人工智能深度学习系统班（13期）

【资源目录】：

├── 01 直播回放
│ ├── 01 开班典礼：如何学好人工智能学科.mp4
│ ├── 02 神经网络.mp4
│ ├── 06 GITHUB开源项目使用方法.mp4.mp4
│ ├── 04 transformer解读.mp4
│ ├── 03 卷积神经网络.mp4
│ ├── 05 transformer-VIT源码解读.mp4
│ ├── 07 从0-1：论文写作.mp4
│ ├── 08 大模型2025年最新算法论文解读.mp4
│ ├── 09 大模型结构化推理理论及实战.mp4
│ ├── 10 大模型结构化推理理论及实战-第二课.mp4
│ ├── 12 企业知识智能检索系统——从构建 到优化的RAG增强实践.mp4
│ ├── 11 时间序列经典算法解读.mp4
│ ├── 13 企业知识智能检索系统——从构建 到优化的RAG增强实践 第二课.mp4
│ ├── 14 大模型微调与应用和科研思路.mp4
│ ├── 17 遥感图像处理与高光谱图像智能解译.mp4
│ ├── 15 遥感图像处理与高光谱图像智能解译.mp4
│ ├── 16 遥感图像处理与高光谱图像智能解译.mp4
├── 02 AI课程所需安装软件教程
│ ├── 06 Python环境安装和搭建(1).mp4.mp4
│ ├── 05 第二章 AI课程所需安装软件教程~1.mp4.mp4
│ ├── 09 PyCharm安装和配置.mp4.mp4
│ ├── 07 ANACONDA使用(新手看下，老手忽略).mp4.mp4
│ ├── 08 torch（CPU版本安装）.mp4.mp4
├── 03 深度学习框架PyTorch
│ ├── 14 1-PyTorch框架与其他框架区别分析1~1.mp4.mp4
│ ├── 15 2-CPU与GPU版本安装方法解读1~1.mp4.mp4
│ ├── 17 2-基本模块应用测试2~1.mp4.mp4
│ ├── 16 1-数据集与任务概述2~1.mp4.mp4
│ ├── 18 3-网络结构定义方法2~1.mp4.mp4
│ ├── 19 4-数据源定义简介2~1.mp4.mp4
│ ├── 20 5-损失与训练模块分析2~1.mp4.mp4
│ ├── 21 6-训练一个基本的分类模型2~1.mp4.mp4
│ ├── 23 第三章神经网络回归任务-气温预测1~1.mp4.mp4
│ ├── 22 7-参数对结果的影响2~1.mp4.mp4
│ ├── 27 1-任务分析与图像数据基本处理2~1.mp4.mp4
│ ├── 25 2-卷积网络参数解读2~1.mp4.mp4
│ ├── 26 3-卷积网络模型训练2~1.mp4.mp4
│ ├── 24 1-输入特征通道分析2~1.mp4.mp4
│ ├── 28 2-数据增强模块2~1.mp4.mp4
│ ├── 32 6-输出类别个数修改1~1.mp4.mp4
│ ├── 31 5-输出层与梯度设置1~1.mp4.mp4
│ ├── 30 4-迁移学习方法解读1~1.mp4.mp4
│ ├── 29 3-数据集与模型选择1~1.mp4.mp4
│ ├── 33 7-优化器与学习率衰减1~1.mp4.mp4
│ ├── 35 9-重新训练全部模型1~1.mp4.mp4
│ ├── 36 10-测试结果演示分析1~1.mp4.mp4
│ ├── 34 8-模型训练方法1~1.mp4.mp4
│ ├── 37 1-Dataloader要完成的任务分析1~1.mp4.mp4
│ ├── 39 3-Dataloader中需要实现的方法分析1~1.mp4.mp4
│ ├── 40 4-实用Dataloader加载数据并训练模型1~1.mp4.mp4
│ ├── 41 1-数据集与任务目标分析.mp4.mp4
│ ├── 38 2-图像数据与标签路径处理1~1.mp4.mp4
│ ├── 44 4-训练模型所需基本配置参数分析.mp4.mp4
│ ├── 42 2-文本数据处理基本流程分析.mp4.mp4
│ ├── 45 5-预料表与字符切分.mp4.mp4
│ ├── 43 3-命令行参数与DEBUG.mp4.mp4
│ ├── 47 7-LSTM网络结构基本定义.mp4.mp4
│ ├── 46 6-字符预处理转换ID.mp4.mp4
│ ├── 48 8-网络模型预测结果输出.mp4.mp4
│ ├── 50 1-基本结构与训练好的模型加载.mp4.mp4
│ ├── 51 2-服务端处理与预测函数.mp4.mp4
│ ├── 52 3-基于Flask测试模型预测结果.mp4.mp4
├── 04 Opencv图像处理框架实战
│ ├── 101 2-基本数学原理.mp4.mp4
│ ├── 100 1-角点检测基本原理.mp4.mp4
│ ├── 104 5-opencv角点检测效果.mp4.mp4
│ ├── 103 4-特征归属划分.mp4.mp4
│ ├── 105 1-尺度空间定义.mp4.mp4
│ ├── 108 4-生成特征描述.mp4.mp4
│ ├── 106 2-高斯差分金字塔.mp4.mp4
│ ├── 109 5-特征向量生成.mp4.mp4
│ ├── 110 6-opencv中sift函数使用.mp4.mp4
│ ├── 112 2-RANSAC算法.mp4.mp4
│ ├── 111 1-特征匹配方法.mp4.mp4
│ ├── 113 2-图像拼接方法.mp4.mp4
│ ├── 116 2-所需数据介绍.mp4.mp4
│ ├── 115 1-任务整体流程.mp4.mp4
│ ├── 114 4-流程解读.mp4.mp4
│ ├── 117 3-图像数据预处理.mp4.mp4
│ ├── 122 8-基于视频的车位检测.mp4.mp4
│ ├── 126 4-选项判断识别.mp4.mp4
│ ├── 119 5-按列划分区域.mp4.mp4
│ ├── 124 2-预处理操作.mp4.mp4
│ ├── 123 1-整体流程与效果概述.mp4.mp4
│ ├── 129 3-学习步骤.mp4.mp4
│ ├── 130 4-背景建模实战.mp4.mp4
│ ├── 128 2-混合高斯模型.mp4.mp4
│ ├── 131 1-基本概念.mp4.mp4
│ ├── 135 1-dnn模块.mp4.mp4
│ ├── 133 3-推导求解.mp4.mp4
│ ├── 136 2-模型加载结果输出.mp4.mp4
│ ├── 132 2-Lucas-Kanade算法.mp4.mp4
│ ├── 140 4-基于dlib与ssd的追踪.mp4.mp4
│ ├── 138 2-多目标追踪实战.mp4.mp4
│ ├── 144 2-卷积层解释.mp4.mp4
│ ├── 137 1-目标追踪概述.mp4.mp4
│ ├── 146 4-pading与stride.mp4.mp4
│ ├── 145 3-卷积计算过程.mp4.mp4
│ ├── 149 1-卷积效果演示.mp4.mp4
│ ├── 148 6-池化层原理.mp4.mp4
│ ├── 147 5-卷积参数共享.mp4.mp4
│ ├── 151 1-关键点定位概述.mp4.mp4
│ ├── 153 3-定位效果演示.mp4.mp4
│ ├── 155 5-检测效果.mp4.mp4
│ ├── 152 2-获取人脸关键点.mp4.mp4
│ ├── 55 2-Python与Opencv配置安装~1.mp4.mp4
│ ├── 53 Pycharm环境配置与Debug演示(没用过的同学必看).mp4.mp4
│ ├── 54 0-课程简介2.mp4.mp4
│ ├── 57 1-计算机眼中的图像~1.mp4.mp4
│ ├── 56 3-Notebook与IDE环境~1.mp4.mp4
│ ├── 61 5-数值计算~1.mp4.mp4
│ ├── 60 4-边界填充~1.mp4.mp4
│ ├── 59 3-ROI区域~1.mp4.mp4
│ ├── 58 2-视频的读取与处理~1.mp4.mp4
│ ├── 66 2-膨胀操作.mp4.mp4
│ ├── 63 1-图像平滑处理.mp4.mp4
│ ├── 64 2-高斯与中值滤波.mp4.mp4
│ ├── 65 1-腐蚀操作.mp4.mp4
│ ├── 68 4-梯度计算.mp4.mp4
│ ├── 69 5-礼帽与黑帽.mp4.mp4
│ ├── 71 2-梯度计算方法.mp4.mp4
│ ├── 72 3-scharr与lapkacian算子.mp4.mp4
│ ├── 73 1-Canny边缘检测流程.mp4.mp4
│ ├── 75 3-边缘检测效果.mp4.mp4
│ ├── 76 1-图像金字塔定义.mp4.mp4
│ ├── 77 2-金字塔制作方法.mp4.mp4
│ ├── 78 1-轮廓检测方法.mp4.mp4
│ ├── 79 2-轮廓检测结果.mp4.mp4
│ ├── 81 1-模板匹配方法.mp4.mp4
│ ├── 83 1-直方图定义.mp4.mp4
│ ├── 84 2-均衡化原理.mp4.mp4
│ ├── 86 4-傅里叶概述~1.mp4.mp4
│ ├── 85 3-均衡化效果.mp4.mp4
│ ├── 93 5-模板匹配得出识别结果.mp4.mp4
│ ├── 87 5-频域变换结果~1.mp4.mp4
│ ├── 91 3-模板处理方法.mp4.mp4
│ ├── 88 6-低通与高通滤波~1.mp4.mp4
│ ├── 89 总体流程与方法讲解.mp4.mp4
│ ├── 96 3-原始与变换坐标计算.mp4.mp4
│ ├── 99 6-文档扫描识别效果.mp4.mp4
│ ├── 98 5-tesseract-ocr安装配置.mp4.mp4
├── 05 物体检测经典算法实战
│ ├── 156 Pycharm环境配置与Debug演示(没用过的同学必看).mp4.mp4
│ ├── 158 YOLO系列：YOLOv12与YOLOv13.mp4
│ ├── 159 1-检测任务中阶段的意义.mp4.mp4
│ ├── 160 2-不同阶段算法优缺点分析.mp4.mp4
│ ├── 157 物体检测评估指标.mp4.mp4
│ ├── 161 3-IOU指标计算.mp4.mp4
│ ├── 164 YOLO算法整体思路解读.mp4.mp4
│ ├── 165 2-检测算法要得到的结果.mp4.mp4
│ ├── 162 4-评估所需参数计算.mp4.mp4
│ ├── 167 4-位置损失计算.mp4.mp4
│ ├── 170 2-网络结构特点.mp4.mp4
│ ├── 166 3-整体网络架构解读.mp4.mp4
│ ├── 169 V2版本细节升级概述.mp4.mp4
│ ├── 173 5-偏移量计算方法.mp4.mp4
│ ├── 171 3-架构细节解读.mp4.mp4
│ ├── 172 4-基于聚类来选择先验框尺寸.mp4.mp4
│ ├── 174 6-坐标映射与还原.mp4.mp4
│ ├── 176 8-特征融合改进.mp4.mp4
│ ├── 175 7-感受野的作用.mp4.mp4
│ ├── 178 2-多scale方法改进与特征融合.mp4.mp4
│ ├── 177 1-V3版本改进概述.mp4.mp4
│ ├── 180 4-残差连接方法解读.mp4.mp4
│ ├── 181 5-整体网络模型架构分析.mp4.mp4
│ ├── 184 1-数据与环境配置.mp4.mp4
│ ├── 183 7-sotfmax层改进.mp4.mp4
│ ├── 182 6-先验框设计改进.mp4.mp4
│ ├── 186 3-数据与标签读取.mp4.mp4
│ ├── 185 2-训练参数设置.mp4.mp4
│ ├── 187 4-标签文件读取与处理.mp4.mp4
│ ├── 189 6-基于配置文件构建网络模型.mp4.mp4
│ ├── 190 7-路由层与shortcut层的作用.mp4.mp4
