資料目錄：
├─01 直播課回放
│ ├─01 開班典禮
│ │ 01 開班典禮.mp4
│ │
│ ├─02 Pycharm環(huán)境配置與Debug演示(沒用過的同學(xué)必看)
│ │ 01 Pycharm環(huán)境配置與Debug演示(沒用過的同學(xué)必看).mp4
│ │
│ ├─03 直播1：深度學(xué)習(xí)核心算法-神經(jīng)網(wǎng)絡(luò)與卷積網(wǎng)絡(luò)
│ │ 01 深度學(xué)習(xí)核心算法-神經(jīng)網(wǎng)絡(luò)與卷積網(wǎng)絡(luò).mp4
│ │
│ ├─04 直播2：卷積神經(jīng)網(wǎng)絡(luò)
│ │ 01 卷積神經(jīng)網(wǎng)絡(luò).mp4
│ │
│ ├─05 直播3：Transformer架構(gòu)
│ │ 01 Transformer架構(gòu).mp4
│ │
│ ├─06 直播4：Transfomer在視覺任務(wù)中的應(yīng)用實例
│ │ 01 Transfomer在視覺任務(wù)中的應(yīng)用實例.mp4
│ │
│ ├─07 直播5：YOLO系列（V7）算法解讀
│ │ 01 YOLO系列（V7）算法解讀.mp4
│ │
│ ├─08 直播6：分割模型Maskformer系列
│ │ 01 分割模型Maskformer系列.mp4
│ │
│ ├─09 補充：Mask2former源碼解讀
│ │ 01 Backbone獲取多層級特征.mp4
│ │ 02 多層級采樣點初始化構(gòu)建.mp4
│ │ 03 多層級輸入特征序列創(chuàng)建方法.mp4
│ │ 04 偏移量與權(quán)重計算并轉(zhuǎn)換.mp4
│ │ 05 Encoder特征構(gòu)建方法實例.mp4
│ │ 06 query要預(yù)測的任務(wù)解讀.mp4
│ │ 07 Decoder中的AttentionMask方法.mp4
│ │ 08 損失模塊輸入?yún)?shù)分析.mp4
│ │ 09 標(biāo)簽分配策略解讀.mp4
│ │ 10 正樣本篩選損失計算.mp4
│ │ 11 標(biāo)簽分類匹配結(jié)果分析.mp4
│ │ 12 最終損失計算流程.mp4
│ │ 13 匯總所有損失完成迭代.mp4
│ │
│ ├─10 直播7：半監(jiān)督物體檢測
│ │ 01 半監(jiān)督物體檢測.mp4
│ │
│ ├─11 直播8：基于圖模型的時間序列預(yù)測
│ │ 01 基于圖模型的時間序列預(yù)測.mp4
│ │
│ ├─12 直播9：圖像定位與檢索
│ │ 01 圖像定位與檢索.mp4
│ │
│ ├─13 直播10：近期內(nèi)容補充
│ │ 01 近期內(nèi)容補充.mp4
│ │
│ ├─15 直播12：異構(gòu)圖神經(jīng)網(wǎng)絡(luò)
│ │ 01 異構(gòu)圖神經(jīng)網(wǎng)絡(luò).mp4
│ │
│ ├─16 直播13：BEV特征空間
│ │ 01 BEV特征空間.mp4
│ │
│ ├─17 補充：BevFormer源碼解讀
│ │ 01 環(huán)境配置方法解讀.mp4
│ │ 02 數(shù)據(jù)集下載與配置方法.mp4
│ │ 03 特征提取以及BEV空間初始化.mp4
│ │ 04 特征對齊與位置編碼初始化.mp4
│ │ 05 Reference初始點構(gòu)建.mp4
│ │ 06 BEV空間與圖像空間位置對應(yīng).mp4
│ │ 07 注意力機制模塊計算方法.mp4
│ │ 08 BEV空間特征構(gòu)建.mp4
│ │ 09 Decoder要完成的任務(wù)分析.mp4
│ │ 10 獲取當(dāng)前BEV特征.mp4
│ │ 11 Decoder級聯(lián)校正模塊.mp4
│ │ 12 損失函數(shù)與預(yù)測可視化.mp4
│ │
│ ├─18 直播14：知識蒸餾
│ │ 01 知識蒸餾.mp4
│ │
│ └─19 直播15：六期總結(jié)與論文簡歷
│ 01 六期總結(jié)與論文簡歷.mp4
│
├─02 深度學(xué)習(xí)必備核心算法
│ ├─01 神經(jīng)網(wǎng)絡(luò)算法解讀
│ │ 01 神經(jīng)網(wǎng)絡(luò)算法解讀.mp4
│ │
│ ├─02 卷積神經(jīng)網(wǎng)絡(luò)算法解讀
│ │ 01 卷積神經(jīng)網(wǎng)絡(luò)算法解讀.mp4
│ │
│ └─03 遞歸神經(jīng)網(wǎng)絡(luò)算法解讀
│ 01 遞歸神經(jīng)網(wǎng)絡(luò)算法解讀.mp4
│
├─03 深度學(xué)習(xí)核心框架PyTorch
│ ├─01 PyTorch框架介紹與配置安裝
│ │ 01 PyTorch框架與其他框架區(qū)別分析.mp4
│ │ 02 CPU與GPU版本安裝方法解讀.mp4
│ │
│ ├─02 使用神經(jīng)網(wǎng)絡(luò)進行分類任務(wù)
│ │ 01 數(shù)據(jù)集與任務(wù)概述.mp4
│ │ 02 基本模塊應(yīng)用測試.mp4
│ │ 03 網(wǎng)絡(luò)結(jié)構(gòu)定義方法.mp4
│ │ 04 數(shù)據(jù)源定義簡介.mp4
│ │ 05 損失與訓(xùn)練模塊分析.mp4
│ │ 06 訓(xùn)練一個基本的分類模型.mp4
│ │ 07 參數(shù)對結(jié)果的影響.mp4
│ │
│ ├─03 神經(jīng)網(wǎng)絡(luò)回歸任務(wù)-氣溫預(yù)測
│ │ 01 神經(jīng)網(wǎng)絡(luò)回歸任務(wù)-氣溫預(yù)測.mp4
│ │
│ ├─04 卷積網(wǎng)絡(luò)參數(shù)解讀分析
│ │ 01 輸入特征通道分析.mp4
│ │ 02 卷積網(wǎng)絡(luò)參數(shù)解讀.mp4
│ │ 03 卷積網(wǎng)絡(luò)模型訓(xùn)練.mp4
│ │
│ ├─05 圖像識別模型與訓(xùn)練策略（重點）
│ │ 01 任務(wù)分析與圖像數(shù)據(jù)基本處理.mp4
│ │ 02 數(shù)據(jù)增強模塊.mp4
│ │ 03 數(shù)據(jù)集與模型選擇.mp4
│ │ 04 遷移學(xué)習(xí)方法解讀.mp4
│ │ 05 輸出層與梯度設(shè)置.mp4
│ │ 06 輸出類別個數(shù)修改.mp4
│ │ 07 優(yōu)化器與學(xué)習(xí)率衰減.mp4
│ │ 08 模型訓(xùn)練方法.mp4
│ │ 09 重新訓(xùn)練全部模型.mp4
│ │ 10 測試結(jié)果演示分析.mp4
│ │
│ ├─06 DataLoader自定義數(shù)據(jù)集制作
│ │ 01 Dataloader要完成的任務(wù)分析.mp4
│ │ 02 圖像數(shù)據(jù)與標(biāo)簽路徑處理.mp4
│ │ 03 Dataloader中需要實現(xiàn)的方法分析.mp4
│ │ 04 實用Dataloader加載數(shù)據(jù)并訓(xùn)練模型.mp4
│ │
│ ├─07 LSTM文本分類實戰(zhàn)
│ │ 01 數(shù)據(jù)集與任務(wù)目標(biāo)分析.mp4
│ │ 02 文本數(shù)據(jù)處理基本流程分析.mp4
│ │ 03 命令行參數(shù)與DEBUG.mp4
│ │ 04 訓(xùn)練模型所需基本配置參數(shù)分析.mp4
│ │ 05 預(yù)料表與字符切分.mp4
│ │ 06 字符預(yù)處理轉(zhuǎn)換ID.mp4
│ │ 07 LSTM網(wǎng)絡(luò)結(jié)構(gòu)基本定義.mp4
│ │ 08 網(wǎng)絡(luò)模型預(yù)測結(jié)果輸出.mp4
│ │ 09 模型訓(xùn)練任務(wù)與總結(jié).mp4
│ │
│ └─08 PyTorch框架Flask部署例子
│ 01 基本結(jié)構(gòu)與訓(xùn)練好的模型加載.mp4
│ 02 服務(wù)端處理與預(yù)測函數(shù).mp4
│ 03 基于Flask測試模型預(yù)測結(jié)果.mp4
│
├─04 MMLAB實戰(zhàn)系列
│ ├─01 MMCV安裝方法
│ │ 01 MMCV安裝方法.mp4
│ │
│ ├─02 第一模塊：分類任務(wù)基本操作
│ │ 01 MMCLS問題修正.mp4
│ │ 02 準(zhǔn)備MMCLS項目.mp4
│ │ 03 基本參數(shù)配置解讀.mp4
│ │ 04 各模塊配置文件組成.mp4
│ │ 05 生成完整配置文件.mp4
│ │ 06 根據(jù)文件夾定義數(shù)據(jù)集.mp4
│ │ 07 構(gòu)建自己的數(shù)據(jù)集.mp4
│ │ 08 訓(xùn)練自己的任務(wù).mp4
│ │
│ ├─03 第一模塊：訓(xùn)練結(jié)果測試與驗證
│ │ 01 測試DEMO效果.mp4
│ │ 02 測試評估模型效果.mp4
│ │ 03 MMCLS中增加一個新的模塊.mp4
│ │ 04 修改配置文件中的參數(shù).mp4
│ │ 05 數(shù)據(jù)增強流程可視化展示.mp4
│ │ 06 Grad-Cam可視化方法.mp4
│ │ 07 可視化細(xì)節(jié)與效果分析.mp4
│ │ 08 MMCLS可視化模塊應(yīng)用.mp4
│ │ 09 模型分析腳本使用.mp4
│ │
│ ├─04 第一模塊：模型源碼DEBUG演示
│ │ 01 VIT任務(wù)概述.mp4
│ │ 02 數(shù)據(jù)增強模塊概述分析.mp4
│ │ 03 PatchEmbedding層.mp4
│ │ 04 前向傳播基本模塊.mp4
│ │ 05 CLS與輸出模塊.mp4
│ │
│ ├─05 第二模塊：使用分割模塊訓(xùn)練自己的數(shù)據(jù)集
│ │ 01 項目配置基本介紹.mp4
│ │ 02 數(shù)據(jù)集標(biāo)注與制作方法.mp4
│ │ 03 根據(jù)預(yù)測類別數(shù)修改配置文件.mp4
│ │ 04 加載預(yù)訓(xùn)練模型開始訓(xùn)練.mp4
│ │ 05 預(yù)測DEMO演示.mp4
│ │
│ ├─06 第二模塊：基于Unet進行各種策略修改
│ │ 01 配置文件解讀.mp4
│ │ 02 編碼層模塊.mp4
│ │ 03 上采樣與輸出層.mp4
│ │ 04 輔助層的作用.mp4
│ │ 05 給Unet添加一個neck層.mp4
│ │ 06 如何修改參數(shù)適配網(wǎng)絡(luò)結(jié)構(gòu).mp4
│ │ 07 將Unet特征提取模塊替換成transformer.mp4
│ │ 08 VIT模塊源碼分析.mp4
│ │
│ ├─07 第二模塊：分割任務(wù)CVPR最新Backbone設(shè)計及其應(yīng)用
│ │ 01 注冊自己的Backbone模塊.mp4
│ │ 02 配置文件指定.mp4
│ │ 03 DEBUG解讀Backbone設(shè)計.mp4
│ │ 04 PatchEmbedding的作用與實現(xiàn).mp4
│ │ 05 卷積位置編碼計算方法.mp4
│ │ 06 近似Attention模塊實現(xiàn).mp4
│ │ 07 完成特征提取與融合模塊.mp4
│ │ 08 分割輸出模塊.mp4
│ │ 09 全局特征的作用與實現(xiàn).mp4
│ │ 10 匯總多層級特征進行輸出.mp4
│ │
│ ├─08 第三模塊：mmdet訓(xùn)練自己的數(shù)據(jù)任務(wù)
│ │ 01 數(shù)據(jù)集標(biāo)注與標(biāo)簽獲取.mp4
│ │ 02 COCO數(shù)據(jù)標(biāo)注格式.mp4
│ │ 03 通過腳本生成COCO數(shù)據(jù)格式.mp4
│ │ 04 配置文件數(shù)據(jù)增強策略分析.mp4
│ │ 05 訓(xùn)練所需配置說明.mp4
│ │ 06 模型訓(xùn)練與DEMO演示.mp4
│ │ 07 模型測試與可視化分析模塊.mp4
│ │ 08 補充：評估指標(biāo).mp4
│ │
│ ├─09 第三模塊：DeformableDetr物體檢測源碼分析
│ │ 01 特征提取與位置編碼.mp4
│ │ 02 序列特征展開并疊加.mp4
│ │ 03 得到相對位置點編碼.mp4
│ │ 04 準(zhǔn)備Encoder編碼層所需全部輸入.mp4
│ │ 05 編碼層中的序列分析.mp4
│ │ 06 偏移量offset計算.mp4
│ │ 07 偏移量對齊操作.mp4
│ │ 08 Encoder層完成特征對齊.mp4
│ │ 09 Decoder要完成的操作.mp4
│ │ 10 分類與回歸輸出模塊.mp4
│ │ 11 預(yù)測輸出結(jié)果與標(biāo)簽匹配模塊.mp4
│ │
│ ├─11 第三模塊：DeformableDetr算法解讀
│ │ 01 DeformableDetr算法解讀.mp4
│ │
│ ├─12 KIE關(guān)鍵信息抽取與視頻超分辨率重構(gòu)
│ │ 01 KIE關(guān)鍵信息抽取與視頻超分辨率重構(gòu).mp4
│ │
│ ├─13 第四模塊：DBNET文字檢測
│ │ 01 文字檢測數(shù)據(jù)概述與配置文件.mp4
│ │ 02 配置文件參數(shù)設(shè)置.mp4
│ │ 03 Neck層特征組合.mp4
│ │ 04 損失函數(shù)模塊概述.mp4
│ │ 05 損失計算方法.mp4
│ │
│ ├─14 第四模塊：ANINET文字識別
│ │ 01 數(shù)據(jù)集與環(huán)境概述.mp4
│ │ 02 配置文件修改方法.mp4
│ │ 03 Bakbone模塊得到特征.mp4
│ │ 04 視覺Transformer模塊的作用.mp4
│ │ 05 視覺模型中的編碼與解碼的效果.mp4
│ │ 06 文本模型中的結(jié)構(gòu)分析.mp4
│ │ 07 迭代修正模塊.mp4
│ │ 08 輸出層與損失計算.mp4
│ │
│ ├─15 第四模塊：KIE基于圖模型的關(guān)鍵信息抽取
│ │ 01 配置文件以及要完成的任務(wù)解讀.mp4
│ │ 02 KIE數(shù)據(jù)集格式調(diào)整方法.mp4
│ │ 03 配置文件與標(biāo)簽要進行處理操作.mp4
│ │ 04 邊框要計算的特征分析.mp4
│ │ 05 標(biāo)簽數(shù)據(jù)處理與關(guān)系特征提取.mp4
│ │ 06 特征合并處理.mp4
│ │ 07 準(zhǔn)備拼接邊與點特征.mp4
│ │ 08 整合得到圖模型輸入特征.mp4
│ │
│ ├─16 第五模塊：stylegan2源碼解讀
│ │ 01 要完成的任務(wù)與基本思想概述.mp4
│ │ 02 得到style特征編碼.mp4
│ │ 03 特征編碼風(fēng)格拼接.mp4
│ │ 04 基礎(chǔ)風(fēng)格特征卷積模塊.mp4
│ │ 05 上采樣得到輸出結(jié)果.mp4
│ │ 06 損失函數(shù)概述.mp4
│ │
│ ├─17 第六模塊：BasicVSR++視頻超分辨重構(gòu)源碼解讀
│ │ 01 要完成的任務(wù)分析與配置文件.mp4
│ │ 02 特征基礎(chǔ)提取模塊.mp4
│ │ 03 光流估計網(wǎng)絡(luò)模塊.mp4
│ │ 04 基于光流完成對齊操作.mp4
│ │ 05 偏移量計算方法.mp4
│ │ 06 雙向計算特征對齊.mp4
│ │ 07 提特征傳遞流程分析.mp4
│ │ 08 序列傳播計算.mp4
