rk0390-GP-人工智能深度学习系统班第9期【VIP专享】

fll007

——/GP-人工智能深度学习系统班第9期/
├──1-直播回放  
|   ├──1-开班典礼  
|   |   └──1-开班典礼.mp4  1.41G
|   ├──10-YOLO V9  
|   |   └──1-YOLO V9.mp4  1.42G
|   ├──12-CVPR2024：YOLO- World  
|   |   └──1-CVPR2024：YOLO- World.mp4  1.55G
|   ├──2-Pycharm环境配置与Debug演示(没用过的同学必看)  
|   |   └──1-Pycharm环境配置与Debug演示(没用过的同学必看).mp4  125.39M
|   ├──3-神经网络  
|   |   └──1-神经网络.mp4  1.38G
|   ├──4-卷积神经网络  
|   |   └──1-卷积神经网络.mp4  1.31G
|   ├──5-Transformer  
|   |   └──1-Transformer.mp4  1.27G
|   ├──6-视觉Transformer Vit Debug解读  
|   |   └──1-视觉Transformer Vit Debug解读.mp4  1.22G
|   ├──7-密集场景计数统计实战  
|   |   └──1-密集场景计数统计实战.mp4  835.21M
|   ├──8-智能体  
|   |   └──1-智能体.mp4  1.42G
|   └──9-Agent应用实战  
|   |   └──1-Agent应用实战.mp4  1.43G
├──A03 Gupao AI Issue 7  
|   ├──第0章 课件及代码  
|   |   ├──第10章 经典视觉项目实战-目标追踪与姿态估计  
|   |   ├──第11章 Transformer实战解读  
|   |   ├──第12章 图神经网络实战  
|   |   ├──第13章 面向深度学习的无人驾驶实战  
|   |   ├──第14章 对比学习与多模态任务实战  
|   |   ├──第15章 行人重识别实战  
|   |   ├──第16章 对抗生成网络实战  
|   |   ├──第17章 强化学习实战系列  
|   |   ├──第18章 AI黑科技实例  
|   |   ├──第19章 深度学习模型部署与剪枝优化实战  
|   |   ├──第1章 直播回放  
|   |   ├──第20章 面向医学领域的深度学习实战  
|   |   ├──第21章 自然语言处理经典案例实战  
|   |   ├──第22章 自然语言处理必备神器Huggingface系列实战  
|   |   ├──第23章 自然语言处理通用框架-BERT实战  
|   |   ├──第24章 知识图谱实战系列  
|   |   ├──第25章 语音识别实战系列  
|   |   ├──第26章 推荐系统实战系列  
|   |   ├──第2章 AI课程所需安装软件教程  
|   |   ├──第3章 深度学习必备核心算法  
|   |   ├──第4章 深度学习核心框架PyTorch  
|   |   ├──第5章 Opencv图像处理框架实战  
|   |   ├──第6章 综合项目-物体检测经典算法实战  
|   |   ├──第7章 图像分割实战  
|   |   ├──第8章  走向AI论文实验与项目实战的捷径-MMLAB实战系列  
|   |   └──第9章 经典视觉项目实战-行为识别  
|   ├──第10章 经典视觉项目实战-目标追踪与姿态估计  
|   |   ├──10-1 节课程介绍  
|   |   ├──10-2 节姿态估计OpenPose系列算法解读  
|   |   ├──10-3 节OpenPose算法源码分析  
|   |   ├──10-4 节deepsort算法知识点解读  
|   |   ├──10-5 节deepsort源码解读  
|   |   ├──10-6 节YOLO-V4版本算法解读  
|   |   ├──10-7 节V5版本项目配置  
|   |   └──10-8 节V5项目工程源码解读  
|   ├──第11章 Transformer实战解读  
|   |   ├──11-1 节Transformer算法解读  
|   |   ├──11-10 节MedicalTrasnformer论文解读  
|   |   ├──11-11 节MedicalTransformer源码解读  
|   |   ├──11-12 节商汤LoFTR算法解读  
|   |   ├──11-13 节局部特征关键点匹配实战  
|   |   ├──11-14 节分割模型Maskformer系列  
|   |   ├──11-15 节Mask2former源码解读  
|   |   ├──11-16 节BEV特征空间  
|   |   ├──11-17 节BevFormer源码解读  
|   |   ├──11-18 节时间序列预测  
|   |   ├──11-19 节Informer时间序列源码解读  
|   |   ├──11-2 节视觉Transformer及其源码分析  
|   |   ├──11-20 节Huggingface与NLP（讲故事）  
|   |   ├──11-3 节VIT算法模型源码解读  
|   |   ├──11-4 节swintransformer算法原理解析  
|   |   ├──11-5 节swintransformer源码解读  
|   |   ├──11-6 节基于Transformer的detr⽬标检测算法  
|   |   ├──11-7 节detr⽬标检测源码解读  
|   |   ├──11-8 节DeformableDetr算法解读  
|   |   └──11-9 节DeformableDetr物体检测源码分析  
|   ├──第12章 图神经网络实战  
|   |   ├──12-1 节图神经网络基础  
|   |   ├──12-10 节基于图模型的时间序列预测  
|   |   ├──12-11 节异构图神经网络  
|   |   ├──12-2 节图卷积GCN模型  
|   |   ├──12-3 节图模型必备神器PyTorch Geometric安装与使用  
|   |   ├──12-4 节使用PyTorch Geometric构建自己的图数据集  
|   |   ├──12-5 节图注意力机制与序列图模型  
|   |   ├──12-6 节图相似度论文解读  
|   |   ├──12-7 节图相似度计算实战  
|   |   ├──12-8 节基于图模型的轨迹估计  
|   |   └──12-9 节图模型轨迹估计实战  
|   ├──第13章 -面向深度学习的无人驾驶实战  
|   |   ├──13-1 节深度估计算法原理解读  
|   |   ├──13-10 节NeuralRecon项目源码解读  
|   |   ├──13-11 节TSDF算法与应用  
|   |   ├──13-12 节TSDF实战案例  
|   |   ├──13-13 节轨迹估计算法与论文解读  
|   |   ├──13-14 节轨迹估计预测实战  
|   |   ├──13-15 节特斯拉无人驾驶解读  
|   |   ├──13-2 节深度估计项目实战  
|   |   ├──13-3 节车道线检测算法与论文解读  
|   |   ├──13-4 节基于深度学习的车道线检测项目实战  
|   |   ├──13-5 节商汤LoFTR算法解读  
|   |   ├──13-6 节局部特征关键点匹配实战  
|   |   ├──13-7 节三维重建应用与坐标系基础  
|   |   ├──13-8 节NeuralRecon算法解读  
|   |   └──13-9 节NeuralRecon项目环境配置  
|   ├──第14章 对比学习与多模态任务实战  
|   |   ├──14-1 节对比学习算法与实例  
|   |   ├──14-2 节CLIP系列  
|   |   ├──14-3 节多模态3D目标检测算法源码解读  
|   |   ├──14-4 节多模态文字识别  
|   |   └──14-5 节ANINET源码解读  
|   ├──第15章 x行人重识别实战  
|   |   ├──15-1 节行人重识别原理及其应用  
|   |   ├──15-2 节基于注意力机制的Reld模型论文解读  
|   |   ├──15-3 节基于Attention的行人重识别项目实战  
|   |   ├──15-4 节AAAI2020顶会算法精讲  
|   |   ├──15-5 节项目实战-基于行人局部特征融合的再识别实战  
|   |   ├──15-6 节旷视研究院最新算法解读（基于图模型）  
|   |   └──15-7 节基于拓扑图的行人重识别项目实战  
|   ├──第16章 对抗生成网络实战  
|   |   ├──16-1 节课程介绍  
|   |   ├──16-2 节对抗生成网络架构原理与实战解析  
|   |   ├──16-3 节基于CycleGan开源项目实战图像合成  
|   |   ├──16-4 节stargan论文架构解析  
|   |   ├──16-5 节stargan项目实战及其源码解读  
|   |   ├──16-6 节基于starganvc2的变声器论文原理解读  