│ ├── 191 8-YOLO层定义解析.mp4.mp4
│ ├── 188 5-debug模式介绍.mp4.mp4
│ ├── 194 11-模型要计算的损失概述.mp4.mp4
│ ├── 192 9-预测结果计算.mp4.mp4
│ ├── 193 10-网格偏移计算.mp4.mp4
│ ├── 195 12-标签值格式修改.mp4.mp4
│ ├── 196 13-坐标相对位置计算.mp4.mp4
│ ├── 199 16-预测效果展示.mp4.mp4
│ ├── 198 15-模型训练与总结.mp4.mp4
│ ├── 201 2-数据信息标注.mp4.mp4
│ ├── 197 14-完成所有损失函数所需计算指标.mp4.mp4
│ ├── 200 1-Labelme工具安装.mp4.mp4
│ ├── 202 3-完成标签制作.mp4.mp4
│ ├── 203 4-生成模型所需配置文件.mp4.mp4
│ ├── 204 5-json格式转换成yolo-v3所需输入.mp4.mp4
│ ├── 206 7-训练代码与参数配置更改.mp4.mp4
│ ├── 207 8-训练模型并测试效果.mp4.mp4
│ ├── 212 5-损失函数遇到的问题.mp4.mp4
│ ├── 208 1-V4版本整体概述.mp4.mp4
│ ├── 210 3-数据增强策略分析.mp4.mp4
│ ├── 209 2-V4版本贡献解读.mp4.mp4
│ ├── 213 6-CIOU损失函数定义.mp4.mp4
│ ├── 216 9-SAM注意力机制模块.mp4.mp4
│ ├── 218 11-激活函数与整体架构总结.mp4.mp4
│ ├── 214 7-NMS细节改进.mp4.mp4
│ ├── 222 4-测试DEMO演示~1.mp4.mp4
│ ├── 221 3-训练数据参数配置~1.mp4.mp4
│ ├── 220 2-训练自己的数据集方法~1.mp4.mp4
│ ├── 219 1-整体项目概述~1.mp4.mp4
│ ├── 229 7-网络架构图可视化工具安装~1.mp4.mp4
│ ├── 226 4-Mosaic数据增强方法.mp4.mp4
│ ├── 224 2-图像数据源配置.mp4.mp4
│ ├── 227 5-数据四合一方法与流程演示.mp4.mp4
│ ├── 228 6-getItem构建batch.mp4.mp4
│ ├── 223 1-数据源DEBUG流程解读.mp4.mp4
│ ├── 231 9-Focus模块流程分析~1.mp4.mp4
│ ├── 232 10-完成配置文件解析任务.mp4.mp4
│ ├── 233 11-前向传播计算.mp4.mp4
│ ├── 230 8-V5网络配置文件解读~1.mp4.mp4
│ ├── 234 12-BottleneckCSP层计算方法.mp4.mp4
│ ├── 242 19-各种训练策略概述.mp4.mp4
│ ├── 241 18-训练流程解读.mp4.mp4
│ ├── 243 20-模型迭代过程.mp4.mp4
│ ├── 238 15-输出结果分析.mp4.mp4
│ ├── 244 YOLOV7~21.mp4.mp4
│ ├── 247 训练参数-3-EMA等训练技巧解读.mp4.mp4
│ ├── 250 网络结构-3-输出层与配置文件其他模块解读.mp4.mp4
│ ├── 249 网络结构-2-各模块操作细节分析.mp4.mp4
│ ├── 246 训练参数-2-基本参数作用.mp4.mp4
│ ├── 245 训练参数-1-命令行参数介绍.mp4.mp4
│ ├── 251 标签分配-1-标签分配策略准备操作.mp4.mp4
│ ├── 252 标签分配-2-候选框偏移方法与find3p模块解读.mp4.mp4
│ ├── 253 标签分配-3-得到偏移点所在网格位置.mp4.mp4
│ ├── 254 标签分配-4-完成BuildTargets模块.mp4.mp4
│ ├── 255 标签分配-5-候选框筛选流程分析.mp4.mp4
│ ├── 257 标签分配-7-GT匹配正样本数量计算.mp4.mp4
│ ├── 258 标签分配-8-通过IOU与置信度分配正样本.mp4.mp4
│ ├── 259 损失函数-1-损失函数计算方法.mp4.mp4
│ ├── 256 标签分配-6-预测值各项指标获取与调整.mp4.mp4
│ ├── 260 辅助头AUX网络结构配置文件解析.mp4.mp4
│ ├── 262 RepConv-1-BN与卷积权重参数融合方法.mp4.mp4
│ ├── 264 V8.mp4.mp4
│ ├── 261 2-AUX部分-辅助头损失函数调整.mp4.mp4
│ ├── 263 RepConv-2-重参数化多分支合并加速.mp4.mp4
│ ├── 265 1-DETR目标检测基本思想解读.mp4.mp4
│ ├── 266 2-整体网络架构分析.mp4.mp4
│ ├── 267 3-位置信息初始化query向量.mp4.mp4
│ ├── 268 4-注意力机制的作用方法.mp4.mp4
│ ├── 273 4-backbone特征提取模块.mp4.mp4
│ ├── 270 1-项目环境配置解读.mp4.mp4
│ ├── 272 3-位置编码作用分析.mp4.mp4
│ ├── 269 5-训练过程的策略.mp4.mp4
│ ├── 276 7-Decoder层操作与计算.mp4.mp4
│ ├── 274 5-mask与编码模块.mp4.mp4
│ ├── 275 6-编码层作用方法.mp4.mp4
│ ├── 278 9-损失函数与预测输出.mp4.mp4
│ ├── 277 8-输出预测结果.mp4.mp4
│ ├── 282 第十一章：EfficientDet检测算法.mp4.mp4
│ ├── 283 YOLO V9.mp4
│ ├── 279 DeformableDetr算法解读~1.mp4.mp4
│ ├── 281 第八课：EfficientNet网络模型.mp4.mp4
│ ├── 280 第八课：半监督物体检测SoftTeacher~11.mp4.mp4
├── 14 多模态与大模型应用综合实例
│ ├── 953 第一章第12节.mp4.mp4
│ ├── 952 第一章第十一节 多模态大模型.mp4.mp4
│ ├── 958 企业知识智能检索系统——从构建 到优化的RAG增强实践.mp4
│ ├── 955 大模型2025年最新算法论文解读.mp4
│ ├── 957 大模型结构化推理理论及实战-第二课.mp4
│ ├── 954 第一章第十15五节mp4.mp4.mp4
│ ├── 956 大模型结构化推理理论及实战.mp4
│ ├── 959 企业知识智能检索系统——从构建 到优化的RAG增强实践 第二课.mp4
│ ├── 960 recordmerge-20250315223625-76cf57.mp4.mp4
│ ├── 961 基于分层强化学习的机器人路径规划方法.mp4
│ ├── 962 融合大语言模型的人形机器人强化学习训练范式.mp4
│ ├── 964 第一章第八节 人形机器人模仿学习范式 mp4.mp4.mp4
│ ├── 963 融合具身智能的机器人学习范式.mp4
│ ├── 965 第一章第九节 人形机器人模仿学习复现与实操.mp4.mp4
├── 15 AI智能体零基础应用入门实战
│ ├── 1001 5-配置插件把分析结果存在excel里.mp4.mp4
│ ├── 1000 4-结合DeepSeek进行数据分析.mp4.mp4
│ ├── 1002 6-数据可视化配置方法与节点调试分析.mp4.mp4
│ ├── 1003 7-不同可视化图表配置方法.mp4.mp4
│ ├── 1004 8-输出与展示配置.mp4.mp4
│ ├── 1005 1-影刀RPA分析.mp4.mp4
│ ├── 1006 2-影刀安装方法 .mp4
│ ├── 1006 2-影刀安装方法.mp4.mp4
│ ├── 1010 十三期第一章第六节 langchain助攻RAG mp4.mp4.mp4
│ ├── 1008 4-执行循环操作.mp4.mp4
│ ├── 1009 5-完成文案采集的全部功能.mp4.mp4
│ ├── 1007 3-影刀流程配置方法实例.mp4.mp4
│ ├── 1011 第一章第十节 langrah建立旅游资讯agent.mp4.mp4
│ ├── 967 2-插件配置方法与参数.mp4.mp4
│ ├── 969 4-结束节点配置.mp4.mp4
│ ├── 966 1-工作流要完成的任务与节点定义.mp4.mp4
│ ├── 968 3-大模型节点配置方法.mp4.mp4
│ ├── 972 2-循环中参数的定义方法.mp4.mp4
│ ├── 970 5-智能体配置方法.mp4.mp4
│ ├── 973 3-续写新闻稿件方法(循环中间变量使用).mp4.mp4
│ ├── 971 1-循环节点方法解读.mp4.mp4
│ ├── 974 4-智能体测试与输出节点.mp4.mp4
│ ├── 975 5-批处理的作用与效果.mp4.mp4
│ ├── 977 2-做剧本节点系统提示词方法.mp4.mp4
│ ├── 976 1-做视频素材业务逻辑分析.mp4.mp4
│ ├── 978 3-完成剧本节点输出.mp4.mp4
│ ├── 981 6-视频节点构建与错误分析.mp4.mp4
│ ├── 982 7-图像生成节点错误调试并保险.mp4.mp4
│ ├── 979 4-画面描述与图像生成节点构建.mp4.mp4
│ ├── 983 8-视频生成节点容易违规的解决方法.mp4.mp4
│ ├── 980 5-图像违规词限制与运镜节点.mp4.mp4
│ ├── 984 9-选修（当作拓展知识）：配置外部视频软件成为插件.mp4.mp4
│ ├── 985 10-选修：自定义插件配置方法实例.mp4.mp4
│ ├── 987 1-时间线定义方法.mp4.mp4
│ ├── 986 11-选修：工作流中添加视频插件.mp4.mp4
│ ├── 988 2-剪映插件介绍.mp4.mp4
│ ├── 990 4-剪映草稿添加素材方法.mp4.mp4
│ ├── 992 1-对话流配置与创建.mp4.mp4
│ ├── 991 5-得到合成后的视频.mp4.mp4
│ ├── 989 3-时间线和素材绑定方法.mp4.mp4
│ ├── 994 3-数据库与大模型的匹配方法.mp4.mp4
│ ├── 993 2-选择器的使用方法.mp4.mp4
│ ├── 995 4-知识库构建与匹配方法.mp4.mp4
│ ├── 996 5-汇总输出与测试.mp4.mp4
│ ├── 997 1-效果演示与数据读取.mp4.mp4
│ ├── 999 3-结合DeepSeek构建代码节点.mp4.mp4
│ ├── 998 2-数据清洗与处理.mp4.mp4
├── 16 第一十六章 强化学习与AI黑科技实例
│ ├── 1013 2-强化学习的指导依据.mp4.mp4
│ ├── 1012 1-一张图通俗解释强化学习.mp4.mp4
│ ├── 1015 4-应用领域简介.mp4.mp4
│ ├── 1016 5-强化学习工作流程.mp4.mp4
│ ├── 1014 3-强化学习AI游戏DEMO.mp4.mp4
│ ├── 1017 6-计算机眼中的状态与行为.mp4.mp4
│ ├── 1019 2-与环境交互得到所需数据.mp4.mp4
│ ├── 1021 4-策略梯度推导.mp4.mp4
│ ├── 1018 1-基本情况介绍.mp4.mp4
│ ├── 1020 3-要完成的目标分析.mp4.mp4
│ ├── 1022 5-baseline方法.mp4.mp4
│ ├── 1023 6-OnPolicy与OffPolicy策略.mp4.mp4