│ │ 09 準(zhǔn)備變形卷積模塊的輸入.mp4
│ │ 10 傳播流程整體完成一圈.mp4
│ │ 11 完成輸出結(jié)果.mp4
│ │
│ ├─18 第七模塊：多模態(tài)3D目標(biāo)檢測算法源碼解讀
│ │ 01 環(huán)境配置與數(shù)據(jù)集概述.mp4
│ │ 02 數(shù)據(jù)與標(biāo)注文件介紹.mp4
│ │ 03 基本流程梳理并進入debug模式.mp4
│ │ 04 數(shù)據(jù)與圖像特征提取模塊.mp4
│ │ 05 體素索引位置獲取.mp4
│ │ 06 體素特征提取方法解讀.mp4
│ │ 07 體素特征計算方法分析.mp4
│ │ 08 全局體素特征提取.mp4
│ │ 09 多模態(tài)特征融合.mp4
│ │ 10 3D卷積特征融合.mp4
│ │ 11 輸出層預(yù)測結(jié)果.mp4
│ │
│ ├─19 第八模塊：模型蒸餾應(yīng)用實例
│ │ 01 任務(wù)概述與工具使用.mp4
│ │ 02 Teacher與Student網(wǎng)絡(luò)結(jié)構(gòu)定義.mp4
│ │ 03 訓(xùn)練T與S得到蒸餾模型.mp4
│ │ 04 開始模型訓(xùn)練過程與問題修正.mp4
│ │ 05 日志輸出與模型分離.mp4
│ │ 06 分別得到Teacher與Student模型.mp4
│ │ 07 實際測試效果演示.mp4
│ │
│ ├─20 第八模塊：模型剪枝方法概述分析
│ │ 01 SuperNet網(wǎng)絡(luò)結(jié)構(gòu)分析與剪枝概述.mp4
│ │ 02 搜索匹配到符合計算量的模型并訓(xùn)練.mp4
│ │
│ ├─21 第九模塊：mmaction行為識別
│ │ 01 創(chuàng)建自己的行為識別標(biāo)注數(shù)據(jù)集.mp4
│ │
│ └─22 OCR算法解讀
│ 01 OCR算法解讀.mp4
│
├─05 Opencv圖像處理框架實戰(zhàn)
│ ├─01 課程簡介與環(huán)境配置
│ │ 01 課程簡介.mp4
│ │ 02 Python與Opencv配置安裝.mp4
│ │ 03 Notebook與IDE環(huán)境.mp4
│ │
│ ├─02 圖像基本操作
│ │ 01 計算機眼中的圖像.mp4
│ │ 02 視頻的讀取與處理.mp4
│ │ 03 ROI區(qū)域.mp4
│ │ 04 邊界填充.mp4
│ │ 05 數(shù)值計算.mp4
│ │
│ ├─03 閾值與平滑處理
│ │ 01 圖像閾值.mp4
│ │ 02 圖像平滑處理.mp4
│ │ 03 高斯與中值濾波.mp4
│ │
│ ├─04 圖像形態(tài)學(xué)操作
│ │ 01 腐蝕操作.mp4
│ │ 02 膨脹操作.mp4
│ │ 03 開運算與閉運算.mp4
│ │ 04 梯度計算.mp4
│ │ 05 禮帽與黑帽.mp4
│ │
│ ├─05 圖像梯度計算
│ │ 01 Sobel算子.mp4
│ │ 02 梯度計算方法.mp4
│ │ 03 scharr與lapkacian算子.mp4
│ │
│ ├─06 邊緣檢測
│ │ 01 Canny邊緣檢測流程.mp4
│ │ 02 非極大值抑制.mp4
│ │ 03 邊緣檢測效果.mp4
│ │
│ ├─07 圖像金字塔與輪廓檢測
│ │ 01 圖像金字塔定義.mp4
│ │ 02 金字塔制作方法.mp4
│ │ 03 輪廓檢測方法.mp4
│ │ 04 輪廓檢測結(jié)果.mp4
│ │ 05 輪廓特征與近似.mp4
│ │ 06 模板匹配方法.mp4
│ │ 07 匹配效果展示.mp4
│ │
│ ├─08 直方圖與傅里葉變換
│ │ 01 直方圖定義.mp4
│ │ 02 均衡化原理.mp4
│ │ 03 均衡化效果.mp4
│ │ 04 傅里葉概述.mp4
│ │ 05 頻域變換結(jié)果.mp4
│ │ 06 低通與高通濾波.mp4
│ │
│ ├─09 項目實戰(zhàn)-信用卡數(shù)字識別
│ │ 01 總體流程與方法講解.mp4
│ │ 02 環(huán)境配置與預(yù)處理.mp4
│ │ 03 模板處理方法.mp4
│ │ 04 輸入數(shù)據(jù)處理方法.mp4
│ │ 05 模板匹配得出識別結(jié)果.mp4
│ │
│ ├─10 項目實戰(zhàn)-文檔掃描OCR識別
│ │ 01 整體流程演示.mp4
│ │ 02 文檔輪廓提取.mp4
│ │ 03 原始與變換坐標(biāo)計算.mp4
│ │ 04 透視變換結(jié)果.mp4
│ │ 05 tesseract-ocr安裝配置.mp4
│ │ 06 文檔掃描識別效果.mp4
│ │
│ ├─11 圖像特征-harris
│ │ 01 角點檢測基本原理.mp4
│ │ 02 基本數(shù)學(xué)原理.mp4
│ │ 03 求解化簡.mp4
│ │ 04 特征歸屬劃分.mp4
│ │ 05 opencv角點檢測效果.mp4
│ │
│ ├─12 圖像特征-sift
│ │ 01 尺度空間定義.mp4
│ │ 02 高斯差分金字塔.mp4
│ │ 03 特征關(guān)鍵點定位.mp4
│ │ 04 生成特征描述.mp4
│ │ 05 特征向量生成.mp4
│ │ 06 opencv中sift函數(shù)使用.mp4
│ │
│ ├─13 案例實戰(zhàn)-全景圖像拼接
│ │ 01 特征匹配方法.mp4
│ │ 02 RANSAC算法.mp4
│ │ 03 圖像拼接方法.mp4
│ │ 04 流程解讀.mp4
│ │
│ ├─14 項目實戰(zhàn)-停車場車位識別
│ │ 01 任務(wù)整體流程.mp4
│ │ 02 所需數(shù)據(jù)介紹.mp4
│ │ 03 圖像數(shù)據(jù)預(yù)處理.mp4
│ │ 04 車位直線檢測.mp4
│ │ 05 按列劃分區(qū)域.mp4
│ │ 06 車位區(qū)域劃分.mp4
│ │ 07 識別模型構(gòu)建.mp4
│ │ 08 基于視頻的車位檢測.mp4
│ │
│ ├─15 項目實戰(zhàn)-答題卡識別判卷
│ │ 01 整體流程與效果概述.mp4
│ │ 02 預(yù)處理操作.mp4
│ │ 03 填涂輪廓檢測.mp4
│ │ 04 選項判斷識別.mp4
│ │
│ ├─16 背景建模
│ │ 01 背景消除-幀差法.mp4
│ │ 02 混合高斯模型.mp4
│ │ 03 學(xué)習(xí)步驟.mp4
│ │ 04 背景建模實戰(zhàn).mp4
│ │
│ ├─17 光流估計
│ │ 01 基本概念.mp4
│ │ 02 Lucas-Kanade算法.mp4
│ │ 03 推導(dǎo)求解.mp4
│ │ 04 光流估計實戰(zhàn).mp4
│ │
│ ├─18 Opencv的DNN模塊
│ │ 01 dnn模塊.mp4
│ │ 02 模型加載結(jié)果輸出.mp4
│ │
│ ├─19 項目實戰(zhàn)-目標(biāo)追蹤
│ │ 01 目標(biāo)追蹤概述.mp4
│ │ 02 多目標(biāo)追蹤實戰(zhàn).mp4
│ │ 03 深度學(xué)習(xí)檢測框架加載.mp4
│ │ 04 基于dlib與ssd的追蹤.mp4
│ │ 05 多進程目標(biāo)追蹤.mp4
│ │ 06 多進程效率提升對比.mp4
│ │
│ ├─20 卷積原理與操作
│ │ 01 卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用.mp4
│ │ 02 卷積層解釋.mp4
│ │ 03 卷積計算過程.mp4
│ │ 04 pading與stride.mp4
│ │ 05 卷積參數(shù)共享.mp4
│ │ 06 池化層原理.mp4
│ │ 07 卷積效果演示.mp4
│ │ 08 卷積操作流程.mp4
│ │
│ └─21 項目實戰(zhàn)-疲勞檢測
│ 01 關(guān)鍵點定位概述.mp4
│ 02 獲取人臉關(guān)鍵點.mp4
│ 03 定位效果演示.mp4
│ 04 閉眼檢測.mp4
│ 05 檢測效果.mp4
│
├─06 綜合項目-物體檢測經(jīng)典算法實戰(zhàn)
│ ├─01 深度學(xué)習(xí)經(jīng)典檢測方法概述
│ │ 02 不同階段算法優(yōu)缺點分析.mp4
│ │
│ ├─02 YOLO-V1整體思想與網(wǎng)絡(luò)架構(gòu)
│ │ 01 YOLO算法整體思路解讀.mp4
│ │
│ ├─03 YOLO-V2改進細(xì)節(jié)詳解
│ │ 01 V2版本細(xì)節(jié)升級概述.mp4
│ │ 06 坐標(biāo)映射與還原.mp4
│ │
│ ├─04 YOLO-V3核心網(wǎng)絡(luò)模型
│ │ 03 經(jīng)典變換方法對比分析.mp4
│ │ 07 sotfmax層改進.mp4
│ │
│ ├─05 項目實戰(zhàn)-基于V3版本進行源碼解讀（建議直接跑V5版本）
│ │ 01 數(shù)據(jù)與環(huán)境配置.mp4
│ │ 02 訓(xùn)練參數(shù)設(shè)置.mp4
│ │ 03 COCO圖像數(shù)據(jù)讀取與處理.mp4
│ │ 04 標(biāo)簽文件讀取與處理.mp4
│ │ 05 debug模式介紹.mp4
│ │ 06 基于配置文件構(gòu)建網(wǎng)絡(luò)模型.mp4
│ │ 07 路由層與shortcut層的作用.mp4
│ │ 08 YOLO層定義解析.mp4
│ │ 09 預(yù)測結(jié)果計算.mp4
│ │ 10 網(wǎng)格偏移計算.mp4
│ │ 11 模型要計算的損失概述.mp4
│ │ 12 標(biāo)簽值格式修改.mp4
│ │ 13 坐標(biāo)相對位置計算.mp4
│ │ 14 完成所有損失函數(shù)所需計算指標(biāo).mp4
│ │ 15 模型訓(xùn)練與總結(jié).mp4
│ │ 16 預(yù)測效果展示.mp4
│ │
│ ├─06 基于YOLO-V3訓(xùn)練自己的數(shù)據(jù)集與任務(wù)（建議直接跑V5版本）
│ │ 01 Labelme工具安裝.mp4
│ │ 02 數(shù)據(jù)信息標(biāo)注.mp4
│ │ 03 完成標(biāo)簽制作.mp4
│ │ 04 生成模型所需配置文件.mp4
│ │ 05 json格式轉(zhuǎn)換成yolo-v3所需輸入.mp4
│ │ 06 完成輸入數(shù)據(jù)準(zhǔn)備工作.mp4
│ │ 07 訓(xùn)練代碼與參數(shù)配置更改.mp4
│ │ 08 訓(xùn)練模型并測試效果.mp4
│ │
│ ├─07 YOLO-V4版本算法解讀
│ │ 02 V4版本貢獻(xiàn)解讀.mp4
│ │ 06 CIOU損失函數(shù)定義.mp4
│ │
│ ├─08 V5版本項目配置
│ │ 01 整體項目概述.mp4
│ │ 02 訓(xùn)練自己的數(shù)據(jù)集方法.mp4
│ │ 03 訓(xùn)練數(shù)據(jù)參數(shù)配置.mp4
│ │ 04 測試DEMO演示.mp4
│ │
│ ├─09 V5項目工程源碼解讀
│ │ 01 數(shù)據(jù)源DEBUG流程解讀.mp4
│ │ 02 圖像數(shù)據(jù)源配置.mp4
│ │ 03 加載標(biāo)簽數(shù)據(jù).mp4
│ │ 04 Mosaic數(shù)據(jù)增強方法.mp4
│ │ 05 數(shù)據(jù)四合一方法與流程演示.mp4
│ │ 06 getItem構(gòu)建batch.mp4
│ │ 07 網(wǎng)絡(luò)架構(gòu)圖可視化工具安裝.mp4
│ │ 08 V5網(wǎng)絡(luò)配置文件解讀.mp4
│ │ 09 Focus模塊流程分析.mp4
│ │ 10 完成配置文件解析任務(wù).mp4
│ │ 11 前向傳播計算.mp4
│ │ 12 BottleneckCSP層計算方法.mp4
│ │ 13 SPP層計算細(xì)節(jié)分析.mp4
│ │ 14 Head層流程解讀.mp4
│ │ 15 上采樣與拼接操作.mp4
│ │ 16 輸出結(jié)果分析.mp4
│ │ 17 超參數(shù)解讀.mp4
│ │ 18 命令行參數(shù)介紹.mp4
│ │ 19 訓(xùn)練流程解讀.mp4
│ │ 20 各種訓(xùn)練策略概述.mp4
│ │ 21 模型迭代過程.mp4
│ │
│ ├─10 V7源碼解讀
│ │ 01 命令行參數(shù)介紹.mp4
│ │ 02 基本參數(shù)作用.mp4
│ │ 03 EMA等訓(xùn)練技巧解讀.mp4
│ │ 04 網(wǎng)絡(luò)結(jié)構(gòu)配置文件解讀.mp4
│ │ 05 各模塊操作細(xì)節(jié)分析.mp4
│ │ 06 輸出層與配置文件其他模塊解讀.mp4
│ │ 07 標(biāo)簽分配策略準(zhǔn)備操作.mp4
│ │ 08 候選框偏移方法與find3p模塊解讀.mp4
│ │ 09 得到偏移點所在網(wǎng)格位置.mp4
│ │ 10 完成BuildTargets模塊.mp4
│ │ 11 候選框篩選流程分析.mp4
│ │ 12 預(yù)測值各項指標(biāo)獲取與調(diào)整.mp4
│ │ 13 GT匹配正樣本數(shù)量計算.mp4
│ │ 14 通過IOU與置信度分配正樣本.mp4
│ │ 15 損失函數(shù)計算方法.mp4
│ │ 16 輔助頭AUX網(wǎng)絡(luò)結(jié)構(gòu)配置文件解析.mp4
│ │ 17 輔助頭損失函數(shù)調(diào)整.mp4
│ │ 18 BN與卷積權(quán)重參數(shù)融合方法.mp4
│ │ 19 重參數(shù)化多分支合并加速.mp4
│ │
│ ├─11 EfficientNet網(wǎng)絡(luò)
│ │ 01 EfficientNet網(wǎng)絡(luò)模型.mp4
│ │
│ ├─12 EfficientDet檢測算法
│ │ 01 EfficientDet檢測算法.mp4
│ │
│ ├─13 基于Transformer的detr目標(biāo)檢測算法
│ │ 01 DETR目標(biāo)檢測基本思想解讀.mp4
│ │ 02 整體網(wǎng)絡(luò)架構(gòu)分析.mp4
│ │ 03 位置信息初始化query向量.mp4
│ │ 04 注意力機制的作用方法.mp4
│ │ 05 訓(xùn)練過程的策略.mp4
│ │
│ └─14 detr目標(biāo)檢測源碼解讀
│ 01 項目環(huán)境配置解讀.mp4
│ 02 數(shù)據(jù)處理與dataloader.mp4
│ 03 位置編碼作用分析.mp4
│ 04 backbone特征提取模塊.mp4
│ 05 mask與編碼模塊.mp4
│ 06 編碼層作用方法.mp4
│ 07 Decoder層操作與計算.mp4
│ 08 輸出預(yù)測結(jié)果.mp4
│ 09 損失函數(shù)與預(yù)測輸出.mp4
│
├─07 圖像分割實戰(zhàn)
│ ├─01 圖像分割及其損失函數(shù)概述
│ │ 03 MIOU評估標(biāo)準(zhǔn).mp4
│ │
│ ├─05 U2NET顯著性檢測實戰(zhàn)
│ │ 01 任務(wù)目標(biāo)與網(wǎng)絡(luò)整體介紹.mp4
│ │ 02 顯著性檢測任務(wù)與目標(biāo)概述.mp4
│ │ 03 編碼器模塊解讀.mp4
│ │ 04 解碼器輸出結(jié)果.mp4
│ │ 05 損失函數(shù)與應(yīng)用效果.mp4
│ │
│ ├─09 物體檢測框架-MaskRcnn項目介紹與配置
