ Vector.zip
│ │ ├── 📂 基于图模型的时间序列预测
│ │ │ ├── 📝 2110.05357.pdf
│ │ │ ├── 🗜️ Raindrop-main.rar
│ │ │ └── 📝 raindrop-AAAI22.pdf
│ │ ├── 📂 异构图神经网络
│ │ │ ├── 🗜️ HeterogeneousGraph.zip
│ │ │ ├── 📝 异构图.pdf
│ │ │ └── 📝 异构图神经网络.pdf
│ │ ├── 📂 第一章：图神经网络基础
│ │ │ └── 📝 图神经网络.pdf
│ │ └── 📂 第二章：图卷积GCN模型
│ │ └── 📝 图卷积.pdf
│ ├── 📂 12.第一十二章 3D点云实战
│ │ ├── 📂 第1节：3D点云应用领域分析
│ │ │ ├── 🎬 激光雷达.mp4
│ │ │ └── 📝 点云.pdf
│ │ ├── 📂 第2节：3D点云PointNet算法
│ │ │ ├── 🗜️ CloudCompare.zip
│ │ │ └── 📝 PointNet++.pdf
│ │ ├── 📂 第3节：PointNet++算法解读
│ │ │ └── 📝 PointNet++.pdf
│ │ ├── 📂 第4节：Pointnet++项目实战
│ │ │ └── 🗜️ Pointnet2.zip
│ │ ├── 📂 第5节：点云补全PF-Net论文解读
│ │ │ ├── 📝 2003.00410.pdf
│ │ │ └── 📝 点云补全.pdf
│ │ ├── 📂 第6节：点云补全实战解读
│ │ │ └── 🗜️ PF-Net-Point-Fractal-Network.zip
│ │ ├── 📂 第7节：点云配准及其案例实战
│ │ │ ├── 📝 2003.13479.pdf
│ │ │ ├── 🗜️ RPMNet.zip
│ │ │ └── 📝 点云匹配.pdf
│ │ └── 📂 第8节：基础补充-对抗生成网络架构原理与实战解析
│ │ └── 🗜️ 第八章：对抗生成网络架构原理与实战解析.zip
│ ├── 📂 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
│ │ │ ├── 📝 Monocular_Depth_Estimation_Using_Laplacian_Pyramid-Based_Depth_Residuals.pdf
│ │ │ └── 📝 深度估计.pdf
│ │ ├── 📂 10-NeuralRecon项目源码解读
│ │ │ └── 📂 NeuralRecon
│ │ │ ├── 🗜️ all_tsdf_9.zip
│ │ │ ├── 💻 data.py
│ │ │ └── 🗜️ train_demo.zip
│ │ ├── 📂 11-TSDF算法与应用
│ │ │ └── 📝 TSDF.pdf
│ │ ├── 📂 12-TSDF实战案例
│ │ │ └── 📂 TSDF实例
│ │ │ └── 🗜️ tsdf-fusion-python-master.zip
│ │ ├── 📂 13-轨迹估计算法与论文解读
│ │ │ └── 📝 无人驾驶.pdf
│ │ ├── 📂 14-轨迹估计预测实战
│ │ │ └── 🗜️ Vector.zip
│ │ ├── 📂 15-特斯拉无人驾驶解读
│ │ │ └── 📝 Tesla无人驾驶.pdf
│ │ ├── 📂 2.深度估计项目实战
│ │ │ └── 🗜️ LapDepth.zip
│ │ ├── 📂 3-车道线检测算法与论文解读
│ │ │ └── 📝 基于深度学习的车道线检测.pdf
│ │ ├── 📂 4-基于深度学习的车道线检测项目实战
│ │ │ └── 🗜️ Lane-Detection.zip
│ │ ├── 📂 5-商汤LoFTR算法解读
│ │ │ ├── 📝 2104.00680.pdf
│ │ │ └── 📝 Loftr.pdf
│ │ ├── 📂 6-局部特征关键点匹配实战
│ │ │ └── 🗜️ LoFTR.zip
│ │ ├── 📂 7-三维重建应用与坐标系基础
│ │ │ └── 📝 三维重建.pdf
│ │ ├── 📂 8-NeuralRecon算法解读
│ │ │ ├── 📝 NeuralRecon.pdf
│ │ │ └── 📝 三维重建.pdf
│ │ └── 📂 9-NeuralRecon项目环境配置
│ │ └── 📂 参考其GITHUB即可
│ ├── 📂 14.第一十三章 对比学习与多模态任务实战
│ │ ├── 📂 ANINET源码解读
│ │ │ └── 🗜️ mmocr-main.zip
│ │ ├── 📂 CLIP系列
│ │ │ ├── 🗜️ CLIP.zip
│ │ │ └── 📝 CLIP及其应用.pdf
│ │ ├── 📂 多模态3D目标检测算法源码解读
│ │ │ └── 🗜️ mmdetection3d-1.0.0rc0.zip
│ │ ├── 📂 多模态文字识别
│ │ │ ├── 📝 ABINET.pdf
│ │ │ └── 📝 DBNET.pdf
│ │ └── 📂 对比学习算法与实例
│ │ ├── 💻 trainCLIP.py
│ │ └── 📝 对比学习.pdf
│ ├── 📂 15.第一十五章 缺陷检测实战
│ │ ├── 📂 PyTorch基础
│ │ │ ├── 🗜️ 1-PyTorch框架基本处理操作.zip
│ │ │ ├── 🗜️ 2-神经网络实战分类与回归任务.zip
│ │ │ └── 🗜️ 3-图像识别核心模块实战解读.zip
│ │ ├── 📂 Resnet分类实战
│ │ │ └── 📝 Resnet.pdf
│ │ ├── 📂 第1-4章：YOLOV5缺陷检测
│ │ │ ├── 🗜️ Defective_Insulators.zip
│ │ │ ├── 🗜️ NEU-DET.zip
│ │ │ ├── 🗜️ YOLO5.zip
│ │ │ └── 📝 YOLO新版.pdf
│ │ ├── 📂 第11-12章：deeplab
│ │ │ ├── 📝 DeepLab.pdf
│ │ │ └── 🗜️ DeepLabV3Plus.zip
│ │ ├── 📂 第6-8章：Opencv各函数使用实例
│ │ │ ├── 🗜️ 第一部分notebook课件.zip
│ │ │ └── 🗜️ 第二部分notebook课件.zip
│ │ ├── 🗜️ DeepLab铁质材料缺陷检测与开源项目应用流程.zip
│ │ ├── 🗜️ 第10章：基于视频流水线的Opnecv缺陷检测项目.zip
│ │ ├── 🗜️ 第5章：Semi-supervised布料缺陷检测实战.zip
│ │ └── 🗜️ 第9章：基于Opencv缺陷检测项目实战.zip
│ ├── 📂 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
│ │ │ └── 📝 行人重识别.pdf
│ │ ├── 📂 第2节：基于注意力机制的ReId模型论文解读
│ │ │ └── 📝 Relation-Aware Global Attention.pdf
│ │ ├── 📂 第3节：基于Attention的行人重识别项目实战
│ │ │ └── 🗜️ Relation-Aware-Global-Attention-Networks.zip
│ │ ├── 📂 第4节：经典会议算法精讲（特征融合）
│ │ │ └── 📝 Relation Network for Person Re-identification.pdf
│ │ ├── 📂 第5节：项目实战-基于行人局部特征融合的再识别实战
│ │ │ └── 🗜️ Relation Network for Person Re-identification.zip
│ │ ├── 📂 第6节：旷视研究院最新算法解读（基于图模型）
│ │ │ └── 📝 Wang_High-Order_Information_Matters_Learning_Relation_and_Topology_for_Occluded_Person_CVPR_2020_paper.pdf
│ │ └── 📂 第7节：基于拓扑图的行人重识别项目实战
│ │ └── 🗜️ 基于图模型的ReID(旷视).zip
│ ├── 📂 17.第一十七章 对抗⽣成⽹络实战
│ │ ├── 📂 第4节：stargan论文架构解析
│ │ │ ├── 📝 1912.01865.pdf
│ │ │ └── 📝 stargan.pdf
│ │ ├── 📂 第6节：基于starganvc2的变声器论文原理解读
│ │ │ ├── 📝 1907.12279.pdf
│ │ │ └── 📝 stargan-vc2.pdf
│ │ ├── 📂 第8节：图像超分辨率重构实战
│ │ │ ├── 🗜️ srdata.zip
│ │ │ └── 🗜️ srgan超分辨率重构.zip
│ │ ├── 📂 第9节：基于GAN的图像补全实战
│ │ │ ├── 🗜️ glcic图像补全.zip
│ │ │ └── 🗜️ 图像补全人脸数据.zip
│ │ ├── 📝 cyclegan.pdf
│ │ ├── 🗜️ static.zip
│ │ ├── 🗜️ 第2节：对抗生成网络架构原理与实战解析.zip
│ │ ├── 🗜️ 第3节：基于CycleGan开源项目实战图像合成.zip
│ │ ├── 🗜️ 第5节：stargan项目实战及其源码解读.zip
│ │ └── 🗜️ 第7节：starganvc2变声器项目实战及其源码解读.zip
│ ├── 📂 18.第十八章 强化学习与AI黑科技实例
│ │ ├── 📂 AI黑科技实例
│ │ │ ├── 📂 1 节GPT系列生成模型
│ │ │ │ ├── 🗜️ GPT.zip
│ │ │ │ └── 📝 GPT系列.pdf
│ │ │ ├── 📂 2 节GPT建模与预测流程
│ │ │ │ └── 🗜️ ChinesePretrainedModels.zip
│ │ │ ├── 📂 3 节CLIP系列
│ │ │ │ ├── 🗜️ CLIP.zip
│ │ │ │ └── 📝 CLIP及其应用.pdf
│ │ │ ├── 📂 4 节Diffusion模型解读
│ │ │ │ └── 📄 annotated_diffusion.ipynb
│ │ │ ├── 📂 5 节Dalle2及其源码解读
│ │ │ │ ├── 🗜️ DALLE2-pytorch-main.zip
│ │ │ │ └── 📝 dalle2.pdf
│ │ │ └── 📂 6 节ChatGPT
│ │ │ └── 📝 GPT系列.pdf
│ │ ├── 📝 第1节：强化学习简介及其应用.pdf
│ │ ├── 📝 第2节：PPO算法与公式推导.pdf
│ │ ├── 🗜️ 第3节：策略梯度实战-月球登陆器训练实例.zip
│ │ ├── 📝 第4节：DQN算法.pdf
│ │ ├── 🗜️ 第5节：DQN算法实例演示.zip
│ │ ├── 📝 第7节：Actor-Critic算法分析(A3C).pdf
│ │ └── 🗜️ 第8节：A3C算法玩转超级马里奥.zip
│ ├── 📂 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
│ │ │ └── 📝 深度学习.pdf
│ │ ├── 📂 10-基于deeplab的心脏视频数据诊断分析
│ │ │ └── 🗜️ 基于deeplab的心脏视频数据诊断分析.zip
│ │ ├── 📂 11-YOLO系列物体检测算法原理解读
│ │ │ ├── 📝 YOLO.pdf
│ │ │ └── 📝 YOLOv4.pdf
│ │ ├── 📂 12-基于YOLO5细胞检测实战
│ │ │ └── 🗜️ 基于YOLO5细胞检测实战.zip
│ │ ├── 📂 13-知识图谱原理解读
│ │ │ └── 📝 知识图谱.pdf
│ │ ├── 📂 14-Neo4j数据库实战
│ │ │ └── 📝 NEO4J.pdf
│ │ ├── 📂 15-基于知识图谱的医药问答系统实战
│ │ │ └── 📝 配置与安装.pdf
│ │ ├── 📂 17-医学糖尿病数据命名实体识别
│ │ │ ├── 🗜️ eclipse-命名实体识别.zip
│ │ │ └── 🗜️ notebook-瑞金.zip
│ │ ├── 📂 4-基于Resnet的医学数据集分类实战
│ │ │ └── 📝 Resnet.pdf
│ │ ├── 📂 5-图像分割及其损失函数概述
│ │ │ └── 📝 深度学习分割任务.pdf
│ │ ├── 📂 6-Unet系列算法讲解
│ │ │ └── 📝 深度学习分割任务.pdf
│ │ ├── 📂 7-unet医学细胞分割实战
│ │ │ ├── 📂 新建文件夹
│ │ │ └── 🗜️ unet++.zip
│ │ ├── 📂 8-deeplab系列算法
│ │ │ └── 📝 DeepLab.pdf
│ │ ├── 📂 9-基于deeplabV3+版本进行VOC分割实战
│ │ │ └── 🗜️ DeepLabV3Plus.zip
│ │ ├── 🗜️ 16-词向量模型与RNN网络架构.zip
│ │ ├── 🗜️ 2-PyTorch框架基本处理操作.zip
│ │ └── 🗜️ 3-PyTorch框架必备核心模块解读.zip
│ ├── 📂 2.第二章 深度学习必备核心算法
│ │ ├── 📝 Transformer在视觉中的应用VIT算法.pdf
│ │ ├── 🗜️ ViT.zip
│ │ ├── 📝 transformer.pdf
│ │ ├── 📝 卷积神经网络.pdf