|   |   ├──16-7 节starganvc2变声器项目实战及其源码解读  
|   |   ├──16-8 节图像超分辨率重构实战  
|   |   └──16-9 节基于GAN的图像补全实战  
|   ├──第17章 强化学习实战系列  
|   |   ├──17-1 节强化学习简介及其应用  
|   |   ├──17-2 节PPO算法与公式推导  
|   |   ├──17-3 节PPO实战-月球登陆器训练实例  
|   |   ├──17-4 节Q-learning与DQN算法  
|   |   ├──17-5 节DQN算法实例演示  
|   |   ├──17-6 节DQN改进与应用技巧  
|   |   ├──17-7 节Actor-Critic算法分析（A3C）  
|   |   └──17-8 节用A3C玩转超级马里奥  
|   ├──第18章 AI黑科技实例  
|   |   ├──18-1 节GPT系列生成模型  
|   |   ├──18-2 节GPT建模与预测流程  
|   |   ├──18-3 节CLIP系列  
|   |   ├──18-4 节Diffusion模型解读  
|   |   ├──18-5 节Dalle2及其源码解读  
|   |   └──18-6 节ChatGPT  
|   ├──第19章 深度学习模型部署与剪枝优化实战  
|   |   ├──19-1 节AIoT人工智能物联网之认识 jetson nano  
|   |   ├──19-10 节模型剪枝-Network Slimming实战解读  
|   |   ├──19-11 节Mobilenet三代网络模型架构  
|   |   ├──19-2 节AIoT人工智能物联网之AI 实战  
|   |   ├──19-3 节AIoT人工智能物联网之NVIDIA TAO 实用级的训练神器  
|   |   ├──19-4 节 AIoT人工智能物联网之deepstream  
|   |   ├──19-5 节pyTorch框架部署实践  
|   |   ├──19-6 节YOLO-V3物体检测部署实例  
|   |   ├──19-7 节docker实例演示  
|   |   ├──19-8 节tensorflow-serving实战  
|   |   └──19-9 节模型剪枝-Network Slimming算法分析  
|   ├──第1章 直播回放  
|   |   ├──1-1 节开班典礼  
|   |   ├──1-10 节直播8：图神经网络  
|   |   ├──1-11 节直播9：LangChain与VQA任务  
|   |   ├──1-12 节直播10：EfficientVIT与DINOV2  
|   |   ├──1-13 节直播11：对比学习与自监督任务  
|   |   ├──1-14 节直播12：注意力机制串讲  
|   |   ├──1-15 节直播13：BEITV2-3与Mmlab自监督源码解读  
|   |   ├──1-16 节直播14：Bev特征空间与知识蒸馏  
|   |   ├──1-17 节直播15：总结与论文和简历  
|   |   ├──1-2 节Pycharm环境配置与Debug演示(没用过的同学必看)  
|   |   ├──1-3 节直播1：神经网络结构  
|   |   ├──1-4 节直播2：卷积神经网络  
|   |   ├──1-5 节直播3：Transformer  
|   |   ├──1-6 节直播4：VIT源码解读  
|   |   ├──1-7 节直播5：Segment anything  
|   |   ├──1-8 节直播6：时间序列timesnet  
|   |   └──1-9 节直播7：文本大模型下游任务一条龙  
|   ├──第20章 -面向医学领域的深度学习实战  
|   |   ├──20-1 节卷积神经网络原理与参数解读  
|   |   ├──20-10 节基于deeplab的心脏视频数据诊断分析  
|   |   ├──20-11 节YOLO系列物体检测算法原理解读  
|   |   ├──20-12 节基于YOLO5细胞检测实战  
|   |   ├──20-13 节知识图谱原理解读  
|   |   ├──20-14 节Neo4j数据库实战  
|   |   ├──20-15 节基于知识图谱的医药问答系统实战  
|   |   ├──20-16 节词向量模型与RNN网络架构  
|   |   ├──20-17 节医学糖尿病数据命名实体识别  
|   |   ├──20-2 节PyTorch框架基本处理操作  
|   |   ├──20-3 节PyTorch框架必备核心模块解读  
|   |   ├──20-4 节基于Resnet的医学数据集分类实战  
|   |   ├──20-5 节图像分割及其损失函数概述  
|   |   ├──20-6 节Unet系列算法讲解  
|   |   ├──20-7 节unet医学细胞分割实战  
|   |   ├──20-8 节deeplab系列算法  
|   |   └──20-9 节基于deeplabV3+版本进行VOC分割实战  
|   ├──第21章 -自然语言处理经典案例实战  
|   |   ├──21-1 节NLP常用工具包实战  
|   |   ├──21-10 节NLP-文本特征方法对比  
|   |   ├──21-11 节NLP-相似度模型  
|   |   ├──21-12 节LSTM情感分析  
|   |   ├──21-13 节机器人写唐诗  
|   |   ├──21-14 节对话机器人  
|   |   ├──21-2 节商品信息可视化与文本分析  
|   |   ├──21-3 节贝叶斯算法  
|   |   ├──21-4 节新闻分类任务实战  
|   |   ├──21-5 节HMM隐马尔科夫模型  
|   |   ├──21-6 节HMM工具包实战  
|   |   ├──21-7 节语言模型  
|   |   ├──21-8 节使用Gemsim构建词向量  
|   |   └──21-9 节基于word2vec的分类任务  
|   ├──第22章 自然语言处理必备神器Huggingface系列实战  
|   |   ├──22-1 节Huggingface与NLP介绍解读  
|   |   ├──22-10 节补充Huggingface数据集制作方法实例  
|   |   ├──22-2 节Transformer工具包基本操作实例解读  
|   |   ├──22-3 节BERT系列算法解读  
|   |   ├──22-4 节文本标注工具与NER实例  
|   |   ├──22-5 节文本预训练模型构建实例  
|   |   ├──22-6 节GPT系列算法  
|   |   ├──22-7 节GPT训练与预测部署流程  
|   |   ├──22-8 节文本摘要建模  
|   |   └──22-9 节图谱知识抽取实战  
|   ├──第23章 自然语言处理通用框架-BERT实战  
|   |   ├──23-1 节自然语言处理通用框架BERT原理解读  
|   |   ├──23-2 节谷歌开源项目BERT源码解读与应用实例  
|   |   ├──23-3 节项目实战-基于BERT的中文情感分析实战  
|   |   ├──23-4 节项目实战-基于BERT的中文命名实体识别识别实战  
|   |   ├──23-5 节必备基础知识点-woed2vec模型通俗解读  
|   |   ├──23-6 节必备基础-掌握Tensorflow如何实现word2vec模型  
|   |   ├──23-7 节必备基础知识点-RNN网络架构与情感分析应用实例  
|   |   └──23-8 节医学糖尿病数据命名实体识别  
|   ├──第24章 知识图谱实战系列  
|   |   ├──24-1 节知识图谱介绍及其应用领域分析  
|   |   ├──24-2 节知识图谱涉及技术点分析  
|   |   ├──24-3 节Neo4j数据库实战  
|   |   ├──24-4 节使用python操作neo4j实例  
|   |   ├──24-5 节基于知识图谱的医药问答系统实战  
|   |   ├──24-6 节文本关系抽取实践  
|   |   ├──24-7 节金融平台风控模型实践  
|   |   └──24-8 节医学糖尿病数据命名实体识别  
|   ├──第25章 语音识别实战系列  
|   |   ├──25-1 节seq2seq序列网络模型  
|   |   ├──25-2 节LAS模型语音识别实战  
|   |   ├──25-3 节starganvc2变声器论文原理解读  
|   |   ├──25-4 节staeganvc2变声器源码实战  
|   |   ├──25-5 节语音分离ConvTasnet模型  
|   |   ├──25-6 节ConvTasnet语音分离实战  
|   |   └──25-7 节语音合成tacotron最新版实战  
|   ├──第26章 推荐系统实战系列  
|   |   ├──26-1 节推荐系统介绍及其应用  
|   |   ├──26-10 节基本统计分析的电影推荐  
|   |   ├──26-11 节补充-基于相似度的酒店推荐系统  
|   |   ├──26-2 节协同过滤与矩阵分解  
|   |   ├──26-3 节音乐推荐系统实战  