│ │ 01 Mask-Rcnn開源項目簡介.mp4
│ │ 02 開源項目數(shù)據(jù)集.mp4
│ │ 03 開源項目數(shù)據(jù)集.mp4
│ │
│ ├─10 MaskRcnn網(wǎng)絡(luò)框架源碼詳解
│ │ 01 FPN層特征提取原理解讀.mp4
│ │ 02 FPN網(wǎng)絡(luò)架構(gòu)實現(xiàn)解讀.mp4
│ │ 03 生成框比例設(shè)置.mp4
│ │ 04 基于不同尺度特征圖生成所有框.mp4
│ │ 05 RPN層的作用與實現(xiàn)解讀.mp4
│ │ 06 候選框過濾方法.mp4
│ │ 07 Proposal層實現(xiàn)方法.mp4
│ │ 08 DetectionTarget層的作用.mp4
│ │ 09 正負(fù)樣本選擇與標(biāo)簽定義.mp4
│ │ 10 RoiPooling層的作用與目的.mp4
│ │ 11 RorAlign操作的效果.mp4
│ │ 12 整體框架回顧.mp4
│ │
│ └─11 基于MASK-RCNN框架訓(xùn)練自己的數(shù)據(jù)與任務(wù)
│ 02 使用labelme進行數(shù)據(jù)與標(biāo)簽標(biāo)注.mp4
│ 03 完成訓(xùn)練數(shù)據(jù)準(zhǔn)備工作.mp4
│ 04 maskrcnn源碼修改方法.mp4
│ 05 基于標(biāo)注數(shù)據(jù)訓(xùn)練所需任務(wù).mp4
│ 06 測試與展示模塊.mp4
│
├─08 行為識別實戰(zhàn)
│ ├─01 slowfast算法知識點通俗解讀
│ │ 01 slowfast核心思想解讀.mp4
│ │ 02 核心網(wǎng)絡(luò)結(jié)構(gòu)模塊分析.mp4
│ │ 03 數(shù)據(jù)采樣曾的作用.mp4
│ │ 04 模型網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計.mp4
│ │ 05 特征融合模塊與總結(jié)分析.mp4
│ │
│ ├─02 slowfast項目環(huán)境配置與配置文件
│ │ 01 環(huán)境基本配置解讀.mp4
│ │ 02 目錄各文件分析.mp4
│ │ 03 配置文件作用解讀.mp4
│ │ 04 測試DEMO演示.mp4
│ │ 05 訓(xùn)練所需標(biāo)簽文件說明.mp4
│ │ 06 訓(xùn)練所需視頻數(shù)據(jù)準(zhǔn)備.mp4
│ │ 07 視頻數(shù)據(jù)集切分操作.mp4
│ │ 08 完成視頻分幀操作.mp4
│ │
│ ├─03 slowfast源碼詳細(xì)解讀
│ │ 01 模型所需配置文件參數(shù)讀取.mp4
│ │ 02 數(shù)據(jù)處理概述.mp4
│ │ 03 dataloader數(shù)據(jù)遍歷方法.mp4
│ │ 04 數(shù)據(jù)與標(biāo)簽讀取實例.mp4
│ │ 05 圖像數(shù)據(jù)所需預(yù)處理方法.mp4
│ │ 06 slow與fast分別執(zhí)行采樣操作.mp4
│ │ 07 分別計算特征圖輸出結(jié)果.mp4
│ │ 08 slow與fast特征圖拼接操作.mp4
│ │ 09 resnetBolock操作.mp4
│ │ 10 RoiAlign與輸出層.mp4
│ │
│ ├─04 基于3D卷積的視頻分析與動作識別
│ │ 01 3D卷積原理解讀.mp4
│ │ 02 UCF101動作識別數(shù)據(jù)集簡介.mp4
│ │ 03 測試效果與項目配置.mp4
│ │ 04 視頻數(shù)據(jù)預(yù)處理方法.mp4
│ │ 05 數(shù)據(jù)Batch制作方法.mp4
│ │ 06 3D卷積網(wǎng)絡(luò)所涉及模塊.mp4
│ │ 07 訓(xùn)練網(wǎng)絡(luò)模型.mp4
│ │
│ ├─05 視頻異常檢測算法與元學(xué)習(xí)
│ │ 01 異常檢測要解決的問題與數(shù)據(jù)集介紹.mp4
│ │ 02 基本思想與流程分析.mp4
│ │ 03 預(yù)測與常見問題.mp4
│ │ 04 Meta-Learn要解決的問題.mp4
│ │ 05 學(xué)習(xí)能力與參數(shù)定義.mp4
│ │ 06 如何找到合適的初始化參數(shù).mp4
│ │ 07 MAML算法流程解讀.mp4
│ │
│ └─06 視頻異常檢測CVPR2021論文及其源碼解讀
│ 01 論文概述與環(huán)境配置.mp4
│ 02 數(shù)據(jù)集配置與讀取.mp4
│ 03 模型編碼與解碼結(jié)構(gòu).mp4
│ 04 注意力機制模塊打造.mp4
│ 05 損失函數(shù)的目的.mp4
│ 06 特征圖生成.mp4
│ 07 MetaLearn與輸出.mp4
│
├─09 2022論文必備-Transformer實戰(zhàn)系列
│ ├─01 課程介紹
│ │ 01 課程介紹.mp4
│ │
│ ├─02 自然語言處理通用框架BERT原理解讀
│ │ 01 BERT任務(wù)目標(biāo)概述.mp4
│ │ 02 傳統(tǒng)解決方案遇到的問題.mp4
│ │ 03 注意力機制的作用.mp4
│ │ 04 self-attention計算方法.mp4
│ │ 05 特征分配與softmax機制.mp4
│ │ 06 Multi-head的作用.mp4
│ │ 07 位置編碼與多層堆疊.mp4
│ │ 08 transformer整體架構(gòu)梳理.mp4
│ │ 09 BERT模型訓(xùn)練方法.mp4
│ │ 10 訓(xùn)練實例.mp4
│ │
│ ├─03 Transformer在視覺中的應(yīng)用VIT算法
│ │ 01 transformer發(fā)家史介紹.mp4
│ │ 02 對圖像數(shù)據(jù)構(gòu)建patch序列.mp4
│ │ 03 VIT整體架構(gòu)解讀.mp4
│ │ 04 CNN遇到的問題與窘境.mp4
│ │ 05 計算公式解讀.mp4
│ │ 06 位置編碼與TNT模型.mp4
│ │ 07 TNT模型細(xì)節(jié)分析.mp4
│ │
│ ├─04 VIT算法模型源碼解讀
│ │ 01 項目配置說明.mp4
│ │ 02 輸入序列構(gòu)建方法解讀.mp4
│ │ 03 注意力機制計算.mp4
│ │ 04 輸出層計算結(jié)果.mp4
│ │
│ ├─05 swintransformer算法原理解析
│ │ 01 swintransformer整體概述.mp4
│ │ 02 要解決的問題及其優(yōu)勢分析.mp4
│ │ 03 一個block要完成的任務(wù).mp4
│ │ 04 獲取各窗口輸入特征.mp4
│ │ 05 基于窗口的注意力機制解讀.mp4
│ │ 06 窗口偏移操作的實現(xiàn).mp4
│ │ 07 偏移細(xì)節(jié)分析及其計算量概述.mp4
│ │ 08 整體網(wǎng)絡(luò)架構(gòu)整合.mp4
│ │ 09 下采樣操作實現(xiàn)方法.mp4
│ │ 10 分層計算方法.mp4
│ │
│ ├─06 swintransformer源碼解讀
│ │ 01 數(shù)據(jù)與環(huán)境配置解讀.mp4
│ │ 02 圖像數(shù)據(jù)patch編碼.mp4
│ │ 03 數(shù)據(jù)按window進行劃分計算.mp4
│ │ 04 基礎(chǔ)attention計算模塊.mp4
│ │ 05 窗口位移模塊細(xì)節(jié)分析.mp4
│ │ 06 patchmerge下采樣操作.mp4
│ │ 07 各block計算方法解讀.mp4
│ │ 08 輸出層概述.mp4
│ │
│ ├─07 基于Transformer的detr目標(biāo)檢測算法
│ │ 01 DETR目標(biāo)檢測基本思想解讀.mp4
│ │ 02 整體網(wǎng)絡(luò)架構(gòu)分析.mp4
│ │ 03 位置信息初始化query向量.mp4
│ │ 04 注意力機制的作用方法.mp4
│ │ 05 訓(xùn)練過程的策略.mp4
│ │
│ ├─08 detr目標(biāo)檢測源碼解讀
│ │ 01 項目環(huán)境配置解讀.mp4
│ │ 02 數(shù)據(jù)處理與dataloader.mp4
│ │ 03 位置編碼作用分析.mp4
│ │ 04 backbone特征提取模塊.mp4
│ │ 05 mask與編碼模塊.mp4
│ │ 06 編碼層作用方法.mp4
│ │ 07 Decoder層操作與計算.mp4
│ │ 08 輸出預(yù)測結(jié)果.mp4
│ │
│ ├─09 MedicalTrasnformer論文解讀
│ │ 01 論文整體分析.mp4
│ │ 02 核心思想分析.mp4
│ │ 03 網(wǎng)絡(luò)結(jié)構(gòu)計算流程概述.mp4
│ │ 04 論文公式計算分析.mp4
│ │ 05 位置編碼的作用與效果.mp4
│ │ 06 拓展應(yīng)用分析.mp4
│ │
│ ├─10 MedicalTransformer源碼解讀
│ │ 01 項目環(huán)境配置.mp4
│ │ 02 醫(yī)學(xué)數(shù)據(jù)介紹與分析.mp4
│ │ 03 基本處理操作.mp4
│ │ 04 AxialAttention實現(xiàn)過程.mp4
│ │ 05 位置編碼向量解讀.mp4
│ │ 06 注意力計算過程與方法.mp4
│ │ 07 局部特征提取與計算.mp4
│ │
│ ├─11 商湯LoFTR算法解讀
│ │ 01 特征匹配的應(yīng)用場景.mp4
│ │ 02 特征匹配的基本流程分析.mp4
│ │ 03 整體流程梳理分析.mp4
│ │ 04 CrossAttention的作用與效果.mp4
│ │ 05 transformer構(gòu)建匹配特征.mp4
│ │ 06 粗粒度匹配過程與作用.mp4
│ │ 07 特征圖拆解操作.mp4
│ │ 08 細(xì)粒度匹配的作用與方法.mp4
│ │ 09 基于期望預(yù)測最終位置.mp4
│ │ 10 總結(jié)分析.mp4
│ │
│ ├─12 局部特征關(guān)鍵點匹配實戰(zhàn)
│ │ 01 項目與參數(shù)配置解讀.mp4
│ │ 02 DEMO效果演示.mp4
│ │ 03 backbone特征提取模塊.mp4
│ │ 04 注意力機制的作用與效果分析.mp4
│ │ 05 特征融合模塊實現(xiàn)方法.mp4
│ │ 06 cross關(guān)系計算方法實例.mp4
│ │ 07 粗粒度匹配過程.mp4
│ │ 08 完成基礎(chǔ)匹配模塊.mp4
│ │ 09 精細(xì)化調(diào)整方法與實例.mp4
│ │ 10 得到精細(xì)化輸出結(jié)果.mp4
│ │ 11 通過期望計算最終輸出.mp4
│ │
│ ├─13 項目補充-谷歌開源項目BERT源碼解讀與應(yīng)用實例
│ │ 01 BERT開源項目簡介.mp4
│ │ 02 項目參數(shù)配置.mp4
│ │ 03 數(shù)據(jù)讀取模塊.mp4
│ │ 04 數(shù)據(jù)預(yù)處理模塊.mp4
│ │ 05 tfrecord制作.mp4
│ │ 06 Embedding層的作用.mp4
│ │ 07 加入額外編碼特征.mp4
│ │ 08 加入位置編碼特征.mp4
│ │ 09 mask機制的作用.mp4
│ │ 10 構(gòu)建QKV矩陣.mp4
│ │ 11 完成Transformer模塊構(gòu)建.mp4
│ │ 12 訓(xùn)練BERT模型.mp4
│ │
│ └─14 項目補充-基于BERT的中文情感分析實戰(zhàn)
│ 01 中文分類數(shù)據(jù)與任務(wù)概述.mp4
│ 02 讀取處理自己的數(shù)據(jù)集.mp4
│ 03 訓(xùn)練BERT中文分類模型.mp4
│
├─10 圖神經(jīng)網(wǎng)絡(luò)實戰(zhàn)
│ ├─01 圖神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
│ │ 01 圖神經(jīng)網(wǎng)絡(luò)應(yīng)用領(lǐng)域分析.mp4
│ │ 02 圖基本模塊定義.mp4
│ │ 03 鄰接矩陣的定義.mp4
│ │ 04 GNN中常見任務(wù).mp4
│ │ 05 消息傳遞計算方法.mp4
│ │ 06 多層GCN的作用.mp4
│ │
│ ├─02 圖卷積GCN模型
│ │ 01 GCN基本模型概述.mp4
│ │ 02 圖卷積的基本計算方法.mp4
│ │ 03 鄰接的矩陣的變換.mp4
│ │ 04 GCN變換原理解讀.mp4
│ │
│ ├─03 圖模型必備神器PyTorch Geometric安裝與使用
│ │ 01 PyTorch Geometric工具包安裝與配置方法.mp4
│ │ 02 數(shù)據(jù)集與鄰接矩陣格式.mp4
│ │ 03 模型定義與訓(xùn)練方法.mp4
│ │ 04 文獻(xiàn)引用數(shù)據(jù)集分類案例實戰(zhàn).mp4
│ │
│ ├─04 使用PyTorch Geometric構(gòu)建自己的圖數(shù)據(jù)集
│ │ 01 構(gòu)建數(shù)據(jù)集基本方法.mp4
│ │ 02 數(shù)據(jù)集與任務(wù)背景概述.mp4
│ │ 03 數(shù)據(jù)集基本預(yù)處理.mp4
│ │ 04 用戶行為圖結(jié)構(gòu)創(chuàng)建.mp4
│ │ 05 數(shù)據(jù)集創(chuàng)建函數(shù)介紹.mp4
│ │ 06 網(wǎng)絡(luò)結(jié)構(gòu)定義模塊.mp4
│ │ 07 TopkPooling進行下采樣任務(wù).mp4
│ │ 08 獲取全局特征.mp4
│ │ 09 模型訓(xùn)練與總結(jié).mp4
│ │
│ ├─05 圖注意力機制與序列圖模型
│ │ 01 圖注意力機制的作用與方法.mp4
│ │ 02 鄰接矩陣計算圖Attention.mp4
│ │ 03 序列圖神經(jīng)網(wǎng)絡(luò)TGCN應(yīng)用.mp4
│ │ 04 序列圖神經(jīng)網(wǎng)絡(luò)細(xì)節(jié).mp4
│ │
│ ├─06 圖相似度論文解讀
│ │ 01 要完成的任務(wù)分析.mp4
│ │ 02 基本方法概述解讀.mp4
│ │ 03 圖模型提取全局與局部特征.mp4
│ │ 04 NTN模塊的作用與效果.mp4
│ │ 05 點之間的對應(yīng)關(guān)系計算.mp4
│ │ 06 結(jié)果輸出與總結(jié).mp4
│ │
│ ├─07 圖相似度計算實戰(zhàn)
│ │ 01 數(shù)據(jù)集與任務(wù)概述.mp4
│ │ 02 圖卷積特征提取模塊.mp4
│ │ 03 分別計算不同Batch點的分布.mp4
│ │ 04 獲得直方圖特征結(jié)果.mp4
│ │ 05 圖的全局特征構(gòu)建.mp4
│ │ 06 NTN圖相似特征提取.mp4
│ │ 07 預(yù)測得到相似度結(jié)果.mp4
│ │
│ ├─08 基于圖模型的軌跡估計
│ │ 01 數(shù)據(jù)集與標(biāo)注信息解讀.mp4
│ │ 02 整體三大模塊分析.mp4
│ │ 03 特征工程的作用與效果.mp4
│ │ 04 傳統(tǒng)方法與現(xiàn)在向量空間對比.mp4
│ │ 05 輸入細(xì)節(jié)分析.mp4
│ │ 06 子圖模塊構(gòu)建方法.mp4
│ │ 07 特征融合模塊分析.mp4