│ │ └── 📝 神经网络.pdf
│ ├── 📂 20.第二十章 CV与NLP经典大模型解读
│ │ ├── 📂 第七章：视觉大模型SAM
│ │ │ └── 📝 SAM.pdf
│ │ ├── 📂 第三章：ChatGpt
│ │ │ └── 📝 GPT系列.pdf
│ │ ├── 📂 第九章：扩散模型
│ │ │ └── 📄 annotated_diffusion.ipynb
│ │ ├── 📂 第五章：LLM下游任务
│ │ │ └── 🗜️ Huatuo-Llama-Med-Chinese-main.zip
│ │ ├── 📂 第八章：视觉QA
│ │ │ └── 📝 From Images to Textual Prompts.pdf
│ │ ├── 📂 第六章：langchain
│ │ │ └── 🗜️ langchain-tutorials-main.zip
│ │ ├── 📂 第十一章：dalle2源码解读
│ │ │ └── 🗜️ DALLE2-pytorch-main.zip
│ │ ├── 📂 第十七章：BEVFORMER源码
│ │ │ └── 🗜️ bevformer.zip
│ │ ├── 📂 第十三章：BEIT
│ │ │ └── 📝 beit.pdf
│ │ ├── 📂 第十二章：自监督任务对比学习
│ │ │ └── 📝 对比学习.pdf
│ │ ├── 📂 第十五章：BEITV2源码
│ │ │ └── 🗜️ mmselfsup-1.x.zip
│ │ ├── 📂 第十六章：BEV感知
│ │ │ └── 📝 BEV.pdf
│ │ ├── 📂 第十四章：BEITV2
│ │ │ └── 📝 BEiT v2.pdf
│ │ ├── 📂 第十章：dalle2论文解读
│ │ │ └── 📝 dalle2.pdf
│ │ ├── 📂 第四章：LLM与LORA
│ │ │ └── 📝 大模型.pdf
│ │ ├── 📝 第一章：GPT系列.pdf
│ │ ├── 🗜️ 第二章：ChinesePretrainedModels.zip
│ │ └── 📝 课程介绍.pdf
│ ├── 📂 21-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.mp4
│ │ │ ├── 🎬 2-jetson nano 刷机.mp4
│ │ │ ├── 🎬 3- jetson nano 系统安装过程.mp4
│ │ │ ├── 🎬 4-感受nano的GPU算力.mp4
│ │ │ └── 🎬 5-安装使用摄像头csi usb.mp4
│ │ ├── 📂 10-模型剪枝-Network Slimming算法分析
│ │ │ ├── 🎬 1-论文算法核心框架概述.mp4
│ │ │ ├── 🎬 2-BatchNorm要解决的问题.mp4
│ │ │ ├── 🎬 3-BN的本质作用.mp4
│ │ │ ├── 🎬 4-额外的训练参数解读.mp4
│ │ │ └── 🎬 5-稀疏化原理与效果.mp4
│ │ ├── 📂 11-模型剪枝-Network Slimming实战解读
│ │ │ ├── 🎬 1-整体案例流程解读.mp4
│ │ │ ├── 🎬 2-加入L1正则化来进行更新.mp4
│ │ │ ├── 🎬 3-剪枝模块介绍.mp4
│ │ │ ├── 🎬 4-筛选需要的特征图.mp4
│ │ │ ├── 🎬 5-剪枝后模型参数赋值.mp4
│ │ │ └── 🎬 6-微调完成剪枝模型.mp4
│ │ ├── 📂 12-Mobilenet三代网络模型架构
│ │ │ ├── 🎬 1-模型剪枝分析.mp4
│ │ │ ├── 🎬 10-V2整体架构与效果分析.mp4
│ │ │ ├── 🎬 11-V3版本网络架构分析.mp4
│ │ │ ├── 🎬 12-SE模块作用与效果解读.mp4
│ │ │ ├── 🎬 13-代码实现mobilenetV3网络架构.mp4
│ │ │ ├── 🎬 2-常见剪枝方法介绍.mp4
│ │ │ ├── 🎬 3-mobilenet简介.mp4
│ │ │ ├── 🎬 4-经典卷积计算量与参数量分析.mp4
│ │ │ ├── 🎬 5-深度可分离卷积的作用与效果.mp4
│ │ │ ├── 🎬 6-参数与计算量的比较.mp4
│ │ │ ├── 🎬 7-V1版本效果分析.mp4
│ │ │ ├── 🎬 8-V2版本改进以及Relu激活函数的问题.mp4
│ │ │ └── 🎬 9-倒残差结构的作用.mp4
│ │ ├── 📂 2-AIoT人工智能物联网之AI 实战
│ │ │ ├── 🎬 1- jetson-inference 入门.mp4
│ │ │ ├── 🎬 2-docker 的安装使用.mp4
│ │ │ ├── 🎬 3-docker中运行分类模型.mp4
│ │ │ ├── 🎬 4-训练自己的目标检测模型准备.mp4
│ │ │ ├── 🎬 5- 训练出自己目标识别模型a.mp4
│ │ │ ├── 🎬 6-训练出自己目标识别模型b.mp4
│ │ │ └── 🎬 7-转换出onnx模型，并使用.mp4
│ │ ├── 📂 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.mp4
│ │ │ ├── 🎬 2-NVIDIA TAO数据准备和环境设置.mp4
│ │ │ ├── 🎬 3-NVIDIA TAO数据转换.mp4
│ │ │ ├── 🎬 4-NVIDIA TAO预训练模型和训练a.mp4
│ │ │ ├── 🎬 5-NVIDIA TAO预训练模型和训练b.mp4
│ │ │ ├── 🎬 6-NVIDIA TAO预训练模型和训练c..mp4
│ │ │ └── 🎬 7-TAO 剪枝在训练推理验证.mp4
│ │ ├── 📂 4- AIoT人工智能物联网之deepstream
│ │ │ ├── 🎬 1-deepstream 介绍安装.mp4
│ │ │ ├── 🎬 2-deepstream HelloWorld.mp4
│ │ │ ├── 🎬 3-GStreamer RTP和RTSP1.mp4
│ │ │ ├── 🎬 4-GStreamer RTP和RTSP2.mp4
│ │ │ ├── 🎬 5-python实现RTP和RTSP.mp4
│ │ │ ├── 🎬 6-deepstream推理.mp4
│ │ │ └── 🎬 7-deepstream集成yolov4.mp4
│ │ ├── 📂 6-pyTorch框架部署实践
│ │ │ ├── 🎬 1-所需基本环境配置.mp4
│ │ │ ├── 🎬 2-模型加载与数据预处理.mp4
│ │ │ ├── 🎬 3-接收与预测模块实现.mp4
│ │ │ ├── 🎬 4-效果实例演示.mp4
│ │ │ └── 🎬 5-课程简介.mp4
│ │ ├── 📂 7-YOLO-V3物体检测部署实例
│ │ │ ├── 🎬 1-项目所需配置文件介绍.mp4
│ │ │ ├── 🎬 2-加载参数与模型权重.mp4
│ │ │ ├── 🎬 3-数据预处理.mp4
│ │ │ └── 🎬 4-返回线性预测结果.mp4
│ │ ├── 📂 8-docker实例演示
│ │ │ ├── 🎬 1-docker简介.mp4
│ │ │ ├── 🎬 2-docker安装与配置.mp4
│ │ │ ├── 🎬 3-阿里云镜像配置.mp4
│ │ │ ├── 🎬 4-基于docker配置pytorch环境.mp4
│ │ │ ├── 🎬 5-安装演示环境所需依赖.mp4
│ │ │ ├── 🎬 6-复制所需配置到容器中.mp4
│ │ │ └── 🎬 7-上传与下载配置好的项目.mp4
│ │ ├── 📂 9-tensorflow-serving实战
│ │ │ ├── 🎬 1-tf-serving项目获取与配置.mp4
│ │ │ ├── 🎬 2-加载并启动模型服务.mp4
│ │ │ ├── 🎬 3-测试模型部署效果.mp4
│ │ │ ├── 🎬 4-fashion数据集获取.mp4
│ │ │ └── 🎬 5-加载fashion模型启动服务.mp4
│ │ ├── 📝 咨询VX ETH22009.txt
│ │ └── 📝 课程详细目录.txt
│ ├── 📂 22-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.mp4
│ │ │ ├── 🎬 10-名字实体匹配.mp4
│ │ │ ├── 🎬 11-恐怖袭击分析.mp4
│ │ │ ├── 🎬 12-统计分析结果.mp4
│ │ │ ├── 🎬 13-结巴分词器.mp4
│ │ │ ├── 🎬 14-词云展示.mp4
│ │ │ ├── 🎬 2-正则表达式基本语法.mp4
│ │ │ ├── 🎬 3-正则常用符号.mp4
│ │ │ ├── 🎬 4-常用函数介绍.mp4
│ │ │ ├── 🎬 5-NLTK工具包简介.mp4
│ │ │ ├── 🎬 6-停用词过滤.mp4
│ │ │ ├── 🎬 7-词性标注.mp4
│ │ │ ├── 🎬 8-数据清洗实例.mp4
│ │ │ └── 🎬 9-Spacy工具包.mp4
│ │ ├── 📂 10-NLP-文本特征方法对比
│ │ │ ├── 🎬 1-任务概述.mp4
│ │ │ ├── 🎬 2-词袋模型.mp4
│ │ │ ├── 🎬 3-词袋模型分析.mp4
│ │ │ ├── 🎬 4-TFIDF模型.mp4
│ │ │ ├── 🎬 5-word2vec词向量模型.mp4
│ │ │ └── 🎬 6-深度学习模型.mp4
│ │ ├── 📂 11-NLP-相似度模型
│ │ │ ├── 🎬 1-任务概述.mp4
│ │ │ ├── 🎬 2-数据展示.mp4
│ │ │ ├── 🎬 3-正负样本制作.mp4
│ │ │ ├── 🎬 4-数据预处理.mp4
│ │ │ ├── 🎬 5-网络模型定义.mp4
│ │ │ ├── 🎬 6-基于字符的训练.mp4
│ │ │ └── 🎬 7-基于句子的相似度训练.mp4
│ │ ├── 📂 12-LSTM情感分析
│ │ │ ├── 🎬 1-RNN网络架构.mp4
│ │ │ ├── 🎬 2-LSTM网络架构.mp4
│ │ │ ├── 🎬 3-案例：使用LSTM进行情感分类.mp4
│ │ │ ├── 🎬 4-情感数据集处理.mp4
│ │ │ └── 🎬 5-基于word2vec的LSTM模型.mp4
│ │ ├── 📂 13-机器人写唐诗
│ │ │ ├── 🎬 1-任务概述与环境配置.mp4
│ │ │ ├── 🎬 2-参数配置.mp4
│ │ │ ├── 🎬 3-数据预处理模块.mp4
│ │ │ ├── 🎬 4-batch数据制作.mp4
│ │ │ ├── 🎬 5-RNN模型定义.mp4
│ │ │ ├── 🎬 6-完成训练模块.mp4
│ │ │ ├── 🎬 7-训练唐诗生成模型.mp4
│ │ │ └── 🎬 8-测试唐诗生成效果.mp4
│ │ ├── 📂 14-对话机器人
│ │ │ ├── 🎬 1-效果演示.mp4
│ │ │ ├── 🎬 2-参数配置与数据加载.mp4
│ │ │ ├── 🎬 3-数据处理.mp4
│ │ │ ├── 🎬 4-词向量与投影.mp4
│ │ │ ├── 🎬 5-seq网络.mp4
│ │ │ └── 🎬 6-网络训练.mp4
│ │ ├── 📂 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.mp4
│ │ │ ├── 🎬 2-商品类别划分方式.mp4
│ │ │ ├── 🎬 3-商品类别可视化展示.mp4
│ │ │ ├── 🎬 4-商品描述长度对价格的影响分析.mp4
│ │ │ ├── 🎬 5-关键词的词云可视化展示.mp4
│ │ │ ├── 🎬 6-基于tf-idf提取关键词信息.mp4
│ │ │ ├── 🎬 7-通过降维进行可视化展示.mp4
│ │ │ └── 🎬 8-聚类分析与主题模型展示.mp4
│ │ ├── 📂 3-贝叶斯算法
│ │ │ ├── 🎬 1-贝叶斯算法概述.mp4
│ │ │ ├── 🎬 2-贝叶斯推导实例.mp4
│ │ │ ├── 🎬 3-贝叶斯拼写纠错实例.mp4
│ │ │ ├── 🎬 4-垃圾邮件过滤实例.mp4
│ │ │ └── 🎬 5-贝叶斯实现拼写检查器.mp4
│ │ ├── 📂 4-新闻分类任务实战
│ │ │ ├── 🎬 1-文本分析与关键词提取.mp4
│ │ │ ├── 🎬 2-相似度计算.mp4
│ │ │ ├── 🎬 3-新闻数据与任务简介.mp4
│ │ │ ├── 🎬 4-TF-IDF关键词提取.mp4
│ │ │ ├── 🎬 5-LDA建模.mp4
│ │ │ └── 🎬 6-基于贝叶斯算法进行新闻分类.mp4
│ │ ├── 📂 5-HMM隐马尔科夫模型
│ │ │ ├── 🎬 1-马尔科夫模型.mp4
│ │ │ ├── 🎬 10-维特比算法.mp4
│ │ │ ├── 🎬 2-隐马尔科夫模型基本出发点.mp4
│ │ │ ├── 🎬 3-组成与要解决的问题.mp4
│ │ │ ├── 🎬 4-暴力求解方法.mp4
│ │ │ ├── 🎬 5-复杂度计算.mp4
│ │ │ ├── 🎬 6-前向算法.mp4
│ │ │ ├── 🎬 7-前向算法求解实例.mp4
│ │ │ ├── 🎬 8-Baum-Welch算法.mp4
│ │ │ └── 🎬 9-参数求解.mp4
│ │ ├── 📂 6-HMM工具包实战
│ │ │ ├── 🎬 1-hmmlearn工具包.mp4
│ │ │ ├── 🎬 2-工具包使用方法.mp4
│ │ │ ├── 🎬 3-中文分词任务.mp4
│ │ │ └── 🎬 4-实现中文分词.mp4