|   |   ├──26-4 节知识图谱与Neo4j数据库实例  
|   |   ├──26-5 节基于知识图谱的电影推荐实战  
|   |   ├──26-6 节点击率估计FM与DeepFM算法  
|   |   ├──26-7 节DeepFM算法实战  
|   |   ├──26-8 节推荐系统常用工具包演示  
|   |   └──26-9 节基于文本数据的推荐实例  
|   ├──第27章 其它期  
|   |   ├──E Gupao AI Issue 4  
|   |   ├──E Gupao AI Issue 5  
|   |   └──E Gupao AI Issue 6  
|   ├──第2章 AI课程所需安装软件教程  
|   |   └──2-1 节AI课程所需安装软件教程  
|   ├──第3章 深度学习必备核心算法  
|   |   ├──3-1 节神经网络算法解读  
|   |   ├──3-2 节卷积神经网络算法解读  
|   |   ├──3-3 节递归神经网络算法解读  
|   |   └──3-4 节额外补充  
|   ├──第4章 深度学习核心框架PyTorch  
|   |   ├──4-1 节PyTorch框架介绍与配置安装  
|   |   ├──4-2 节使用神经网络进行分类任务  
|   |   ├──4-3 节神经网络回归任务-气温预测  
|   |   ├──4-4 节卷积网络参数解读分析  
|   |   ├──4-5 节图像识别模型与训练策略（重点）  
|   |   ├──4-6 节DataLoader自定义数据集制作  
|   |   ├──4-7 节LSTM文本分类实战  
|   |   └──4-8 节PyTorch框架Flask部署例子  
|   ├──第5章 Opencv图像处理框架实战  
|   |   ├──5-1 节课程简介与环境配置  
|   |   ├──5-10 节⽂档扫描OCR识别  
|   |   ├──5-11 节图像特征-harris  
|   |   ├──5-12 节图像特征-sift  
|   |   ├──5-13 节全景图像拼接  
|   |   ├──5-14 节停⻋场⻋位识别  
|   |   ├──5-15 节答题卡识别判卷  
|   |   ├──5-16 节背景建模  
|   |   ├──5-17 节光流估计  
|   |   ├──5-18 节Opencv的DNN模块  
|   |   ├──5-19 节⽬标追踪  
|   |   ├──5-2 节图像基本操作  
|   |   ├──5-20 节卷积原理与操作  
|   |   ├──5-21 节疲劳检测  
|   |   ├──5-3 节阈值与平滑处理  
|   |   ├──5-4 节图像形态学操作  
|   |   ├──5-5 节图像梯度计算  
|   |   ├──5-6 节边缘检测  
|   |   ├──5-7 节图像⾦字塔与轮廓检测  
|   |   ├──5-8 节直⽅图与傅⾥叶变换  
|   |   └──5-9 节信⽤卡数字识别  
|   ├──第6章 综合项目-物体检测经典算法实战  
|   |   ├──6-1 节深度学习经典检测方法概述  
|   |   ├──6-10 节YOLO系列（V7）算法解读  
|   |   ├──6-11 节V7源码解读  
|   |   ├──6-12 节基于Transformer的detr目标检测算法  
|   |   ├──6-13 节detr目标检测源码解读  
|   |   ├──6-14 节DeformableDetr算法解读  
|   |   ├──6-15 节半监督物体检测  
|   |   ├──6-16 节EfficientNet网络  
|   |   ├──6-17 节EfficientDet检测算法  
|   |   ├──6-2 节YOLO-V1整体思想与网络架构  
|   |   ├──6-3 节YOLO-V2改进细节详解  
|   |   ├──6-4 节YOLO-V3核心网络模型  
|   |   ├──6-5 节基于V3版本进行源码解读  
|   |   ├──6-6 节基于YOLO-V3训练⾃⼰的数据集与任务  
|   |   ├──6-7 节YOLO-V4版本算法解读  
|   |   ├──6-8 节V5版本项目配置  
|   |   └──6-9 节V5项目工程源码解读  
|   ├──第7章 图像分割实战  
|   |   ├──7-1 节图像分割及其损失函数概述  
|   |   ├──7-10 节物体检测框架-MaskRcnn项目介绍与配置  
|   |   ├──7-11 节MaskRcnn网络框架源码详解  
|   |   ├──7-12 节基于MASK-RCNN框架训练自己的数据与任务  
|   |   ├──7-2 节Unet系列算法讲解  
|   |   ├──7-3 节unet医学细胞分割实战  
|   |   ├──7-4 节U2NET显著性检测实战  
|   |   ├──7-5 节deeplab系列算法  
|   |   ├──7-6 节基于deeplabV3+版本进⾏VOC分割实战  
|   |   ├──7-7 节医学⼼脏视频数据集分割建模实战  
|   |   ├──7-8 节分割模型Maskformer系列  
|   |   └──7-9 节补充：Mask2former源码解读  
|   ├──第8章 走向AI论文实验与项目实战的捷径-MMLAB实战系列  
|   |   ├──8-1 节MMCV安装方法  
|   |   ├──8-10 节补充：Mask2former源码解读  
|   |   ├──8-11 节第三模块：DeformableDetr算法解读  
|   |   ├──8-12 节KIE关键信息抽取与视频超分辨率重构  
|   |   ├──8-13 节第四模块：DBNET文字检测  
|   |   ├──8-14 节第四模块：ANINET文字识别  
|   |   ├──8-15 节第四模块：KIE基于图模型的关键信息抽取  
|   |   ├──8-16 节第五模块：stylegan2源码解读  
|   |   ├──8-17 节第六模块：BasicVSR++视频超分辨重构源码解读  
|   |   ├──8-18 节第七模块：多模态3D目标检测算法源码解读  
|   |   ├──8-19 节第八模块：模型蒸馏应用实例  
|   |   ├──8-2 节第一模块：分类任务基本操作  
|   |   ├──8-20 节第八模块：模型剪枝方法概述分析  
|   |   ├──8-21 节第九模块：mmaction行为识别  
|   |   ├──8-22 节OCR算法解读  
|   |   ├──8-23 节额外补充-在源码中加入各种注意力机制方法  
|   |   ├──8-3 节第一模块：训练结果测试与验证  
|   |   ├──8-4 节第一模块：模型源码DEBUG演示  
|   |   ├──8-5 节第二模块：使用分割模块训练自己的数据集  
|   |   ├──8-6 节第二模块：基于Unet进行各种策略修改  
|   |   ├──8-7 节第二模块：分割任务CVPR最新Backbone设计及其应用  
|   |   ├──8-8 节第三模块：mmdet训练自己的数据任务  
|   |   └──8-9 节第三模块：DeformableDetr物体检测源码分析  
|   └──第9章 经典视觉项目实战-行为识别  
|   |   ├──9-1 节slowfast算法知识点通俗解读  
|   |   ├──9-2 节slowfast项目环境配置与配置文件  
|   |   ├──9-3 节slowfast源码详细解读  
|   |   ├──9-4 节基于3D卷积的视频分析与动作识别  
|   |   ├──9-5 节视频异常检测算法与元学习  
|   |   ├──9-6 节视频异常检测CVPR2021论文及其源码解读  
|   |   └──9-7 节基础补充-Resnet模型及其应用实例  
├──第九期  
|   ├──0咕泡机器学习  
|   |   ├──01-第一模块：Python快速入门  
|   |   ├──02-第二模块：Python数据科学必备工具包实战  
|   |   ├──03-第三模块：人工智能-必备数学课程  
|   |   ├──04-第四模块：机器学习算法精讲及其案例应用  
|   |   ├──05-第五模块：机器学习算法建模实战项目  
|   |   ├──06-第六模块：机器学习案例实战应用集锦  
|   |   ├──07-第七模块：机器学习竞赛优胜解决方案实战  
|   |   ├──08-第八模块：Python金融分析与量化交易实战  
|   |   ├──09-第九模块：深度学习经典算法解析  
|   |   ├──10-选修：Python数据分析案例实战  
|   |   ├──11-选修：机器学习进阶实战  
|   |   ├──数学基础课件  
|   |   └──资料  
|   ├──1-直播回放  
|   |   ├──1-直播：开班典礼  
|   |   ├──10-直播：对比学习与多模态任务  
|   |   ├──11-直播：GPT与Hugging face  
|   |   ├──12-直播：自监督任务  
|   |   ├──13-直播：知识蒸馏  
|   |   ├──14-直播：分割Mask2former算法  