│ │ 08 VectorNet輸出層分析.mp4
│ │
│ └─09 圖模型軌跡估計實戰(zhàn)
│ 01 數(shù)據(jù)與環(huán)境配置.mp4
│ 02 訓(xùn)練數(shù)據(jù)準(zhǔn)備.mp4
│ 03 Agent特征提取方法.mp4
│ 04 DataLoader構(gòu)建圖結(jié)構(gòu).mp4
│ 05 SubGraph與Attention模型流程.mp4
│
├─11 3D點云實戰(zhàn)
│ ├─01 3D點云實戰(zhàn) 3D點云應(yīng)用領(lǐng)域分析
│ │ 01 點云數(shù)據(jù)概述.mp4
│ │ 02 點云應(yīng)用領(lǐng)域與發(fā)展分析.mp4
│ │ 03 點云分割任務(wù).mp4
│ │ 04 點云補全任務(wù).mp4
│ │ 05 點云檢測與配準(zhǔn)任務(wù).mp4
│ │ 06 點云數(shù)據(jù)特征提取概述與預(yù)告.mp4
│ │
│ ├─02 3D點云PointNet算法
│ │ 01 3D數(shù)據(jù)應(yīng)用領(lǐng)域與點云介紹.mp4
│ │ 02 點云數(shù)據(jù)可視化展示.mp4
│ │ 03 點云數(shù)據(jù)特性和及要解決的問題.mp4
│ │ 04 PointNet算法出發(fā)點解讀.mp4
│ │ 05 PointNet算法網(wǎng)絡(luò)架構(gòu)解讀.mp4
│ │
│ ├─03 PointNet++算法解讀
│ │ 01 PointNet升級版算法要解決的問題.mp4
│ │ 02 最遠(yuǎn)點采樣方法.mp4
│ │ 03 分組Group方法原理解讀.mp4
│ │ 04 整體流程概述分析.mp4
│ │ 05 分類與分割問題解決方案.mp4
│ │ 06 遇到的問題及改進方法分析.mp4
│ │
│ ├─04 Pointnet++項目實戰(zhàn)
│ │ 01 項目文件概述.mp4
│ │ 02 數(shù)據(jù)讀取模塊配置.mp4
│ │ 03 DEBUG解讀網(wǎng)絡(luò)模型架構(gòu).mp4
│ │ 04 最遠(yuǎn)點采樣介紹.mp4
│ │ 05 采樣得到中心點.mp4
│ │ 06 組區(qū)域劃分方法.mp4
│ │ 07 實現(xiàn)group操作得到各中心簇.mp4
│ │ 08 特征提取模塊整體流程.mp4
│ │ 09 預(yù)測結(jié)果輸出模塊.mp4
│ │ 10 分類任務(wù)總結(jié).mp4
│ │ 11 分割任務(wù)數(shù)據(jù)與配置概述.mp4
│ │ 12 分割需要解決的任務(wù)概述.mp4
│ │ 13 上采樣完成分割任務(wù).mp4
│ │
│ ├─05 點云補全PF-Net論文解讀
│ │ 01 點云補全要解決的問題.mp4
│ │ 02 基本解決方案概述.mp4
│ │ 03 整體網(wǎng)絡(luò)概述.mp4
│ │ 04 網(wǎng)絡(luò)計算流程.mp4
│ │ 05 輸入與計算結(jié)果.mp4
│ │
│ ├─06 點云補全實戰(zhàn)解讀
│ │ 01 數(shù)據(jù)與項目配置解讀.mp4
│ │ 02 待補全數(shù)據(jù)準(zhǔn)備方法.mp4
│ │ 03 整體框架概述.mp4
│ │ 04 MRE特征提取模塊.mp4
│ │ 05 分層預(yù)測輸出模塊.mp4
│ │ 06 補全點云數(shù)據(jù).mp4
│ │ 07 判別模塊.mp4
│ │
│ ├─07 點云配準(zhǔn)及其案例實戰(zhàn)
│ │ 01 點云配準(zhǔn)任務(wù)概述.mp4
│ │ 02 配準(zhǔn)要完成的目標(biāo)解讀.mp4
│ │ 03 訓(xùn)練數(shù)據(jù)構(gòu)建.mp4
│ │ 04 任務(wù)基本流程.mp4
│ │ 05 數(shù)據(jù)源配置方法.mp4
│ │ 06 參數(shù)計算模塊解讀.mp4
│ │ 07 基于模型預(yù)測輸出參數(shù).mp4
│ │ 08 特征構(gòu)建方法分析.mp4
│ │ 09 任務(wù)總結(jié).mp4
│ │
│ └─08 基礎(chǔ)補充-對抗生成網(wǎng)絡(luò)架構(gòu)原理與實戰(zhàn)解析
│ 02 GAN網(wǎng)絡(luò)組成.mp4
│
├─12 目標(biāo)追蹤與姿態(tài)估計實戰(zhàn)
│ ├─01 課程介紹
│ │ 01 課程介紹.mp4
│ │
│ ├─02 姿態(tài)估計OpenPose系列算法解讀
│ │ 01 姿態(tài)估計要解決的問題分析.mp4
│ │ 02 姿態(tài)估計應(yīng)用領(lǐng)域概述.mp4
│ │ 03 傳統(tǒng)topdown方法的問題.mp4
│ │ 04 要解決的兩個問題分析.mp4
│ │ 05 基于高斯分布預(yù)測關(guān)鍵點位置.mp4
│ │ 06 各模塊輸出特征圖解讀.mp4
│ │ 07 PAF向量登場.mp4
│ │ 08 PAF標(biāo)簽設(shè)計方法.mp4
│ │ 09 預(yù)測時PAF積分計算方法.mp4
│ │ 10 匹配方法解讀.mp4
│ │ 11 CPM模型特點.mp4
│ │ 12 算法流程與總結(jié).mp4
│ │
│ ├─03 OpenPose算法源碼分析
│ │ 01 數(shù)據(jù)集與路徑配置解讀.mp4
│ │ 02 讀取圖像與標(biāo)注信息.mp4
│ │ 03 關(guān)鍵點與軀干特征圖初始化.mp4
│ │ 04 根據(jù)關(guān)鍵點位置設(shè)計關(guān)鍵點標(biāo)簽.mp4
│ │ 05 準(zhǔn)備構(gòu)建PAF軀干標(biāo)簽.mp4
│ │ 06 各位置點歸屬判斷.mp4
│ │ 07 特征圖各點累加向量計算.mp4
│ │ 08 完成PAF特征圖制作.mp4
│ │ 09 網(wǎng)絡(luò)模型一階段輸出.mp4
│ │ 10 多階段輸出與預(yù)測.mp4
│ │
│ ├─04 deepsort算法知識點解讀
│ │ 01 卡爾曼濾波通俗解釋.mp4
│ │ 02 卡爾曼濾波要完成的任務(wù).mp4
│ │ 03 任務(wù)本質(zhì)分析.mp4
│ │ 04 基于觀測值進行最優(yōu)估計.mp4
│ │ 05 預(yù)測與更新操作.mp4
│ │ 06 追蹤中的狀態(tài)量.mp4
│ │ 07 匈牙利匹配算法概述.mp4
│ │ 08 匹配小例子分析.mp4
│ │ 09 REID特征的作用.mp4
│ │ 10 sort與deepsort建模流程分析.mp4
│ │ 11 預(yù)測與匹配流程解讀.mp4
│ │ 12 追蹤任務(wù)流程拆解.mp4
│ │
│ ├─05 deepsort源碼解讀
│ │ 01 項目環(huán)境配置.mp4
│ │ 02 參數(shù)與DEMO演示.mp4
│ │ 03 針對檢測結(jié)果初始化track.mp4
│ │ 04 對track執(zhí)行預(yù)測操作.mp4
│ │ 05 狀態(tài)量預(yù)測結(jié)果.mp4
│ │ 06 IOU代價矩陣計算.mp4
│ │ 07 參數(shù)更新操作.mp4
│ │ 08 級聯(lián)匹配模塊.mp4
│ │ 09 ReID特征代價矩陣計算.mp4
│ │ 10 匹配結(jié)果與總結(jié).mp4
│ │
│ ├─06 YOLO-V4版本算法解讀
│ │ 02 V4版本貢獻(xiàn)解讀.mp4
│ │ 06 CIOU損失函數(shù)定義.mp4
│ │
│ └─08 V5項目工程源碼解讀
│ 13 1-SPP層計算細(xì)節(jié)分析.mp4
│
├─13 面向深度學(xué)習(xí)的無人駕駛實戰(zhàn)
│ ├─01 深度估計算法原理解讀
│ │ 01 深度估計效果與應(yīng)用.mp4
│ │ 02 kitti數(shù)據(jù)集介紹.mp4
│ │ 03 使用backbone獲取層級特征.mp4
│ │ 04 差異特征計算邊界信息.mp4
│ │ 05 SPP層的作用.mp4
│ │ 06 空洞卷積與ASPP.mp4
│ │ 07 特征拼接方法分析.mp4
│ │ 08 網(wǎng)絡(luò)coarse-to-fine過程.mp4
│ │ 09 權(quán)重參數(shù)預(yù)處理.mp4
│ │ 10 損失計算.mp4
│ │
│ ├─02 深度估計項目實戰(zhàn)
│ │ 01 項目環(huán)境配置解讀.mp4
│ │ 02 數(shù)據(jù)與標(biāo)簽定義方法.mp4
│ │ 03 數(shù)據(jù)集dataloader制作.mp4
│ │ 04 使用backbone進行特征提取.mp4
│ │ 05 計算差異特征.mp4
│ │ 06 權(quán)重參數(shù)標(biāo)準(zhǔn)化操作.mp4
│ │ 07 網(wǎng)絡(luò)結(jié)構(gòu)ASPP層.mp4
│ │ 08 特征拼接方法解讀.mp4
│ │ 09 輸出深度估計結(jié)果.mp4
│ │ 10 損失函數(shù)通俗解讀.mp4
│ │ 11 模型DEMO輸出結(jié)果.mp4
│ │
│ ├─03 車道線檢測算法與論文解讀
│ │ 01 數(shù)據(jù)標(biāo)簽與任務(wù)分析.mp4
│ │ 02 網(wǎng)絡(luò)整體框架分析.mp4
│ │ 03 輸出結(jié)果分析.mp4
│ │ 04 損失函數(shù)計算方法.mp4
│ │ 05 論文概述分析.mp4
│ │
│ ├─04 基于深度學(xué)習(xí)的車道線檢測項目實戰(zhàn)
│ │ 01 車道數(shù)據(jù)與標(biāo)簽解讀.mp4
│ │ 02 項目環(huán)境配置演示.mp4
│ │ 03 制作數(shù)據(jù)集dataloader.mp4
│ │ 04 車道線標(biāo)簽數(shù)據(jù)處理.mp4
│ │ 05 四條車道線標(biāo)簽位置矩陣.mp4
│ │ 06 grid設(shè)置方法.mp4
│ │ 07 完成數(shù)據(jù)與標(biāo)簽制作.mp4
│ │ 08 算法網(wǎng)絡(luò)結(jié)構(gòu)解讀.mp4
│ │ 09 損失函數(shù)計算模塊分析.mp4
│ │ 10 車道線規(guī)則損失函數(shù)限制.mp4
│ │ 11 DEMO制作與配置.mp4
│ │
│ ├─06 局部特征關(guān)鍵點匹配實戰(zhàn)
│ │ 02 DEMO效果演示.mp4
│ │ 03 backbone特征提取模塊.mp4
│ │ 04 注意力機制的作用與效果分析.mp4
│ │ 05 特征融合模塊實現(xiàn)方法.mp4
│ │ 06 cross關(guān)系計算方法實例.mp4
│ │ 09 精細(xì)化調(diào)整方法與實例.mp4
│ │ 10 得到精細(xì)化輸出結(jié)果.mp4
│ │
│ ├─07 三維重建應(yīng)用與坐標(biāo)系基礎(chǔ)
│ │ 01 三維重建概述分析.mp4
│ │ 02 三維重建應(yīng)用領(lǐng)域概述.mp4
│ │ 03 成像方法概述.mp4
│ │ 04 相機坐標(biāo)系.mp4
│ │ 05 坐標(biāo)系轉(zhuǎn)換方法解讀.mp4
│ │ 06 相機內(nèi)外參.mp4
│ │ 07 通過內(nèi)外參數(shù)進行坐標(biāo)變換.mp4
│ │ 08 相機標(biāo)定簡介.mp4
│ │
│ ├─08 NeuralRecon算法解讀
│ │ 01 任務(wù)流程分析.mp4
│ │ 02 基本框架熟悉.mp4
│ │ 03 特征映射方法解讀.mp4
│ │ 04 片段融合思想.mp4
│ │ 05 整體架構(gòu)重構(gòu)方法.mp4
│ │
│ ├─09 NeuralRecon項目環(huán)境配置
│ │ 01 數(shù)據(jù)集下載與配置方法.mp4
│ │ 02 Scannet數(shù)據(jù)集內(nèi)容概述.mp4
│ │ 03 TSDF標(biāo)簽生成方法.mp4
│ │ 04 ISSUE的作用.mp4
│ │ 05 完成依賴環(huán)境配置.mp4
│ │
│ ├─10 NeuralRecon項目源碼解讀
│ │ 01 Backbone得到特征圖.mp4
│ │ 02 初始化體素位置.mp4
│ │ 03 坐標(biāo)映射方法實現(xiàn).mp4
│ │ 04 得到體素所對應(yīng)特征圖.mp4
│ │ 05 插值得到對應(yīng)特征向量.mp4
│ │ 06 得到一階段輸出結(jié)果.mp4
│ │ 07 完成三個階段預(yù)測結(jié)果.mp4
│ │ 08 項目總結(jié).mp4
│ │
│ ├─11 TSDF算法與應(yīng)用
│ │ 01 TSDF整體概述分析.mp4
│ │ 02 合成過程DEMO演示.mp4
│ │ 03 布局初始化操作.mp4
│ │ 04 TSDF計算基本流程解讀.mp4
│ │ 05 坐標(biāo)轉(zhuǎn)換流程分析.mp4
│ │ 06 輸出結(jié)果融合更新.mp4
│ │
│ ├─12 TSDF實戰(zhàn)案例
│ │ 01 環(huán)境配置概述.mp4
│ │ 02 初始化與數(shù)據(jù)讀取.mp4
│ │ 03 計算得到TSDF輸出.mp4
│ │
│ ├─14 軌跡估計預(yù)測實戰(zhàn)
│ │ 01 數(shù)據(jù)與環(huán)境配置.mp4
│ │ 02 訓(xùn)練數(shù)據(jù)準(zhǔn)備.mp4
│ │ 03 Agent特征提取方法.mp4
│ │ 04 DataLoader構(gòu)建圖結(jié)構(gòu).mp4
│ │ 05 SubGraph與Attention模型流程.mp4
│ │
│ └─15 特斯拉無人駕駛解讀
│ 01 特斯拉無人駕駛解讀.mp4
│
├─14 對比學(xué)習(xí)與多模態(tài)任務(wù)實戰(zhàn)
│ ├─01 對比學(xué)習(xí)算法與實例
│ │ 01 對比學(xué)習(xí)算法與實例.mp4
│ │
│ └─04 多模態(tài)文字識別
│ 01 多模態(tài)文字識別.mp4
│
├─15 缺陷檢測實戰(zhàn)
│ ├─01 課程介紹
│ │ 01 課程介紹.mp4
│ │
│ ├─02 物體檢框架YOLO-V4版本算法解讀
│ │ 01 源碼【內(nèi)有百度云地址，自取】.txt
│ │ 02 V4版本貢獻(xiàn)解讀.mp4
│ │ 06 CIOU損失函數(shù)定義.mp4
│ │
│ ├─04 物體檢測框架YOLOV5項目工程源碼解讀
│ │ 14 Head層流程解讀.mp4
│ │
│ ├─05 基于YOLOV5的鋼材缺陷檢測實戰(zhàn)
│ │ 01 任務(wù)需求與項目概述.mp4
│ │ 02 數(shù)據(jù)與標(biāo)簽配置方法.mp4
│ │ 03 標(biāo)簽轉(zhuǎn)換格式腳本制作.mp4
│ │ 04 各版本模型介紹分析.mp4
│ │ 05 項目參數(shù)配置.mp4
│ │ 06 缺陷檢測模型訓(xùn)練.mp4
│ │ 07 輸出結(jié)果與項目總結(jié).mp4
│ │
│ ├─06 Semi-supervised布料缺陷檢測實戰(zhàn)
│ │ 01 任務(wù)目標(biāo)與流程概述.mp4
│ │ 02 論文思想與模型分析.mp4
│ │ 03 項目配置解讀.mp4
│ │ 04 網(wǎng)絡(luò)流程分析.mp4
│ │ 05 輸出結(jié)果展示.mp4
│ │
│ ├─07 Opencv圖像常用處理方法實例