│ ├── 1024 7-importance sampling的作用.mp4.mp4
│ ├── 1025 8-PPO算法整体思路解析.mp4.mp4
│ ├── 1026 1-Critic的作用与效果.mp4.mp4
│ ├── 1030 5-奖励获得与计算.mp4.mp4
│ ├── 1029 4-得到动作结果.mp4.mp4
│ ├── 1028 3-参数与网络结构定义.mp4.mp4
│ ├── 1032 1-整体任务流程演示.mp4.mp4
│ ├── 1033 2-探索与action获取.mp4.mp4
│ ├── 1031 6-参数迭代与更新.mp4.mp4
│ ├── 1034 3-计算target值.mp4.mp4
│ ├── 1037 2-目标函数与公式解析.mp4.mp4
│ ├── 1035 4-训练与更新.mp4.mp4
│ ├── 1036 1-算法原理通俗解读.mp4.mp4
│ ├── 1038 3-Qlearning算法实例解读.mp4.mp4
│ ├── 1039 4-Q值迭代求解.mp4.mp4
│ ├── 1042 2-DuelingDqn改进方法.mp4.mp4
│ ├── 1041 1-DoubleDqn要解决的问题.mp4.mp4
│ ├── 1040 5-DQN简介.mp4.mp4
│ ├── 1046 1-AC算法回顾与知识点总结.mp4.mp4
│ ├── 1043 3-Dueling整体网络架构分析.mp4.mp4
│ ├── 1045 5-连续动作处理方法.mp4.mp4
│ ├── 1044 4-MultiSetp策略.mp4.mp4
│ ├── 1047 2-优势函数解读与分析.mp4.mp4
│ ├── 1050 5-损失函数整理.mp4.mp4
│ ├── 1048 3-计算流程实例.mp4.mp4
│ ├── 1049 4-A3C整体架构分析.mp4.mp4
│ ├── 1051 1-整体流程与环境配置.mp4.mp4
│ ├── 1053 3-要计算的指标回顾.mp4.mp4
│ ├── 1052 2-启动游戏环境.mp4.mp4
│ ├── 1055 5-与环境交互得到训练数据.mp4.mp4
│ ├── 1056 6-训练网络模型.mp4.mp4
│ ├── 1054 4-初始化局部模型并加载参数.mp4.mp4
│ ├── 1057 第七课：GPT系列.mp4.mp4
│ ├── 1058 1-生成模型可以完成的任务概述.mp4.mp4
│ ├── 1059 2-数据样本生成方法.mp4.mp4
│ ├── 1060 3-训练所需参数解读.mp4.mp4
│ ├── 1063 第九课：CLIP系列.mp4.mp4
│ ├── 1061 4-模型训练过程.mp4.mp4
│ ├── 1062 5-部署与网页预测展示.mp4.mp4
│ ├── 1064 1-Diffusion模型解读~1.mp4.mp4
│ ├── 1065 Dalle2源码解读.mp4.mp4
│ ├── 1066 ChatGPT解读~1.mp4.mp4
│ ├── 1067 强化学习的基础原理与应用等.mp4
├── 17 时间序列预测
│ ├── 1917_1918 时间序列预测_数据集解读.mp4
│ ├── 1916_1917 时间序列预测_项目使用说明.mp4
│ ├── 1910_1911 时间序列预测_常用模块分析.mp4
│ ├── 1912_1913 时间序列预测_Query采样方法解读.mp4
│ ├── 1914_1915 时间序列预测_编码器全部计算流程.mp4
│ ├── 1920_1921 时间序列预测_数据处理相关模块.mp4
│ ├── 1919_1920 时间序列预测_数据集构建与读取方式.mp4
│ ├── 1921_1922 时间序列预测_时间相关特征提取方法.mp4
│ ├── 1924_1925 时间序列预测_编码器模块实现.mp4
│ ├── 1930_1931 时间序列预测_论文核心思想解读.mp4
│ ├── 1926_1927 时间序列预测_完成注意力机制计算模块.mp4
│ ├── 1925_1926 时间序列预测_核心采样计算方法.mp4
│ ├── 1928_1929 时间序列预测_解码器预测输出.mp4
│ ├── 1929_1930 时间序列预测_时序预测故事背景.mp4
│ ├── 9-整体计算流程.mp4.mp4
│ ├── 1935_1936 时间序列预测_源码流程解读.mp4
│ ├── 1933_1934 时间序列预测_全部计算流程解读.mp4
├── 18 图神经网络实战
│ ├── 705 第十二课：KIE关键信息抽取与视频超分辨率重构.mp4.mp4
│ ├── 706 1-配置文件以及要完成的任务解读.mp4.mp4
│ ├── 711 6-特征合并处理.mp4.mp4
│ ├── 709 4-边框要计算的特征分析.mp4.mp4
│ ├── 707 2-KIE数据集格式调整方法.mp4.mp4
│ ├── 710 5-标签数据处理与关系特征提取.mp4.mp4
│ ├── 708 3-配置文件与标签要进行处理操作.mp4.mp4
│ ├── 713 8-整合得到图模型输入特征.mp4.mp4
│ ├── 712 7-准备拼接边与点特征.mp4.mp4
├── 23 论文创新点常用方法及其应用实例
│ ├── 1542 ACMIX（卷积与注意力融合）~1.mp4.mp4
│ ├── 1546 SPP改进~1.mp4.mp4
│ ├── 1545 SPD（可替换下采样）~1.mp4.mp4
│ ├── 1543 GCnet(全局特征融合)~1.mp4.mp4
│ ├── 1544 Coordinate_attention~1.mp4.mp4
│ ├── 1547 mobileOne(加速)~2.mp4.mp4
│ ├── 1549 ProbAttention(采样策略)~2.mp4.mp4
│ ├── 1550 CrossAttention融合特征~2.mp4.mp4
│ ├── 1548 Deformable(替换selfAttention)~2.mp4.mp4
│ ├── 1552 结合GNN构建局部特征~2.mp4.mp4
│ ├── 1551 Attention额外加入先验知识~1.mp4.mp4
│ ├── 1555 Coarse2Fine大框架~1.mp4.mp4
│ ├── 1554 自适应可学习参数~1.mp4.mp4
│ ├── 1553 损失函数约束项~2.mp4.mp4
│ ├── 1556 只能机器学习模型时凑工作量（特征工程）~1.mp4.mp4
│ ├── 1557 自己数据集如何发的好(要开源)~1.mp4.mp4
│ ├── 1561 2-网络模型基本组件分析.mp4.mp4
│ ├── 1560 1-论文要完成的核心架构分析.mp4.mp4
│ ├── 1558 可变形卷积加入方法~1.mp4.mp4
│ ├── 1562 3-流程概述分析.mp4.mp4
│ ├── 1559 在源码中加入各种注意力机制方法.mp4.mp4
│ ├── 1565 6-源码结果总结.mp4.mp4
│ ├── 1566 1-任务概述与工具使用.mp4.mp4
│ ├── 1564 5-源码实现细节解读.mp4.mp4
│ ├── 1563 4-实验结果分析.mp4.mp4
│ ├── 1569 4-开始模型训练过程与问题修正.mp4.mp4
│ ├── 1568 3-训练T与S得到蒸馏模型.mp4.mp4
│ ├── 1567 2-Teacher与Student网络结构定义.mp4.mp4
│ ├── 1570 5-日志输出与模型分离.mp4.mp4
│ ├── 1571 6-分别得到Teacher与Student模型.mp4.mp4
│ ├── 1572 7-实际测试效果演示.mp4.mp4
│ ├── 1574 2-搜索匹配到符合计算量的模型并训练.mp4.mp4
│ ├── 1573 1-SuperNet网络结构分析与剪枝概述.mp4.mp4
│ ├── 1575 在源码中加入各种注意力机制方法.mp4.mp4
├── 24 深度学习必备核⼼算法
│ ├── 13 第三章 第四节课 VIT源码解读~2.mp4.mp4
│ ├── 11 第三章 第二节课 卷积神经网络~2.mp4.mp4
│ ├── 10 第三章 第一节课 神经网络结构~1.mp4.mp4
│ ├── 12 VIP课-人工智能深度学习系统班（第七期）-1944.mp4
├── 26 深度学习模型部署与剪枝优化实战
│ ├── 22 第二十二章 深度学习模型部署与剪枝优化实战
│ │ ├── 1510_1511 深度学习模型部署与剪枝优化实战_jetson nano 刷机.mp4
│ │ ├── 1512_1513 深度学习模型部署与剪枝优化实战_感受nano的GPU算力.mp4
│ │ ├── 1511_1512 深度学习模型部署与剪枝优化实战_ jetson nano 系统安装过程.mp4
│ │ ├── 1515_1516 深度学习模型部署与剪枝优化实战_docker 的安装使用.mp4
│ │ ├── 1517_1518 深度学习模型部署与剪枝优化实战_训练自己的目标检测模型准备.mp4
│ │ ├── 1514_1515 深度学习模型部署与剪枝优化实战_ jetson-inference 入门.mp4
│ │ ├── 1518_1519 深度学习模型部署与剪枝优化实战_ 训练出自己目标识别模型a.mp4
│ │ ├── 1519_1520 深度学习模型部署与剪枝优化实战_训练出自己目标识别模型b.mp4
│ │ ├── 1520_1521 深度学习模型部署与剪枝优化实战_转换出onnx模型，并使用.mp4
│ │ ├── 1525_1526 深度学习模型部署与剪枝优化实战_NVIDIA TAO预训练模型和训练b.mp4
│ │ ├── 1523_1524 深度学习模型部署与剪枝优化实战_NVIDIA TAO数据转换.mp4
│ │ ├── 1521_1522 深度学习模型部署与剪枝优化实战_NVIDIA TAO介绍和安装.mp4
│ │ ├── 1524_1525 深度学习模型部署与剪枝优化实战_NVIDIA TAO预训练模型和训练a.mp4
│ │ ├── 1529_1530 深度学习模型部署与剪枝优化实战_deepstream HelloWorld.mp4
│ │ ├── 1530_1531 深度学习模型部署与剪枝优化实战_GStreamer RTP和RTSP1.mp4
│ │ ├── 1528_1529 深度学习模型部署与剪枝优化实战_deepstream 介绍安装.mp4
│ │ ├── 1532_1533 深度学习模型部署与剪枝优化实战_python实现RTP和RTSP.mp4
│ │ ├── 1535_1536 深度学习模型部署与剪枝优化实战_所需基本环境配置.mp4
│ │ ├── 1536_1537 深度学习模型部署与剪枝优化实战_模型加载与数据预处理.mp4
│ │ ├── 1533_1534 深度学习模型部署与剪枝优化实战_deepstream推理.mp4
│ │ ├── 1534_1535 深度学习模型部署与剪枝优化实战_deepstream集成yolov4.mp4
│ │ ├── 1538_1539 深度学习模型部署与剪枝优化实战_效果实例演示.mp4
│ │ ├── 1537_1538 深度学习模型部署与剪枝优化实战_接收与预测模块实现.mp4
│ │ ├── 1539_1540 深度学习模型部署与剪枝优化实战_课程简介.mp4
│ │ ├── 1540_1541 深度学习模型部署与剪枝优化实战_项目所需配置文件介绍.mp4
│ │ ├── 1541_1542 深度学习模型部署与剪枝优化实战_加载参数与模型权重.mp4
│ │ ├── 1543_1544 深度学习模型部署与剪枝优化实战_返回线性预测结果.mp4
│ │ ├── 1544_1545 深度学习模型部署与剪枝优化实战_docker简介.mp4