|   |   ├──15-直播：多模态与交叉注意力应用  
|   |   ├──16-直播：时间序列timesnet与地理分类任务  
|   |   ├──17-直播：论文写作与就业简历  
|   |   ├──18-直播：知识图谱与LORA  
|   |   ├──2-直播：Pycharm环境配置与Debug演示(没用过的同学必看)  
|   |   ├──3-直播：神经网络  
|   |   ├──4-直播：卷积神经网络  
|   |   ├──5-直播：Transformer  
|   |   ├──6-直播：视觉Transformer Vit Debug解读  
|   |   ├──7-直播：密集场景计数统计实战  
|   |   ├──8-直播：图神经网络  
|   |   └──9-直播：Transformer Decoder在视觉任务的应用  
|   ├──10-2022论⽂必备-Transformer实战系列  
|   |   ├──1-Transformer算法解读  
|   |   ├──10-MedicalTrasnformer论文解读  
|   |   ├──11-MedicalTransformer源码解读  
|   |   ├──12-商汤LoFTR算法解读  
|   |   ├──13-局部特征关键点匹配实战  
|   |   ├──14-分割模型Maskformer系列  
|   |   ├──15-Mask2former源码解读  
|   |   ├──16-BEV特征空间  
|   |   ├──17-BevFormer源码解读  
|   |   ├──18-时间序列预测  
|   |   ├──19-Informer时间序列源码解读  
|   |   ├──2-视觉Transformer及其源码分析  
|   |   ├──20-Huggingface与NLP（讲故事）  
|   |   ├──3-VIT算法模型源码解读  
|   |   ├──4-swintransformer算法原理解析  
|   |   ├──5-swintransformer源码解读  
|   |   ├──6-基于Transformer的detr目标检测算法  
|   |   ├──7-detr目标检测源码解读  
|   |   ├──8-DeformableDetr算法解读  
|   |   └──9-DeformableDetr物体检测源码分析  
|   ├──11-图神经网络实战  
|   |   ├──1-图神经网络基础  
|   |   ├──10-基于图模型的时间序列预测  
|   |   ├──11-异构图神经网络  
|   |   ├──2-图卷积GCN模型  
|   |   ├──3-图模型必备神器PyTorch Geometric安装与使用  
|   |   ├──4-使用PyTorch Geometric构建自己的图数据集  
|   |   ├──5-图注意力机制与序列图模型  
|   |   ├──6-图相似度论文解读  
|   |   ├──7-图相似度计算实战  
|   |   ├──8-基于图模型的轨迹估计  
|   |   └──9-图模型轨迹估计实战  
|   ├──12-3D点云实战  
|   |   ├──1-3D点云实战 3D点云应用领域分析  
|   |   ├──2-3D点云PointNet算法  
|   |   ├──3-PointNet++算法解读  
|   |   ├──4-Pointnet++项目实战  
|   |   ├──5-点云补全PF-Net论文解读  
|   |   ├──6-点云补全实战解读  
|   |   ├──7-点云配准及其案例实战  
|   |   └──8-基础补充-对抗生成网络架构原理与实战解析  
|   ├──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  
|   |   ├──10-NeuralRecon项目源码解读  
|   |   ├──11-TSDF算法与应用  
|   |   ├──12-TSDF实战案例  
|   |   ├──13-轨迹估计算法与论文解读  
|   |   ├──14-轨迹估计预测实战  
|   |   ├──15-特斯拉无人驾驶解读  
|   |   ├──2-深度估计项目实战  
|   |   ├──3-车道线检测算法与论文解读  
|   |   ├──4-基于深度学习的车道线检测项目实战  
|   |   ├──5-商汤LoFTR算法解读  
|   |   ├──6-局部特征关键点匹配实战  
|   |   ├──7-三维重建应用与坐标系基础  
|   |   ├──8-NeuralRecon算法解读  
|   |   └──9-NeuralRecon项目环境配置  
|   ├──14-对比学习与多模态任务实战  
|   |   ├──1-对比学习算法与实例  
|   |   ├──2-CLIP系列  
|   |   ├──3-多模态3D目标检测算法源码解读  
|   |   ├──4-多模态文字识别  
|   |   └──5-ANINET源码解读  
|   ├──15-缺陷检测实战  
|   |   ├──1-课程介绍  
|   |   ├──10-基于Opencv缺陷检测项⽬实战  
|   |   ├──11-基于视频流⽔线的Opencv缺陷检测项⽬  
|   |   ├──12-图像分割deeplab系列算法  
|   |   ├──13-基于deeplabV3+版本进⾏VOC分割实战  
|   |   ├──14-Deeplab铁质材料缺陷检测与开源项⽬应⽤流程  
|   |   ├──2-物体检框架YOLO-V4版本算法解读  
|   |   ├──3-物体检测框架YOLOV5版本项目配置  
|   |   ├──4-物体检测框架YOLOV5项目工程源码解读  
|   |   ├──5-基于YOLOV5的钢材缺陷检测实战  
|   |   ├──6-Semi-supervised布料缺陷检测实战  
|   |   ├──7-Opencv图像常⽤处理⽅法实例  
|   |   ├──8-Opencv梯度计算与边缘检测实例  
|   |   └──9-Opencv轮廓检测与直⽅图  
|   ├──16-行人重识别实战  
|   |   ├──1-行人重识别原理及其应用  
|   |   ├──2-基于注意力机制的Reld模型论文解读  
|   |   ├──3-基于Attention的行人重识别项目实战  
|   |   ├──4-AAAI2020顶会算法精讲  
|   |   ├──5-项目实战-基于行人局部特征融合的再识别实战  
|   |   ├──6-旷视研究院最新算法解读（基于图模型）  
|   |   ├──7-基于拓扑图的行人重识别项目实战  
|   |   └──8-额外补充：行人搜索源码分析  
|   ├──17-对抗生成网络实战  
|   |   ├──1-课程介绍  
|   |   ├──2-对抗生成网络架构原理与实战解析  
|   |   ├──3-基于CycleGan开源项目实战图像合成  
|   |   ├──4-stargan论文架构解析  
|   |   ├──5-stargan项目实战及其源码解读  
|   |   ├──6-基于starganvc2的变声器论文原理解读  
|   |   ├──7-starganvc2变声器项目实战及其源码解读  
|   |   ├──8-图像超分辨率重构实战  
|   |   └──9-基于GAN的图像补全实战  
|   ├──18-强化学习与AI黑科技实例  
|   |   ├──1-强化学习简介及其应用  
|   |   ├──10-CLIP系列  
|   |   ├──11-Diffusion模型解读  
|   |   ├──12-Dalle2及其源码解读  
|   |   ├──13-ChatGPT  
|   |   ├──2-PPO算法与公式推导  
|   |   ├──3-PPO实战-月球登陆器训练实例  
|   |   ├──4-Q-learning与DQN算法  
|   |   ├──5-DQN改进与应用技巧  
|   |   ├──6-Actor-Critic算法分析（A3C）  
|   |   ├──7-用A3C玩转超级马里奥  
|   |   ├──8-GPT系列生成模型  
|   |   └──9-GPT建模与预测流程  
|   ├──2-AI课程所需安装软件教程  
|   |   └──1-AI课程所需安装软件教程  
|   ├──20-CV与NLP经典大模型解读  
|   |   ├──1-课程简介  
|   |   ├──10-openai-dalle2论文解读  
|   |   ├──11-openai-dalle2源码解读  
|   |   ├──12-自监督任务-对比学习思想  
|   |   ├──13-视觉自监督BEIT算法解读  
|   |   ├──14-视觉自监督任务BEITV2论文解读  
|   |   ├──15-视觉自监督任务BEITV2源码解读  
|   |   ├──16-BEV感知特征空间算法解读  
|   |   ├──17-BEVformer项目源码解读  
|   |   ├──18-补充-视觉大模型基础-deformableAttention  
|   |   ├──2-GPT系列算法解读  
|   |   ├──3-GPT2训练与预测部署流程  
|   |   ├──4-chatgpt算法解读分析  