│ │ ├── 📂 7-语言模型
│ │ │ ├── 🎬 1-开篇.mp4
│ │ │ ├── 🎬 10-负采样模型.mp4
│ │ │ ├── 🎬 2-语言模型.mp4
│ │ │ ├── 🎬 3-N-gram模型.mp4
│ │ │ ├── 🎬 4-词向量.mp4
│ │ │ ├── 🎬 5-神经网络模型.mp4
│ │ │ ├── 🎬 6-Hierarchical Softmax.mp4
│ │ │ ├── 🎬 7-CBOW模型实例.mp4
│ │ │ ├── 🎬 8-CBOW求解目标.mp4
│ │ │ └── 🎬 9-锑度上升求解.mp4
│ │ ├── 📂 8-使用Gemsim构建词向量
│ │ │ ├── 🎬 1-使用Gensim库构造词向量.mp4
│ │ │ ├── 🎬 2-维基百科中文数据处理.mp4
│ │ │ ├── 🎬 3-Gensim构造word2vec模型.mp4
│ │ │ └── 🎬 4-测试模型相似度结果.mp4
│ │ ├── 📂 9-基于word2vec的分类任务
│ │ │ ├── 🎬 1-影评情感分类.mp4
│ │ │ ├── 🎬 2-基于词袋模型训练分类器.mp4
│ │ │ ├── 🎬 3-准备word2vec输入数据.mp4
│ │ │ └── 🎬 4-使用gensim构建word2vec词向量（新）.mp4
│ │ ├── 📝 咨询VX ETH22009.txt
│ │ └── 📝 课程详细目录.txt
│ ├── 📂 23-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.mp4
│ │ ├── 📂 10-图谱知识抽取实战
│ │ │ ├── 🎬 1-应用场景概述分析.mp4
│ │ │ ├── 🎬 2-数据标注格式样例分析.mp4
│ │ │ ├── 🎬 3-数据处理与读取模块.mp4
│ │ │ ├── 🎬 4-实体抽取模块分析.mp4
│ │ │ ├── 🎬 5-标签与数据结构定义方法.mp4
│ │ │ ├── 🎬 6-模型构建与计算流程.mp4
│ │ │ ├── 🎬 7-网络模型前向计算方法.mp4
│ │ │ └── 🎬 8-关系抽取模型训练.mp4
│ │ ├── 📂 11-补充Huggingface数据集制作方法实例
│ │ │ ├── 🎬 1-数据结构分析.mp4
│ │ │ ├── 🎬 2-Huggingface中的预处理实例.mp4
│ │ │ └── 🎬 3-数据处理基本流程.mp4
│ │ ├── 📂 2-Transformer工具包基本操作实例解读
│ │ │ ├── 🎬 1-工具包与任务整体介绍.mp4
│ │ │ ├── 🎬 2-NLP任务常规流程分析.mp4
│ │ │ ├── 🎬 3-文本切分方法实例解读.mp4
│ │ │ ├── 🎬 4-AttentionMask配套使用方法.mp4
│ │ │ ├── 🎬 5-数据集与模型.mp4
│ │ │ ├── 🎬 6-数据Dataloader封装.mp4
│ │ │ ├── 🎬 7-模型训练所需配置参数.mp4
│ │ │ └── 🎬 8-模型训练DEMO.mp4
│ │ ├── 📂 3-transformer原理解读
│ │ │ └── 🎬 1-transformer原理解读.mp4
│ │ ├── 📂 4-BERT系列算法解读
│ │ │ ├── 🎬 1-BERT模型训练方法解读.mp4
│ │ │ ├── 🎬 2-ALBERT基本定义.mp4
│ │ │ ├── 🎬 3-ALBERT中的简化方法解读.mp4
│ │ │ ├── 🎬 4-RoBerta模型训练方法解读.mp4
│ │ │ └── 🎬 5-DistilBert模型解读.mp4
│ │ ├── 📂 5-文本标注工具与NER实例
│ │ │ ├── 🎬 1-文本标注工具Doccano配置方法.mp4
│ │ │ ├── 🎬 2-命名实体识别任务标注方法实例.mp4
│ │ │ ├── 🎬 3-标注导出与BIO处理.mp4
│ │ │ ├── 🎬 4-标签处理并完成对齐操作.mp4
│ │ │ ├── 🎬 5-预训练模型加载与参数配置.mp4
│ │ │ └── 🎬 6-模型训练与输出结果预测.mp4
│ │ ├── 📂 6-文本预训练模型构建实例
│ │ │ ├── 🎬 1-预训练模型效果分析.mp4
│ │ │ ├── 🎬 2-文本数据截断处理.mp4
│ │ │ └── 🎬 3-预训练模型自定义训练.mp4
│ │ ├── 📂 7-GPT系列算法
│ │ │ ├── 🎬 1-GPT系列算法概述.mp4
│ │ │ ├── 🎬 2-GPT三代版本分析.mp4
│ │ │ ├── 🎬 3-GPT初代版本要解决的问题.mp4
│ │ │ ├── 🎬 4-GPT第二代版本训练策略.mp4
│ │ │ ├── 🎬 5-采样策略与多样性.mp4
│ │ │ ├── 🎬 6-GPT3的提示与生成方法.mp4
│ │ │ ├── 🎬 7-应用场景CODEX分析.mp4
│ │ │ └── 🎬 8-DEMO应用演示.mp4
│ │ ├── 📂 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.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
│ │ ├── 📂 9-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
│ │ ├── 📝 咨询VX ETH22009.txt
│ │ └── 📝 课程详细目录.txt
│ ├── 📂 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.mp4
│ │ │ ├── 🎬 2-常用模块分析.mp4
│ │ │ ├── 🎬 3-论文要解决的问题分析.mp4
│ │ │ ├── 🎬 4-Query采样方法解读.mp4
│ │ │ ├── 🎬 5-probAttention计算流程.mp4
│ │ │ ├── 🎬 6-编码器全部计算流程.mp4
│ │ │ └── 🎬 7-解码器流程分析.mp4
│ │ ├── 📂 2-Informer源码解读
│ │ │ ├── 🎬 1-项目使用说明.mp4
│ │ │ ├── 🎬 10-核心采样计算方法.mp4
│ │ │ ├── 🎬 11-完成注意力机制计算模块.mp4
│ │ │ ├── 🎬 12-平均向量的作用.mp4
│ │ │ ├── 🎬 13-解码器预测输出.mp4
│ │ │ ├── 🎬 2-数据集解读.mp4
│ │ │ ├── 🎬 3-模型训练所需参数解读.mp4
│ │ │ ├── 🎬 4-数据集构建与读取方式.mp4
│ │ │ ├── 🎬 5-数据处理相关模块.mp4
│ │ │ ├── 🎬 6-时间相关特征提取方法.mp4
│ │ │ ├── 🎬 7-dataloader构建实例.mp4
│ │ │ ├── 🎬 8-整体架构分析.mp4
│ │ │ └── 🎬 9-编码器模块实现.mp4
│ │ ├── 📂 3-Timesnet时序预测
│ │ │ ├── 🎬 1-时序预测故事背景.mp4
│ │ │ ├── 🎬 2-论文核心思想解读.mp4
│ │ │ ├── 🎬 3-时序特征周期拆解.mp4
│ │ │ ├── 🎬 4-计算公式流程拆解.mp4
│ │ │ ├── 🎬 5-全部计算流程解读.mp4
│ │ │ ├── 🎬 6-周期间特征分析.mp4
│ │ │ ├── 🎬 7-源码流程解读.mp4
│ │ │ └── 🎬 8-傅里叶变换流程.mp4
│ │ ├── 📝 咨询VX ETH22009.txt
│ │ └── 📝 课程详细目录.txt
│ ├── 📂 25-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.mp4
│ │ │ ├── 🎬 10-BERT模型训练方法.mp4
│ │ │ ├── 🎬 11-训练实例.mp4
│ │ │ ├── 🎬 2-BERT任务目标概述.mp4
│ │ │ ├── 🎬 3-传统解决方案遇到的问题.mp4
│ │ │ ├── 🎬 4-注意力机制的作用.mp4
│ │ │ ├── 🎬 5-self-attention计算方法.mp4
│ │ │ ├── 🎬 6-特征分配与softmax机制.mp4
│ │ │ ├── 🎬 7-Multi-head的作用.mp4
│ │ │ ├── 🎬 8-位置编码与多层堆叠.mp4
│ │ │ └── 🎬 9-transformer整体架构梳理.mp4
│ │ ├── 📂 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.mp4
│ │ │ ├── 🎬 10-构建QKV矩阵.mp4
│ │ │ ├── 🎬 11-完成Transformer模块构建.mp4
│ │ │ ├── 🎬 12-训练BERT模型.mp4
│ │ │ ├── 🎬 2-项目参数配置.mp4
│ │ │ ├── 🎬 3-数据读取模块.mp4
│ │ │ ├── 🎬 4-数据预处理模块.mp4
│ │ │ ├── 🎬 5-tfrecord数据源制作.mp4
│ │ │ ├── 🎬 6-Embedding层的作用.mp4
│ │ │ ├── 🎬 7-加入额外编码特征.mp4
│ │ │ ├── 🎬 8-加入位置编码特征.mp4
│ │ │ └── 🎬 9-mask机制的作用.mp4
│ │ ├── 📂 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.mp4
│ │ │ ├── 🎬 2-读取处理自己的数据集.mp4
│ │ │ └── 🎬 3-训练BERT中文分类模型.mp4
│ │ ├── 📂 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.mp4
│ │ │ ├── 🎬 2-NER标注数据处理与读取.mp4
│ │ │ └── 🎬 3-构建BERT与CRF模型.mp4
│ │ ├── 📂 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.mp4
│ │ │ ├── 🎬 2-模型整体框架.mp4
│ │ │ ├── 🎬 3-训练数据构建.mp4
│ │ │ ├── 🎬 4-CBOW与Skip-gram模型.mp4
│ │ │ └── 🎬 5-负采样方案.mp4
│ │ ├── 📂 6-必备基础-掌握Tensorflow如何实现word2vec模型
│ │ │ ├── 🎬 1-数据与任务流程.mp4
│ │ │ ├── 🎬 2-数据清洗.mp4
│ │ │ ├── 🎬 3-batch数据制作.mp4
│ │ │ ├── 🎬 4-网络训练.mp4
│ │ │ └── 🎬 5-可视化展示.mp4
│ │ ├── 📂 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.mp4
│ │ │ ├── 🎬 2-NLP应用领域与任务简介.mp4
│ │ │ ├── 🎬 3-项目流程解读.mp4
│ │ │ ├── 🎬 4-加载词向量特征.mp4
│ │ │ ├── 🎬 5-正负样本数据读取.mp4
│ │ │ ├── 🎬 6-构建LSTM网络模型.mp4
│ │ │ ├── 🎬 7-训练与测试效果.mp4
│ │ │ └── 🎬 8-LSTM情感分析.mp4
│ │ ├── 📂 8-医学糖尿病数据命名实体识别
│ │ │ ├── 🎬 1-数据与任务介绍.mp4
│ │ │ ├── 🎬 2-整体模型架构.mp4
│ │ │ ├── 🎬 3-数据-标签-语料库处理.mp4
│ │ │ ├── 🎬 4-训练网络模型.mp4
│ │ │ ├── 🎬 5-医疗数据集（糖尿病）实体识别.mp4
│ │ │ └── 🎬 6-输入样本填充补齐.mp4
│ │ ├── 📝 咨询VX ETH22009.txt
│ │ └── 📝 课程详细目录.txt
│ ├── 📂 26-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.mp4
│ │ │ ├── 🎬 2-知识图谱在搜索引擎中的应用.mp4
│ │ │ ├── 🎬 3-知识图谱在医疗领域应用实例.mp4
│ │ │ ├── 🎬 4-金融与推荐领域的应用.mp4
│ │ │ └── 🎬 5-数据获取分析.mp4
│ │ ├── 📂 2-知识图谱涉及技术点分析
│ │ │ ├── 🎬 1-数据关系抽取分析.mp4
│ │ │ ├── 🎬 2-常用NLP技术点分析.mp4
│ │ │ ├── 🎬 3-graph-embedding的作用与效果.mp4
│ │ │ ├── 🎬 4-金融领域图编码实例.mp4
│ │ │ ├── 🎬 5-视觉领域图编码实例.mp4
│ │ │ └── 🎬 6-图谱知识融合与总结分析.mp4
│ │ ├── 📂 3-Neo4j数据库实战
│ │ │ ├── 🎬 1-Neo4j图数据库介绍.mp4
│ │ │ ├── 🎬 2-Neo4j数据库安装流程演示.mp4
│ │ │ ├── 🎬 3-可视化例子演示.mp4
│ │ │ ├── 🎬 4-创建与删除操作演示.mp4
│ │ │ └── 🎬 5-数据库更改查询操作演示.mp4
│ │ ├── 📂 4-使用python操作neo4j实例
│ │ │ ├── 🎬 1-使用Py2neo建立连接.mp4
│ │ │ ├── 🎬 2-提取所需的指标信息.mp4
│ │ │ ├── 🎬 3-在图中创建实体.mp4
│ │ │ └── 🎬 4-根据给定实体创建关系.mp4