│ │ 06 圖像閾值.mp4
│ │ 07 圖像平滑處理.mp4
│ │ 08 高斯與中值濾波.mp4
│ │ 10 膨脹操作.mp4
│ │ 11 開運算與閉運算.mp4
│ │ 12 梯度計算.mp4
│ │
│ ├─09 Opencv輪廓檢測與直方圖
│ │ 03 輪廓檢測方法.mp4
│ │ 04 輪廓檢測結(jié)果.mp4
│ │ 05 輪廓特征與近似.mp4
│ │ 06 模板匹配方法.mp4
│ │ 07 匹配效果展示.mp4
│ │ 11 傅里葉概述.mp4
│ │ 12 頻域變換結(jié)果.mp4
│ │ 13 低通與高通濾波.mp4
│ │
│ ├─10 基于Opencv缺陷檢測項目實戰(zhàn)
│ │ 01 任務(wù)需求與環(huán)境配置.mp4
│ │ 02 數(shù)據(jù)讀取與基本處理.mp4
│ │ 03 缺陷形態(tài)學(xué)操作.mp4
│ │ 04 整體流程解讀.mp4
│ │ 05 缺陷檢測效果演示.mp4
│ │
│ ├─11 基于視頻流水線的Opencv缺陷檢測項目
│ │ 01 數(shù)據(jù)與任務(wù)概述.mp4
│ │ 02 視頻數(shù)據(jù)讀取與輪廓檢測.mp4
│ │ 03 目標(biāo)質(zhì)心計算.mp4
│ │ 04 視頻數(shù)據(jù)遍歷方法.mp4
│ │ 05 缺陷區(qū)域提取.mp4
│ │ 06 不同類型的缺陷檢測方法.mp4
│ │ 07 檢測效果演示.mp4
│ │
│ └─14 Deeplab鐵質(zhì)材料缺陷檢測與開源項目應(yīng)用流程
│ 01 數(shù)據(jù)集與任務(wù)概述.mp4
│ 02 開源項目應(yīng)用方法.mp4
│ 03 github與kaggle中需要注意的點.mp4
│ 04 源碼的利用方法.mp4
│ 04 源碼的利用方法_ev.mp4
│ 05 數(shù)據(jù)集制作方法.mp4
│ 06 數(shù)據(jù)路徑配置.mp4
│ 07 訓(xùn)練模型.mp4
│ 08 任務(wù)總結(jié).mp4
│
├─16 行人重識別實戰(zhàn)
│ ├─01 行人重識別原理及其應(yīng)用
│ │ 01 行人重識別要解決的問題.mp4
│ │ 02 挑戰(zhàn)與困難分析.mp4
│ │ 03 評估標(biāo)準(zhǔn)rank1指標(biāo).mp4
│ │ 04 map值計算方法.mp4
│ │ 05 triplet損失計算實例.mp4
│ │ 06 Hard-Negative方法應(yīng)用.mp4
│ │
│ ├─02 基于注意力機制的Reld模型論文解讀
│ │ 01 論文整體思想及注意力機制的作用解讀.mp4
│ │ 02 空間權(quán)重值計算流程分析.mp4
│ │ 03 融合空間注意力所需特征.mp4
│ │ 04 基于特征圖的注意力計算.mp4
│ │
│ ├─03 基于Attention的行人重識別項目實戰(zhàn)
│ │ 01 項目環(huán)境與數(shù)據(jù)集配置.mp4
│ │ 02 參數(shù)配置與整體架構(gòu)分析.mp4
│ │ 03 進入debug模式解讀網(wǎng)絡(luò)計算流程.mp4
│ │ 04 獲得空間位置點之間的關(guān)系.mp4
│ │ 05 組合關(guān)系特征圖.mp4
│ │ 06 計算得到位置權(quán)重值.mp4
│ │ 07 基于特征圖的權(quán)重計算.mp4
│ │ 08 損失函數(shù)計算實例解讀.mp4
│ │ 09 訓(xùn)練與測試模塊演示.mp4
│ │
│ ├─04 AAAI2020頂會算法精講
│ │ 01 論文整體框架概述.mp4
│ │ 02 局部特征與全局關(guān)系計算方法.mp4
│ │ 03 特征分組方法.mp4
│ │ 04 GCP模塊特征融合方法.mp4
│ │ 05 oneVsReset方法實例.mp4
│ │ 06 損失函數(shù)應(yīng)用位置.mp4
│ │
│ ├─05 項目實戰(zhàn)-基于行人局部特征融合的再識別實戰(zhàn)
│ │ 01 項目配置與數(shù)據(jù)集介紹.mp4
│ │ 02 數(shù)據(jù)源構(gòu)建方法分析.mp4
│ │ 03 dataloader加載順序解讀.mp4
│ │ 04 debug模式解讀.mp4
│ │ 05 網(wǎng)絡(luò)計算整體流程演示.mp4
│ │ 06 特征序列構(gòu)建.mp4
│ │ 07 GCP全局特征提取.mp4
│ │ 08 局部特征提取實例.mp4
│ │ 09 特征組合匯總.mp4
│ │ 10 得到所有分組特征結(jié)果.mp4
│ │ 11 損失函數(shù)與訓(xùn)練過程演示.mp4
│ │ 12 測試與驗證模塊.mp4
│ │
│ ├─06 曠視研究院最新算法解讀（基于圖模型）
│ │ 01 關(guān)鍵點位置特征構(gòu)建.mp4
│ │ 02 圖卷積與匹配的作用.mp4
│ │ 03 局部特征熱度圖計算.mp4
│ │ 04 基于圖卷積構(gòu)建人體拓?fù)潢P(guān)系.mp4
│ │ 05 圖卷積模塊實現(xiàn)方法.mp4
│ │ 06 圖匹配在行人重識別中的作用.mp4
│ │ 07 整體算法框架分析.mp4
│ │
│ └─07 基于拓?fù)鋱D的行人重識別項目實戰(zhàn)
│ 01 數(shù)據(jù)集與環(huán)境配置概述.mp4
│ 02 局部特征準(zhǔn)備方法.mp4
│ 03 得到一階段熱度圖結(jié)果.mp4
│ 04 階段監(jiān)督訓(xùn)練.mp4
│ 05 初始化圖卷積模型.mp4
│ 06 mask矩陣的作用.mp4
│ 07 鄰接矩陣學(xué)習(xí)與更新.mp4
│ 08 基于拓?fù)浣Y(jié)構(gòu)組合關(guān)鍵點特征.mp4
│ 09 圖匹配模塊計算流程.mp4
│ 10 整體項目總結(jié).mp4
│
├─17 對抗生成網(wǎng)絡(luò)實戰(zhàn)
│ ├─01 課程介紹
│ │ 01 課程介紹.mp4
│ │
│ ├─02 對抗生成網(wǎng)絡(luò)架構(gòu)原理與實戰(zhàn)解析
│ │ 01 對抗生成網(wǎng)絡(luò)通俗解釋.mp4
│ │ 02 GAN網(wǎng)絡(luò)組成.mp4
│ │ 03 損失函數(shù)解釋說明.mp4
│ │ 04 數(shù)據(jù)讀取模塊.mp4
│ │ 05 生成與判別網(wǎng)絡(luò)定義.mp4
│ │
│ ├─03 基于CycleGan開源項目實戰(zhàn)圖像合成
│ │ 01 CycleGan網(wǎng)絡(luò)所需數(shù)據(jù).mp4
│ │ 02 CycleGan整體網(wǎng)絡(luò)架構(gòu).mp4
│ │ 03 PatchGan判別網(wǎng)絡(luò)原理.mp4
│ │ 04 Cycle開源項目簡介.mp4
│ │ 05 數(shù)據(jù)讀取與預(yù)處理操作.mp4
│ │ 06 生成網(wǎng)絡(luò)模塊構(gòu)造.mp4
│ │ 07 判別網(wǎng)絡(luò)模塊構(gòu)造.mp4
│ │ 08 損失函數(shù)：identity loss計算方法.mp4
│ │ 09 生成與判別損失函數(shù)指定.mp4
│ │ 10 額外補充：VISDOM可視化配置.mp4
│ │
│ ├─04 stargan論文架構(gòu)解析
│ │ 01 stargan效果演示分析.mp4
│ │ 02 網(wǎng)絡(luò)架構(gòu)整體思路解讀.mp4
│ │ 03 建模流程分析.mp4
│ │ 04 V1版本存在的問題及后續(xù)改進思路.mp4
│ │ 05 V2版本在整體網(wǎng)絡(luò)架構(gòu).mp4
│ │ 06 編碼器訓(xùn)練方法.mp4
│ │ 07 損失函數(shù)公式解析.mp4
│ │ 08 訓(xùn)練過程分析.mp4
│ │
│ ├─05 stargan項目實戰(zhàn)及其源碼解讀
│ │ 01 測試模塊效果與實驗分析.mp4
│ │ 02 項目配置與數(shù)據(jù)源下載.mp4
│ │ 03 測試效果演示.mp4
│ │ 04 項目參數(shù)解析.mp4
│ │ 05 生成器模塊源碼解讀.mp4
│ │ 06 所有網(wǎng)絡(luò)模塊構(gòu)建實例.mp4
│ │ 07 數(shù)據(jù)讀取模塊分析.mp4
│ │ 08 判別器損失計算.mp4
│ │ 09 損失計算詳細(xì)過程.mp4
│ │ 10 生成模塊損失計算.mp4
│ │
│ ├─06 基于starganvc2的變聲器論文原理解讀
│ │ 01 論文整體思路與架構(gòu)解讀.mp4
│ │ 02 VCC2016輸入數(shù)據(jù).mp4
│ │ 03 語音特征提取.mp4
│ │ 04 生成器模型架構(gòu)分析.mp4
│ │ 05 InstanceNorm的作用解讀.mp4
│ │ 06 AdaIn的目的與效果.mp4
│ │ 07 判別器模塊分析.mp4
│ │
│ ├─07 starganvc2變聲器項目實戰(zhàn)及其源碼解讀
│ │ 01 數(shù)據(jù)與項目文件解讀.mp4
│ │ 02 環(huán)境配置與工具包安裝.mp4
│ │ 03 數(shù)據(jù)預(yù)處理與聲音特征提取.mp4
│ │ 04 生成器構(gòu)造模塊解讀.mp4
│ │ 05 下采樣與上采樣操作.mp4
│ │ 06 starganvc2版本標(biāo)簽輸入分析.mp4
│ │ 07 生成器前向傳播維度變化.mp4
│ │ 08 判別器模塊解讀.mp4
│ │ 09 論文損失函數(shù).mp4
│ │ 10 源碼損失計算流程.mp4
│ │ 11 測試模塊-生成轉(zhuǎn)換語音.mp4
│ │
│ ├─08 圖像超分辨率重構(gòu)實戰(zhàn)
│ │ 01 論文概述.mp4
│ │ 02 網(wǎng)絡(luò)架構(gòu).mp4
│ │ 03 數(shù)據(jù)與環(huán)境配置.mp4
│ │ 04 數(shù)據(jù)加載與配置.mp4
│ │ 05 生成模塊.mp4
│ │ 06 判別模塊.mp4
│ │ 07 VGG特征提取網(wǎng)絡(luò).mp4
│ │ 08 損失函數(shù)與訓(xùn)練.mp4
│ │ 09 測試模塊.mp4
│ │
│ └─09 基于GAN的圖像補全實戰(zhàn)
│ 01 論文概述.mp4
│ 02 網(wǎng)絡(luò)架構(gòu).mp4
│ 03 細(xì)節(jié)設(shè)計.mp4
│ 04 論文總結(jié).mp4
│ 05 數(shù)據(jù)與項目概述.mp4
│ 06 參數(shù)基本設(shè)計.mp4
│ 07 網(wǎng)絡(luò)結(jié)構(gòu)配置.mp4
│ 08 網(wǎng)絡(luò)迭代訓(xùn)練.mp4
│ 09 測試模塊.mp4
│
├─18 強化學(xué)習(xí)實戰(zhàn)系列
│ ├─01 強化學(xué)習(xí)簡介及其應(yīng)用
│ │ 01 一張圖通俗解釋強化學(xué)習(xí).mp4
│ │ 02 強化學(xué)習(xí)的指導(dǎo)依據(jù).mp4
│ │ 03 強化學(xué)習(xí)AI游戲DEMO.mp4
│ │ 04 應(yīng)用領(lǐng)域簡介.mp4
│ │ 05 強化學(xué)習(xí)工作流程.mp4
│ │ 06 計算機眼中的狀態(tài)與行為.mp4
│ │
│ ├─02 PPO算法與公式推導(dǎo)
│ │ 01 基本情況介紹.mp4
│ │ 02 與環(huán)境交互得到所需數(shù)據(jù).mp4
│ │ 03 要完成的目標(biāo)分析.mp4
│ │ 04 策略梯度推導(dǎo).mp4
│ │ 05 baseline方法.mp4
│ │ 06 OnPolicy與OffPolicy策略.mp4
│ │ 07 importance sampling的作用.mp4
│ │ 08 PPO算法整體思路解析.mp4
│ │
│ ├─03 PPO實戰(zhàn)-月球登陸器訓(xùn)練實例
│ │ 01 Critic的作用與效果.mp4
│ │ 02 PPO2版本公式解讀.mp4
│ │ 03 參數(shù)與網(wǎng)絡(luò)結(jié)構(gòu)定義.mp4
│ │ 04 得到動作結(jié)果.mp4
│ │ 05 獎勵獲得與計算.mp4
│ │ 06 參數(shù)迭代與更新.mp4
│ │
│ ├─04 Q-learning與DQN算法
│ │ 01 整體任務(wù)流程演示.mp4
│ │ 02 探索與action獲取.mp4
│ │ 03 計算target值.mp4
│ │ 04 訓(xùn)練與更新.mp4
│ │ 05 算法原理通俗解讀.mp4
│ │ 06 目標(biāo)函數(shù)與公式解析.mp4
│ │ 07 Qlearning算法實例解讀.mp4
│ │ 08 Q值迭代求解.mp4
│ │ 09 DQN簡介.mp4
│ │
│ ├─06 DQN改進與應(yīng)用技巧
│ │ 01 DoubleDqn要解決的問題.mp4
│ │ 02 DuelingDqn改進方法.mp4
│ │ 03 Dueling整體網(wǎng)絡(luò)架構(gòu)分析.mp4
│ │ 04 MultiSetp策略.mp4
│ │ 05 連續(xù)動作處理方法.mp4
│ │
│ ├─07 Actor-Critic算法分析（A3C）
│ │ 01 AC算法回顧與知識點總結(jié).mp4
│ │ 02 優(yōu)勢函數(shù)解讀與分析.mp4
│ │ 03 計算流程實例.mp4
│ │ 04 A3C整體架構(gòu)分析.mp4
│ │ 05 損失函數(shù)整理.mp4
│ │
│ └─08 用A3C玩轉(zhuǎn)超級馬里奧
│ 01 整體流程與環(huán)境配置.mp4
│ 02 啟動游戲環(huán)境.mp4
│ 03 要計算的指標(biāo)回顧.mp4
│ 04 初始化局部模型并加載參數(shù).mp4
│ 05 與環(huán)境交互得到訓(xùn)練數(shù)據(jù).mp4
│ 06 訓(xùn)練網(wǎng)絡(luò)模型.mp4
│
├─19 Openai頂級黑科技算法及其項目實戰(zhàn)
│ ├─01 GPT系列生成模型
│ │ 01 GPT系列.mp4
│ │
│ ├─02 GPT建模與預(yù)測流程
│ │ 01 生成模型可以完成的任務(wù)概述.mp4
│ │ 02 數(shù)據(jù)樣本生成方法.mp4
│ │ 03 訓(xùn)練所需參數(shù)解讀.mp4
│ │ 04 模型訓(xùn)練過程.mp4
│ │ 05 部署與網(wǎng)頁預(yù)測展示.mp4
│ │
│ ├─03 CLIP系列
│ │ 01 CLIP系列.mp4
│ │
│ ├─04 Diffusion模型解讀
│ │ 01 Diffusion模型解讀.mp4
│ │
│ ├─05 Dalle2及其源碼解讀
│ │ 01 Dalle2源碼解讀.mp4
│ │
│ └─06 ChatGPT
│ 01 ChatGPT.mp4
│
├─20 面向醫(yī)學(xué)領(lǐng)域的深度學(xué)習(xí)實戰(zhàn)
│ ├─01 卷積神經(jīng)網(wǎng)絡(luò)原理與參數(shù)解讀
│ │ 01 卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用領(lǐng)域.mp4
│ │ 02 卷積的作用.mp4
│ │ 03 卷積特征值計算方法.mp4
│ │ 04 得到特征圖表示.mp4
│ │ 05 步長與卷積核大小對結(jié)果的影響.mp4