|   |   ├──5-LLM与LORA微调策略解读  
|   |   ├──6-LLM下游任务训练自己模型实战  
|   |   ├──7-视觉大模型SAM  
|   |   ├──8-视觉QA算法与论文解读  
|   |   └──9-扩散模型diffusion架构算法解读  
|   ├──20-面向医学领域的深度学习实战  
|   |   ├──1-卷积神经网络原理与参数解读  
|   |   ├──10-基于deeplab的心脏视频数据诊断分析  
|   |   ├──11-YOLO系列物体检测算法原理解读  
|   |   ├──12-基于YOLO5细胞检测实战  
|   |   ├──13-知识图谱原理解读  
|   |   ├──14-Neo4j数据库实战  
|   |   ├──15-基于知识图谱的医药问答系统实战  
|   |   ├──16-词向量模型与RNN网络架构  
|   |   ├──17-医学糖尿病数据命名实体识别  
|   |   ├──2-PyTorch框架基本处理操作  
|   |   ├──3-PyTorch框架必备核心模块解读  
|   |   ├──4-基于Resnet的医学数据集分类实战  
|   |   ├──5-图像分割及其损失函数概述  
|   |   ├──6-Unet系列算法讲解  
|   |   ├──7-unet医学细胞分割实战  
|   |   ├──8-deeplab系列算法  
|   |   └──9-基于deeplabV3+版本进行VOC分割实战  
|   ├──2024Ai必会Agent(应用解读+项目实战)  
|   |   ├──001-课程介绍.mp4  74.82M
|   |   ├──002-1-Agent要解决的问题分析.mp4  21.66M
|   |   ├──003-2-Agent需要具备的基本能力.mp4  21.18M
|   |   ├──004-3-与大模型的关系分析.mp4  18.35M
|   |   ├──005-4-多智能体定义分析.mp4  17.06M
|   |   ├──006-5-框架的作用和能解决的问题.mp4  26.34M
|   |   ├──007-6-整体总结分析.mp4  12.99M
|   |   ├──008-7-GPTS分析一波.mp4  30.61M
|   |   ├──009-8-经典任务分析.mp4  25.44M
|   |   ├──010-1-GPTS任务流程概述分析.mp4  47.78M
|   |   ├──011-2-调用API的控制方式.mp4  20.84M
|   |   ├──012-3-API相关配置完成.mp4  28.98M
|   |   ├──013-4-完成指令与脚本并生成.mp4  49.13M
|   |   ├──014-1-DEMO演示与整体架构分析.mp4  60.73M
|   |   ├──015-2-后端GPT项目部署启动.mp4  51.37M
|   |   ├──016-3-前端助手API与流程图配置.mp4  56.36M
|   |   ├──017-4-接入外部API的方法与流程.mp4  40.71M
|   |   ├──018-5-GPT中加入外部API调用方法.mp4  46.15M
|   |   ├──019-6-指令提示构建.mp4  24.49M
|   |   ├──020-1-论文概述分析.mp4  37.87M
|   |   ├──021-2-整体框架逻辑介绍.mp4  52.22M
|   |   ├──022-3-项目环境配置.mp4  60.39M
|   |   ├──023-4-基础解读-动作定义方式.mp4  15.72M
|   |   ├──024-5-基础解读-角色定义.mp4  13.34M
|   |   ├──025-6-单动作智能体实现方法.mp4  20.16M
|   |   ├──026-7-多动作配置方法.mp4  18.19M
|   |   ├──027-8-定时器任务环境配置.mp4  36.54M
|   |   ├──028-9-定时器任务流程解读分析.mp4  44.89M
|   |   ├──029-0-基本Agent的组成.mp4  43.11M
|   |   ├──030-1-Agent要完成的任务和业务逻辑定义.mp4  45.89M
|   |   ├──031-2-问题拆解与执行流程.mp4  61.54M
|   |   ├──032-3-检索得到重要的URL.mp4  30.41M
|   |   ├──033-4-子问题生成总结结果.mp4  47.26M
|   |   ├──034-5-总结与结果输出.mp4  23.43M
|   |   ├──035-1-RAG要完成的任务解读.mp4  14.28M
|   |   ├──036-2-RAG整体流程解读.mp4  18.02M
|   |   ├──037-3-召回优化策略分析.mp4  17.57M
|   |   ├──038-4-召回改进方案解读.mp4  23.11M
|   |   ├──039-5-评估工具RAGAS.mp4  34.62M
|   |   ├──040-6-外接本地数据库工具.mp4  19.47M
|   |   ├──041-1-整体故事解读.mp4  35.47M
|   |   ├──042-2-要解决的问题和整体框架分析.mp4  48.80M
|   |   ├──043-3-论文基本框架分析.mp4  81.31M
|   |   ├──044-4-Agent的记忆信息.mp4  61.90M
|   |   ├──045-5-感知与反思模块构建流程.mp4  21.35M
|   |   ├──046-6-计划模块实现细节.mp4  29.96M
|   |   ├──047-7-整体流程框架图.mp4  19.73M
|   |   ├──048-8-感知模块解读.mp4  38.05M
|   |   ├──049-9-思考模块解读.mp4  40.37M
|   |   ├──050-10-项目环境配置方法解读.mp4  39.58M
|   |   ├──051-1-langchain框架解读.mp4  20.18M
|   |   ├──052-2-基本API调用方法.mp4  40.13M
|   |   ├──053-3-数据文档切分操作.mp4  35.52M
|   |   ├──054-4-样本索引与向量构建.mp4  39.13M
|   |   ├──055-5-数据切块方法.mp4  40.65M
|   |   ├──056-1-MOE概述分析.mp4  19.57M
|   |   ├──057-2-MOE模块实现方法解读.mp4  29.67M
|   |   ├──058-3-效果分析与总结.mp4  41.43M
|   |   ├──059-1-大模型如何做下游任务.mp4  27.81M
|   |   ├──060-2-LLM落地微调分析.mp4  33.70M
|   |   ├──061-3-LLAMA与LORA介绍.mp4  27.13M
|   |   ├──062-4-LORA微调的核心思想.mp4  20.57M
|   |   ├──063-5-LORA模型实现细节.mp4  36.76M
|   |   ├──064-1-提示工程的作用.mp4  37.72M
|   |   ├──065-2-项目数据解读.mp4  37.77M
|   |   ├──066-3-源码调用DEBUG解读.mp4  35.11M
|   |   ├──067-4-训练流程演示.mp4  43.75M
|   |   ├──068-5-效果演示与总结分析.mp4  29.12M
|   |   ├──069-1-RAG与微调可以解决与无法解决的问题.mp4  19.56M
|   |   ├──070-2-RAG实践策略.mp4  16.47M
|   |   └──071-3-微调要解决的问题.mp4  14.59M
|   ├──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  
|   |   ├──10-模型剪枝-Network Slimming算法分析  
|   |   ├──11-模型剪枝-Network Slimming实战解读  
|   |   ├──12-Mobilenet三代网络模型架构  
|   |   ├──2-AIoT人工智能物联网之AI 实战  
|   |   ├──3-AIoT人工智能物联网之NVIDIA TAO 实用级的训练神器  
|   |   ├──4- AIoT人工智能物联网之deepstream  
|   |   ├──6-pyTorch框架部署实践  
|   |   ├──7-YOLO-V3物体检测部署实例  
|   |   ├──8-docker实例演示  
|   |   └──9-tensorflow-serving实战  
|   ├──22-自然语言处理经典案例实战  
|   |   ├──1-NLP常用工具包实战  
|   |   ├──10-NLP-文本特征方法对比  
|   |   ├──11-NLP-相似度模型  
|   |   ├──12-LSTM情感分析  
|   |   ├──13-机器人写唐诗  
|   |   ├──14-对话机器人  
|   |   ├──2-商品信息可视化与文本分析  
|   |   ├──3-贝叶斯算法  
|   |   ├──4-新闻分类任务实战  