│ │ ├── 1542_1543 深度学习模型部署与剪枝优化实战_数据预处理.mp4
│ │ ├── 1545_1546 深度学习模型部署与剪枝优化实战_docker安装与配置.mp4
│ │ ├── 1548_1549 深度学习模型部署与剪枝优化实战_安装演示环境所需依赖.mp4
│ │ ├── 1551_1552 深度学习模型部署与剪枝优化实战_tf-serving项目获取与配置.mp4
│ │ ├── 1546_1547 深度学习模型部署与剪枝优化实战_阿里云镜像配置.mp4
│ │ ├── 1547_1548 深度学习模型部署与剪枝优化实战_基于docker配置pytorch环境.mp4
│ │ ├── 1553_1554 深度学习模型部署与剪枝优化实战_测试模型部署效果.mp4
│ │ ├── 1552_1553 深度学习模型部署与剪枝优化实战_加载并启动模型服务.mp4
│ │ ├── 1554_1555 深度学习模型部署与剪枝优化实战_fashion数据集获取.mp4
│ │ ├── 1557_1558 深度学习模型部署与剪枝优化实战_BatchNorm要解决的问题.mp4
│ │ ├── 1556_1557 深度学习模型部署与剪枝优化实战_论文算法核心框架概述.mp4
│ │ ├── 1555_1556 深度学习模型部署与剪枝优化实战_加载fashion模型启动服务.mp4
│ │ ├── 1558_1559 深度学习模型部署与剪枝优化实战_BN的本质作用.mp4
│ │ ├── 1562_1563 深度学习模型部署与剪枝优化实战_加入L1正则化来进行更新.mp4
│ │ ├── 1559_1560 深度学习模型部署与剪枝优化实战_额外的训练参数解读.mp4
│ │ ├── 1563_1564 深度学习模型部署与剪枝优化实战_剪枝模块介绍.mp4
│ │ ├── 1560_1561 深度学习模型部署与剪枝优化实战_稀疏化原理与效果.mp4
│ │ ├── 1561_1562 深度学习模型部署与剪枝优化实战_整体案例流程解读.mp4
│ │ ├── 1565_1566 深度学习模型部署与剪枝优化实战_剪枝后模型参数赋值.mp4
│ │ ├── 1564_1565 深度学习模型部署与剪枝优化实战_筛选需要的特征图.mp4
│ │ ├── 1569_1570 深度学习模型部署与剪枝优化实战_mobilenet简介.mp4
│ │ ├── 1568_1569 深度学习模型部署与剪枝优化实战_常见剪枝方法介绍.mp4
│ │ ├── 1575_1576 深度学习模型部署与剪枝优化实战_倒残差结构的作用.mp4
│ │ ├── 1579_1580 深度学习模型部署与剪枝优化实战_代码实现mobilenetV3网络架构.mp4
│ │ ├── 1573_1574 深度学习模型部署与剪枝优化实战_V1版本效果分析.mp4
│ │ ├── 1572_1573 深度学习模型部署与剪枝优化实战_参数与计算量的比较.mp4
│ │ ├── 1578_1579 深度学习模型部署与剪枝优化实战_SE模块作用与效果解读.mp4
│ ├── 1580 模型部署.mp4
├── 28 对比学习与多模态任务实战
│ ├── 971_972 对比学习与多模态任务实战_对比学习算法与实例.mp4
│ ├── 975_976 对比学习与多模态任务实战_基本流程梳理并进入debug模式.mp4
│ ├── 973_974 对比学习与多模态任务实战_环境配置与数据集概述.mp4
│ ├── 974_975 对比学习与多模态任务实战_数据与标注文件介绍.mp4
│ ├── 976_977 对比学习与多模态任务实战_数据与图像特征提取模块.mp4
│ ├── 972_973 对比学习与多模态任务实战_CLIP系列.mp4
│ ├── 977_978 对比学习与多模态任务实战_体素索引位置获取.mp4
│ ├── 978_979 对比学习与多模态任务实战_体素特征提取方法解读.mp4
│ ├── 981_982 对比学习与多模态任务实战_多模态特征融合.mp4
│ ├── 980_981 对比学习与多模态任务实战_全局体素特征提取.mp4
│ ├── 983_984 对比学习与多模态任务实战_输出层预测结果.mp4
│ ├── 984_985 对比学习与多模态任务实战_多模态文字识别.mp4
│ ├── 986_987 对比学习与多模态任务实战_配置文件修改方法.mp4
│ ├── 987_988 对比学习与多模态任务实战_Bakbone模块得到特征.mp4
│ ├── 990_991 对比学习与多模态任务实战_文本模型中的结构分析.mp4
│ ├── 991_992 对比学习与多模态任务实战_迭代修正模块.mp4
│ ├── 992_993 对比学习与多模态任务实战_输出层与损失计算.mp4
├── 31 语音识别实战
│ ├── 2044_2045 语音识别实战系列_加入attention的序列模型整体架构.mp4
│ ├── 2043_2044 语音识别实战系列_注意力机制的作用.mp4
│ ├── 2045_2046 语音识别实战系列_TeacherForcing的作用与训练策略.mp4
│ ├── 2047_2048 语音识别实战系列_数据源与环境配置.mp4
│ ├── 2048_2049 语音识别实战系列_语料表制作方法.mp4
│ ├── 2049_2050 语音识别实战系列_制作json标注数据.mp4
│ ├── 2046_2047 语音识别实战系列_额外补充-RNN网络模型解读.mp4
│ ├── 2052_2053 语音识别实战系列_编码器模块整体流程.mp4
│ ├── 2053_2054 语音识别实战系列_加入注意力机制.mp4
│ ├── 2051_2052 语音识别实战系列_Pack与Pad操作解析.mp4
│ ├── 2055_2056 语音识别实战系列_解码器与训练过程演示.mp4
│ ├── 2050_2051 语音识别实战系列_声音数据处理模块解读.mp4
│ ├── 2057_2058 语音识别实战系列_VCC2016输入数据.mp4
│ ├── 2058_2059 语音识别实战系列_语音特征提取.mp4
│ ├── 2060_2061 语音识别实战系列_InstanceNorm的作用解读.mp4
│ ├── 2056_2057 语音识别实战系列_论文整体思路与架构解读.mp4
│ ├── 2061_2062 语音识别实战系列_AdaIn的目的与效果.mp4
│ ├── 2065_2066 语音识别实战系列_数据预处理与声音特征提取.mp4
│ ├── 2062_2063 语音识别实战系列_判别器模块分析.mp4
│ ├── 2063_2064 语音识别实战系列_数据与项目文件解读.mp4
│ ├── 2070_2071 语音识别实战系列_判别器模块解读.mp4
│ ├── 2075_2076 语音识别实战系列_经典语音分离模型概述.mp4
│ ├── 2074_2075 语音识别实战系列_语音分离任务分析.mp4
│ ├── 2072_2073 语音识别实战系列_源码损失计算流程.mp4
│ ├── 2077_2078 语音识别实战系列_TasNet编码器结构分析.mp4
│ ├── 2076_2077 语音识别实战系列_DeepClustering论文解读.mp4
│ ├── 2078_2079 语音识别实战系列_DW卷积的作用与效果.mp4
│ ├── 2080_2081 语音识别实战系列_数据准备与环境配置.mp4
│ ├── 2079_2080 语音识别实战系列_基于Mask得到分离结果.mp4
│ ├── 2081_2082 语音识别实战系列_训练任务所需参数介绍.mp4
│ ├── 2083_2084 语音识别实战系列_采样数据特征编码.mp4
│ ├── 2084_2085 语音识别实战系列_编码器特征提取.mp4
│ ├── 2087_2088 语音识别实战系列_测试模块所需参数.mp4
│ ├── 2082_2083 语音识别实战系列_DataLoader定义.mp4
│ ├── 2088_2089 语音识别实战系列_语音合成项目所需环境配置.mp4
│ ├── 2092_2093 语音识别实战系列_编码层要完成的任务.mp4
│ ├── 2091_2092 语音识别实战系列_Dataloader构建数据与标签.mp4
│ ├── 2093_2094 语音识别实战系列_得到编码特征向量.mp4
│ ├── 2096_2097 语音识别实战系列_注意力机制应用方法.mp4
│ ├── 2097_2098 语音识别实战系列_得到加权的编码向量.mp4
│ ├── 2098_2099 语音识别实战系列_模型输出结果.mp4
│ ├── 2099_2100 语音识别实战系列_损失函数与预测.mp4
├── 32 推荐系统实战
│ ├── 2102_2103 推荐系统实战系列_3-应用领域与多方位评估指标.mp4
│ ├── 2103_2104 推荐系统实战系列_4-任务流程与挑战概述.mp4
│ ├── 2105_2106 推荐系统实战系列_6-与深度学习的结合.mp4
│ ├── 2107_2108 推荐系统实战系列_2-基于用户与商品的协同过滤.mp4
│ ├── 2110_2111 推荐系统实战系列_5-矩阵分解中的隐向量.mp4
│ ├── 2108_2109 推荐系统实战系列_3-相似度计算与推荐实例.mp4
│ ├── 2109_2110 推荐系统实战系列_4-矩阵分解的目的与效果.mp4
│ ├── 2114_2115 推荐系统实战系列_1-音乐推荐任务概述.mp4
│ ├── 2113_2114 推荐系统实战系列_8-Embedding的作用.mp4
│ ├── 2112_2113 推荐系统实战系列_7-隐式情况分析.mp4
│ ├── 2115_2116 推荐系统实战系列_2-数据集整合.mp4
│ ├── 2118_2119 推荐系统实战系列_5-SVD矩阵分解.mp4
│ ├── 2117_2118 推荐系统实战系列_4-物品相似度计算与推荐.mp4
│ ├── 2116_2117 推荐系统实战系列_3-基于物品的协同过滤.mp4
│ ├── 2123_2124 推荐系统实战系列_4-金融与推荐领域的应用.mp4
│ ├── 2121_2122 推荐系统实战系列_2-知识图谱在搜索引擎中的应用.mp4
│ ├── 2125_2126 推荐系统实战系列_1-Neo4j图数据库介绍.mp4
│ ├── 2127_2128 推荐系统实战系列_3-可视化例子演示.mp4
│ ├── 2124_2125 推荐系统实战系列_5-数据获取分析.mp4
│ ├── 2126_2127 推荐系统实战系列_2-Neo4j数据库安装流程演示.mp4
│ ├── 2131_2132 推荐系统实战系列_2-kaggle电影数据集下载与配置.mp4
│ ├── 2128_2129 推荐系统实战系列_4-创建与删除操作演示.mp4
│ ├── 2132_2133 推荐系统实战系列_3-图谱需求与任务流程解读.mp4
│ ├── 2133_2134 推荐系统实战系列_4-项目所需环境配置安装.mp4
│ ├── 2134_2135 推荐系统实战系列_5-构建用户电影知识图谱.mp4
│ ├── 2137_2138 推荐系统实战系列_1-CTR估计及其经典方法概述.mp4
│ ├── 2135_2136 推荐系统实战系列_6-图谱查询与匹配操作.mp4
│ ├── 2136_2137 推荐系统实战系列_7-相似度计算与推荐引擎构建.mp4
│ ├── 2143_2144 推荐系统实战系列_7-输入层所需数据样例.mp4
│ ├── 2139_2140 推荐系统实战系列_3-二项式特征的作用与挑战.mp4
│ ├── 2140_2141 推荐系统实战系列_4-二阶公式推导与化简.mp4
│ ├── 2138_2139 推荐系统实战系列_2-高维特征带来的问题.mp4
│ ├── 2141_2142 推荐系统实战系列_5-FM算法解析.mp4