│ │ ├── 📂 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.mp4
│ │ │ ├── 🎬 10-完成对话系统构建.mp4
│ │ │ ├── 🎬 2-医疗数据介绍及其各字段含义.mp4
│ │ │ ├── 🎬 3-任务流程概述.mp4
│ │ │ ├── 🎬 4-环境配置与所需工具包安装.mp4
│ │ │ ├── 🎬 5-提取数据中的关键字段信息.mp4
│ │ │ ├── 🎬 6-创建关系边.mp4
│ │ │ ├── 🎬 7-打造医疗知识图谱模型.mp4
│ │ │ ├── 🎬 8-加载所有实体数据.mp4
│ │ │ └── 🎬 9-实体关键词字典制作.mp4
│ │ ├── 📂 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.mp4
│ │ │ ├── 🎬 2-LTP工具包概述介绍.mp4
│ │ │ ├── 🎬 3-pyltp安装与流程演示.mp4
│ │ │ ├── 🎬 4-得到分词与词性标注结果.mp4
│ │ │ ├── 🎬 5-依存句法概述.mp4
│ │ │ ├── 🎬 6-句法分析结果整理.mp4
│ │ │ ├── 🎬 7-语义角色构建与分析.mp4
│ │ │ └── 🎬 8-设计规则完成关系抽取.mp4
│ │ ├── 📂 7-金融平台风控模型实践
│ │ │ ├── 🎬 1-竞赛任务目标.mp4
│ │ │ ├── 🎬 2-图模型信息提取.mp4
│ │ │ ├── 🎬 3-节点权重特征提取(PageRank).mp4
│ │ │ ├── 🎬 4-deepwalk构建图顶点特征.mp4
│ │ │ ├── 🎬 5-各项统计特征.mp4
│ │ │ ├── 🎬 6-app安装特征.mp4
│ │ │ └── 🎬 7-图中联系人特征.mp4
│ │ ├── 📂 8-医学糖尿病数据命名实体识别
│ │ │ ├── 🎬 1-数据与任务介绍.mp4
│ │ │ ├── 🎬 2-整体模型架构.mp4
│ │ │ ├── 🎬 3-数据-标签-语料库处理.mp4
│ │ │ ├── 🎬 4-输入样本填充补齐.mp4
│ │ │ ├── 🎬 5-训练网络模型.mp4
│ │ │ └── 🎬 6-医疗数据集（糖尿病）实体识别.mp4
│ │ ├── 📝 咨询VX ETH22009.txt
│ │ └── 📝 课程详细目录.txt
│ ├── 📂 27-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.mp4
│ │ │ ├── 🎬 2-工作原理概述.mp4
│ │ │ ├── 🎬 3-注意力机制的作用.mp4
│ │ │ ├── 🎬 4-加入attention的序列模型整体架构.mp4
│ │ │ ├── 🎬 5-TeacherForcing的作用与训练策略.mp4
│ │ │ └── 🎬 6-额外补充-RNN网络模型解读.mp4
│ │ ├── 📂 2-LAS模型语音识别实战
│ │ │ ├── 🎬 1-数据源与环境配置.mp4
│ │ │ ├── 🎬 2-语料表制作方法.mp4
│ │ │ ├── 🎬 3-制作json标注数据.mp4
│ │ │ ├── 🎬 4-声音数据处理模块解读.mp4
│ │ │ ├── 🎬 5-Pack与Pad操作解析.mp4
│ │ │ ├── 🎬 6-编码器模块整体流程.mp4
│ │ │ ├── 🎬 7-加入注意力机制.mp4
│ │ │ ├── 🎬 8-计算得到每个输出的attention得分.mp4
│ │ │ └── 🎬 9-解码器与训练过程演示.mp4
│ │ ├── 📂 3-starganvc2变声器论文原理解读
│ │ │ ├── 🎬 1-论文整体思路与架构解读.mp4
│ │ │ ├── 🎬 2-VCC2016输入数据.mp4
│ │ │ ├── 🎬 3-语音特征提取.mp4
│ │ │ ├── 🎬 4-生成器模型架构分析.mp4
│ │ │ ├── 🎬 5-InstanceNorm的作用解读.mp4
│ │ │ ├── 🎬 6-AdaIn的目的与效果.mp4
│ │ │ └── 🎬 7-判别器模块分析.mp4
│ │ ├── 📂 4-staeganvc2变声器源码实战
│ │ │ ├── 🎬 1-数据与项目文件解读.mp4
│ │ │ ├── 🎬 10-源码损失计算流程.mp4
│ │ │ ├── 🎬 11-测试模块-生成转换语音.mp4
│ │ │ ├── 🎬 2-环境配置与工具包安装.mp4
│ │ │ ├── 🎬 3-数据预处理与声音特征提取.mp4
│ │ │ ├── 🎬 4-生成器构造模块解读.mp4
│ │ │ ├── 🎬 5-下采样与上采样操作.mp4
│ │ │ ├── 🎬 6-starganvc2版本标签输入分析.mp4
│ │ │ ├── 🎬 7-生成器前向传播维度变化.mp4
│ │ │ ├── 🎬 8-判别器模块解读.mp4
│ │ │ └── 🎬 9-论文损失函数.mp4
│ │ ├── 📂 5-语音分离ConvTasnet模型
│ │ │ ├── 🎬 1-语音分离任务分析.mp4
│ │ │ ├── 🎬 2-经典语音分离模型概述.mp4
│ │ │ ├── 🎬 3-DeepClustering论文解读.mp4
│ │ │ ├── 🎬 4-TasNet编码器结构分析.mp4
│ │ │ ├── 🎬 5-DW卷积的作用与效果.mp4
│ │ │ └── 🎬 6-基于Mask得到分离结果.mp4
│ │ ├── 📂 6-ConvTasnet语音分离实战
│ │ │ ├── 🎬 1-数据准备与环境配置.mp4
│ │ │ ├── 🎬 2-训练任务所需参数介绍.mp4
│ │ │ ├── 🎬 3-DataLoader定义.mp4
│ │ │ ├── 🎬 4-采样数据特征编码.mp4
│ │ │ ├── 🎬 5-编码器特征提取.mp4
│ │ │ ├── 🎬 6-构建更大的感受区域.mp4
│ │ │ ├── 🎬 7-解码得到分离后的语音.mp4
│ │ │ └── 🎬 8-测试模块所需参数.mp4
│ │ ├── 📂 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
│ │ │ ├── 🎬 10-得到加权的编码向量.mp4
│ │ │ ├── 🎬 11-模型输出结果.mp4
│ │ │ ├── 🎬 12-损失函数与预测.mp4
│ │ │ ├── 🎬 2-所需数据集介绍.mp4
│ │ │ ├── 🎬 3-路径配置与整体流程解读.mp4
│ │ │ ├── 🎬 4-Dataloader构建数据与标签.mp4
│ │ │ ├── 🎬 5-编码层要完成的任务.mp4
│ │ │ ├── 🎬 6-得到编码特征向量.mp4
│ │ │ ├── 🎬 7-解码器输入准备.mp4
│ │ │ ├── 🎬 8-解码器流程梳理.mp4
│ │ │ └── 🎬 9-注意力机制应用方法.mp4
│ │ ├── 📝 咨询VX ETH22009.txt
│ │ └── 📝 课程详细目录.txt
│ ├── 📂 28-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.mp4
│ │ │ ├── 🎬 2-2-推荐系统发展简介.mp4
│ │ │ ├── 🎬 3-3-应用领域与多方位评估指标.mp4
│ │ │ ├── 🎬 4-4-任务流程与挑战概述.mp4
│ │ │ ├── 🎬 5-5-常用技术点分析.mp4
│ │ │ └── 🎬 6-6-与深度学习的结合.mp4
│ │ ├── 📂 10-基本统计分析的电影推荐
│ │ │ ├── 🎬 1-1-电影数据与环境配置.mp4
│ │ │ ├── 🎬 2-2-数据与关键词信息展示.mp4
│ │ │ ├── 🎬 3-3-关键词云与直方图展示.mp4
│ │ │ ├── 🎬 4-4-特征可视化.mp4
│ │ │ ├── 🎬 5-5-数据清洗概述.mp4
│ │ │ ├── 🎬 6-6-缺失值填充方法.mp4
│ │ │ ├── 🎬 7-7-推荐引擎构造.mp4
│ │ │ ├── 🎬 8-8-数据特征构造.mp4
│ │ │ └── 🎬 9-9-得出推荐结果.mp4
│ │ ├── 📂 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.mp4
│ │ │ ├── 🎬 2-2-文本词频统计.mp4
│ │ │ ├── 🎬 3-3-ngram结果可视化展示.mp4
│ │ │ ├── 🎬 4-4-文本清洗.mp4
│ │ │ ├── 🎬 5-5-相似度计算.mp4
│ │ │ └── 🎬 6-6-得出推荐结果.mp4
│ │ ├── 📂 2-协同过滤与矩阵分解
│ │ │ ├── 🎬 1-1-协同过滤与矩阵分解简介.mp4
│ │ │ ├── 🎬 2-2-基于用户与商品的协同过滤.mp4
│ │ │ ├── 🎬 3-3-相似度计算与推荐实例.mp4
│ │ │ ├── 🎬 4-4-矩阵分解的目的与效果.mp4
│ │ │ ├── 🎬 5-5-矩阵分解中的隐向量.mp4
│ │ │ ├── 🎬 6-6-目标函数简介.mp4
│ │ │ ├── 🎬 7-7-隐式情况分析.mp4
│ │ │ └── 🎬 8-8-Embedding的作用.mp4
│ │ ├── 📂 3-音乐推荐系统实战
│ │ │ ├── 🎬 1-1-音乐推荐任务概述.mp4
│ │ │ ├── 🎬 2-2-数据集整合.mp4
│ │ │ ├── 🎬 3-3-基于物品的协同过滤.mp4
│ │ │ ├── 🎬 4-4-物品相似度计算与推荐.mp4
│ │ │ ├── 🎬 5-5-SVD矩阵分解.mp4
│ │ │ └── 🎬 6-6-基于矩阵分解的音乐推荐.mp4
│ │ ├── 📂 4-知识图谱与Neo4j数据库实例
│ │ │ ├── 🎬 1-1-知识图谱通俗解读.mp4
│ │ │ ├── 🎬 10-5-数据库更改查询操作演示.mp4
│ │ │ ├── 🎬 2-2-知识图谱在搜索引擎中的应用.mp4
│ │ │ ├── 🎬 3-3-知识图谱在医疗领域应用实例.mp4
│ │ │ ├── 🎬 4-4-金融与推荐领域的应用.mp4
│ │ │ ├── 🎬 5-5-数据获取分析.mp4
│ │ │ ├── 🎬 6-1-Neo4j图数据库介绍.mp4
│ │ │ ├── 🎬 7-2-Neo4j数据库安装流程演示.mp4
│ │ │ ├── 🎬 8-3-可视化例子演示.mp4
│ │ │ └── 🎬 9-4-创建与删除操作演示.mp4
│ │ ├── 📂 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.mp4
│ │ │ ├── 🎬 2-2-kaggle电影数据集下载与配置.mp4
│ │ │ ├── 🎬 3-3-图谱需求与任务流程解读.mp4
│ │ │ ├── 🎬 4-4-项目所需环境配置安装.mp4
│ │ │ ├── 🎬 5-5-构建用户电影知识图谱.mp4
│ │ │ ├── 🎬 6-6-图谱查询与匹配操作.mp4
│ │ │ └── 🎬 7-7-相似度计算与推荐引擎构建.mp4
│ │ ├── 📂 6-点击率估计FM与DeepFM算法
│ │ │ ├── 🎬 1-1-CTR估计及其经典方法概述.mp4
│ │ │ ├── 🎬 2-2-高维特征带来的问题.mp4
│ │ │ ├── 🎬 3-3-二项式特征的作用与挑战.mp4
│ │ │ ├── 🎬 4-4-二阶公式推导与化简.mp4
│ │ │ ├── 🎬 5-5-FM算法解析.mp4
│ │ │ ├── 🎬 6-6-DeepFm整体架构解读.mp4
│ │ │ ├── 🎬 7-7-输入层所需数据样例.mp4
│ │ │ └── 🎬 8-8-Embedding层的作用与总结.mp4
│ │ ├── 📂 7-DeepFM算法实战
│ │ │ ├── 🎬 1-1-数据集介绍与环境配置.mp4
│ │ │ ├── 🎬 2-2-广告点击数据预处理实例.mp4
│ │ │ ├── 🎬 3-3-数据处理模块Embedding层.mp4
│ │ │ ├── 🎬 4-4-Index与Value数据制作.mp4
│ │ │ ├── 🎬 5-5-一阶权重参数设计.mp4
│ │ │ ├── 🎬 6-6-二阶特征构建方法.mp4
│ │ │ ├── 🎬 7-7-特征组合方法实例分析.mp4
│ │ │ ├── 🎬 8-8-完成FM模块计算.mp4
│ │ │ └── 🎬 9-9-DNN模块与训练过程.mp4
│ │ ├── 📂 8-推荐系统常用工具包演示
│ │ │ ├── 🎬 1-1-环境配置与数据集介绍.mp4
│ │ │ ├── 🎬 2-2-电影数据集预处理分析.mp4
│ │ │ ├── 🎬 3-3-surprise工具包基本使用.mp4
│ │ │ ├── 🎬 4-4-模型测试集结果.mp4
│ │ │ └── 🎬 5-5-评估指标概述.mp4
│ │ ├── 📂 9-基于文本数据的推荐实例
│ │ │ ├── 🎬 1-1-数据与环境配置介绍.mp4
│ │ │ ├── 🎬 2-2-数据科学相关数据介绍.mp4
│ │ │ ├── 🎬 3-3-文本数据预处理.mp4
│ │ │ ├── 🎬 4-4-TFIDF构建特征矩阵.mp4
│ │ │ ├── 🎬 5-5-矩阵分解演示.mp4
│ │ │ ├── 🎬 6-6-LDA主题模型效果演示.mp4
│ │ │ └── 🎬 7-7-推荐结果分析.mp4
│ │ ├── 📝 咨询VX ETH22009.txt
│ │ └── 📝 课程详细目录.txt
│ ├── 📂 29-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）.mp4