│ │ 06 邊緣填充方法.mp4
│ │ 07 特征圖尺寸計算與參數(shù)共享.mp4
│ │ 08 池化層的作用.mp4
│ │ 09 整體網(wǎng)絡(luò)架構(gòu).mp4
│ │ 10 VGG網(wǎng)絡(luò)架構(gòu).mp4
│ │ 11 殘差網(wǎng)絡(luò)Resnet.mp4
│ │ 12 感受野的作用.mp4
│ │
│ ├─02 PyTorch框架基本處理操作
│ │ 01 PyTorch實戰(zhàn)課程簡介.mp4
│ │ 02 PyTorch框架發(fā)展趨勢簡介.mp4
│ │ 03 框架安裝方法（CPU與GPU版本）.mp4
│ │ 04 PyTorch基本操作簡介.mp4
│ │ 05 自動求導(dǎo)機制.mp4
│ │ 06 線性回歸DEMO-數(shù)據(jù)與參數(shù)配置.mp4
│ │ 07 線性回歸DEMO-訓(xùn)練回歸模型.mp4
│ │ 08 補充：常見tensor格式.mp4
│ │ 09 補充：Hub模塊簡介.mp4
│ │
│ ├─03 PyTorch框架必備核心模塊解讀
│ │ 01 卷積網(wǎng)絡(luò)參數(shù)定義.mp4
│ │ 02 網(wǎng)絡(luò)流程解讀.mp4
│ │ 03 Vision模塊功能解讀.mp4
│ │ 04 分類任務(wù)數(shù)據(jù)集定義與配置.mp4
│ │ 05 圖像增強的作用.mp4
│ │ 06 數(shù)據(jù)預(yù)處理與數(shù)據(jù)增強模塊.mp4
│ │ 07 Batch數(shù)據(jù)制作.mp4
│ │ 08 遷移學(xué)習(xí)的目標(biāo).mp4
│ │ 09 遷移學(xué)習(xí)策略.mp4
│ │ 10 加載訓(xùn)練好的網(wǎng)絡(luò)模型.mp4
│ │ 11 優(yōu)化器模塊配置.mp4
│ │ 12 實現(xiàn)訓(xùn)練模塊.mp4
│ │ 13 訓(xùn)練結(jié)果與模型保存.mp4
│ │ 14 加載模型對測試數(shù)據(jù)進行預(yù)測.mp4
│ │ 15 額外補充-Resnet論文解讀.mp4
│ │ 16 額外補充-Resnet網(wǎng)絡(luò)架構(gòu)解讀.mp4
│ │
│ ├─04 基于Resnet的醫(yī)學(xué)數(shù)據(jù)集分類實戰(zhàn)
│ │ 01 醫(yī)學(xué)疾病數(shù)據(jù)集介紹.mp4
│ │ 02 Resnet網(wǎng)絡(luò)架構(gòu)原理分析.mp4
│ │ 03 dataloader加載數(shù)據(jù)集.mp4
│ │ 04 Resnet網(wǎng)絡(luò)前向傳播.mp4
│ │ 05 殘差網(wǎng)絡(luò)的shortcut操作.mp4
│ │ 06 特征圖升維與降采樣操作.mp4
│ │ 07 網(wǎng)絡(luò)整體流程與訓(xùn)練演示.mp4
│ │
│ ├─05 圖像分割及其損失函數(shù)概述
│ │ 01 語義分割與實例分割概述.mp4
│ │ 02 分割任務(wù)中的目標(biāo)函數(shù)定義.mp4
│ │ 03 MIOU評估標(biāo)準(zhǔn).mp4
│ │
│ ├─06 Unet系列算法講解
│ │ 01 Unet網(wǎng)絡(luò)編碼與解碼過程.mp4
│ │ 02 網(wǎng)絡(luò)計算流程.mp4
│ │ 03 Unet升級版本改進.mp4
│ │ 04 后續(xù)升級版本介紹.mp4
│ │
│ ├─07 unet醫(yī)學(xué)細(xì)胞分割實戰(zhàn)
│ │ 01 醫(yī)學(xué)細(xì)胞數(shù)據(jù)集介紹與參數(shù)配置.mp4
│ │ 02 數(shù)據(jù)增強工具.mp4
│ │ 03 Debug模式演示網(wǎng)絡(luò)計算流程.mp4
│ │ 04 特征融合方法演示.mp4
│ │ 05 迭代完成整個模型計算任務(wù).mp4
│ │ 06 模型效果驗證.mp4
│ │
│ ├─08 deeplab系列算法
│ │ 01 deeplab分割算法概述.mp4
│ │ 02 空洞卷積的作用.mp4
│ │ 03 感受野的意義.mp4
│ │ 04 SPP層的作用.mp4
│ │ 05 ASPP特征融合策略.mp4
│ │ 06 deeplabV3Plus版本網(wǎng)絡(luò)架構(gòu).mp4
│ │
│ ├─09 基于deeplabV3+版本進行VOC分割實戰(zhàn)
│ │ 01 PascalVoc數(shù)據(jù)集介紹.mp4
│ │ 02 項目參數(shù)與數(shù)據(jù)集讀取.mp4
│ │ 03 網(wǎng)絡(luò)前向傳播流程.mp4
│ │ 04 ASPP層特征融合.mp4
│ │ 05 分割模型訓(xùn)練.mp4
│ │
│ ├─10 基于deeplab的心臟視頻數(shù)據(jù)診斷分析
│ │ 01 數(shù)據(jù)集與任務(wù)概述.mp4
│ │ 02 項目基本配置參數(shù).mp4
│ │ 03 任務(wù)流程解讀.mp4
│ │ 04 文獻(xiàn)報告分析.mp4
│ │ 05 補充：視頻數(shù)據(jù)源特征處理方法概述.mp4
│ │ 06 補充：R(2plus1)D處理方法分析.mp4
│ │
│ ├─11 YOLO系列物體檢測算法原理解讀
│ │ 01 檢測任務(wù)中階段的意義.mp4
│ │ 02 不同階段算法優(yōu)缺點分析.mp4
│ │ 03 IOU指標(biāo)計算.mp4
│ │ 04 評估所需參數(shù)計算.mp4
│ │ 05 map指標(biāo)計算.mp4
│ │ 06 YOLO算法整體思路解讀.mp4
│ │ 07 檢測算法要得到的結(jié)果.mp4
│ │ 08 整體網(wǎng)絡(luò)架構(gòu)解讀.mp4
│ │ 09 位置損失計算.mp4
│ │ 10 置信度誤差與優(yōu)缺點分析.mp4
│ │ 11 V2版本細(xì)節(jié)升級概述.mp4
│ │ 12 網(wǎng)絡(luò)結(jié)構(gòu)特點.mp4
│ │ 13 架構(gòu)細(xì)節(jié)解讀.mp4
│ │ 14 基于聚類來選擇先驗框尺寸.mp4
│ │ 15 偏移量計算方法.mp4
│ │ 16 坐標(biāo)映射與還原.mp4
│ │ 17 感受野的作用.mp4
│ │ 18 特征融合改進.mp4
│ │ 19 V3版本改進概述.mp4
│ │ 20 多scale方法改進與特征融合.mp4
│ │ 21 經(jīng)典變換方法對比分析.mp4
│ │ 22 殘差連接方法解讀.mp4
│ │ 23 整體網(wǎng)絡(luò)模型架構(gòu)分析.mp4
│ │ 24 先驗框設(shè)計改進.mp4
│ │ 25 sotfmax層改進.mp4
│ │ 26 V4版本整體概述.mp4
│ │ 27 V4版本貢獻(xiàn)解讀.mp4
│ │ 28 數(shù)據(jù)增強策略分析.mp4
│ │ 29 DropBlock與標(biāo)簽平滑方法.mp4
│ │ 30 損失函數(shù)遇到的問題.mp4
│ │ 31 CIOU損失函數(shù)定義.mp4
│ │ 32 NMS細(xì)節(jié)改進.mp4
│ │ 33 SPP與CSP網(wǎng)絡(luò)結(jié)構(gòu).mp4
│ │ 34 SAM注意力機制模塊.mp4
│ │ 35 PAN模塊解讀.mp4
│ │ 36 激活函數(shù)與整體架構(gòu)總結(jié).mp4
│ │
│ ├─12 基于YOLO5細(xì)胞檢測實戰(zhàn)
│ │ 01 任務(wù)與細(xì)胞數(shù)據(jù)集介紹.mp4
│ │ 02 模型與算法配置參數(shù)解讀.mp4
│ │ 03 網(wǎng)絡(luò)訓(xùn)練流程演示.mp4
│ │ 04 效果評估與展示.mp4
│ │ 05 細(xì)胞檢測效果演示.mp4
│ │
│ ├─13 知識圖譜原理解讀
│ │ 01 知識圖譜通俗解讀.mp4
│ │ 02 知識圖譜在搜索引擎中的應(yīng)用.mp4
│ │ 03 知識圖譜在醫(yī)療領(lǐng)域應(yīng)用實例.mp4
│ │ 04 金融與推薦領(lǐng)域的應(yīng)用.mp4
│ │ 05 數(shù)據(jù)獲取分析.mp4
│ │ 06 數(shù)據(jù)關(guān)系抽取分析.mp4
│ │ 07 常用NLP技術(shù)點分析.mp4
│ │ 08 graph-embedding的作用與效果.mp4
│ │ 09 金融領(lǐng)域圖編碼實例.mp4
│ │ 10 視覺領(lǐng)域圖編碼實例.mp4
│ │ 11 圖譜知識融合與總結(jié)分析.mp4
│ │
│ ├─14 Neo4j數(shù)據(jù)庫實戰(zhàn)
│ │ 01 Neo4j圖數(shù)據(jù)庫介紹.mp4
│ │ 02 Neo4j數(shù)據(jù)庫安裝流程演示.mp4
│ │ 03 可視化例子演示.mp4
│ │ 04 創(chuàng)建與刪除操作演示.mp4
│ │ 05 數(shù)據(jù)庫更改查詢操作演示.mp4
│ │
│ ├─15 基于知識圖譜的醫(yī)藥問答系統(tǒng)實戰(zhàn)
│ │ 01 項目概述與整體架構(gòu)分析.mp4
│ │ 02 醫(yī)療數(shù)據(jù)介紹及其各字段含義.mp4
│ │ 03 任務(wù)流程概述.mp4
│ │ 04 環(huán)境配置與所需工具包安裝.mp4
│ │ 05 提取數(shù)據(jù)中的關(guān)鍵字段信息.mp4
│ │ 06 創(chuàng)建關(guān)系邊.mp4
│ │ 07 打造醫(yī)療知識圖譜模型.mp4
│ │ 08 加載所有實體數(shù)據(jù).mp4
│ │ 09 實體關(guān)鍵詞字典制作.mp4
│ │ 10 完成對話系統(tǒng)構(gòu)建.mp4
│ │
│ ├─16 詞向量模型與RNN網(wǎng)絡(luò)架構(gòu)
│ │ 01 詞向量模型通俗解釋.mp4
│ │ 02 模型整體框架.mp4
│ │ 03 訓(xùn)練數(shù)據(jù)構(gòu)建.mp4
│ │ 04 CBOW與Skip-gram模型.mp4
│ │ 05 負(fù)采樣方案.mp4
│ │ 06 額外補充-RNN網(wǎng)絡(luò)模型解讀.mp4
│ │
│ └─17 醫(yī)學(xué)糖尿病數(shù)據(jù)命名實體識別
│ 01 數(shù)據(jù)與任務(wù)介紹.mp4
│ 02 整體模型架構(gòu).mp4
│ 03 數(shù)據(jù)-標(biāo)簽-語料庫處理.mp4
│ 04 輸入樣本填充補齊.mp4
│ 05 訓(xùn)練網(wǎng)絡(luò)模型.mp4
│ 06 醫(yī)療數(shù)據(jù)集（糖尿?。嶓w識別.mp4
│
├─21 深度學(xué)習(xí)模型部署與剪枝優(yōu)化實戰(zhàn)
│ ├─01 AIoT人工智能物聯(lián)網(wǎng)之認(rèn)識 jetson nano
│ │ 01 jetson nano 硬件介紹.mp4
│ │ 02 jetson nano 刷機.mp4
│ │ 03 jetson nano 系統(tǒng)安裝過程.mp4
│ │ 04 感受nano的GPU算力.mp4
│ │ 05 安裝使用攝像頭csi usb.mp4
│ │
│ ├─02 AIoT人工智能物聯(lián)網(wǎng)之AI 實戰(zhàn)
│ │ 01 jetson-inference 入門.mp4
│ │ 02 docker 的安裝使用.mp4
│ │ 03 docker中運行分類模型.mp4
│ │ 04 訓(xùn)練自己的目標(biāo)檢測模型準(zhǔn)備.mp4
│ │ 05 訓(xùn)練出自己目標(biāo)識別模型a.mp4
│ │ 06 訓(xùn)練出自己目標(biāo)識別模型b.mp4
│ │ 07 轉(zhuǎn)換出onnx模型，并使用.mp4
│ │
│ ├─03 AIoT人工智能物聯(lián)網(wǎng)之NVIDIA TAO 實用級的訓(xùn)練神器
│ │ 01 NVIDIA TAO介紹和安裝.mp4
│ │ 02 NVIDIA TAO數(shù)據(jù)準(zhǔn)備和環(huán)境設(shè)置.mp4
│ │ 03 NVIDIA TAO數(shù)據(jù)轉(zhuǎn)換.mp4
│ │ 04 NVIDIA TAO預(yù)訓(xùn)練模型和訓(xùn)練a.mp4
│ │ 05 NVIDIA TAO預(yù)訓(xùn)練模型和訓(xùn)練b.mp4
│ │ 06 NVIDIA TAO預(yù)訓(xùn)練模型和訓(xùn)練c..mp4
│ │ 07 TAO 剪枝在訓(xùn)練推理驗證.mp4
│ │
│ ├─04 AIoT人工智能物聯(lián)網(wǎng)之deepstream
│ │ 01 deepstream 介紹安裝.mp4
│ │ 02 deepstream HelloWorld.mp4
│ │ 03 GStreamer RTP和RTSP1.mp4
│ │ 04 GStreamer RTP和RTSP2.mp4
│ │ 05 python實現(xiàn)RTP和RTSP.mp4
│ │ 06 deepstream推理.mp4
│ │ 07 deepstream集成yolov4.mp4
│ │
│ ├─05 tensorRT視頻
│ │ 01 源碼【內(nèi)有百度云地址，自取】.txt
│ │ 01 說在前面.mp4
│ │ 02 學(xué)習(xí)工具環(huán)境的介紹，自動環(huán)境配置.mp4
│ │ 03 cuda驅(qū)動API，課程概述和清單.mp4
│ │ 04 cuda驅(qū)動API，初始化和檢查的理解，CUDA錯誤檢查習(xí)慣.mp4
│ │ 05 cuda驅(qū)動API，上下文管理設(shè)置，以及其作用.mp4
│ │ 06 cuda驅(qū)動API，使用驅(qū)動API進行內(nèi)存分配.mp4
│ │ 07 cuda運行時API，課程概述和清單.mp4
│ │ 08 cuda運行時API，第一個運行時程序，hello-cuda.mp4
│ │ 09 cuda運行時API，內(nèi)存的學(xué)習(xí)，pinnedmemory，內(nèi)存效率問題.mp4
│ │ 10 cuda運行時API，流的學(xué)習(xí)，異步任務(wù)的管理.mp4
│ │ 11 cuda運行時API，核函數(shù)的定義和使用.mp4
│ │ 12 cuda運行時API，共享內(nèi)存的學(xué)習(xí).mp4
│ │ 13 cuda運行時API，使用cuda核函數(shù)加速warpaffine.mp4
│ │ 14 cuda運行時API，使用cuda核函數(shù)加速yolov5的后處理.mp4
│ │ 15 cuda運行時API，錯誤處理的理解以及錯誤的傳播特性.mp4
│ │ 16 tensorRT基礎(chǔ)，課程概述清單.mp4
│ │ 17 tensorRT基礎(chǔ)，第一個trt程序，實現(xiàn)模型編譯的過程.mp4
│ │ 18 tensorRT基礎(chǔ)，實現(xiàn)模型的推理過程.mp4
│ │ 19 tensorRT基礎(chǔ)，模型推理時動態(tài)shape的具體實現(xiàn)要點.mp4
│ │ 20 tensorRT基礎(chǔ)，onnx文件及其結(jié)構(gòu)的學(xué)習(xí)，編輯修改onnx.mkv.mp4
│ │ 21 tensorRT基礎(chǔ)，實際模型上onnx文件的各種操作.mp4