│ ├── 2144_2145 推荐系统实战系列_8-Embedding层的作用与总结.mp4
│ ├── 2146_2147 推荐系统实战系列_2-广告点击数据预处理实例.mp4
│ ├── 2147_2148 推荐系统实战系列_3-数据处理模块Embedding层.mp4
│ ├── 2145_2146 推荐系统实战系列_1-数据集介绍与环境配置.mp4
│ ├── 2152_2153 推荐系统实战系列_8-完成FM模块计算.mp4
│ ├── 2151_2152 推荐系统实战系列_7-特征组合方法实例分析.mp4
│ ├── 2149_2150 推荐系统实战系列_5-一阶权重参数设计.mp4
│ ├── 2156_2157 推荐系统实战系列_3-surprise工具包基本使用.mp4
│ ├── 2157_2158 推荐系统实战系列_4-模型测试集结果.mp4
│ ├── 2155_2156 推荐系统实战系列_2-电影数据集预处理分析.mp4
│ ├── 2153_2154 推荐系统实战系列_9-DNN模块与训练过程.mp4
│ ├── 2159_2160 推荐系统实战系列_1-数据与环境配置介绍.mp4
│ ├── 2160_2161 推荐系统实战系列_2-数据科学相关数据介绍.mp4
│ ├── 2162_2163 推荐系统实战系列_4-TFIDF构建特征矩阵.mp4
│ ├── 2165_2166 推荐系统实战系列_7-推荐结果分析.mp4
│ ├── 2164_2165 推荐系统实战系列_6-LDA主题模型效果演示.mp4
│ ├── 2163_2164 推荐系统实战系列_5-矩阵分解演示.mp4
│ ├── 2166_2167 推荐系统实战系列_1-电影数据与环境配置.mp4
│ ├── 2168_2169 推荐系统实战系列_3-关键词云与直方图展示.mp4
│ ├── 2167_2168 推荐系统实战系列_2-数据与关键词信息展示.mp4
│ ├── 2169_2170 推荐系统实战系列_4-特征可视化.mp4
│ ├── 2170_2171 推荐系统实战系列_5-数据清洗概述.mp4
│ ├── 2172_2173 推荐系统实战系列_7-推荐引擎构造.mp4
│ ├── 2174_2175 推荐系统实战系列_9-得出推荐结果.mp4
│ ├── 2176_2177 推荐系统实战系列_2-文本词频统计.mp4
│ ├── 2175_2176 推荐系统实战系列_1-酒店数据与任务介绍.mp4
│ ├── 2173_2174 推荐系统实战系列_8-数据特征构造.mp4
│ ├── 2180_2181 推荐系统实战系列_6-得出推荐结果.mp4
├── 33 文字检测与识别
│ ├── 2159 2-配置文件参数设置.mp4.mp4
│ ├── 2158 1-文字检测数据概述与配置文件~1.mp4.mp4
│ ├── 2160 3-Neck层特征组合.mp4.mp4
│ ├── 2162 5-损失计算方法.mp4.mp4
│ ├── 2170 8-输出层与损失计算.mp4.mp4
│ ├── 2169 7-迭代修正模块.mp4.mp4
│ ├── 2166 4-视觉Transformer模块的作用.mp4.mp4
│ ├── 2165 3-Bakbone模块得到特征.mp4.mp4
│ ├── 2168 6-文本模型中的结构分析.mp4.mp4
│ ├── 2171 OCR算法解读.mp4
├── 10 3D点云实战
│ ├── 12 第十二章-3D点云实战
│ │ ├── 704_706 3D点云实战_点云应用领域与发展分析.mp4
│ │ ├── 703_705 3D点云实战_点云数据概述.mp4
│ │ ├── 705_707 3D点云实战_点云分割任务.mp4
│ │ ├── 707_709 3D点云实战_点云检测与配准任务.mp4
│ │ ├── 706_708 3D点云实战_点云补全任务.mp4
│ │ ├── 710_712 3D点云实战_点云数据可视化展示.mp4
│ │ ├── 713_715 3D点云实战_PointNet算法网络架构解读.mp4
│ │ ├── 708_710 3D点云实战_点云数据特征提取概述与预告.mp4
│ │ ├── 716_718 3D点云实战_分组Group方法原理解读.mp4
│ │ ├── 715_717 3D点云实战_最远点采样方法.mp4
│ │ ├── 717_719 3D点云实战_整体流程概述分析.mp4
│ │ ├── 718_720 3D点云实战_分类与分割问题解决方案.mp4
│ │ ├── 714_716 3D点云实战_PointNet升级版算法要解决的问题.mp4
│ │ ├── 720_722 3D点云实战_项目文件概述.mp4
│ │ ├── 719_721 3D点云实战_遇到的问题及改进方法分析.mp4
│ │ ├── 723_725 3D点云实战_最远点采样介绍.mp4
│ │ ├── 722_724 3D点云实战_DEBUG解读网络模型架构.mp4
│ │ ├── 721_723 3D点云实战_数据读取模块配置.mp4
│ │ ├── 726_728 3D点云实战_实现group操作得到各中心簇.mp4
│ │ ├── 730_732 3D点云实战_分割任务数据与配置概述.mp4
│ │ ├── 724_726 3D点云实战_采样得到中心点.mp4
│ │ ├── 725_727 3D点云实战_组区域划分方法.mp4
│ │ ├── 732_734 3D点云实战_上采样完成分割任务.mp4
│ │ ├── 731_733 3D点云实战_分割需要解决的任务概述.mp4
│ │ ├── 734_736 3D点云实战_基本解决方案概述.mp4
│ │ ├── 735_737 3D点云实战_整体网络概述.mp4
│ │ ├── 736_738 3D点云实战_网络计算流程.mp4
│ │ ├── 740_742 3D点云实战_整体框架概述.mp4
│ │ ├── 739_741 3D点云实战_待补全数据准备方法.mp4
│ │ ├── 737_739 3D点云实战_输入与计算结果.mp4
│ │ ├── 738_740 3D点云实战_数据与项目配置解读.mp4
│ │ ├── 743_745 3D点云实战_补全点云数据.mp4
│ │ ├── 744_746 3D点云实战_判别模块.mp4
│ │ ├── 746_748 3D点云实战_配准要完成的目标解读.mp4
│ │ ├── 747_749 3D点云实战_训练数据构建.mp4
│ │ ├── 748_750 3D点云实战_任务基本流程.mp4
│ │ ├── 751_753 3D点云实战_基于模型预测输出参数.mp4
│ │ ├── 754_756 3D点云实战_对抗生成网络通俗解释.mp4
│ │ ├── 755_757 3D点云实战_GAN网络组成.mp4
│ │ ├── 752_754 3D点云实战_特征构建方法分析.mp4
│ │ ├── 753_755 3D点云实战_任务总结.mp4
│ │ ├── 757_759 3D点云实战_数据读取模块.mp4
│ │ ├── 758_760 3D点云实战_生成与判别网络定义.mp4
│ │ ├── 756_758 3D点云实战_损失函数解释说明.mp4
├── 25 面向深度学习的无人驾驶实战
│ ├── 13 第十三章-面向深度学习的无人驾驶实战
│ │ ├── 865_866 面向深度学习的无人驾驶实战_kitti数据集介绍.mp4
│ │ ├── 866_867 面向深度学习的无人驾驶实战_使用backbone获取层级特征.mp4
│ │ ├── 864_865 面向深度学习的无人驾驶实战_深度估计效果与应用.mp4
│ │ ├── 867_868 面向深度学习的无人驾驶实战_差异特征计算边界信息.mp4
│ │ ├── 871_872 面向深度学习的无人驾驶实战_网络coarse-to-fine过程.mp4
│ │ ├── 869_870 面向深度学习的无人驾驶实战_空洞卷积与ASPP.mp4
│ │ ├── 872_873 面向深度学习的无人驾驶实战_权重参数预处理.mp4
│ │ ├── 873_874 面向深度学习的无人驾驶实战_损失计算.mp4
│ │ ├── 875_876 面向深度学习的无人驾驶实战_数据与标签定义方法.mp4
│ │ ├── 876_877 面向深度学习的无人驾驶实战_数据集dataloader制作.mp4
│ │ ├── 877_878 面向深度学习的无人驾驶实战_使用backbone进行特征提取.mp4
│ │ ├── 878_879 面向深度学习的无人驾驶实战_计算差异特征.mp4
│ │ ├── 881_882 面向深度学习的无人驾驶实战_特征拼接方法解读.mp4
│ │ ├── 882_883 面向深度学习的无人驾驶实战_输出深度估计结果.mp4
│ │ ├── 883_884 面向深度学习的无人驾驶实战_损失函数通俗解读.mp4
│ │ ├── 884_885 面向深度学习的无人驾驶实战_模型DEMO输出结果.mp4
│ │ ├── 887_888 面向深度学习的无人驾驶实战_输出结果分析.mp4
│ │ ├── 888_889 面向深度学习的无人驾驶实战_损失函数计算方法.mp4
│ │ ├── 886_887 面向深度学习的无人驾驶实战_网络整体框架分析.mp4
│ │ ├── 891_892 面向深度学习的无人驾驶实战_项目环境配置演示.mp4
│ │ ├── 889f6a42e176499f803af29393312bd7.mp4
│ │ ├── 894_895 面向深度学习的无人驾驶实战_四条车道线标签位置矩阵.mp4
│ │ ├── 892_893 面向深度学习的无人驾驶实战_制作数据集dataloader.mp4
│ │ ├── 890_891 面向深度学习的无人驾驶实战_车道数据与标签解读.mp4
│ │ ├── 899_900 面向深度学习的无人驾驶实战_车道线规则损失函数限制.mp4
│ │ ├── 902_903 面向深度学习的无人驾驶实战_特征匹配的基本流程分析.mp4
│ │ ├── 895_896 面向深度学习的无人驾驶实战_grid设置方法.mp4
│ │ ├── 898_899 面向深度学习的无人驾驶实战_损失函数计算模块分析.mp4
│ │ ├── 903_904 面向深度学习的无人驾驶实战_整体流程梳理分析.mp4
│ │ ├── 907_908 面向深度学习的无人驾驶实战_特征图拆解操作.mp4
│ │ ├── 904_905 面向深度学习的无人驾驶实战_CrossAttention的作用与效果.mp4
│ │ ├── 906_907 面向深度学习的无人驾驶实战_粗粒度匹配过程与作用.mp4
│ │ ├── 908_909 面向深度学习的无人驾驶实战_细粒度匹配的作用与方法.mp4
│ │ ├── 909_910 面向深度学习的无人驾驶实战_基于期望预测最终位置.mp4
│ │ ├── 911_912 面向深度学习的无人驾驶实战_项目与参数配置解读.mp4
│ │ ├── 910_911 面向深度学习的无人驾驶实战_总结分析.mp4
│ │ ├── 912_913 面向深度学习的无人驾驶实战_DEMO效果演示.mp4
│ │ ├── 913_914 面向深度学习的无人驾驶实战_backbone特征提取模块.mp4
│ │ ├── 915_916 面向深度学习的无人驾驶实战_特征融合模块实现方法.mp4
│ │ ├── 914_915 面向深度学习的无人驾驶实战_注意力机制的作用与效果分析.mp4
│ │ ├── 916_917 面向深度学习的无人驾驶实战_cross关系计算方法实例.mp4
│ │ ├── 919_920 面向深度学习的无人驾驶实战_精细化调整方法与实例.mp4
│ │ ├── 917_918 面向深度学习的无人驾驶实战_粗粒度匹配过程.mp4
│ │ ├── 918_919 面向深度学习的无人驾驶实战_完成基础匹配模块.mp4