│ │ │ ├── 🎬 10-Attention额外加入先验知识.mp4
│ │ │ ├── 🎬 11-结合GNN构建局部特征.mp4
│ │ │ ├── 🎬 12-损失函数约束项.mp4
│ │ │ ├── 🎬 13-自适应可学习参数.mp4
│ │ │ ├── 🎬 14-Coarse2Fine大框架.mp4
│ │ │ ├── 🎬 15-只能机器学习模型时凑工作量（特征工程）.mp4
│ │ │ ├── 🎬 16-自己数据集如何发的好(要开源).mp4
│ │ │ ├── 🎬 17-可变形卷积加入方法.mp4
│ │ │ ├── 🎬 18-在源码中加入各种注意力机制方法.mp4
│ │ │ ├── 🎬 2-GCnet(全局特征融合).mp4
│ │ │ ├── 🎬 3-Coordinate_attention.mp4
│ │ │ ├── 🎬 4-SPD（可替换下采样）.mp4
│ │ │ ├── 🎬 5-SPP改进.mp4
│ │ │ ├── 🎬 6-mobileOne(加速).mp4
│ │ │ ├── 🎬 7-Deformable(替换selfAttention).mp4
│ │ │ ├── 🎬 8-ProbAttention(采样策略).mp4
│ │ │ └── 🎬 9-CrossAttention融合特征.mp4
│ │ ├── 📝 咨询VX ETH22009.txt
│ │ └── 📝 课程详细目录.txt
│ ├── 📂 3.第三章 深度学习框架PyTorch
│ │ ├── 📝 PyTorch.pdf
│ │ ├── 🗜️ flask预测.zip
│ │ ├── 📝 深度学习.pdf
│ │ ├── 🗜️ 第七章：LSTM文本分类实战.zip
│ │ ├── 🗜️ 第二,三章：神经网络实战分类与回归任务.zip
│ │ ├── 🗜️ 第五章：图像识别模型与训练策略（重点）.zip
│ │ ├── 🗜️ 第六章：DataLoader自定义数据集制作.zip
│ │ └── 🗜️ 第四章：卷积网络参数解读.zip
│ ├── 📂 30-2024Ai必会Agent(应用解读+项目实战)
│ │ ├── 🎬 001-课程介绍 .mp4
│ │ ├── 🎬 002-1-Agent要解决的问题分析 .mp4
│ │ ├── 🎬 003-2-Agent需要具备的基本能力 .mp4
│ │ ├── 🎬 004-3-与大模型的关系分析 .mp4
│ │ ├── 🎬 005-4-多智能体定义分析 .mp4
│ │ ├── 🎬 006-5-框架的作用和能解决的问题 .mp4
│ │ ├── 🎬 007-6-整体总结分析 .mp4
│ │ ├── 🎬 008-7-GPTS分析一波 .mp4
│ │ ├── 🎬 009-8-经典任务分析 .mp4
│ │ ├── 🎬 010-1-GPTS任务流程概述分析 .mp4
│ │ ├── 🎬 011-2-调用API的控制方式 .mp4
│ │ ├── 🎬 012-3-API相关配置完成 .mp4
│ │ ├── 🎬 013-4-完成指令与脚本并生成 .mp4
│ │ ├── 🎬 014-1-DEMO演示与整体架构分析 .mp4
│ │ ├── 🎬 015-2-后端GPT项目部署启动 .mp4
│ │ ├── 🎬 016-3-前端助手API与流程图配置 .mp4
│ │ ├── 🎬 017-4-接入外部API的方法与流程 .mp4
│ │ ├── 🎬 018-5-GPT中加入外部API调用方法 .mp4
│ │ ├── 🎬 019-6-指令提示构建 .mp4
│ │ ├── 🎬 020-1-论文概述分析 .mp4
│ │ ├── 🎬 021-2-整体框架逻辑介绍 .mp4
│ │ ├── 🎬 022-3-项目环境配置 .mp4
│ │ ├── 🎬 023-4-基础解读-动作定义方式 .mp4
│ │ ├── 🎬 024-5-基础解读-角色定义 .mp4
│ │ ├── 🎬 025-6-单动作智能体实现方法 .mp4
│ │ ├── 🎬 026-7-多动作配置方法 .mp4
│ │ ├── 🎬 027-8-定时器任务环境配置 .mp4
│ │ ├── 🎬 028-9-定时器任务流程解读分析 .mp4
│ │ ├── 🎬 029-0-基本Agent的组成 .mp4
│ │ ├── 🎬 030-1-Agent要完成的任务和业务逻辑定义 .mp4
│ │ ├── 🎬 031-2-问题拆解与执行流程 .mp4
│ │ ├── 🎬 032-3-检索得到重要的URL .mp4
│ │ ├── 🎬 033-4-子问题生成总结结果 .mp4
│ │ ├── 🎬 034-5-总结与结果输出 .mp4
│ │ ├── 🎬 035-1-RAG要完成的任务解读 .mp4
│ │ ├── 🎬 036-2-RAG整体流程解读 .mp4
│ │ ├── 🎬 037-3-召回优化策略分析 .mp4
│ │ ├── 🎬 038-4-召回改进方案解读 .mp4
│ │ ├── 🎬 039-5-评估工具RAGAS .mp4
│ │ ├── 🎬 040-6-外接本地数据库工具 .mp4
│ │ ├── 🎬 041-1-整体故事解读 .mp4
│ │ ├── 🎬 042-2-要解决的问题和整体框架分析 .mp4
│ │ ├── 🎬 043-3-论文基本框架分析 .mp4
│ │ ├── 🎬 044-4-Agent的记忆信息 .mp4
│ │ ├── 🎬 045-5-感知与反思模块构建流程 .mp4
│ │ ├── 🎬 046-6-计划模块实现细节 .mp4
│ │ ├── 🎬 047-7-整体流程框架图 .mp4
│ │ ├── 🎬 048-8-感知模块解读 .mp4
│ │ ├── 🎬 049-9-思考模块解读 .mp4
│ │ ├── 🎬 050-10-项目环境配置方法解读 .mp4
│ │ ├── 🎬 051-1-langchain框架解读 .mp4
│ │ ├── 🎬 052-2-基本API调用方法 .mp4
│ │ ├── 🎬 053-3-数据文档切分操作 .mp4
│ │ ├── 🎬 054-4-样本索引与向量构建 .mp4
│ │ ├── 🎬 055-5-数据切块方法 .mp4
│ │ ├── 🎬 056-1-MOE概述分析 .mp4
│ │ ├── 🎬 057-2-MOE模块实现方法解读 .mp4
│ │ ├── 🎬 058-3-效果分析与总结 .mp4
│ │ ├── 🎬 059-1-大模型如何做下游任务 .mp4
│ │ ├── 🎬 060-2-LLM落地微调分析 .mp4
│ │ ├── 🎬 061-3-LLAMA与LORA介绍 .mp4
│ │ ├── 🎬 062-4-LORA微调的核心思想 .mp4
│ │ ├── 🎬 063-5-LORA模型实现细节 .mp4
│ │ ├── 🎬 064-1-提示工程的作用 .mp4
│ │ ├── 🎬 065-2-项目数据解读 .mp4
│ │ ├── 🎬 066-3-源码调用DEBUG解读 .mp4
│ │ ├── 🎬 067-4-训练流程演示 .mp4
│ │ ├── 🎬 068-5-效果演示与总结分析 .mp4
│ │ ├── 🎬 069-1-RAG与微调可以解决与无法解决的问题 .mp4
│ │ ├── 🎬 070-2-RAG实践策略 .mp4
│ │ ├── 🎬 071-3-微调要解决的问题 .mp4
│ │ ├── 📝 咨询VX ETH22009.txt
│ │ └── 📝 课程详细目录.txt
│ ├── 📂 5.第五章 Opencv图像处理框架实战
│ │ ├── 📂 源码资料
│ │ │ ├── 🗜️ 第10节：项目实战-文档扫描OCR识别.zip
│ │ │ ├── 🗜️ 第13节：案例实战-全景图像拼接.zip
│ │ │ ├── 🗜️ 第14节：项目实战-停车场车位识别.zip
│ │ │ ├── 🗜️ 第15节：项目实战-答题卡识别判卷.zip
│ │ │ ├── 🗜️ 第18节：Opencv的DNN模块.zip
│ │ │ ├── 🗜️ 第19节：项目实战-目标追踪.zip
│ │ │ ├── 🗜️ 第20节：卷积原理与操作.zip
│ │ │ ├── 🗜️ 第21节：人脸关键点定位.zip
│ │ │ ├── 🗜️ 第21节：项目实战-疲劳检测.zip
│ │ │ └── 🗜️ 第9节：项目实战-信用卡数字识别.zip
│ │ └── 📂 课件
│ │ ├── 📂 第2-8节课件
│ │ │ ├── 🗜️ 第2-7节notebook课件.zip
│ │ │ └── 🗜️ 第8节notebook课件.zip
│ │ ├── 🗜️ 第11-12节notebook课件.zip
│ │ └── 🗜️ 第16-17节notebook课件.zip
│ ├── 📂 6.第六章 综合项⽬-物体检测经典算法实战
│ │ ├── 📂 YOLO系列（PyTorch）
│ │ │ ├── 📂 COCO-DATA
│ │ │ │ └── 📝 COCO数据集.txt
│ │ │ ├── 📂 训练自己的数据集
│ │ │ │ ├── 💻 json2yolo.py
│ │ │ │ └── 📝 构建自己的数据集.pdf
│ │ │ ├── 🗜️ NEU-DET.zip
│ │ │ ├── 🗜️ PyTorch-YOLOv3.zip
│ │ │ ├── 🗜️ YOLO5.zip
│ │ │ └── 📝 YOLO新版.pdf
│ │ ├── 📝 CenterNet.pdf
│ │ ├── 📝 EfficientDet.pdf
│ │ ├── 🗜️ EfficientDet.zip
│ │ ├── 📝 EfficientNet.pdf
│ │ ├── 📝 YOLOV7.pdf
│ │ ├── 📄 Yolov7结构图.pptx
│ │ ├── 🗜️ detr目标检测源码解读.zip
│ │ ├── 💻 json2yolo.py
│ │ ├── 🗜️ mmdetection-3.x.zip
│ │ ├── 🗜️ yolov7-main.zip
│ │ ├── 📝 可变形DETR.pdf
│ │ ├── 📝 物体检测.pdf
│ │ └── 📝 第十二章：基于Transformer的detr目标检测算法.pdf
│ ├── 📂 7.第七章 图像分割实战
│ │ ├── 📂 Unet系列算法讲解
│ │ │ └── 📝 深度学习分割任务.pdf
│ │ ├── 📂 deeplab系列算法
│ │ │ └── 📝 DeepLab.pdf
│ │ ├── 📂 unet医学细胞分割实战
│ │ │ ├── 📂 新建文件夹
│ │ │ └── 🗜️ unet++.zip
│ │ ├── 📂 分割模型Maskformer系列
│ │ │ ├── 📝 mask2former.pdf
│ │ │ └── 📝 maskformer.pdf
│ │ ├── 📂 图像分割算法
│ │ │ └── 📝 深度学习分割任务.pdf
│ │ ├── 📂 基于Resnet的医学数据集分类实战
│ │ │ └── 📝 Resnet.pdf
│ │ ├── 📂 基于deeplabV3+版本进行VOC分割实战
│ │ │ └── 🗜️ DeepLabV3Plus.zip
│ │ ├── 📂 基于deeplab的心脏视频数据诊断分析
│ │ │ └── 🗜️ 基于deeplab的心脏视频数据诊断分析.zip
│ │ ├── 📂 补充：Mask2former源码解读
│ │ │ └── 🗜️ mask2former(mmdetection).zip
│ │ ├── 🗜️ MaskRcnn网络框架源码详解.zip
│ │ ├── 🗜️ PyTorch框架基本处理操作.zip
│ │ ├── 📝 R(2+1)D网络.pdf
│ │ ├── ⚙️ f112c9fda85536ee3eba662c9043e683.bat
│ │ ├── 📝 mask-rcnn.pdf
│ │ ├── 🗜️ 图像识别核心模块实战解读.zip
│ │ ├── 🗜️ 基于MASK-RCNN框架训练自己的数据与任务.zip
│ │ └── 🗜️ 第5节：U-2-Net.zip
│ ├── 📂 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
│ │ │ └── 📝 可变形DETR.pdf
│ │ ├── 📂 KIE关键信息抽取与视频超分辨率重构
│ │ │ ├── 📝 BasicVSR++.pdf
│ │ │ ├── 📝 KIE.pdf
│ │ │ └── 📝 spynet.pdf
│ │ ├── 📂 OCR算法解读
│ │ │ ├── 📝 ABINET.pdf
│ │ │ └── 📝 DBNET.pdf
│ │ ├── 🗜️ mask2former(mmdetection).zip
│ │ ├── 🗜️ ner.zip
│ │ ├── 🗜️ 第一模块：mmclassification-master.zip
│ │ ├── 🗜️ 第七模块：mmdetection3d-1.0.0rc0.zip
│ │ ├── 🗜️ 第三模块：mmdetection-master.zip
│ │ ├── 🗜️ 第九模块：mmaction2-master.zip
│ │ ├── 🗜️ 第二模块：MPViT-main.zip
│ │ ├── 🗜️ 第二模块：mmsegmentation-0.20.2.zip
│ │ ├── 🗜️ 第五模块：mmgeneration-master.zip
│ │ ├── 🗜️ 第八模块：mmrazor-模型蒸馏.zip
│ │ ├── 🗜️ 第六模块：mmediting-master.zip
│ │ └── 🗜️ 第四模块：mmocr-main.zip
│ └── 📂 9.第九章 经典视觉项目实战：行为识别、姿态估计、目标追踪
│ ├── 📂 YOLO目标检测