|   |   ├──5-HMM隐马尔科夫模型  
|   |   ├──6-HMM工具包实战  
|   |   ├──7-语言模型  
|   |   ├──8-使用Gemsim构建词向量  
|   |   └──9-基于word2vec的分类任务  
|   ├──23-自然语言处理必备神器Huggingface系列实战  
|   |   ├──1-Huggingface与NLP介绍解读  
|   |   ├──10-图谱知识抽取实战  
|   |   ├──11-补充Huggingface数据集制作方法实例  
|   |   ├──2-Transformer工具包基本操作实例解读  
|   |   ├──3-transformer原理解读  
|   |   ├──4-BERT系列算法解读  
|   |   ├──5-文本标注工具与NER实例  
|   |   ├──6-文本预训练模型构建实例  
|   |   ├──7-GPT系列算法  
|   |   ├──8-GPT训练与预测部署流程  
|   |   └──9-文本摘要建模  
|   ├──24-时间序列预测  
|   |   ├──1-Informer原理解读  
|   |   ├──2-Informer源码解读  
|   |   └──3-Timesnet时序预测  
|   ├──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  
|   |   ├──2-谷歌开源项目BERT源码解读与应用实例  
|   |   ├──3-项目实战-基于BERT的中文情感分析实战  
|   |   ├──4-项目实战-基于BERT的中文命名实体识别识别实战  
|   |   ├──5-必备基础知识点-woed2vec模型通俗解读  
|   |   ├──6-必备基础-掌握Tensorflow如何实现word2vec模型  
|   |   ├──7-必备基础知识点-RNN网络架构与情感分析应用实例  
|   |   └──8-医学糖尿病数据命名实体识别  
|   ├──26-知识图谱实战系列  
|   |   ├──1-知识图谱介绍及其应用领域分析  
|   |   ├──2-知识图谱涉及技术点分析  
|   |   ├──3-Neo4j数据库实战  
|   |   ├──4-使用python操作neo4j实例  
|   |   ├──5-基于知识图谱的医药问答系统实战  
|   |   ├──6-文本关系抽取实践  
|   |   ├──7-金融平台风控模型实践  
|   |   └──8-医学糖尿病数据命名实体识别  
|   ├──27-语音识别实战系列  
|   |   ├──1-seq2seq序列网络模型  
|   |   ├──2-LAS模型语音识别实战  
|   |   ├──3-starganvc2变声器论文原理解读  
|   |   ├──4-staeganvc2变声器源码实战  
|   |   ├──5-语音分离ConvTasnet模型  
|   |   ├──6-ConvTasnet语音分离实战  
|   |   └──7-语音合成tacotron最新版实战  
|   ├──28-推荐系统实战系列  
|   |   ├──1-推荐系统介绍及其应用  
|   |   ├──10-基本统计分析的电影推荐  
|   |   ├──11-补充-基于相似度的酒店推荐系统  
|   |   ├──2-协同过滤与矩阵分解  
|   |   ├──3-音乐推荐系统实战  
|   |   ├──4-知识图谱与Neo4j数据库实例  
|   |   ├──5-基于知识图谱的电影推荐实战  
|   |   ├──6-点击率估计FM与DeepFM算法  
|   |   ├──7-DeepFM算法实战  
|   |   ├──8-推荐系统常用工具包演示  
|   |   └──9-基于文本数据的推荐实例  
|   ├──29-论文创新点常用方法及其应用实例  
|   |   └──1-通用创新点  
|   ├──3-深度学习必备核⼼算法  
|   |   ├──1-神经网络结构  
|   |   ├──2-卷积神经网络  
|   |   ├──3-Transformer  
|   |   └──4-VIT源码解读  
|   ├──4-深度学习框架PyTorch  
|   |   ├──1-PyTorch框架介绍与配置安装  
|   |   ├──2-使用神经网络进行分类任务  
|   |   ├──3-神经网络回归任务-气温预测  
|   |   ├──4-卷积网络参数解读分析  
|   |   ├──5-图像识别模型与训练策略（重点）  
|   |   ├──6-DataLoader自定义数据集制作  
|   |   └──7-LSTM文本分类实战  
|   ├──5-Opencv图像处理框架实战  
|   |   ├──1-课程简介与环境配置  
|   |   ├──10-项目实战-文档扫描OCR识别  
|   |   ├──11-图像特征-harris  
|   |   ├──12-图像特征-sift  
|   |   ├──13-案例实战-全景图像拼接  
|   |   ├──14-项目实战-停车场车位识别  
|   |   ├──15-项目实战-答题卡识别判卷  
|   |   ├──16-背景建模  
|   |   ├──17-光流估计  
|   |   ├──18-Opencv的DNN模块  
|   |   ├──19-项目实战-目标追踪  
|   |   ├──2-图像基本操作  
|   |   ├──20-卷积原理与操作  
|   |   ├──21-项目实战-疲劳检测  
|   |   ├──3-阈值与平滑处理  
|   |   ├──4-图像形态学操作  
|   |   ├──5-图像梯度计算  
|   |   ├──6-边缘检测  
|   |   ├──7-图像金字塔与轮廓检测  
|   |   ├──8-直方图与傅里叶变换  
|   |   └──9-项目实战-信用卡数字识别  
|   ├──6-综合项目-物体检测经典算法实战  
|   |   ├──1-物体检测评估指标  
|   |   ├──10-V5项目工程源码解读  
|   |   ├──11-YOLO系列（V7）算法解读  
|   |   ├──12-V7源码解读  
|   |   ├──13-基于Transformer的detr目标检测算法  
|   |   ├──14-detr目标检测源码解读  
|   |   ├──15-DeformableDetr算法解读  
|   |   ├──16-半监督物体检测  
|   |   ├──17-EfficientNet网络  
|   |   ├──18-EfficientDet检测算法  
|   |   ├──2-深度学习经典检测⽅法概述  
|   |   ├──3-YOLO-V1整体思想与网络架构  
|   |   ├──4-YOLO-V2改进细节详解  
|   |   ├──5-YOLO-V3核心网络模型  
|   |   ├──6-项目实战-基于V3版本进行源码解读（建议直接跑V5版本）  
|   |   ├──7-基于YOLO-V3训练自己的数据集与任务（建议直接跑V5版本）  
|   |   ├──8-YOLO-V4版本算法解读  
|   |   └──9-V5版本项目配置  
|   ├──7-图像分割实战  
|   |   ├──1-图像分割及其损失函数概述  
|   |   ├──10-物体检测框架-MaskRcnn项目介绍与配置  
|   |   ├──11-MaskRcnn网络框架源码详解  
|   |   ├──12-基于MASK-RCNN框架训练自己的数据与任务  
|   |   ├──2-Unet系列算法讲解  
|   |   ├──3-unet医学细胞分割实战  
|   |   ├──4-U2NET显著性检测实战  
|   |   ├──5-deeplab系列算法  
|   |   ├──6-基于deeplabV3+版本进⾏VOC分割实战  
|   |   ├──7-医学⼼脏视频数据集分割建模实战  
|   |   ├──8-分割模型Maskformer系列  
|   |   └──9-补充：Mask2former源码解读  
|   ├──8-走向AI论文实验与项目实战的捷径-MMLAB实战系列  
|   |   ├──1-MMCV安装方法  
|   |   ├──10-第三模块：DeformableDetr算法解读  
|   |   ├──11-补充：Mask2former源码解读  
|   |   ├──12-KIE关键信息抽取与视频超分辨率重构  
|   |   ├──13-第四模块：DBNET文字检测  
|   |   ├──14-第四模块：ANINET文字识别  
|   |   ├──15-第四模块：KIE基于图模型的关键信息抽取  
|   |   ├──16-第五模块：stylegan2源码解读  
|   |   ├──17-第六模块：BasicVSR++视频超分辨重构源码解读  
|   |   ├──18-第七模块：多模态3D目标检测算法源码解读  
|   |   ├──19-第八模块：模型蒸馏应用实例  
|   |   ├──2-第一模块：分类任务基本操作  
|   |   ├──20-第八模块：模型剪枝方法概述分析  
|   |   ├──21-第九模块：mmaction行为识别  
|   |   ├──22-OCR算法解读  