│ │ ├── 920_921 面向深度学习的无人驾驶实战_得到精细化输出结果.mp4
│ │ ├── 921_922 面向深度学习的无人驾驶实战_通过期望计算最终输出.mp4
│ │ ├── 923_924 面向深度学习的无人驾驶实战_三维重建应用领域概述.mp4
│ │ ├── 924_925 面向深度学习的无人驾驶实战_成像方法概述.mp4
│ │ ├── 922_923 面向深度学习的无人驾驶实战_三维重建概述分析.mp4
│ │ ├── 925_926 面向深度学习的无人驾驶实战_相机坐标系.mp4
│ │ ├── 926_927 面向深度学习的无人驾驶实战_坐标系转换方法解读.mp4
│ │ ├── 929_930 面向深度学习的无人驾驶实战_相机标定简介.mp4
│ │ ├── 927_928 面向深度学习的无人驾驶实战_相机内外参.mp4
│ │ ├── 928_929 面向深度学习的无人驾驶实战_通过内外参数进行坐标变换.mp4
│ │ ├── 930_931 面向深度学习的无人驾驶实战_任务流程分析.mp4
│ │ ├── 936_937 面向深度学习的无人驾驶实战_Scannet数据集内容概述.mp4
│ │ ├── 932_933 面向深度学习的无人驾驶实战_特征映射方法解读.mp4
│ │ ├── 934_935 面向深度学习的无人驾驶实战_整体架构重构方法.mp4
│ │ ├── 931_932 面向深度学习的无人驾驶实战_基本框架熟悉.mp4
│ │ ├── 939_940 面向深度学习的无人驾驶实战_完成依赖环境配置.mp4
│ │ ├── 938_939 面向深度学习的无人驾驶实战_ISSUE的作用.mp4
│ │ ├── 937_938 面向深度学习的无人驾驶实战_TSDF标签生成方法.mp4
│ │ ├── 940_941 面向深度学习的无人驾驶实战_Backbone得到特征图.mp4
│ │ ├── 941_942 面向深度学习的无人驾驶实战_初始化体素位置.mp4
│ │ ├── 943_944 面向深度学习的无人驾驶实战_得到体素所对应特征图.mp4
│ │ ├── 942_943 面向深度学习的无人驾驶实战_坐标映射方法实现.mp4
│ │ ├── 946_947 面向深度学习的无人驾驶实战_完成三个阶段预测结果.mp4
│ │ ├── 948_949 面向深度学习的无人驾驶实战_TSDF整体概述分析.mp4
│ │ ├── 947_948 面向深度学习的无人驾驶实战_项目总结.mp4
│ │ ├── 944_945 面向深度学习的无人驾驶实战_插值得到对应特征向量.mp4
│ │ ├── 954_955 面向深度学习的无人驾驶实战_环境配置概述.mp4
│ │ ├── 955_956 面向深度学习的无人驾驶实战_初始化与数据读取.mp4
│ │ ├── 949_950 面向深度学习的无人驾驶实战_合成过程DEMO演示.mp4
│ │ ├── 951_952 面向深度学习的无人驾驶实战_TSDF计算基本流程解读.mp4
│ │ ├── 956_957 面向深度学习的无人驾驶实战_计算得到TSDF输出.mp4
│ │ ├── 962_963 面向深度学习的无人驾驶实战_子图模块构建方法.mp4
│ │ ├── 961_962 面向深度学习的无人驾驶实战_输入细节分析.mp4
│ │ ├── 957_958 面向深度学习的无人驾驶实战_数据集与标注信息解读.mp4
│ │ ├── 959_960 面向深度学习的无人驾驶实战_特征工程的作用与效果.mp4
│ │ ├── 960_961 面向深度学习的无人驾驶实战_传统方法与现在向量空间对比.mp4
│ │ ├── 963_964 面向深度学习的无人驾驶实战_特征融合模块分析.mp4
│ │ ├── 966_967 面向深度学习的无人驾驶实战_训练数据准备.mp4
│ │ ├── 964_965 面向深度学习的无人驾驶实战_VectorNet输出层分析.mp4
│ │ ├── 965_966 面向深度学习的无人驾驶实战_数据与环境配置.mp4
│ │ ├── 969_970 面向深度学习的无人驾驶实战_SubGraph与Attention模型流程.mp4
│ │ ├── 967_968 面向深度学习的无人驾驶实战_Agent特征提取方法.mp4
├── 30 自然语言处理通用框架-BERT实战
│ ├── 26 第二十六章 自然语言处理通用框架-BERT实战
│ │ ├── 1940_1941 自然语言处理通用框架-BERT实战_注意力机制的作用.mp4
│ │ ├── 1939_1940 自然语言处理通用框架-BERT实战_传统解决方案遇到的问题.mp4
│ │ ├── 1937_1938 自然语言处理通用框架-BERT实战_BERT课程简介.mp4
│ │ ├── 1938_1939 自然语言处理通用框架-BERT实战_BERT任务目标概述.mp4
│ │ ├── 1941_1942 自然语言处理通用框架-BERT实战_self-attention计算方法.mp4
│ │ ├── 1942_1943 自然语言处理通用框架-BERT实战_特征分配与softmax机制.mp4
│ │ ├── 1943_1944 自然语言处理通用框架-BERT实战_Multi-head的作用.mp4
│ │ ├── 1944_1945 自然语言处理通用框架-BERT实战_位置编码与多层堆叠.mp4
│ │ ├── 1945_1946 自然语言处理通用框架-BERT实战_transformer整体架构梳理.mp4
│ │ ├── 1946_1947 自然语言处理通用框架-BERT实战_BERT模型训练方法.mp4
│ │ ├── 1950_1951 自然语言处理通用框架-BERT实战_数据读取模块.mp4
│ │ ├── 1948_1949 自然语言处理通用框架-BERT实战_BERT开源项目简介.mp4
│ │ ├── 1954_1955 自然语言处理通用框架-BERT实战_加入额外编码特征.mp4
│ │ ├── 1955_1956 自然语言处理通用框架-BERT实战_加入位置编码特征.mp4
│ │ ├── 1956_1957 自然语言处理通用框架-BERT实战_mask机制的作用.mp4
│ │ ├── 1958_1959 自然语言处理通用框架-BERT实战_完成Transformer模块构建.mp4
│ │ ├── 1957_1958 自然语言处理通用框架-BERT实战_构建QKV矩阵.mp4
│ │ ├── 1962_1963 自然语言处理通用框架-BERT实战_训练BERT中文分类模型.mp4
│ │ ├── 1963_1964 自然语言处理通用框架-BERT实战_命名实体识别数据分析与任务目标.mp4
│ │ ├── 1960_1961 自然语言处理通用框架-BERT实战_中文分类数据与任务概述.mp4
│ │ ├── 1964_1965 自然语言处理通用框架-BERT实战_NER标注数据处理与读取.mp4
│ │ ├── 1965_1966 自然语言处理通用框架-BERT实战_构建BERT与CRF模型.mp4
│ │ ├── 1967_1968 自然语言处理通用框架-BERT实战_模型整体框架.mp4
│ │ ├── 1968_1969 自然语言处理通用框架-BERT实战_训练数据构建.mp4
│ │ ├── 1969_1970 自然语言处理通用框架-BERT实战_CBOW与Skip-gram模型.mp4
│ │ ├── 1966_1967 自然语言处理通用框架-BERT实战_词向量模型通俗解释.mp4
│ │ ├── 1970_1971 自然语言处理通用框架-BERT实战_负采样方案.mp4
│ │ ├── 1972_1973 自然语言处理通用框架-BERT实战_数据清洗.mp4
│ │ ├── 1974_1975 自然语言处理通用框架-BERT实战_网络训练.mp4
│ │ ├── 1973_1974 自然语言处理通用框架-BERT实战_batch数据制作.mp4
│ │ ├── 1976_1977 自然语言处理通用框架-BERT实战_RNN网络模型解读.mp4
│ │ ├── 1981_1982 自然语言处理通用框架-BERT实战_构建LSTM网络模型.mp4
│ │ ├── 1979_1980 自然语言处理通用框架-BERT实战_加载词向量特征.mp4
│ │ ├── 1978_1979 自然语言处理通用框架-BERT实战_项目流程解读.mp4
│ │ ├── 1977_1978 自然语言处理通用框架-BERT实战_NLP应用领域与任务简介.mp4
│ │ ├── 1982_1983 自然语言处理通用框架-BERT实战_训练与测试效果.mp4
│ │ ├── 1985_1986 自然语言处理通用框架-BERT实战_整体模型架构.mp4
│ │ ├── 1984_1985 自然语言处理通用框架-BERT实战_数据与任务介绍.mp4
│ │ ├── 1983_1984 自然语言处理通用框架-BERT实战_LSTM情感分析.mp4
│ │ ├── 1986_1987 自然语言处理通用框架-BERT实战_数据-标签-语料库处理.mp4
│ │ ├── 1988_1989 自然语言处理通用框架-BERT实战_医疗数据集（糖尿病）实体识别.mp4
│ │ ├── 1987_1988 自然语言处理通用框架-BERT实战_训练网络模型.mp4
├── 21 行人重识别实战
│ ├── 16 第十六章-行人重识别实战
│ │ ├── 1105_1106 行人重识别实战_行人重识别要解决的问题.mp4
│ │ ├── 1106_1107 行人重识别实战_挑战与困难分析.mp4
│ │ ├── 1111_1112 行人重识别实战_论文整体思想及注意力机制的作用解读.mp4
│ │ ├── 1110_1111 行人重识别实战_Hard-Negative方法应用.mp4
│ │ ├── 1109_1110 行人重识别实战_triplet损失计算实例.mp4
│ │ ├── 1107_1108 行人重识别实战_评估标准rank1指标.mp4
│ │ ├── 1112_1113 行人重识别实战_空间权重值计算流程分析.mp4
│ │ ├── 1113_1114 行人重识别实战_融合空间注意力所需特征.mp4
│ │ ├── 1117_1118 行人重识别实战_进入debug模式解读网络计算流程.mp4
│ │ ├── 1116_1117 行人重识别实战_参数配置与整体架构分析.mp4
│ │ ├── 1115_1116 行人重识别实战_项目环境与数据集配置.mp4
│ │ ├── 1114_1115 行人重识别实战_基于特征图的注意力计算.mp4
│ │ ├── 1119_1120 行人重识别实战_组合关系特征图.mp4
│ │ ├── 1121_1122 行人重识别实战_基于特征图的权重计算.mp4
│ │ ├── 1124_1125 行人重识别实战_论文整体框架概述.mp4
│ │ ├── 1120_1121 行人重识别实战_计算得到位置权重值.mp4
│ │ ├── 1123_1124 行人重识别实战_训练与测试模块演示.mp4
│ │ ├── 1125_1126 行人重识别实战_局部特征与全局关系计算方法.mp4
│ │ ├── 1129_1130 行人重识别实战_损失函数应用位置.mp4
│ │ ├── 1126_1127 行人重识别实战_特征分组方法.mp4
│ │ ├── 1128_1129 行人重识别实战_oneVsReset方法实例.mp4
│ │ ├── 1132_1133 行人重识别实战_dataloader加载顺序解读.mp4
│ │ ├── 1139_1140 行人重识别实战_得到所有分组特征结果.mp4
│ │ ├── 1137_1138 行人重识别实战_局部特征提取实例.mp4
│ │ ├── 1136_1137 行人重识别实战_GCP全局特征提取.mp4
│ │ ├── 1138_1139 行人重识别实战_特征组合汇总.mp4