│ │ ├── 📂 COCO-DATA
│ │ │ └── 📝 COCO数据集.txt
│ │ ├── 📂 训练自己的数据集
│ │ │ ├── 💻 json2yolo.py
│ │ │ └── 📝 构建自己的数据集.pdf
│ │ ├── 🗜️ NEU-DET.zip
│ │ ├── 🗜️ YOLO5.zip
│ │ └── 📝 YOLO新版.pdf
│ ├── 📂 slowfast-add
│ │ ├── 📂 download
│ │ │ ├── 📂 ava_annotations
│ │ │ │ ├── 📂 person_box_67091280_iou90
│ │ │ │ │ ├── 📄 ava_action_list_v2.1_for_activitynet_2018.pbtxt
│ │ │ │ │ ├── 📊 ava_detection_test_boxes_and_labels.csv
│ │ │ │ │ ├── 📊 ava_detection_train_boxes_and_labels_include_negative.csv
│ │ │ │ │ ├── 📊 ava_detection_train_boxes_and_labels_include_negative_v2.1.csv
│ │ │ │ │ ├── 📊 ava_detection_train_boxes_and_labels_include_negative_v2.2.csv
│ │ │ │ │ ├── 📊 ava_detection_val_boxes_and_labels.csv
│ │ │ │ │ ├── 📊 ava_detection_val_for_training_boxes_and_labels_include_negative.csv
│ │ │ │ │ ├── 📊 ava_detection_val_for_training_boxes_and_labels_include_negative_v2.1.csv
│ │ │ │ │ ├── 📊 ava_detection_val_for_training_boxes_and_labels_include_negative_v2.2.csv
│ │ │ │ │ ├── 📊 ava_train_predicted_boxes.csv
│ │ │ │ │ ├── 📊 ava_train_v2.1.csv
│ │ │ │ │ ├── 📊 ava_val_excluded_timestamps_v2.1.csv
│ │ │ │ │ ├── 📊 ava_val_predicted_boxes.csv
│ │ │ │ │ ├── 📊 ava_val_v2.1.csv
│ │ │ │ │ ├── 📊 test.csv
│ │ │ │ │ ├── 📊 train.csv
│ │ │ │ │ └── 📊 val.csv
│ │ │ │ ├── 📊 ava_train_v2.1.csv
│ │ │ │ ├── 📊 ava_train_v2.2.csv
│ │ │ │ └── 📊 ava_val_v2.2.csv
│ │ │ ├── 🎬 -5KQ66BBWC4.mkv
│ │ │ ├── 📄 -5KQ66BBWC4.mkv.1
│ │ │ ├── 🎬 1j20qq1JyX4.mp4
│ │ │ ├── 🎬 _145Aa_xkuE.mp4
│ │ │ ├── 🎬 _Ca3gOdOHxU.mp4
│ │ │ ├── 📊 train.csv
│ │ │ └── 📊 val.csv
│ │ └── 🗜️ avademo.zip
│ ├── 📂 基础补充-Resnet模型及其应用实例
│ │ └── 📝 Resnet.pdf
│ ├── 📝 1-slowfast算法知识点通俗解读.pdf
│ ├── 📝 5-视频异常检测算法与元学习.pdf
│ ├── 🗜️ Deepsort源码解读.zip
│ ├── 📝 Deepsort算法知识点解读.pdf
│ ├── 🗜️ OpenPose算法源码分析.zip
│ ├── 📝 slowfast论文.pdf
│ ├── 🗜️ 基于3D卷积的视频分析与动作识别.zip
│ ├── 🗜️ 基础补充-PyTorch框架基本处理操作.zip
│ ├── 🗜️ 基础补充-PyTorch框架必备核心模块解读.zip
│ ├── 📝 第一章：姿态估计OpenPose系列算法解读.pdf
│ └── 🗜️ 视频异常检测CVPR2021论文及其源码解读.zip
├── 📂 视频
│ ├── 📂 1-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.mp4
│ │ ├── 📝 咨询VX ETH22009.txt
│ │ └── 📝 课程详细目录.txt
│ ├── 📂 10-2022论⽂必备-Transformer实战系列
│ │ ├── 📂 1-Transformer算法解读
│ │ │ └── 🎬 1-Transformer算法解读.mp4
│ │ ├── 📂 10-MedicalTrasnformer论文解读
│ │ │ ├── 🎬 1-论文整体分析.mp4
│ │ │ ├── 🎬 2-核心思想分析.mp4
│ │ │ ├── 🎬 3-网络结构计算流程概述.mp4
│ │ │ ├── 🎬 4-论文公式计算分析.mp4
│ │ │ ├── 🎬 5-位置编码的作用与效果.mp4
│ │ │ └── 🎬 6-拓展应用分析.mp4
│ │ ├── 📂 11-MedicalTransformer源码解读
│ │ │ ├── 🎬 1-项目环境配置.mp4
│ │ │ ├── 🎬 2-医学数据介绍与分析.mp4
│ │ │ ├── 🎬 3-基本处理操作.mp4
│ │ │ ├── 🎬 4-AxialAttention实现过程.mp4
│ │ │ ├── 🎬 5-位置编码向量解读.mp4
│ │ │ ├── 🎬 6-注意力计算过程与方法.mp4
│ │ │ └── 🎬 7-局部特征提取与计算.mp4
│ │ ├── 📂 12-商汤LoFTR算法解读
│ │ │ ├── 🎬 1-特征匹配的应用场景.mp4
│ │ │ ├── 🎬 10-总结分析.mp4
│ │ │ ├── 🎬 2-特征匹配的基本流程分析.mp4
│ │ │ ├── 🎬 3-整体流程梳理分析.mp4
│ │ │ ├── 🎬 4-CrossAttention的作用与效果.mp4
│ │ │ ├── 🎬 5-transformer构建匹配特征.mp4
│ │ │ ├── 🎬 6-粗粒度匹配过程与作用.mp4
│ │ │ ├── 🎬 7-特征图拆解操作.mp4
│ │ │ ├── 🎬 8-细粒度匹配的作用与方法.mp4
│ │ │ └── 🎬 9-基于期望预测最终位置.mp4
│ │ ├── 📂 13-局部特征关键点匹配实战
│ │ │ ├── 🎬 1-项目与参数配置解读.mp4
│ │ │ ├── 🎬 10-得到精细化输出结果.mp4
│ │ │ ├── 🎬 11-通过期望计算最终输出.mp4
│ │ │ ├── 🎬 2-DEMO效果演示.mp4
│ │ │ ├── 🎬 3-backbone特征提取模块.mp4
│ │ │ ├── 🎬 4-注意力机制的作用与效果分析.mp4
│ │ │ ├── 🎬 5-特征融合模块实现方法.mp4
│ │ │ ├── 🎬 6-cross关系计算方法实例.mp4
│ │ │ ├── 🎬 7-粗粒度匹配过程.mp4
│ │ │ ├── 🎬 8-完成基础匹配模块.mp4
│ │ │ └── 🎬 9-精细化调整方法与实例.mp4
│ │ ├── 📂 14-分割模型Maskformer系列
│ │ │ └── 🎬 1-分割模型Maskformer系列.mp4
│ │ ├── 📂 15-Mask2former源码解读
│ │ │ ├── 🎬 1-Backbone获取多层级特征.mp4
│ │ │ ├── 🎬 10-正样本筛选损失计算.mp4
│ │ │ ├── 🎬 11-标签分类匹配结果分析.mp4
│ │ │ ├── 🎬 12-最终损失计算流程.mp4
│ │ │ ├── 🎬 13-汇总所有损失完成迭代.mp4
│ │ │ ├── 🎬 2-多层级采样点初始化构建.mp4
│ │ │ ├── 🎬 3-多层级输入特征序列创建方法.mp4
│ │ │ ├── 🎬 4-偏移量与权重计算并转换.mp4
│ │ │ ├── 🎬 5-Encoder特征构建方法实例.mp4
│ │ │ ├── 🎬 6-query要预测的任务解读.mp4
│ │ │ ├── 🎬 7-Decoder中的AttentionMask方法.mp4
│ │ │ ├── 🎬 8-损失模块输入参数分析.mp4
│ │ │ └── 🎬 9-标签分配策略解读.mp4
│ │ ├── 📂 16-BEV特征空间
│ │ │ └── 🎬 1-BEV特征空间.mp4
│ │ ├── 📂 17-BevFormer源码解读
│ │ │ ├── 🎬 1-环境配置方法解读.mp4
│ │ │ ├── 🎬 10-获取当前BEV特征.mp4
│ │ │ ├── 🎬 11-Decoder级联校正模块.mp4
│ │ │ ├── 🎬 12-损失函数与预测可视化.mp4
│ │ │ ├── 🎬 2-数据集下载与配置方法.mp4
│ │ │ ├── 🎬 3-特征提取以及BEV空间初始化.mp4
│ │ │ ├── 🎬 4-特征对齐与位置编码初始化.mp4
│ │ │ ├── 🎬 5-Reference初始点构建.mp4
│ │ │ ├── 🎬 6-BEV空间与图像空间位置对应.mp4
│ │ │ ├── 🎬 7-注意力机制模块计算方法.mp4
│ │ │ ├── 🎬 8-BEV空间特征构建.mp4
│ │ │ └── 🎬 9-Decoder要完成的任务分析.mp4
│ │ ├── 📂 18-时间序列预测
│ │ │ └── 🎬 1-时间序列预测.mp4
│ │ ├── 📂 19-Informer时间序列源码解读
│ │ │ └── 🎬 1-Informer时间序列源码解读.mp4
│ │ ├── 📂 2-视觉Transformer及其源码分析
│ │ │ └── 🎬 1-视觉Transformer及其源码分析.mp4
│ │ ├── 📂 20-Huggingface与NLP（讲故事）
│ │ │ └── 🎬 1-Huggingface与NLP（讲故事）.mp4
│ │ ├── 📂 3-VIT算法模型源码解读
│ │ │ ├── 🎬 1-项目配置说明.mp4
│ │ │ ├── 🎬 2-输入序列构建方法解读.mp4
│ │ │ ├── 🎬 3-注意力机制计算.mp4
│ │ │ └── 🎬 4-输出层计算结果.mp4
│ │ ├── 📂 4-swintransformer算法原理解析
│ │ │ ├── 🎬 1-swintransformer整体概述.mp4
│ │ │ ├── 🎬 10-分层计算方法.mp4
│ │ │ ├── 🎬 2-要解决的问题及其优势分析.mp4
│ │ │ ├── 🎬 3-一个block要完成的任务.mp4
│ │ │ ├── 🎬 4-获取各窗口输入特征.mp4
│ │ │ ├── 🎬 5-基于窗口的注意力机制解读.mp4
│ │ │ ├── 🎬 6-窗口偏移操作的实现.mp4
│ │ │ ├── 🎬 7-偏移细节分析及其计算量概述.mp4
│ │ │ ├── 🎬 8-整体网络架构整合.mp4
│ │ │ └── 🎬 9-下采样操作实现方法.mp4
│ │ ├── 📂 5-swintransformer源码解读
│ │ │ ├── 🎬 1-数据与环境配置解读.mp4
│ │ │ ├── 🎬 2-图像数据patch编码.mp4
│ │ │ ├── 🎬 3-数据按window进行划分计算.mp4
│ │ │ ├── 🎬 4-基础attention计算模块.mp4
│ │ │ ├── 🎬 5-窗口位移模块细节分析.mp4
│ │ │ ├── 🎬 6-patchmerge下采样操作.mp4
│ │ │ ├── 🎬 7-各block计算方法解读.mp4
│ │ │ └── 🎬 8-输出层概述.mp4
│ │ ├── 📂 6-基于Transformer的detr目标检测算法
│ │ │ ├── 🎬 1-DETR目标检测基本思想解读.mp4
│ │ │ ├── 🎬 2-整体网络架构分析.mp4
│ │ │ ├── 🎬 3-位置信息初始化query向量.mp4
│ │ │ ├── 🎬 4-注意力机制的作用方法.mp4
│ │ │ └── 🎬 5-训练过程的策略.mp4
│ │ ├── 📂 7-detr目标检测源码解读
│ │ │ ├── 🎬 1-项目环境配置解读.mp4
│ │ │ ├── 🎬 2-数据处理与dataloader.mp4
│ │ │ ├── 🎬 3-位置编码作用分析.mp4
│ │ │ ├── 🎬 4-backbone特征提取模块.mp4
│ │ │ ├── 🎬 5-mask与编码模块.mp4
│ │ │ ├── 🎬 6-编码层作用方法.mp4
│ │ │ ├── 🎬 7-Decoder层操作与计算.mp4
│ │ │ ├── 🎬 8-输出预测结果.mp4
│ │ │ └── 🎬 9-损失函数与预测输出.mp4
│ │ ├── 📂 8-DeformableDetr算法解读
│ │ │ └── 🎬 1-DeformableDetr算法解读.mp4
│ │ ├── 📂 9-DeformableDetr物体检测源码分析
│ │ │ ├── 🎬 1-特征提取与位置编码.mp4
│ │ │ ├── 🎬 10-分类与回归输出模块.mp4
│ │ │ ├── 🎬 11-预测输出结果与标签匹配模块.mp4
│ │ │ ├── 🎬 2-序列特征展开并叠加.mp4
│ │ │ ├── 🎬 3-得到相对位置点编码.mp4