|   |   ├──23-额外补充-在源码中加入各种注意力机制方法  
|   |   ├──3-第一模块：训练结果测试与验证  
|   |   ├──4-第一模块：模型源码DEBUG演示  
|   |   ├──5-第二模块：使用分割模块训练自己的数据集  
|   |   ├──6-第二模块：基于Unet进行各种策略修改  
|   |   ├──7-第二模块：分割任务CVPR最新Backbone设计及其应用  
|   |   ├──8-第三模块：mmdet训练自己的数据任务  
|   |   └──9-第三模块：DeformableDetr物体检测源码分析  
|   ├──9-经典视觉项目实战：行为识别、姿态估计、目标追踪  
|   |   ├──1-slowfast算法知识点通俗解读  
|   |   ├──10-OpenPose算法源码分析  
|   |   ├──11-deepsort算法知识点解读  
|   |   ├──12-deepsort源码解读  
|   |   ├──13-YOLO-V4版本算法解读  
|   |   ├──14-V5版本项目配置  
|   |   ├──15-V5项目工程源码解读  
|   |   ├──2-slowfast项目环境配置与配置文件  
|   |   ├──3-slowfast源码详细解读  
|   |   ├──4-基于3D卷积的视频分析与动作识别  
|   |   ├──5-视频异常检测算法与元学习  
|   |   ├──6-视频异常检测CVPR2021论文及其源码解读  
|   |   ├──7-基础补充-Resnet模型及其应用实例  
|   |   ├──8-课程介绍  
|   |   └──9-姿态估计OpenPose系列算法解读  
|   └──源码-人工智能深度学习系统班（第9期录播）.java  125.75kb
└──第九期资料  
|   ├──1-18 节直播13：对比学习  
|   |   ├──trainCLIP.py  1.56kb
|   |   └──对比学习.pdf  1.96M
|   ├──第八章 行为识别实战  
|   |   ├──基础补充-Resnet模型及其应用实例  
|   |   ├──1-slowfast算法知识点通俗解读.pdf  572.31kb
|   |   ├──4-基于3D卷积的视频分析与动作识别.zip  845.84M
|   |   ├──5-视频异常检测算法与元学习.pdf  1.15M
|   |   ├──6-视频异常检测CVPR2021论文及其源码解读.zip  243.75M
|   |   ├──slowfast论文.pdf  1.45M
|   |   ├──基础补充-PyTorch框架必备核心模块解读.zip  336.95M
|   |   └──基础补充-PyTorch框架基本处理操作.zip  98.58M
|   ├──第二十二章 知识图谱实战系列  
|   |   ├──第1.2节：知识图谱介绍及其应用领域分析  
|   |   ├──第3节：Neo4j数据库实战  
|   |   ├──第4节：使用python操作neo4j实例  
|   |   ├──第5节：基于知识图谱的医药问答系统实战  
|   |   ├──第6节：文本关系抽取实践  
|   |   ├──第7节：金融平台风控模型实践  
|   |   └──第8节：医学糖尿病数据命名实体识别  
|   ├──第二十三章 语⾳识别实战系列  
|   |   ├──PPT  
|   |   ├──论文  
|   |   ├──变声器pytorch-StarGAN-VC2.zip  484.93M
|   |   ├──语音分离Conv-TasNet.zip  84.38M
|   |   ├──语音合成tacotron2实战.zip  302.43M
|   |   └──语音识别LAS模型.zip  420.12M
|   ├──第二十四章 推荐系统实战系列  
|   |   ├──第10节：基于统计分析的电影推荐  
|   |   ├──第3节：音乐推荐系统实战  
|   |   ├──第4节：Neo4j数据库实例  
|   |   ├──第11节：补充-基于相似度的酒店推荐系统.zip  1.81M
|   |   ├──第1节：推荐系统介绍.pdf  1.50M
|   |   ├──第2节：协同过滤与矩阵分解.pdf  974.68kb
|   |   ├──第5节：基于知识图谱的电影推荐实战.zip  160.61M
|   |   ├──第6节：FM与DeepFM算法.pdf  759.61kb
|   |   ├──第7节：DeepFM算法实战.zip  1.16M
|   |   ├──第8节：推荐系统常用工具包演示.zip  129.35M
|   |   └──第9节：基于文本数据的推荐实例.zip  254.77M
|   ├──第二十一章 ⾃然语⾔处理通⽤框架-BERT实战  
|   |   ├──666JAVA下载必看  
|   |   ├──课后作业  
|   |   └──课件、源码  
|   ├──第二十章 ⾃然语⾔处理经典案例实战  
|   |   ├──NLP常用工具包  
|   |   ├──课后作业  
|   |   ├──课件  
|   |   └──源码、数据集等  
|   ├──第九章 2022论⽂必备-Transformer实战系列  
|   |   └──transformer系列  
|   ├──第六章 综合项⽬-物体检测经典算法实战  
|   |   ├──YOLO系列（PyTorch）  
|   |   ├──detr目标检测源码解读.zip  108.29kb
|   |   ├──EfficientDet.zip  80.48M
|   |   ├──EfficientNet.pdf  943.23kb
|   |   ├──第十二章：基于Transformer的detr目标检测算法.pdf  885.69kb
|   |   └──物体检测.pdf  1.38M
|   ├──第七章 图像分割实战  
|   |   ├──第1节：图像分割算法  
|   |   ├──第2节：卷积网络  
|   |   ├──第3节：Unet系列算法讲解  
|   |   ├──第4节：unet医学细胞分割实战  
|   |   ├──第6节：deeplab系列算法  
|   |   ├──第7节：基于deeplabV3+版本进行VOC分割实战  
|   |   ├──第8节：基于deeplab的心脏视频数据诊断分析  
|   |   ├──基于Resnet的医学数据集分类实战  
|   |   ├──f112c9fda85536ee3eba662c9043e683.bat  0.07kb
|   |   ├──mask-rcnn.pdf  989.98kb
|   |   ├──MaskRcnn网络框架源码详解.zip  1.14G
|   |   ├──PyTorch框架基本处理操作.zip  98.58M
|   |   ├──R(2+1)D网络.pdf  507.15kb
|   |   ├──第5节：U-2-Net.zip  636.25M
|   |   ├──基于MASK-RCNN框架训练自己的数据与任务.zip  439.38M
|   |   └──图像识别核心模块实战解读.zip  336.95M
|   ├──第三章 深度学习核⼼框架PyTorch  
|   |   ├──666JAVA下载必看  
|   |   ├──flask预测.zip  712.05M
|   |   ├──第八章：对抗生成网络架构原理与实战解析.zip  35.28M
|   |   ├──第二,三章：神经网络实战分类与回归任务.zip  15.82M
|   |   ├──第六章：DataLoader自定义数据集制作.zip  594.02M
|   |   ├──第七章：LSTM文本分类实战.zip  31.53M
|   |   ├──第四章：卷积网络参数解读.zip  33.37M
|   |   └──第五章：图像识别模型与训练策略（重点）.zip  449.77M
|   ├──第四章 MMLAB实战系列  
|   |   ├──mmaction2-master.zip  827.76M
|   |   ├──mmclassification-master.zip  912.00M
|   |   ├──mmdetection-master.zip  1.46G
|   |   ├──mmdetection3d-1.0.0rc0.zip  395.05M
|   |   ├──mmediting-master.zip  107.78M
|   |   ├──mmgeneration-master.zip  746.81M
|   |   ├──mmocr-main.zip  381.72M
|   |   ├──mmrazor-master.zip  1.00G
|   |   ├──mmsegmentation-0.20.2.zip  2.80G
|   |   ├──MPViT-main.zip  924.77M
|   |   └──ner.zip  121.60M
|   ├──第五章 Opencv图像处理框架实战  
|   |   ├──课件  
|   |   └──源码资料  
|   ├──第一十二章 ⽬标追踪与姿态估计实战  
|   |   ├──第五六七章：YOLO目标检测  
|   |   ├──基础补充-Resnet模型及其应用实例  