│ │ ├── 1140_1141 行人重识别实战_损失函数与训练过程演示.mp4
│ │ ├── 1141_1142 行人重识别实战_测试与验证模块.mp4
│ │ ├── 1143_1144 行人重识别实战_图卷积与匹配的作用.mp4
│ │ ├── 1142_1143 行人重识别实战_关键点位置特征构建.mp4
│ │ ├── 1144_1145 行人重识别实战_局部特征热度图计算.mp4
│ │ ├── 1149_1150 行人重识别实战_数据集与环境配置概述.mp4
│ │ ├── 1145_1146 行人重识别实战_基于图卷积构建人体拓扑关系.mp4
│ │ ├── 1146_1147 行人重识别实战_图卷积模块实现方法.mp4
│ │ ├── 1148_1149 行人重识别实战_整体算法框架分析.mp4
│ │ ├── 1152_1153 行人重识别实战_阶段监督训练.mp4
│ │ ├── 1153_1154 行人重识别实战_初始化图卷积模型.mp4
│ │ ├── 1154_1155 行人重识别实战_mask矩阵的作用.mp4
│ │ ├── 1155_1156 行人重识别实战_邻接矩阵学习与更新.mp4
│ │ ├── 1156_1157 行人重识别实战_基于拓扑结构组合关键点特征.mp4
│ │ ├── 1158_1159 行人重识别实战_整体项目总结.mp4
│ │ ├── 1159_1160 行人重识别实战_项目概述.mp4
│ │ ├── 1160_1161 行人重识别实战_项目概述.mp4
│ │ ├── 1161_1162 行人重识别实战_数据与标签读取模块.mp4
│ │ ├── 1164_1165 行人重识别实战_Neck层操作方法.mp4
│ │ ├── 1167_1168 行人重识别实战_总结概述.mp4
│ │ ├── 1166_1167 行人重识别实战_损失函数计算模块.mp4
│ │ ├── 1165_1166 行人重识别实战_Head层预测模块.mp4
├── 12 NLP大模型实战
│ ├── 20 第二十章 NLP大模型实战
│ │ ├── 1455 1-GPT系列算法概述.mp4.mp4
│ │ ├── 1456 2-GPT三代版本分析.mp4.mp4
│ │ ├── 1457 3-GPT初代版本要解决的问题.mp4.mp4
│ │ ├── 1460 6-GPT3的提示与生成方法.mp4.mp4
│ │ ├── 1461 7-应用场景CODEX分析.mp4.mp4
│ │ ├── 1459 5-采样策略与多样性.mp4.mp4
│ │ ├── 1462 8-DEMO应用演示~1.mp4.mp4
│ │ ├── 1464 2-数据样本生成方法.mp4.mp4
│ │ ├── 1465 3-训练所需参数解读.mp4.mp4
│ │ ├── 1467 5-部署与网页预测展示.mp4.mp4
│ │ ├── 1466 4-模型训练过程.mp4.mp4
│ │ ├── 1469 2-LLM落地微调分析.mp4.mp4
│ │ ├── 1471 4-LORA微调的核心思想.mp4.mp4
│ │ ├── 1470 3-LLAMA与LORA介绍.mp4.mp4
│ │ ├── 1475 3-微调与量化和推理预测.mp4.mp4
│ │ ├── 1474 2-多模态数据集配置.mp4.mp4
│ │ ├── 1472 5-LORA模型实现细节.mp4.mp4
│ │ ├── 1473 1-环境配置方法.mp4.mp4
│ │ ├── 1479 4-优势计算方法与样本构建.mp4.mp4
│ │ ├── 1477 2-环境与数据预处理配置.mp4.mp4
│ │ ├── 1478 3-奖励定义方法.mp4.mp4
│ │ ├── 1476 1-用强化学习来按照偏好微调大模型.mp4.mp4
│ │ ├── 1482 Llama3应用.mp4
│ │ ├── 1481 6-基本训练逻辑解读.mp4.mp4
│ │ ├── 1483 RAGFLOW和function calling 1.mp4.mp4
│ │ ├── 1486 2-基本API调用方法.mp4.mp4
│ │ ├── 1484 大模型微调与应用.mp4
│ │ ├── 1493 4-Agent的记忆信息.mp4.mp4
│ │ ├── 1492 3-论文基本框架分析.mp4.mp4
│ │ ├── 1488 4-样本索引与向量构建.mp4.mp4
│ │ ├── 1489 5-数据切块方法.mp4.mp4
│ │ ├── 1487 3-数据文档切分操作.mp4.mp4
│ │ ├── 1495 6-计划模块实现细节.mp4.mp4
│ │ ├── 1494 5-感知与反思模块构建流程.mp4.mp4
│ │ ├── 1499 10-项目环境配置方法解读.mp4.mp4
│ │ ├── 1497 8-感知模块解读.mp4.mp4
│ │ ├── 1498 9-思考模块解读.mp4.mp4
├── 27 对抗生成网络实战
│ ├── 17 第十七章-对抗生成网络实战
│ │ ├── 1169_1170 对抗生成网络实战_对抗生成网络通俗解释.mp4
│ │ ├── 1168_1169 对抗生成网络实战_课程介绍.mp4
│ │ ├── 1170_1171 对抗生成网络实战_GAN网络组成.mp4
│ │ ├── 1171_1172 对抗生成网络实战_损失函数解释说明.mp4
│ │ ├── 1175_1176 对抗生成网络实战_CycleGan整体网络架构.mp4
│ │ ├── 1174_1175 对抗生成网络实战_CycleGan网络所需数据.mp4
│ │ ├── 1172_1173 对抗生成网络实战_数据读取模块.mp4
│ │ ├── 1173_1174 对抗生成网络实战_生成与判别网络定义.mp4
│ │ ├── 1176_1177 对抗生成网络实战_PatchGan判别网络原理.mp4
│ │ ├── 1178_1179 对抗生成网络实战_数据读取与预处理操作.mp4
│ │ ├── 1183_1184 对抗生成网络实战_额外补充：VISDOM可视化配置.mp4
│ │ ├── 1179_1180 对抗生成网络实战_生成网络模块构造.mp4
│ │ ├── 1184_1185 对抗生成网络实战_stargan效果演示分析.mp4
│ │ ├── 1177_1178 对抗生成网络实战_Cycle开源项目简介.mp4
│ │ ├── 1188_1189 对抗生成网络实战_V2版本在整体网络架构.mp4
│ │ ├── 1189_1190 对抗生成网络实战_编码器训练方法.mp4
│ │ ├── 1187_1188 对抗生成网络实战_V1版本存在的问题及后续改进思路.mp4
│ │ ├── 1185_1186 对抗生成网络实战_网络架构整体思路解读.mp4
│ │ ├── 1190_1191 对抗生成网络实战_损失函数公式解析.mp4
│ │ ├── 1193_1194 对抗生成网络实战_项目配置与数据源下载.mp4
│ │ ├── 1197_1198 对抗生成网络实战_所有网络模块构建实例.mp4
│ │ ├── 1192_1193 对抗生成网络实战_测试模块效果与实验分析.mp4
│ │ ├── 1191_1192 对抗生成网络实战_训练过程分析.mp4
│ │ ├── 1198_1199 对抗生成网络实战_数据读取模块分析.mp4
│ │ ├── 1201_1202 对抗生成网络实战_生成模块损失计算.mp4
│ │ ├── 1200_1201 对抗生成网络实战_损失计算详细过程.mp4
│ │ ├── 1199_1200 对抗生成网络实战_判别器损失计算.mp4
│ │ ├── 1202_1203 对抗生成网络实战_论文整体思路与架构解读.mp4
│ │ ├── 1208_1209 对抗生成网络实战_判别器模块分析.mp4
│ │ ├── 1204_1205 对抗生成网络实战_语音特征提取.mp4
│ │ ├── 1207_1208 对抗生成网络实战_AdaIn的目的与效果.mp4
│ │ ├── 1209_1210 对抗生成网络实战_数据与项目文件解读.mp4
│ │ ├── 1212_1213 对抗生成网络实战_生成器构造模块解读.mp4
│ │ ├── 1211_1212 对抗生成网络实战_数据预处理与声音特征提取.mp4
│ │ ├── 1210_1211 对抗生成网络实战_环境配置与工具包安装.mp4
│ │ ├── 1217_1218 对抗生成网络实战_论文损失函数.mp4
│ │ ├── 1215_1216 对抗生成网络实战_生成器前向传播维度变化.mp4
│ │ ├── 1218_1219 对抗生成网络实战_源码损失计算流程.mp4
│ │ ├── 1220_1221 对抗生成网络实战_论文概述.mp4
│ │ ├── 1223_1224 对抗生成网络实战_数据加载与配置.mp4
│ │ ├── 1225_1226 对抗生成网络实战_判别模块.mp4
│ │ ├── 1221_1222 对抗生成网络实战_网络架构.mp4
│ │ ├── 1228_1229 对抗生成网络实战_测试模块.mp4
│ │ ├── 1227_1228 对抗生成网络实战_损失函数与训练.mp4
│ │ ├── 1232_1233 对抗生成网络实战_论文总结.mp4
│ │ ├── 1230_1231 对抗生成网络实战_网络架构.mp4
│ │ ├── 1229_1230 对抗生成网络实战_论文概述.mp4
│ │ ├── 1234_1235 对抗生成网络实战_参数基本设计.mp4
│ │ ├── 1235_1236 对抗生成网络实战_网络结构配置.mp4
│ │ ├── 1236_1237 对抗生成网络实战_网络迭代训练.mp4
│ │ ├── 1237_1238 对抗生成网络实战_测试模块.mp4
├── 11 自然语言处理必备神器Huggingface系列实战
│ ├── 25 第二十五章 自然语言处理必备神器Huggingface系列实战
│ │ ├── 1858_1859 自然语言处理必备神器Huggingface系列实战 _工具包与任务整体介绍.mp4
│ │ ├── 1857_1858 自然语言处理必备神器Huggingface系列实战 _Huggingface与NLP介绍解读.mp4
│ │ ├── 1860_1861 自然语言处理必备神器Huggingface系列实战 _文本切分方法实例解读.mp4
│ │ ├── 1859_1860 自然语言处理必备神器Huggingface系列实战 _NLP任务常规流程分析.mp4
│ │ ├── 1861_1862 自然语言处理必备神器Huggingface系列实战 _AttentionMask配套使用方法.mp4
│ │ ├── 1862_1863 自然语言处理必备神器Huggingface系列实战 _数据集与模型.mp4
│ │ ├── 1863_1864 自然语言处理必备神器Huggingface系列实战 _数据Dataloader封装.mp4
│ │ ├── 1864_1865 自然语言处理必备神器Huggingface系列实战 _模型训练所需配置参数.mp4
│ │ ├── 1865_1866 自然语言处理必备神器Huggingface系列实战 _模型训练DEMO.mp4
│ │ ├── 1867_1868 自然语言处理必备神器Huggingface系列实战 _BERT模型训练方法解读.mp4
│ │ ├── 1868_1869 自然语言处理必备神器Huggingface系列实战 _ALBERT基本定义.mp4
│ │ ├── 1869_1870 自然语言处理必备神器Huggingface系列实战 _ALBERT中的简化方法解读.mp4
│ │ ├── 1870_1871 自然语言处理必备神器Huggingface系列实战 _RoBerta模型训练方法解读.mp4