│ │ │ ├── 🎬 4-准备Encoder编码层所需全部输入.mp4
│ │ │ ├── 🎬 5-编码层中的序列分析.mp4
│ │ │ ├── 🎬 6-偏移量offset计算.mp4
│ │ │ ├── 🎬 7-偏移量对齐操作.mp4
│ │ │ ├── 🎬 8-Encoder层完成特征对齐.mp4
│ │ │ └── 🎬 9-Decoder要完成的操作.mp4
│ │ ├── 📝 咨询VX ETH22009.txt
│ │ └── 📝 课程详细目录.txt
│ ├── 📂 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.mp4
│ │ │ ├── 🎬 2-图基本模块定义.mp4
│ │ │ ├── 🎬 3-邻接矩阵的定义.mp4
│ │ │ ├── 🎬 4-GNN中常见任务.mp4
│ │ │ ├── 🎬 5-消息传递计算方法.mp4
│ │ │ └── 🎬 6-多层GCN的作用.mp4
│ │ ├── 📂 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.mp4
│ │ ├── 📂 11-异构图神经网络
│ │ │ └── 🎬 1-异构图神经网络.mp4
│ │ ├── 📂 2-图卷积GCN模型
│ │ │ ├── 🎬 1-GCN基本模型概述.mp4
│ │ │ ├── 🎬 2-图卷积的基本计算方法.mp4
│ │ │ ├── 🎬 3-邻接的矩阵的变换.mp4
│ │ │ └── 🎬 4-GCN变换原理解读.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
│ │ │ ├── 🎬 2-数据集与邻接矩阵格式.mp4
│ │ │ ├── 🎬 3-模型定义与训练方法.mp4
│ │ │ └── 🎬 4-文献引用数据集分类案例实战.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
│ │ │ ├── 🎬 2-数据集与任务背景概述.mp4
│ │ │ ├── 🎬 3-数据集基本预处理.mp4
│ │ │ ├── 🎬 4-用户行为图结构创建.mp4
│ │ │ ├── 🎬 5-数据集创建函数介绍.mp4
│ │ │ ├── 🎬 6-网络结构定义模块.mp4
│ │ │ ├── 🎬 7-TopkPooling进行下采样任务.mp4
│ │ │ ├── 🎬 8-获取全局特征.mp4
│ │ │ └── 🎬 9-模型训练与总结.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
│ │ │ ├── 🎬 2-邻接矩阵计算图Attention.mp4
│ │ │ ├── 🎬 3-序列图神经网络CN应用.mp4
│ │ │ └── 🎬 4-序列图神经网络细节.mp4
│ │ ├── 📂 6-图相似度论文解读
│ │ │ ├── 🎬 1-要完成的任务分析.mp4
│ │ │ ├── 🎬 2-基本方法概述解读.mp4
│ │ │ ├── 🎬 3-图模型提取全局与局部特征.mp4
│ │ │ ├── 🎬 4-NTN模块的作用与效果.mp4
│ │ │ ├── 🎬 5-点之间的对应关系计算.mp4
│ │ │ └── 🎬 6-结果输出与总结.mp4
│ │ ├── 📂 7-图相似度计算实战
│ │ │ ├── 🎬 1-数据集与任务概述.mp4
│ │ │ ├── 🎬 2-图卷积特征提取模块.mp4
│ │ │ ├── 🎬 3-分别计算不同Batch点的分布.mp4
│ │ │ ├── 🎬 4-获得直方图特征结果.mp4
│ │ │ ├── 🎬 5-图的全局特征构建.mp4
│ │ │ ├── 🎬 6-NTN图相似特征提取.mp4
│ │ │ └── 🎬 7-预测得到相似度结果.mp4
│ │ ├── 📂 8-基于图模型的轨迹估计
│ │ │ ├── 🎬 1-数据集与标注信息解读.mp4
│ │ │ ├── 🎬 2-整体三大模块分析.mp4
│ │ │ ├── 🎬 3-特征工程的作用与效果.mp4
│ │ │ ├── 🎬 4-传统方法与现在向量空间对比.mp4
│ │ │ ├── 🎬 5-输入细节分析.mp4
│ │ │ ├── 🎬 6-子图模块构建方法.mp4
│ │ │ ├── 🎬 7-特征融合模块分析.mp4
│ │ │ └── 🎬 8-VectorNet输出层分析.mp4
│ │ ├── 📂 9-图模型轨迹估计实战
│ │ │ ├── 🎬 1-数据与环境配置.mp4
│ │ │ ├── 🎬 2-训练数据准备.mp4
│ │ │ ├── 🎬 3-Agent特征提取方法.mp4
│ │ │ ├── 🎬 4-DataLoader构建图结构.mp4
│ │ │ └── 🎬 5-SubGraph与Attention模型流程.mp4
│ │ ├── 📝 咨询VX ETH22009.txt
│ │ └── 📝 课程详细目录.txt
│ ├── 📂 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.mp4
│ │ │ ├── 🎬 2-点云应用领域与发展分析.mp4
│ │ │ ├── 🎬 3-点云分割任务.mp4
│ │ │ ├── 🎬 4-点云补全任务.mp4
│ │ │ ├── 🎬 5-点云检测与配准任务.mp4
│ │ │ └── 🎬 6-点云数据特征提取概述与预告.mp4
│ │ ├── 📂 2-3D点云PointNet算法
│ │ │ ├── 🎬 1-3D数据应用领域与点云介绍.mp4
│ │ │ ├── 🎬 2-点云数据可视化展示.mp4
│ │ │ ├── 🎬 3-点云数据特性和及要解决的问题.mp4
│ │ │ ├── 🎬 4-PointNet算法出发点解读.mp4
│ │ │ └── 🎬 5-PointNet算法网络架构解读.mp4
│ │ ├── 📂 3-PointNet++算法解读
│ │ │ ├── 🎬 1-PointNet升级版算法要解决的问题.mp4
│ │ │ ├── 🎬 2-最远点采样方法.mp4
│ │ │ ├── 🎬 3-分组Group方法原理解读.mp4
│ │ │ ├── 🎬 4-整体流程概述分析.mp4
│ │ │ ├── 🎬 5-分类与分割问题解决方案.mp4
│ │ │ └── 🎬 6-遇到的问题及改进方法分析.mp4
│ │ ├── 📂 4-Pointnet++项目实战
│ │ │ ├── 🎬 1-项目文件概述.mp4
│ │ │ ├── 🎬 11-分割任务数据与配置概述.mp4
│ │ │ ├── 🎬 12-分割需要解决的任务概述.mp4
│ │ │ ├── 🎬 13-上采样完成分割任务.mp4
│ │ │ ├── 🎬 2-数据读取模块配置.mp4
│ │ │ ├── 🎬 3-DEBUG解读网络模型架构.mp4
│ │ │ ├── 🎬 4-最远点采样介绍.mp4
│ │ │ ├── 🎬 5-采样得到中心点.mp4
│ │ │ ├── 🎬 6-组区域划分方法.mp4
│ │ │ ├── 🎬 7-实现group操作得到各中心簇.mp4
│ │ │ ├── 🎬 8-特征提取模块整体流程.mp4
│ │ │ └── 🎬 9-预测结果输出模块.mp4
│ │ ├── 📂 5-点云补全PF-Net论文解读
│ │ │ ├── 🎬 1-点云补全要解决的问题.mp4
│ │ │ ├── 🎬 2-基本解决方案概述.mp4
│ │ │ ├── 🎬 3-整体网络概述.mp4
│ │ │ ├── 🎬 4-网络计算流程.mp4
│ │ │ └── 🎬 5-输入与计算结果.mp4
│ │ ├── 📂 6-点云补全实战解读
│ │ │ ├── 🎬 1-数据与项目配置解读.mp4
│ │ │ ├── 🎬 2-待补全数据准备方法.mp4
│ │ │ ├── 🎬 3-整体框架概述.mp4
│ │ │ ├── 🎬 4-MRE特征提取模块.mp4
│ │ │ ├── 🎬 5-分层预测输出模块.mp4
│ │ │ ├── 🎬 6-补全点云数据.mp4
│ │ │ └── 🎬 7-判别模块.mp4
│ │ ├── 📂 7-点云配准及其案例实战
│ │ │ ├── 🎬 1-点云配准任务概述.mp4
│ │ │ ├── 🎬 2-配准要完成的目标解读.mp4
│ │ │ ├── 🎬 3-训练数据构建.mp4
│ │ │ ├── 🎬 4-任务基本流程.mp4
│ │ │ ├── 🎬 5-数据源配置方法.mp4
│ │ │ ├── 🎬 6-参数计算模块解读.mp4
│ │ │ ├── 🎬 7-基于模型预测输出参数.mp4
│ │ │ ├── 🎬 8-特征构建方法分析.mp4
│ │ │ └── 🎬 9-任务总结.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
│ │ │ ├── 🎬 2-GAN网络组成.mp4
│ │ │ ├── 🎬 3-损失函数解释说明.mp4
│ │ │ ├── 🎬 4-数据读取模块.mp4
│ │ │ └── 🎬 5-生成与判别网络定义.mp4
│ │ ├── 📝 咨询VX ETH22009.txt
│ │ └── 📝 课程详细目录.txt
│ ├── 📂 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.mp4
│ │ │ ├── 🎬 10-损失计算.mp4
│ │ │ ├── 🎬 2-kitti数据集介绍.mp4
│ │ │ ├── 🎬 3-使用backbone获取层级特征.mp4
│ │ │ ├── 🎬 4-差异特征计算边界信息.mp4
│ │ │ ├── 🎬 5-SPP层的作用.mp4
│ │ │ ├── 🎬 6-空洞卷积与ASPP.mp4
│ │ │ ├── 🎬 7-特征拼接方法分析.mp4
│ │ │ ├── 🎬 8-网络coarse-to-fine过程.mp4
│ │ │ └── 🎬 9-权重参数预处理.mp4
│ │ ├── 📂 10-NeuralRecon项目源码解读
│ │ │ ├── 🎬 1-Backbone得到特征图.mp4
│ │ │ ├── 🎬 2-初始化体素位置.mp4
│ │ │ ├── 🎬 3-坐标映射方法实现.mp4
│ │ │ ├── 🎬 4-得到体素所对应特征图.mp4
│ │ │ ├── 🎬 5-插值得到对应特征向量.mp4
│ │ │ ├── 🎬 6-得到一阶段输出结果.mp4
│ │ │ ├── 🎬 7-完成三个阶段预测结果.mp4
│ │ │ └── 🎬 8-项目总结.mp4
│ │ ├── 📂 11-TSDF算法与应用
│ │ │ ├── 🎬 1-TSDF整体概述分析.mp4
│ │ │ ├── 🎬 2-合成过程DEMO演示.mp4
│ │ │ ├── 🎬 3-布局初始化操作.mp4
│ │ │ ├── 🎬 4-TSDF计算基本流程解读.mp4
│ │ │ ├── 🎬 5-坐标转换流程分析.mp4
│ │ │ └── 🎬 6-输出结果融合更新.mp4
│ │ ├── 📂 12-TSDF实战案例
│ │ │ ├── 🎬 1-环境配置概述.mp4
│ │ │ ├── 🎬 2-初始化与数据读取.mp4
│ │ │ └── 🎬 3-计算得到TSDF输出.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
│ │ │ ├── 🎬 2-整体三大模块分析.mp4
│ │ │ ├── 🎬 3-特征工程的作用与效果.mp4
│ │ │ ├── 🎬 4-传统方法与现在向量空间对比.mp4
│ │ │ ├── 🎬 5-输入细节分析.mp4
│ │ │ ├── 🎬 6-子图模块构建方法.mp4
│ │ │ ├── 🎬 7-特征融合模块分析.mp4
│ │ │ └── 🎬 8-VectorNet输出层分析.mp4
│ │ ├── 📂 14-轨迹估计预测实战
│ │ │ ├── 🎬 1-数据与环境配置.mp4
│ │ │ ├── 🎬 2-训练数据准备.mp4
│ │ │ ├── 🎬 3-Agent特征提取方法.mp4
│ │ │ ├── 🎬 4-DataLoader构建图结构.mp4
│ │ │ └── 🎬 5-SubGraph与Attention模型流程.mp4
│ │ ├── 📂 15-特斯拉无人驾驶解读
│ │ │ └── 🎬 1-特斯拉无人驾驶解读.mp4
│ │ ├── 📂 2-深度估计项目实战
│ │ │ ├── 🎬 1-项目环境配置解读.mp4
│ │ │ ├── 🎬 10-损失函数通俗解读.mp4
│ │ │ ├── 🎬 11-模型DEMO输出结果.mp4
│ │ │ ├── 🎬 2-数据与标签定义方法.mp4
│ │ │ ├── 🎬 3-数据集dataloader制作.mp4
│ │ │ ├── 🎬 4-使用backbone进行特征提取.mp4
│ │ │ ├── 🎬 5-计算差异特征.mp4
│ │ │ ├── 🎬 6-权重参数标准化操作.mp4
│ │ │ ├── 🎬 7-网络结构ASPP层.mp4
│ │ │ ├── 🎬 8-特征拼接方法解读.mp4
│ │ │ └── 🎬 9-输出深度估计结果.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
│ │ │ ├── 🎬 2-网络整体框架分析.mp4
│ │ │ ├── 🎬 3-输出结果分析.mp4
│ │ │ ├── 🎬 4-损失函数计算方法.mp4
│ │ │ └── 🎬 5-论文概述分析.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
│ │ │ ├── 🎬 10-车道线规则损失函数限制.mp4
│ │ │ ├── 🎬 11-DEMO制作与配置.mp4