|   |   ├──第二章：OpenPose算法源码分析.zip  243.86M
|   |   ├──第三章：Deepsort算法知识点解读.pdf  1.58M
|   |   ├──第四章：Deepsort源码解读.zip  107.90M
|   |   ├──第一章：姿态估计OpenPose系列算法解读.pdf  2.42M
|   |   ├──基础补充-PyTorch框架必备核心模块解读.zip  336.95M
|   |   └──基础补充-PyTorch框架基本处理操作.zip  98.58M
|   ├──第一十二章 第十模块：缺陷检测实战  
|   |   └──缺陷检测实战  
|   ├──第一十九章 深度学习模型部署与剪枝优化实战  
|   |   ├──Docker使用命令.zip  7.83M
|   |   ├──Mobilenet.pdf  2.41M
|   |   ├──mobilenetv3.py  7.31kb
|   |   ├──pytorch-slimming.zip  356.43M
|   |   ├──PyTorch模型部署实例.zip  102.80kb
|   |   ├──TensorFlow-serving.zip  2.96M
|   |   ├──YOLO部署实例.zip  876.45M
|   |   └──剪枝算法.pdf  504.02kb
|   ├──第一十六章 第十四模块：面向医学领域的深度学习实战  
|   |   ├──1-神经网络算法PPT  
|   |   ├──10-基于deeplab的心脏视频数据诊断分析  
|   |   ├──11-YOLO系列物体检测算法原理解读  
|   |   ├──12-基于YOLO5细胞检测实战  
|   |   ├──13-知识图谱原理解读  
|   |   ├──14-Neo4j数据库实战  
|   |   ├──15-基于知识图谱的医药问答系统实战  
|   |   ├──17-医学糖尿病数据命名实体识别  
|   |   ├──4-基于Resnet的医学数据集分类实战  
|   |   ├──5-图像分割及其损失函数概述  
|   |   ├──6-Unet系列算法讲解  
|   |   ├──7-unet医学细胞分割实战  
|   |   ├──8-deeplab系列算法  
|   |   ├──9-基于deeplabV3+版本进行VOC分割实战  
|   |   ├──16-词向量模型与RNN网络架构.zip  2.15M
|   |   ├──2-PyTorch框架基本处理操作.zip  98.58M
|   |   └──3-PyTorch框架必备核心模块解读.zip  336.95M
|   ├──第一十六章 对抗⽣成⽹络实战  
|   |   ├──第4节：stargan论文架构解析  
|   |   ├──第6节：基于starganvc2的变声器论文原理解读  
|   |   ├──第8节：图像超分辨率重构实战  
|   |   ├──第9节：基于GAN的图像补全实战  
|   |   ├──cyclegan.pdf  2.67M
|   |   ├──第2节：对抗生成网络架构原理与实战解析.zip  35.28M
|   |   ├──第3节：基于CycleGan开源项目实战图像合成.zip  1.60G
|   |   ├──第5节：stargan项目实战及其源码解读.zip  869.44M
|   |   └──第7节：starganvc2变声器项目实战及其源码解读.zip  485.00M
|   ├──第一十三章 ⾯向深度学习的⽆⼈驾驶实战  
|   |   ├──1.深度估计算法解读  
|   |   ├──10-NeuralRecon项目源码解读  
|   |   ├──11-TSDF算法与应用  
|   |   ├──12-TSDF实战案例  
|   |   ├──13-轨迹估计算法与论文解读  
|   |   ├──14-轨迹估计预测实战  
|   |   ├──15-特斯拉无人驾驶解读  
|   |   ├──2.深度估计项目实战  
|   |   ├──3-车道线检测算法与论文解读  
|   |   ├──4-基于深度学习的车道线检测项目实战  
|   |   ├──5-商汤LoFTR算法解读  
|   |   ├──6-局部特征关键点匹配实战  
|   |   ├──7-三维重建应用与坐标系基础  
|   |   ├──8-NeuralRecon算法解读  
|   |   └──9-NeuralRecon项目环境配置  
|   ├──第一十四章 缺陷检测实战  
|   |   ├──PyTorch基础  
|   |   ├──Resnet分类实战  
|   |   ├──第1-4章：YOLOV5缺陷检测  
|   |   ├──第11-12章：deeplab  
|   |   ├──第6-8章：Opencv各函数使用实例  
|   |   ├──DeepLab铁质材料缺陷检测与开源项目应用流程.zip  3.58G
|   |   ├──第10章：基于视频流水线的Opnecv缺陷检测项目.zip  13.96M
|   |   ├──第5章：Semi-supervised布料缺陷检测实战.zip  212.33M
|   |   └──第9章：基于Opencv缺陷检测项目实战.zip  11.38M
|   ├──第一十五章 ⾏⼈重识别实战  
|   |   ├──第1节：行人重识别原理及其应用  
|   |   ├──第2节：基于注意力机制的ReId模型论文解读  
|   |   ├──第3节：基于Attention的行人重识别项目实战  
|   |   ├──第4节：经典会议算法精讲（特征融合）  
|   |   ├──第5节：项目实战-基于行人局部特征融合的再识别实战  
|   |   ├──第6节：旷视研究院最新算法解读（基于图模型）  
|   |   └──第7节：基于拓扑图的行人重识别项目实战  
|   ├──第一十五章 第十三模块：强化学习实战  
|   |   ├──第1节：强化学习简介及其应用.pdf  738.65kb
|   |   ├──第2节：PPO算法与公式推导.pdf  899.22kb
|   |   ├──第3节：策略梯度实战-月球登陆器训练实例.zip  4.34M
|   |   ├──第4节：DQN算法.pdf  1.43M
|   |   ├──第5节：DQN算法实例演示.zip  1.98kb
|   |   ├──第7节：Actor-Critic算法分析(A3C).pdf  560.29kb
|   |   └──第8节：A3C算法玩转超级马里奥.zip  97.62M
|   ├──第一十一章 3D点云实战  
|   |   ├──第1节：3D点云应用领域分析  
|   |   ├──第2节：3D点云PointNet算法  
|   |   ├──第3节：PointNet++算法解读  
|   |   ├──第4节：Pointnet++项目实战  
|   |   ├──第5节：点云补全PF-Net论文解读  
|   |   ├──第6节：点云补全实战解读  
|   |   ├──第7节：点云配准及其案例实战  
|   |   └──第8节：基础补充-对抗生成网络架构原理与实战解析  
|   ├──第一十章 图神经⽹络实战  
|   |   ├──3-图模型必备神器PyTorch Geometric安装与使用  
|   |   ├──4-使用PyTorch Geometric构建自己的图数据集  
|   |   ├──5-图注意力机制与序列图模型  
|   |   ├──6-图相似度论文解读  
|   |   ├──7-图相似度计算实战  
|   |   ├──8-基于图模型的轨迹估计  
|   |   ├──9-图模型轨迹估计实战  
|   |   ├──第二章：图卷积GCN模型  
|   |   └──第一章：图神经网络基础  
|   └──直播  
|   |   ├──1-10 节直播7：GPT系列算法与实战  
|   |   ├──1-11 节额外补充：GPT建模与预测流程  
|   |   ├──1-12 节额外补充：文本摘要建模  
|   |   ├──1-13 节直播8：知识抽取实战  
|   |   ├──1-14 节直播9：Openai CLIP模型  
|   |   ├──1-15 节直播10：DeformableDetr算法解读  
|   |   ├──1-16 节直播11：OCR算法解读  
|   |   ├──1-17 节直播12：KIE关键信息抽取与视频超分辨率重构  
|   |   ├──1-3 节直播2：深度学习必备基础-神经网络与卷积网络  
|   |   ├──1-4 节直播3：Transformer原理及其各领域应用分析  
|   |   ├──1-6 节直播4：Informer时间序列预测源码解读  
|   |   ├──1-8 节直播5：Huggingface核心模块解读  
|   |   └──1-9 节直播6：BERT系列模型与命名实体识别实例

wudye

robot01

2 节额外补充：文本摘要建模

yjip267

工智能深度学习系统班第9期

sunningma

强烈支持楼主中......

俞陀

感谢分享

xiazaiall

不是vip哦。

ssslatfff

强烈支持楼主ing……

taipingyang2021

工智能深度学习系统班第9期

woodfire

2222222222222222222222