│ │ 22 tensorRT基礎(chǔ)，正確導(dǎo)出onnx的介紹，使得onnx問題盡量少.mp4
│ │ 23 tensorRT基礎(chǔ)，學(xué)習(xí)使用onnx解析器來讀取onnx文件，使用onnx-tensorrt源代碼.mp4
│ │ 24 tensorRT基礎(chǔ)，學(xué)習(xí)從下載onnx-tensorrt到配置好并運行起來全過程.mp4
│ │ 25 tensorRT基礎(chǔ)，學(xué)習(xí)第一個插件的編寫.mp4
│ │ 26 tensorRT基礎(chǔ)，對插件過程進行封裝，并實現(xiàn)更容易的插件開發(fā).mp4
│ │ 27 tensorRT基礎(chǔ)，學(xué)習(xí)編譯int8模型，對模型進行int8量化.mp4
│ │ 28 tensorRT高級，課程概述和清單.mp4
│ │ 29 tensorRT高級，第一個完整的分類器程序.mp4
│ │ 30 tensorRT高級，學(xué)習(xí)yolov5目標(biāo)檢測項目的代碼修改、模型導(dǎo)出、編譯到推理過程，沒有封裝.mp4
│ │ 31 tensorRT高級，學(xué)習(xí)UNet場景分割項目的代碼修改、模型導(dǎo)出、編譯到推理過程，沒有封裝.mp4
│ │ 32 tensorRT高級，學(xué)習(xí)alphapose姿態(tài)檢測項目的代碼修改、模型導(dǎo)出、編譯到推理過程，沒有封裝.mp4
│ │ 33 tensorRT高級，學(xué)習(xí)如何處理mmdetection框架下yolox模型的導(dǎo)出，并使得正常推理出來.mp4
│ │ 34 tensorRT高級，學(xué)習(xí)如何使用onnxruntime進行onnx的模型推理過程.mp4
│ │ 35 tensorRT高級，學(xué)習(xí)如何使用openvino進行onnx的模型推理過程.mp4
│ │ 36 tensorRT高級，學(xué)習(xí)深度學(xué)習(xí)中涉及的線程知識.mp4
│ │ 37 tensorRT高級，學(xué)習(xí)模型部署時常用的生產(chǎn)者消費者模型，以及future、promise、condition_variable.mkv.mp4
│ │ 38 tensorRT高級，學(xué)習(xí)使用RAII資源獲取即初始化配合接口模式對代碼進行有效封裝.mp4
│ │ 39 tensorRT高級，學(xué)習(xí)RAII 接口模式下的生產(chǎn)者消費者以及多Batch的實現(xiàn).mp4
│ │ 40 tensorRT高級，封裝之，模型編譯過程封裝，簡化模型編譯代碼.mp4
│ │ 41 tensorRT高級，封裝之，內(nèi)存管理的封裝，內(nèi)存的復(fù)用.mp4
│ │ 42 tensorRT高級，封裝之，tensor張量的封裝，索引計算，內(nèi)存標(biāo)記以及自動復(fù)制.mp4
│ │ 43 tensorRT高級，封裝之，infer推理的封裝，輸入輸出tensor的關(guān)聯(lián).mp4
│ │ 44 tensorRT高級，封裝之，基于生產(chǎn)者消費者實現(xiàn)的yolov5封裝.mp4
│ │ 45 tensorRT高級，封裝之，終極封裝形態(tài)，以及考慮的問題.mp4
│ │ 46 tensorRT高級，調(diào)試方法、思想討論.mp4
│ │ 47 tensorRT高級，自動駕駛案例項目self-driving-道路分割分析.mp4
│ │ 48 tensorRT高級，自動駕駛案例項目self-driving-深度估計分析.mp4
│ │ 49 tensorRT高級，自動駕駛案例項目self-driving-車道線檢測分析.mp4
│ │ 50 tensorRT高級，學(xué)習(xí)使用pybind11為python開發(fā)擴展模塊.mp4
│ │
│ ├─06 pyTorch框架部署實踐
│ │ 01 所需基本環(huán)境配置.mp4
│ │ 02 模型加載與數(shù)據(jù)預(yù)處理.mp4
│ │ 03 接收與預(yù)測模塊實現(xiàn).mp4
│ │ 04 效果實例演示.mp4
│ │ 05 源碼【內(nèi)有百度云地址，自取】.txt
│ │ 05 課程簡介.mp4
│ │
│ ├─07 YOLO-V3物體檢測部署實例
│ │ 01 項目所需配置文件介紹.mp4
│ │ 02 加載參數(shù)與模型權(quán)重.mp4
│ │ 03 數(shù)據(jù)預(yù)處理.mp4
│ │ 04 返回線性預(yù)測結(jié)果.mp4
│ │
│ ├─08 docker實例演示
│ │ 01 docker簡介.mp4
│ │ 02 docker安裝與配置.mp4
│ │ 03 阿里云鏡像配置.mp4
│ │ 04 基于docker配置pytorch環(huán)境.mp4
│ │ 05 安裝演示環(huán)境所需依賴.mp4
│ │ 06 復(fù)制所需配置到容器中.mp4
│ │ 07 上傳與下載配置好的項目.mp4
│ │
│ ├─09 tensorflow-serving實戰(zhàn)
│ │ 01 tf-serving項目獲取與配置.mp4
│ │ 02 加載并啟動模型服務(wù).mp4
│ │ 03 測試模型部署效果.mp4
│ │ 04 fashion數(shù)據(jù)集獲取.mp4
│ │ 05 加載fashion模型啟動服務(wù).mp4
│ │
│ ├─10 模型剪枝-Network Slimming算法分析
│ │ 01 論文算法核心框架概述.mp4
│ │ 02 BatchNorm要解決的問題.mp4
│ │ 03 BN的本質(zhì)作用.mp4
│ │ 04 額外的訓(xùn)練參數(shù)解讀.mp4
│ │ 05 稀疏化原理與效果.mp4
│ │
│ ├─11 模型剪枝-Network Slimming實戰(zhàn)解讀
│ │ 01 整體案例流程解讀.mp4
│ │ 02 加入L1正則化來進行更新.mp4
│ │ 03 剪枝模塊介紹.mp4
│ │ 04 篩選需要的特征圖.mp4
│ │ 05 剪枝后模型參數(shù)賦值.mp4
│ │ 06 微調(diào)完成剪枝模型.mp4
│ │
│ └─12 Mobilenet三代網(wǎng)絡(luò)模型架構(gòu)
│ 01 模型剪枝分析.mp4
│ 02 常見剪枝方法介紹.mp4
│ 03 mobilenet簡介.mp4
│ 04 經(jīng)典卷積計算量與參數(shù)量分析.mp4
│ 05 深度可分離卷積的作用與效果.mp4
│ 06 參數(shù)與計算量的比較.mp4
│ 07 V1版本效果分析.mp4
│ 08 V2版本改進以及Relu激活函數(shù)的問題.mp4
│ 09 倒殘差結(jié)構(gòu)的作用.mp4
│ 10 V2整體架構(gòu)與效果分析.mp4
│ 11 V3版本網(wǎng)絡(luò)架構(gòu)分析.mp4
│ 12 SE模塊作用與效果解讀.mp4
│ 13 代碼實現(xiàn)mobilenetV3網(wǎng)絡(luò)架構(gòu).mp4
│
├─22 自然語言處理必備神器Huggingface系列實戰(zhàn)
│ ├─01 Huggingface與NLP介紹解讀
│ │ 01 Huggingface與NLP介紹解讀.mp4
│ │
│ ├─02 Transformer工具包基本操作實例解讀
│ │ 01 工具包與任務(wù)整體介紹.mp4
│ │ 02 NLP任務(wù)常規(guī)流程分析.mp4
│ │ 03 文本切分方法實例解讀.mp4
│ │ 04 AttentionMask配套使用方法.mp4
│ │ 05 數(shù)據(jù)集與模型.mp4
│ │ 06 數(shù)據(jù)Dataloader封裝.mp4
│ │ 07 模型訓(xùn)練所需配置參數(shù).mp4
│ │ 08 模型訓(xùn)練DEMO.mp4
│ │
│ ├─03 transformer原理解讀
│ │ 01 transformer原理解讀.mp4
│ │
│ ├─04 BERT系列算法解讀
│ │ 01 BERT模型訓(xùn)練方法解讀.mp4
│ │ 02 ALBERT基本定義.mp4
│ │ 03 ALBERT中的簡化方法解讀.mp4
│ │ 04 RoBerta模型訓(xùn)練方法解讀.mp4
│ │ 05 DistilBert模型解讀.mp4
│ │
│ ├─05 文本標(biāo)注工具與NER實例
│ │ 01 文本標(biāo)注工具Doccano配置方法.mp4
│ │ 02 命名實體識別任務(wù)標(biāo)注方法實例.mp4
│ │ 03 標(biāo)注導(dǎo)出與BIO處理.mp4
│ │ 04 標(biāo)簽處理并完成對齊操作.mp4
│ │ 05 預(yù)訓(xùn)練模型加載與參數(shù)配置.mp4
│ │ 06 模型訓(xùn)練與輸出結(jié)果預(yù)測.mp4
│ │
│ ├─06 文本預(yù)訓(xùn)練模型構(gòu)建實例
│ │ 01 預(yù)訓(xùn)練模型效果分析.mp4
│ │ 02 文本數(shù)據(jù)截斷處理.mp4
│ │ 03 預(yù)訓(xùn)練模型自定義訓(xùn)練.mp4
│ │
│ ├─07 GPT系列算法
│ │ 01 GPT系列算法概述.mp4
│ │ 02 GPT三代版本分析.mp4
│ │ 03 GPT初代版本要解決的問題.mp4
│ │ 04 GPT第二代版本訓(xùn)練策略.mp4
│ │ 05 采樣策略與多樣性.mp4
│ │ 06 GPT3的提示與生成方法.mp4
│ │ 07 應(yīng)用場景CODEX分析.mp4
│ │ 08 DEMO應(yīng)用演示.mp4
│ │
│ ├─08 GPT訓(xùn)練與預(yù)測部署流程
│ │ 01 源碼【內(nèi)有百度云地址，自取】.txt
│ │
│ ├─09 文本摘要建模
│ │ 01 中文商城評價數(shù)據(jù)處理方法.mp4
│ │ 01 源碼【內(nèi)有百度云地址，自取】.txt
│ │ 02 模型訓(xùn)練與測試結(jié)果.mp4
│ │ 03 文本摘要數(shù)據(jù)標(biāo)注方法.mp4
│ │ 04 訓(xùn)練自己標(biāo)注的數(shù)據(jù)并測試.mp4
│ │
│ ├─10 圖譜知識抽取實戰(zhàn)
│ │ 01 應(yīng)用場景概述分析.mp4
│ │ 02 數(shù)據(jù)標(biāo)注格式樣例分析.mp4
│ │ 03 數(shù)據(jù)處理與讀取模塊.mp4
│ │ 04 實體抽取模塊分析.mp4
│ │ 05 標(biāo)簽與數(shù)據(jù)結(jié)構(gòu)定義方法.mp4
│ │ 06 模型構(gòu)建與計算流程.mp4
│ │ 07 網(wǎng)絡(luò)模型前向計算方法.mp4
│ │ 08 關(guān)系抽取模型訓(xùn)練.mp4
│ │
│ └─11 補充Huggingface數(shù)據(jù)集制作方法實例
│ 01 數(shù)據(jù)結(jié)構(gòu)分析.mp4
│ 02 Huggingface中的預(yù)處理實例.mp4
│ 03 數(shù)據(jù)處理基本流程.mp4
│
├─23 自然語言處理通用框架-BERT實戰(zhàn)
│ ├─01 自然語言處理通用框架BERT原理解讀
│ │ 01 BERT課程簡介.mp4
│ │ 02 BERT任務(wù)目標(biāo)概述.mp4
│ │ 03 傳統(tǒng)解決方案遇到的問題.mp4
│ │ 04 注意力機制的作用.mp4
│ │ 05 self-attention計算方法.mp4
│ │ 06 特征分配與softmax機制.mp4
│ │ 07 Multi-head的作用.mp4
│ │ 08 位置編碼與多層堆疊.mp4
│ │ 09 transformer整體架構(gòu)梳理.mp4
│ │ 10 BERT模型訓(xùn)練方法.mp4
│ │ 11 訓(xùn)練實例.mp4
│ │
│ ├─02 谷歌開源項目BERT源碼解讀與應(yīng)用實例
│ │ 01 BERT開源項目簡介.mp4
│ │ 02 項目參數(shù)配置.mp4
│ │ 03 數(shù)據(jù)讀取模塊.mp4
│ │ 04 數(shù)據(jù)預(yù)處理模塊.mp4
│ │ 05 tfrecord數(shù)據(jù)源制作.mp4
│ │ 06 Embedding層的作用.mp4
│ │ 07 加入額外編碼特征.mp4
│ │ 08 加入位置編碼特征.mp4
│ │ 09 mask機制的作用.mp4
│ │ 10 構(gòu)建QKV矩陣.mp4
│ │ 11 完成Transformer模塊構(gòu)建.mp4
│ │ 12 訓(xùn)練BERT模型.mp4
│ │
│ ├─03 項目實戰(zhàn)-基于BERT的中文情感分析實戰(zhàn)
│ │ 01 中文分類數(shù)據(jù)與任務(wù)概述.mp4
│ │ 02 讀取處理自己的數(shù)據(jù)集.mp4
│ │ 03 訓(xùn)練BERT中文分類模型.mp4
│ │
│ ├─04 項目實戰(zhàn)-基于BERT的中文命名實體識別識別實戰(zhàn)
│ │ 01 命名實體識別數(shù)據(jù)分析與任務(wù)目標(biāo).mp4
│ │ 02 NER標(biāo)注數(shù)據(jù)處理與讀取.mp4
│ │ 03 構(gòu)建BERT與CRF模型.mp4
│ │
│ ├─06 必備基礎(chǔ)-掌握Tensorflow如何實現(xiàn)word2vec模型
│ │ 01 數(shù)據(jù)與任務(wù)流程.mp4
│ │ 02 數(shù)據(jù)清洗.mp4
│ │ 03 batch數(shù)據(jù)制作.mp4
│ │ 04 網(wǎng)絡(luò)訓(xùn)練.mp4
│ │ 05 可視化展示.mp4
│ │
│ └─07 必備基礎(chǔ)知識點-RNN網(wǎng)絡(luò)架構(gòu)與情感分析應(yīng)用實例
│ 02 NLP應(yīng)用領(lǐng)域與任務(wù)簡介.mp4
│ 03 項目流程解讀.mp4
│ 04 加載詞向量特征.mp4
│ 05 正負(fù)樣本數(shù)據(jù)讀取.mp4
│ 06 構(gòu)建LSTM網(wǎng)絡(luò)模型.mp4
│ 07 訓(xùn)練與測試效果.mp4
│ 08 LSTM情感分析.mp4
│
├─24 自然語言處理經(jīng)典案例實戰(zhàn)
│ ├─01 NLP常用工具包實戰(zhàn)
│ │ 01 Python字符串處理.mp4
│ │ 02 正則表達(dá)式基本語法.mp4
│ │ 03 正則常用符號.mp4
│ │ 04 常用函數(shù)介紹.mp4
│ │ 05 NLTK工具包簡介.mp4
│ │ 06 停用詞過濾.mp4
│ │ 07 詞性標(biāo)注.mp4
│ │ 08 數(shù)據(jù)清洗實例.mp4
│ │ 09 Spacy工具包.mp4
│ │ 10 名字實體匹配.mp4
│ │ 11 恐怖襲擊分析.mp4
│ │ 12 統(tǒng)計分析結(jié)果.mp4
│ │ 13 結(jié)巴分詞器.mp4
│ │ 14 詞云展示.mp4
│ │
│ ├─02 商品信息可視化與文本分析
│ │ 01 在線商城商品數(shù)據(jù)信息概述.mp4
│ │ 02 商品類別劃分方式.mp4
│ │ 03 商品類別可視化展示.mp4
│ │ 04 商品描述長度對價格的影響分析.mp4
│ │ 05 關(guān)鍵詞的詞云可視化展示.mp4
│ │ 06 基于tf-idf提取關(guān)鍵詞信息.mp4
│ │ 07 通過降維進行可視化展示.mp4
│ │ 08 聚類分析與主題模型展示.mp4
│ │