│ │ │ ├── 🎬 2-项目环境配置演示.mp4
│ │ │ ├── 🎬 3-制作数据集dataloader.mp4
│ │ │ ├── 🎬 4-车道线标签数据处理.mp4
│ │ │ ├── 🎬 5-四条车道线标签位置矩阵.mp4
│ │ │ ├── 🎬 6-grid设置方法.mp4
│ │ │ ├── 🎬 7-完成数据与标签制作.mp4
│ │ │ ├── 🎬 8-算法网络结构解读.mp4
│ │ │ └── 🎬 9-损失函数计算模块分析.mp4
│ │ ├── 📂 5-商汤LoFTR算法解读
│ │ │ ├── 🎬 1-特征匹配的应用场景.mp4
│ │ │ ├── 🎬 10-总结分析.mp4
│ │ │ ├── 🎬 2-特征匹配的基本流程分析.mp4
│ │ │ ├── 🎬 3-整体流程梳理分析.mp4
│ │ │ ├── 🎬 4-CrossAttention的作用与效果.mp4
│ │ │ ├── 🎬 5-transformer构建匹配特征.mp4
│ │ │ ├── 🎬 6-粗粒度匹配过程与作用.mp4
│ │ │ ├── 🎬 7-特征图拆解操作.mp4
│ │ │ ├── 🎬 8-细粒度匹配的作用与方法.mp4
│ │ │ └── 🎬 9-基于期望预测最终位置.mp4
│ │ ├── 📂 6-局部特征关键点匹配实战
│ │ │ ├── 🎬 1-项目与参数配置解读.mp4
│ │ │ ├── 🎬 10-得到精细化输出结果.mp4
│ │ │ ├── 🎬 11-通过期望计算最终输出.mp4
│ │ │ ├── 🎬 2-DEMO效果演示.mp4
│ │ │ ├── 🎬 3-backbone特征提取模块.mp4
│ │ │ ├── 🎬 4-注意力机制的作用与效果分析.mp4
│ │ │ ├── 🎬 5-特征融合模块实现方法.mp4
│ │ │ ├── 🎬 6-cross关系计算方法实例.mp4
│ │ │ ├── 🎬 7-粗粒度匹配过程.mp4
│ │ │ ├── 🎬 8-完成基础匹配模块.mp4
│ │ │ └── 🎬 9-精细化调整方法与实例.mp4
│ │ ├── 📂 7-三维重建应用与坐标系基础
│ │ │ ├── 🎬 1-三维重建概述分析.mp4
│ │ │ ├── 🎬 2-三维重建应用领域概述.mp4
│ │ │ ├── 🎬 3-成像方法概述.mp4
│ │ │ ├── 🎬 4-相机坐标系.mp4
│ │ │ ├── 🎬 5-坐标系转换方法解读.mp4
│ │ │ ├── 🎬 6-相机内外参.mp4
│ │ │ ├── 🎬 7-通过内外参数进行坐标变换.mp4
│ │ │ └── 🎬 8-相机标定简介.mp4
│ │ ├── 📂 8-NeuralRecon算法解读
│ │ │ ├── 🎬 1-任务流程分析.mp4
│ │ │ ├── 🎬 2-基本框架熟悉.mp4
│ │ │ ├── 🎬 3-特征映射方法解读.mp4
│ │ │ ├── 🎬 4-片段融合思想.mp4
│ │ │ └── 🎬 5-整体架构重构方法.mp4
│ │ ├── 📂 9-NeuralRecon项目环境配置
│ │ │ ├── 🎬 1-数据集下载与配置方法.mp4
│ │ │ ├── 🎬 2-Scannet数据集内容概述.mp4
│ │ │ ├── 🎬 3-TSDF标签生成方法.mp4
│ │ │ ├── 🎬 4-ISSUE的作用.mp4
│ │ │ └── 🎬 5-完成依赖环境配置.mp4
│ │ ├── 📝 咨询VX ETH22009.txt
│ │ └── 📝 课程详细目录.txt
│ ├── 📂 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.mp4
│ │ ├── 📂 2-CLIP系列
│ │ │ └── 🎬 1-CLIP系列.mp4
│ │ ├── 📂 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.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
│ │ │ ├── 🎬 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
│ │ ├── 📂 4-多模态文字识别
│ │ │ └── 🎬 1-多模态文字识别.mp4
│ │ ├── 📂 5-ANINET源码解读
│ │ │ ├── 🎬 1-数据集与环境概述.mp4
│ │ │ ├── 🎬 2-配置文件修改方法.mp4
│ │ │ ├── 🎬 3-Bakbone模块得到特征.mp4
│ │ │ ├── 🎬 4-视觉Transformer模块的作用.mp4
│ │ │ ├── 🎬 5-视觉模型中的编码与解码的效果.mp4
│ │ │ ├── 🎬 6-文本模型中的结构分析.mp4
│ │ │ ├── 🎬 7-迭代修正模块.mp4
│ │ │ └── 🎬 8-输出层与损失计算.mp4
│ │ ├── 📝 咨询VX ETH22009.txt
│ │ └── 📝 课程详细目录.txt
│ ├── 📂 15-缺陷检测实战
│ │ ├── 📂 1-课程介绍
│ │ │ └── 🎬 1-课程介绍.mp4
│ │ ├── 📂 10-基于Opencv缺陷检测项⽬实战
│ │ │ ├── 🎬 1-任务需求与环境配置.mp4
│ │ │ ├── 🎬 2-数据读取与基本处理.mp4
│ │ │ ├── 🎬 3-缺陷形态学操作.mp4
│ │ │ ├── 🎬 4-整体流程解读.mp4
│ │ │ └── 🎬 5-缺陷检测效果演示.mp4
│ │ ├── 📂 11-基于视频流⽔线的Opencv缺陷检测项⽬
│ │ │ ├── 🎬 1-数据与任务概述.mp4
│ │ │ ├── 🎬 2-视频数据读取与轮廓检测.mp4
│ │ │ ├── 🎬 3-目标质心计算.mp4
│ │ │ ├── 🎬 4-视频数据遍历方法.mp4
│ │ │ ├── 🎬 5-缺陷区域提取.mp4
│ │ │ ├── 🎬 6-不同类型的缺陷检测方法.mp4
│ │ │ └── 🎬 7-检测效果演示.mp4
│ │ ├── 📂 12-图像分割deeplab系列算法
│ │ │ ├── 🎬 1-deeplab分割算法概述.mp4
│ │ │ ├── 🎬 2-空洞卷积的作用.mp4
│ │ │ ├── 🎬 3-感受野的意义.mp4
│ │ │ ├── 🎬 4-SPP层的作用.mp4
│ │ │ ├── 🎬 5-ASPP特征融合策略.mp4
│ │ │ └── 🎬 6-deeplabV3Plus版本网络架构.mp4
│ │ ├── 📂 13-基于deeplabV3+版本进⾏VOC分割实战
│ │ │ ├── 🎬 1-PascalVoc数据集介绍.mp4
│ │ │ ├── 🎬 2-项目参数与数据集读取.mp4
│ │ │ ├── 🎬 3-网络前向传播流程.mp4
│ │ │ ├── 🎬 4-ASPP层特征融合.mp4
│ │ │ └── 🎬 5-分割模型训练.mp4
│ │ ├── 📂 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.mp4
│ │ │ ├── 🎬 2-开源项目应用方法.mp4
│ │ │ ├── 🎬 3-github与kaggle中需要注意的点.mp4
│ │ │ ├── 🎬 4-源码的利用方法.mp4
│ │ │ ├── 🎬 5-数据集制作方法.mp4
│ │ │ ├── 🎬 6-数据路径配置.mp4
│ │ │ ├── 🎬 7-训练模型.mp4
│ │ │ └── 🎬 8-任务总结.mp4
│ │ ├── 📂 2-物体检框架YOLO-V4版本算法解读
│ │ │ ├── 🎬 1-V4版本整体概述.mp4
│ │ │ ├── 🎬 10-PAN模块解读.mp4
│ │ │ ├── 🎬 11-激活函数与整体架构总结.mp4
│ │ │ ├── 🎬 2-V4版本贡献解读.mp4
│ │ │ ├── 🎬 3-数据增强策略分析.mp4
│ │ │ ├── 🎬 4-DropBlock与标签平滑方法.mp4
│ │ │ ├── 🎬 5-损失函数遇到的问题.mp4
│ │ │ ├── 🎬 6-CIOU损失函数定义.mp4
│ │ │ ├── 🎬 7-NMS细节改进.mp4
│ │ │ ├── 🎬 8-SPP与CSP网络结构.mp4
│ │ │ └── 🎬 9-SAM注意力机制模块.mp4
│ │ ├── 📂 3-物体检测框架YOLOV5版本项目配置
│ │ │ ├── 🎬 1-整体项目概述.mp4
│ │ │ ├── 🎬 2-训练自己的数据集方法.mp4
│ │ │ ├── 🎬 3-训练数据参数配置.mp4
│ │ │ └── 🎬 4-测试DEMO演示.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
│ │ │ ├── 🎬 10-完成配置文件解析任务.mp4
│ │ │ ├── 🎬 11-前向传播计算.mp4
│ │ │ ├── 🎬 12-BottleneckCSP层计算方法.mp4
│ │ │ ├── 🎬 13-SPP层计算细节分析.mp4
│ │ │ ├── 🎬 14-Head层流程解读.mp4
│ │ │ ├── 🎬 15-上采样与拼接操作.mp4
│ │ │ ├── 🎬 16-输出结果分析.mp4
│ │ │ ├── 🎬 17-超参数解读.mp4
│ │ │ ├── 🎬 18-命令行参数介绍.mp4
│ │ │ ├── 🎬 19-训练流程解读.mp4
│ │ │ ├── 🎬 2-图像数据源配置.mp4
│ │ │ ├── 🎬 20-各种训练策略概述.mp4
│ │ │ ├── 🎬 21-模型迭代过程.mp4
│ │ │ ├── 🎬 3-加载标签数据.mp4
│ │ │ ├── 🎬 4-Mosaic数据增强方法.mp4
│ │ │ ├── 🎬 5-数据四合一方法与流程演示.mp4
│ │ │ ├── 🎬 6-getItem构建batch.mp4
│ │ │ ├── 🎬 7-网络架构图可视化工具安装.mp4
│ │ │ ├── 🎬 8-V5网络配置文件解读.mp4
│ │ │ └── 🎬 9-Focus模块流程分析.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
│ │ │ ├── 🎬 2-数据与标签配置方法.mp4
│ │ │ ├── 🎬 3-标签转换格式脚本制作.mp4
│ │ │ ├── 🎬 4-各版本模型介绍分析.mp4
│ │ │ ├── 🎬 5-项目参数配置.mp4
│ │ │ ├── 🎬 6-缺陷检测模型训练.mp4
│ │ │ └── 🎬 7-输出结果与项目总结.mp4
│ │ ├── 📂 6-Semi-supervised布料缺陷检测实战
│ │ │ ├── 🎬 1-任务目标与流程概述.mp4
│ │ │ ├── 🎬 2-论文思想与模型分析.mp4
│ │ │ ├── 🎬 3-项目配置解读.mp4
│ │ │ ├── 🎬 4-网络流程分析.mp4
│ │ │ └── 🎬 5-输出结果展示.mp4
│ │ ├── 📂 7-Opencv图像常⽤处理⽅法实例
│ │ │ ├── 🎬 1-计算机眼中的图像.mp4
│ │ │ ├── 🎬 10-膨胀操作.mp4
│ │ │ ├── 🎬 11-开运算与闭运算.mp4
│ │ │ ├── 🎬 12-梯度计算.mp4
│ │ │ ├── 🎬 13-礼帽与黑帽.mp4
│ │ │ ├── 🎬 2-视频的读取与处理.mp4
│ │ │ ├── 🎬 3-ROI区域.mp4
│ │ │ ├── 🎬 4-边界填充.mp4
│ │ │ ├── 🎬 5-数值计算.mp4
│ │ │ ├── 🎬 6-图像阈值.mp4
│ │ │ ├── 🎬 7-图像平滑处理.mp4
│ │ │ ├── 🎬 8-高斯与中值滤波.mp4
│ │ │ └── 🎬 9-腐蚀操作.mp4
│ │ ├── 📂 8-Opencv梯度计算与边缘检测实例
│ │ │ ├── 🎬 1-Canny边缘检测流程.mp4
│ │ │ ├── 🎬 2-非极大值抑制.mp4
│ │ │ ├── 🎬 3-边缘检测效果.mp4
│ │ │ ├── 🎬 4-Sobel算子.mp4
│ │ │ ├── 🎬 5-梯度计算方法.mp4
│ │ │ └── 🎬 6-scharr与lapkacian算子.mp4
│ │ ├── 📂 9-Opencv轮廓检测与直⽅图
│ │ │ ├── 🎬 1-图像金字塔定义.mp4
│ │ │ ├── 🎬 10-均衡化效果.mp4
│ │ │ ├── 🎬 11-傅里叶概述.mp4
│ │ │ ├── 🎬 12-频域变换结果.mp4
│ │ │ ├── 🎬 13-低通与高通滤波.mp4
│ │ │ ├── 🎬 2-金字塔制作方法.mp4
│ │ │ ├── 🎬 3-轮廓检测方法.mp4
│ │ │ ├── 🎬 4-轮廓检测结果.mp4
│ │ │ ├── 🎬 5-轮廓特征与近似.mp4
│ │ │ ├── 🎬 6-模板匹配方法.mp4
│ │ │ ├── 🎬 7-匹配效果展示.mp4
│ │ │ ├── 🎬 8-直方图定义.mp4
│ │ │ └── 🎬 9-均衡化原理.mp4
│ │ ├── 📝 咨询VX ETH22009.txt
│ │ └── 📝 课程详细目录.txt
│ ├── 📂 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.mp4
│ │ │ ├── 🎬 2-挑战与困难分析.mp4
│ │ │ ├── 🎬 3-评估标准rank1指标.mp4
│ │ │ ├── 🎬 4-map值计算方法.mp4
│ │ │ ├── 🎬 5-triplet损失计算实例.mp4
│ │ │ └── 🎬 6-Hard-Negative方法应用.mp4