│ ├─03 貝葉斯算法
│ │ 01 貝葉斯算法概述.mp4
│ │ 02 貝葉斯推導(dǎo)實例.mp4
│ │ 03 貝葉斯拼寫糾錯實例.mp4
│ │ 04 垃圾郵件過濾實例.mp4
│ │ 05 貝葉斯實現(xiàn)拼寫檢查器.mp4
│ │
│ ├─04 新聞分類任務(wù)實戰(zhàn)
│ │ 01 文本分析與關(guān)鍵詞提取.mp4
│ │ 02 相似度計算.mp4
│ │ 03 新聞數(shù)據(jù)與任務(wù)簡介.mp4
│ │ 04 TF-IDF關(guān)鍵詞提取.mp4
│ │ 05 LDA建模.mp4
│ │ 06 基于貝葉斯算法進行新聞分類.mp4
│ │
│ ├─05 HMM隱馬爾科夫模型
│ │ 01 馬爾科夫模型.mp4
│ │ 02 隱馬爾科夫模型基本出發(fā)點.mp4
│ │ 03 組成與要解決的問題.mp4
│ │ 04 暴力求解方法.mp4
│ │ 05 復(fù)雜度計算.mp4
│ │ 06 前向算法.mp4
│ │ 07 前向算法求解實例.mp4
│ │ 08 Baum-Welch算法.mp4
│ │ 09 參數(shù)求解.mp4
│ │ 10 維特比算法.mp4
│ │
│ ├─06 HMM工具包實戰(zhàn)
│ │ 01 hmmlearn工具包.mp4
│ │ 02 工具包使用方法.mp4
│ │ 03 中文分詞任務(wù).mp4
│ │ 04 實現(xiàn)中文分詞.mp4
│ │
│ ├─07 語言模型
│ │ 01 開篇.mp4
│ │ 02 語言模型.mp4
│ │ 03 N-gram模型.mp4
│ │ 04 詞向量.mp4
│ │ 05 神經(jīng)網(wǎng)絡(luò)模型.mp4
│ │ 06 Hierarchical Softmax.mp4
│ │ 07 CBOW模型實例.mp4
│ │ 08 CBOW求解目標(biāo).mp4
│ │ 09 銻度上升求解.mp4
│ │ 10 負(fù)采樣模型.mp4
│ │
│ ├─08 使用Gemsim構(gòu)建詞向量
│ │ 01 使用Gensim庫構(gòu)造詞向量.mp4
│ │ 02 維基百科中文數(shù)據(jù)處理.mp4
│ │ 03 Gensim構(gòu)造word2vec模型.mp4
│ │ 04 測試模型相似度結(jié)果.mp4
│ │
│ ├─09 基于word2vec的分類任務(wù)
│ │ 01 影評情感分類.mp4
│ │ 02 基于詞袋模型訓(xùn)練分類器.mp4
│ │ 03 準(zhǔn)備word2vec輸入數(shù)據(jù).mp4
│ │ 04 使用gensim構(gòu)建word2vec詞向量（新）.mp4
│ │
│ ├─10 NLP-文本特征方法對比
│ │ 01 任務(wù)概述.mp4
│ │ 02 詞袋模型.mp4
│ │ 03 詞袋模型分析.mp4
│ │ 04 TFIDF模型.mp4
│ │ 05 word2vec詞向量模型.mp4
│ │ 06 深度學(xué)習(xí)模型.mp4
│ │
│ ├─11 NLP-相似度模型
│ │ 01 任務(wù)概述.mp4
│ │ 02 數(shù)據(jù)展示.mp4
│ │ 03 正負(fù)樣本制作.mp4
│ │ 04 數(shù)據(jù)預(yù)處理.mp4
│ │ 05 網(wǎng)絡(luò)模型定義.mp4
│ │ 06 基于字符的訓(xùn)練.mp4
│ │ 07 基于句子的相似度訓(xùn)練.mp4
│ │
│ ├─12 LSTM情感分析
│ │ 01 RNN網(wǎng)絡(luò)架構(gòu).mp4
│ │ 02 LSTM網(wǎng)絡(luò)架構(gòu).mp4
│ │ 03 案例：使用LSTM進行情感分類.mp4
│ │ 04 情感數(shù)據(jù)集處理.mp4
│ │ 05 基于word2vec的LSTM模型.mp4
│ │
│ ├─13 機器人寫唐詩
│ │ 01 任務(wù)概述與環(huán)境配置.mp4
│ │ 02 參數(shù)配置.mp4
│ │ 03 數(shù)據(jù)預(yù)處理模塊.mp4
│ │ 04 batch數(shù)據(jù)制作.mp4
│ │ 05 RNN模型定義.mp4
│ │ 06 完成訓(xùn)練模塊.mp4
│ │ 07 訓(xùn)練唐詩生成模型.mp4
│ │ 08 測試唐詩生成效果.mp4
│ │
│ └─14 對話機器人
│ 01 效果演示.mp4
│ 02 參數(shù)配置與數(shù)據(jù)加載.mp4
│ 03 數(shù)據(jù)處理.mp4
│ 04 詞向量與投影.mp4
│ 05 seq網(wǎng)絡(luò).mp4
│ 06 網(wǎng)絡(luò)訓(xùn)練.mp4
│
├─25 知識圖譜實戰(zhàn)系列
│ ├─04 使用python操作neo4j實例
│ │ 01 使用Py2neo建立連接.mp4
│ │ 02 提取所需的指標(biāo)信息.mp4
│ │ 03 在圖中創(chuàng)建實體.mp4
│ │ 04 根據(jù)給定實體創(chuàng)建關(guān)系.mp4
│ │
│ ├─06 文本關(guān)系抽取實踐
│ │ 01 關(guān)系抽取要完成的任務(wù)演示與分析.mp4
│ │ 02 LTP工具包概述介紹.mp4
│ │ 03 pyltp安裝與流程演示.mp4
│ │ 04 得到分詞與詞性標(biāo)注結(jié)果.mp4
│ │ 05 依存句法概述.mp4
│ │ 06 句法分析結(jié)果整理.mp4
│ │ 07 語義角色構(gòu)建與分析.mp4
│ │ 08 設(shè)計規(guī)則完成關(guān)系抽取.mp4
│ │
│ └─07 金融平臺風(fēng)控模型實踐
│ 01 競賽任務(wù)目標(biāo).mp4
│ 02 圖模型信息提取.mp4
│ 03 節(jié)點權(quán)重特征提取(PageRank).mp4
│ 04 deepwalk構(gòu)建圖頂點特征.mp4
│ 05 各項統(tǒng)計特征.mp4
│ 06 app安裝特征.mp4
│ 07 圖中聯(lián)系人特征.mp4
│
├─26 語音識別實戰(zhàn)系列
│ ├─01 seq2seq序列網(wǎng)絡(luò)模型
│ │ 01 序列網(wǎng)絡(luò)模型概述分析.mp4
│ │ 02 工作原理概述.mp4
│ │ 03 注意力機制的作用.mp4
│ │ 04 加入attention的序列模型整體架構(gòu).mp4
│ │ 05 TeacherForcing的作用與訓(xùn)練策略.mp4
│ │
│ ├─02 LAS模型語音識別實戰(zhàn)
│ │ 01 數(shù)據(jù)源與環(huán)境配置.mp4
│ │ 02 語料表制作方法.mp4
│ │ 03 制作json標(biāo)注數(shù)據(jù).mp4
│ │ 04 聲音數(shù)據(jù)處理模塊解讀.mp4
│ │ 05 Pack與Pad操作解析.mp4
│ │ 06 編碼器模塊整體流程.mp4
│ │ 07 加入注意力機制.mp4
│ │ 08 計算得到每個輸出的attention得分.mp4
│ │ 09 解碼器與訓(xùn)練過程演示.mp4
│ │
│ ├─05 語音分離ConvTasnet模型
│ │ 01 語音分離任務(wù)分析.mp4
│ │ 02 經(jīng)典語音分離模型概述.mp4
│ │ 03 DeepClustering論文解讀.mp4
│ │ 04 TasNet編碼器結(jié)構(gòu)分析.mp4
│ │ 05 DW卷積的作用與效果.mp4
│ │ 06 基于Mask得到分離結(jié)果.mp4
│ │
│ ├─06 ConvTasnet語音分離實戰(zhàn)
│ │ 01 數(shù)據(jù)準(zhǔn)備與環(huán)境配置.mp4
│ │ 02 訓(xùn)練任務(wù)所需參數(shù)介紹.mp4
│ │ 03 DataLoader定義.mp4
│ │ 04 采樣數(shù)據(jù)特征編碼.mp4
│ │ 05 編碼器特征提取.mp4
│ │ 06 構(gòu)建更大的感受區(qū)域.mp4
│ │ 07 解碼得到分離后的語音.mp4
│ │ 08 測試模塊所需參數(shù).mp4
│ │
│ └─07 語音合成tacotron最新版實戰(zhàn)
│ 01 語音合成項目所需環(huán)境配置.mp4
│ 02 所需數(shù)據(jù)集介紹.mp4
│ 03 路徑配置與整體流程解讀.mp4
│ 04 Dataloader構(gòu)建數(shù)據(jù)與標(biāo)簽.mp4
│ 05 編碼層要完成的任務(wù).mp4
│ 06 得到編碼特征向量.mp4
│ 07 解碼器輸入準(zhǔn)備.mp4
│ 08 解碼器流程梳理.mp4
│ 09 注意力機制應(yīng)用方法.mp4
│ 10 得到加權(quán)的編碼向量.mp4
│ 11 模型輸出結(jié)果.mp4
│ 12 損失函數(shù)與預(yù)測.mp4
│
├─27 推薦系統(tǒng)實戰(zhàn)系列
│ ├─01 推薦系統(tǒng)介紹及其應(yīng)用
│ │ 01 1-推薦系統(tǒng)通俗解讀.mp4
│ │ 02 2-推薦系統(tǒng)發(fā)展簡介.mp4
│ │ 03 3-應(yīng)用領(lǐng)域與多方位評估指標(biāo).mp4
│ │ 04 4-任務(wù)流程與挑戰(zhàn)概述.mp4
│ │ 05 5-常用技術(shù)點分析.mp4
│ │ 06 6-與深度學(xué)習(xí)的結(jié)合.mp4
│ │
│ ├─02 協(xié)同過濾與矩陣分解
│ │ 01 1-協(xié)同過濾與矩陣分解簡介.mp4
│ │ 02 2-基于用戶與商品的協(xié)同過濾.mp4
│ │ 03 3-相似度計算與推薦實例.mp4
│ │ 04 4-矩陣分解的目的與效果.mp4
│ │ 05 5-矩陣分解中的隱向量.mp4
│ │ 06 6-目標(biāo)函數(shù)簡介.mp4
│ │ 07 7-隱式情況分析.mp4
│ │ 08 8-Embedding的作用.mp4
│ │
│ ├─03 音樂推薦系統(tǒng)實戰(zhàn)
│ │ 01 1-音樂推薦任務(wù)概述.mp4
│ │ 02 2-數(shù)據(jù)集整合.mp4
│ │ 03 3-基于物品的協(xié)同過濾.mp4
│ │ 04 4-物品相似度計算與推薦.mp4
│ │ 05 5-SVD矩陣分解.mp4
│ │ 06 6-基于矩陣分解的音樂推薦.mp4
│ │
│ ├─05 基于知識圖譜的電影推薦實戰(zhàn)
│ │ 01 1-知識圖譜推薦系統(tǒng)效果演示.mp4
│ │ 02 2-kaggle電影數(shù)據(jù)集下載與配置.mp4
│ │ 03 3-圖譜需求與任務(wù)流程解讀.mp4
│ │ 04 4-項目所需環(huán)境配置安裝.mp4
│ │ 05 5-構(gòu)建用戶電影知識圖譜.mp4
│ │ 06 6-圖譜查詢與匹配操作.mp4
│ │ 07 7-相似度計算與推薦引擎構(gòu)建.mp4
│ │
│ ├─06 點擊率估計FM與DeepFM算法
│ │ 01 1-CTR估計及其經(jīng)典方法概述.mp4
│ │ 02 2-高維特征帶來的問題.mp4
│ │ 03 3-二項式特征的作用與挑戰(zhàn).mp4
│ │ 04 4-二階公式推導(dǎo)與化簡.mp4
│ │ 05 5-FM算法解析.mp4
│ │ 06 6-DeepFm整體架構(gòu)解讀.mp4
│ │ 07 7-輸入層所需數(shù)據(jù)樣例.mp4
│ │ 08 8-Embedding層的作用與總結(jié).mp4
│ │
│ ├─07 DeepFM算法實戰(zhàn)
│ │ 01 1-數(shù)據(jù)集介紹與環(huán)境配置.mp4
│ │ 02 2-廣告點擊數(shù)據(jù)預(yù)處理實例.mp4
│ │ 03 3-數(shù)據(jù)處理模塊Embedding層.mp4
│ │ 04 4-Index與Value數(shù)據(jù)制作.mp4
│ │ 05 5-一階權(quán)重參數(shù)設(shè)計.mp4
│ │ 06 6-二階特征構(gòu)建方法.mp4
│ │ 07 7-特征組合方法實例分析.mp4
│ │ 08 8-完成FM模塊計算.mp4
│ │ 09 9-DNN模塊與訓(xùn)練過程.mp4
│ │
│ ├─08 推薦系統(tǒng)常用工具包演示
│ │ 01 1-環(huán)境配置與數(shù)據(jù)集介紹.mp4
│ │ 02 2-電影數(shù)據(jù)集預(yù)處理分析.mp4
│ │ 03 3-surprise工具包基本使用.mp4
│ │ 04 4-模型測試集結(jié)果.mp4
│ │ 05 5-評估指標(biāo)概述.mp4
│ │
│ ├─09 基于文本數(shù)據(jù)的推薦實例
│ │ 01 1-數(shù)據(jù)與環(huán)境配置介紹.mp4
│ │ 02 2-數(shù)據(jù)科學(xué)相關(guān)數(shù)據(jù)介紹.mp4
│ │ 03 3-文本數(shù)據(jù)預(yù)處理.mp4
│ │ 04 4-TFIDF構(gòu)建特征矩陣.mp4
│ │ 05 5-矩陣分解演示.mp4
│ │ 06 6-LDA主題模型效果演示.mp4
│ │ 07 7-推薦結(jié)果分析.mp4
│ │
│ ├─10 基本統(tǒng)計分析的電影推薦
│ │ 01 1-電影數(shù)據(jù)與環(huán)境配置.mp4
│ │ 02 2-數(shù)據(jù)與關(guān)鍵詞信息展示.mp4
│ │ 03 3-關(guān)鍵詞云與直方圖展示.mp4
│ │ 04 4-特征可視化.mp4
│ │ 05 5-數(shù)據(jù)清洗概述.mp4
│ │ 06 6-缺失值填充方法.mp4
│ │ 07 7-推薦引擎構(gòu)造.mp4
│ │ 08 8-數(shù)據(jù)特征構(gòu)造.mp4
│ │ 09 9-得出推薦結(jié)果.mp4
│ │
│ └─11 補充-基于相似度的酒店推薦系統(tǒng)
│ 01 1-酒店數(shù)據(jù)與任務(wù)介紹.mp4
│ 02 2-文本詞頻統(tǒng)計.mp4
│ 03 3-ngram結(jié)果可視化展示.mp4
│ 04 4-文本清洗.mp4
│ 05 5-相似度計算.mp4
│ 06 6-得出推薦結(jié)果.mp4
│
├─28 AI課程所需安裝軟件教程
│ └─01 AI課程所需安裝軟件教程
│ 01 AI課程所需安裝軟件教程.mp4
│
├─29 額外補充
│ └─01 通用創(chuàng)新點
│ 01 ACMIX（卷積與注意力融合）.mp4
│ 02 GCnet(全局特征融合).mp4
│ 03 Coordinate_attention.mp4
│ 04 SPD（可替換下采樣）.mp4
│ 05 SPP改進.mp4
│ 06 mobileOne(加速).mp4
│ 07 Deformable(替換selfAttention).mp4
│ 08 ProbAttention(采樣策略).mp4
│ 09 CrossAttention融合特征.mp4
│ 10 Attention額外加入先驗知識.mp4
│ 11 結(jié)合GNN構(gòu)建局部特征.mp4
│ 12 損失函數(shù)約束項.mp4
│ 13 自適應(yīng)可學(xué)習(xí)參數(shù).mp4
│ 14 Coarse2Fine大框架.mp4
│ 15 只能機器學(xué)習(xí)模型時湊工作量（特征工程）.mp4
│ 16 自己數(shù)據(jù)集如何發(fā)的好(要開源).mp4
│ 17 可變形卷積加入方法.mp4
│ 18 在源碼中加入各種注意力機制方法.mp4
└─資料.zip