│ │ ├── 1872_1873 自然语言处理必备神器Huggingface系列实战 _文本标注工具Doccano配置方法.mp4
│ │ ├── 1871_1872 自然语言处理必备神器Huggingface系列实战 _DistilBert模型解读.mp4
│ │ ├── 1877_1878 自然语言处理必备神器Huggingface系列实战 _模型训练与输出结果预测.mp4
│ │ ├── 1876_1877 自然语言处理必备神器Huggingface系列实战 _预训练模型加载与参数配置.mp4
│ │ ├── 1874_1875 自然语言处理必备神器Huggingface系列实战 _标注导出与BIO处理.mp4
│ │ ├── 1875_1876 自然语言处理必备神器Huggingface系列实战 _标签处理并完成对齐操作.mp4
│ │ ├── 1878_1879 自然语言处理必备神器Huggingface系列实战 _预训练模型效果分析.mp4
│ │ ├── 1879_1880 自然语言处理必备神器Huggingface系列实战 _文本数据截断处理.mp4
│ │ ├── 1880_1881 自然语言处理必备神器Huggingface系列实战 _预训练模型自定义训练.mp4
│ │ ├── 1881_1882 自然语言处理必备神器Huggingface系列实战 _GPT系列算法概述.mp4
│ │ ├── 1882_1883 自然语言处理必备神器Huggingface系列实战 _GPT三代版本分析.mp4
│ │ ├── 1883_1884 自然语言处理必备神器Huggingface系列实战 _GPT初代版本要解决的问题.mp4
│ │ ├── 1885_1886 自然语言处理必备神器Huggingface系列实战 _采样策略与多样性.mp4
│ │ ├── 1887_1888 自然语言处理必备神器Huggingface系列实战 _应用场景CODEX分析.mp4
│ │ ├── 1886_1887 自然语言处理必备神器Huggingface系列实战 _GPT3的提示与生成方法.mp4
│ │ ├── 1888_1889 自然语言处理必备神器Huggingface系列实战 _DEMO应用演示.mp4
│ │ ├── 1890_1891 自然语言处理必备神器Huggingface系列实战 _数据样本生成方法.mp4
│ │ ├── 1889_1890 自然语言处理必备神器Huggingface系列实战 _生成模型可以完成的任务概述.mp4
│ │ ├── 1893_1894 自然语言处理必备神器Huggingface系列实战 _部署与网页预测展示.mp4
│ │ ├── 1894_1895 自然语言处理必备神器Huggingface系列实战 _中文商城评价数据处理方法.mp4
│ │ ├── 1891_1892 自然语言处理必备神器Huggingface系列实战 _训练所需参数解读.mp4
│ │ ├── 1895_1896 自然语言处理必备神器Huggingface系列实战 _模型训练与测试结果.mp4
│ │ ├── 1892_1893 自然语言处理必备神器Huggingface系列实战 _模型训练过程.mp4
│ │ ├── 1897_1898 自然语言处理必备神器Huggingface系列实战 _训练自己标注的数据并测试.mp4
│ │ ├── 1899_1900 自然语言处理必备神器Huggingface系列实战 _数据标注格式样例分析.mp4
│ │ ├── 1898_1899 自然语言处理必备神器Huggingface系列实战 _应用场景概述分析.mp4
│ │ ├── 1900_1901 自然语言处理必备神器Huggingface系列实战 _数据处理与读取模块.mp4
│ │ ├── 1901_1902 自然语言处理必备神器Huggingface系列实战 _实体抽取模块分析.mp4
│ │ ├── 1906_1907 自然语言处理必备神器Huggingface系列实战 _数据结构分析.mp4
│ │ ├── 1905_1906 自然语言处理必备神器Huggingface系列实战 _关系抽取模型训练.mp4
│ │ ├── 1903_1904 自然语言处理必备神器Huggingface系列实战 _模型构建与计算流程.mp4
│ │ ├── 1907_1908 自然语言处理必备神器Huggingface系列实战 _Huggingface中的预处理实例.mp4
├── 20 缺陷检测实战
│ ├── 15 第十五章-缺陷检测实战
│ │ ├── 1000_1001 缺陷检测实战_NMS细节改进.mp4
│ │ ├── 1004_1005 缺陷检测实战_激活函数与整体架构总结.mp4
│ │ ├── 1002_1003 缺陷检测实战_SAM注意力机制模块.mp4
│ │ ├── 1006_1007 缺陷检测实战_训练自己的数据集方法.mp4
│ │ ├── 1005_1006 缺陷检测实战_整体项目概述.mp4
│ │ ├── 1007_1008 缺陷检测实战_训练数据参数配置.mp4
│ │ ├── 1008_1009 缺陷检测实战_测试DEMO演示.mp4
│ │ ├── 1009_1010 缺陷检测实战_数据源DEBUG流程解读.mp4
│ │ ├── 1012_1013 缺陷检测实战_Mosaic数据增强方法.mp4
│ │ ├── 1010_1011 缺陷检测实战_图像数据源配置.mp4
│ │ ├── 1013_1014 缺陷检测实战_数据四合一方法与流程演示.mp4
│ │ ├── 1015_1016 缺陷检测实战_网络架构图可视化工具安装.mp4
│ │ ├── 1016_1017 缺陷检测实战_V5网络配置文件解读.mp4
│ │ ├── 1014_1015 缺陷检测实战_getItem构建batch.mp4
│ │ ├── 1017_1018 缺陷检测实战_Focus模块流程分析.mp4
│ │ ├── 1018_1019 缺陷检测实战_完成配置文件解析任务.mp4
│ │ ├── 1020_1021 缺陷检测实战_BottleneckCSP层计算方法.mp4
│ │ ├── 1019_1020 缺陷检测实战_前向传播计算.mp4
│ │ ├── 1024_1025 缺陷检测实战_输出结果分析.mp4
│ │ ├── 1028_1029 缺陷检测实战_各种训练策略概述.mp4
│ │ ├── 1027_1028 缺陷检测实战_训练流程解读.mp4
│ │ ├── 1022_1023 缺陷检测实战_Head层流程解读.mp4
│ │ ├── 1029_1030 缺陷检测实战_模型迭代过程.mp4
│ │ ├── 1032_1033 缺陷检测实战_标签转换格式脚本制作.mp4
│ │ ├── 1031_1032 缺陷检测实战_数据与标签配置方法.mp4
│ │ ├── 1030_1031 缺陷检测实战_任务需求与项目概述.mp4
│ │ ├── 1033_1034 缺陷检测实战_各版本模型介绍分析.mp4
│ │ ├── 1038_1039 缺陷检测实战_论文思想与模型分析.mp4
│ │ ├── 1041_1042 缺陷检测实战_输出结果展示.mp4
│ │ ├── 1037_1038 缺陷检测实战_任务目标与流程概述.mp4
│ │ ├── 1036_1037 缺陷检测实战_输出结果与项目总结.mp4
│ │ ├── 1047_1048 缺陷检测实战_图像阈值.mp4
│ │ ├── 1048_1049 缺陷检测实战_图像平滑处理.mp4
│ │ ├── 1042_1043 缺陷检测实战_计算机眼中的图像.mp4
│ │ ├── 1043_1044 缺陷检测实战_视频的读取与处理.mp4
│ │ ├── 1044_1045 缺陷检测实战_ROI区域.mp4
│ │ ├── 1050_1051 缺陷检测实战_腐蚀操作.mp4
│ │ ├── 1053_1054 缺陷检测实战_梯度计算.mp4
│ │ ├── 1049_1050 缺陷检测实战_高斯与中值滤波.mp4
│ │ ├── 1051_1052 缺陷检测实战_膨胀操作.mp4
│ │ ├── 1054_1055 缺陷检测实战_礼帽与黑帽.mp4
│ │ ├── 1055_1056 缺陷检测实战_Canny边缘检测流程.mp4
│ │ ├── 1057_1058 缺陷检测实战_边缘检测效果.mp4
│ │ ├── 1061_1062 缺陷检测实战_图像金字塔定义.mp4
│ │ ├── 1060_1061 缺陷检测实战_scharr与lapkacian算子.mp4
│ │ ├── 1059_1060 缺陷检测实战_梯度计算方法.mp4
│ │ ├── 1063_1064 缺陷检测实战_轮廓检测方法.mp4
│ │ ├── 1064_1065 缺陷检测实战_轮廓检测结果.mp4
│ │ ├── 1062_1063 缺陷检测实战_金字塔制作方法.mp4
│ │ ├── 1066_1067 缺陷检测实战_模板匹配方法.mp4
│ │ ├── 1065_1066 缺陷检测实战_轮廓特征与近似.mp4
│ │ ├── 1068_1069 缺陷检测实战_直方图定义.mp4
│ │ ├── 1067_1068 缺陷检测实战_匹配效果展示.mp4
│ │ ├── 1069_1070 缺陷检测实战_均衡化原理.mp4
│ │ ├── 1070_1071 缺陷检测实战_均衡化效果.mp4
│ │ ├── 1071_1072 缺陷检测实战_傅里叶概述.mp4
│ │ ├── 1077_1078 缺陷检测实战_整体流程解读.mp4
│ │ ├── 1072_1073 缺陷检测实战_频域变换结果.mp4
│ │ ├── 1075_1076 缺陷检测实战_数据读取与基本处理.mp4
│ │ ├── 1076_1077 缺陷检测实战_缺陷形态学操作.mp4
│ │ ├── 1078_1079 缺陷检测实战_缺陷检测效果演示.mp4
│ │ ├── 1080_1081 缺陷检测实战_视频数据读取与轮廓检测.mp4
│ │ ├── 1083_1084 缺陷检测实战_缺陷区域提取.mp4
│ │ ├── 1084_1085 缺陷检测实战_不同类型的缺陷检测方法.mp4
│ │ ├── 1079_1080 缺陷检测实战_数据与任务概述.mp4
│ │ ├── 1081_1082 缺陷检测实战_目标质心计算.mp4
│ │ ├── 1086_1087 缺陷检测实战_deeplab分割算法概述.mp4
│ │ ├── 1090_1091 缺陷检测实战_ASPP特征融合策略.mp4
│ │ ├── 1091_1092 缺陷检测实战_deeplabV3Plus版本网络架构.mp4
│ │ ├── 1089_1090 缺陷检测实战_SPP层的作用.mp4
│ │ ├── 1094_1095 缺陷检测实战_网络前向传播流程.mp4
│ │ ├── 1092_1093 缺陷检测实战_PascalVoc数据集介绍.mp4
│ │ ├── 1093_1094 缺陷检测实战_项目参数与数据集读取.mp4
│ │ ├── 1095_1096 缺陷检测实战_ASPP层特征融合.mp4
│ │ ├── 1097_1098 缺陷检测实战_数据集与任务概述.mp4
│ │ ├── 1096_1097 缺陷检测实战_分割模型训练.mp4
│ │ ├── 1098_1099 缺陷检测实战_开源项目应用方法.mp4
│ │ ├── 1100_1101 缺陷检测实战_源码的利用方法.mp4
│ │ ├── 1101_1102 缺陷检测实战_数据集制作方法.mp4
│ │ ├── 996_997 缺陷检测实战_数据增强策略分析.mp4
│ │ ├── 1104_1105 缺陷检测实战_任务总结.mp4
│ │ ├── 1103_1104 缺陷检测实战_训练模型.mp4
│ │ ├── 995_996 缺陷检测实战_V4版本贡献解读.mp4
│ │ ├── 994_995 缺陷检测实战_V4版本整体概述.mp4
│ │ ├── 998_999 缺陷检测实战_损失函数遇到的问题.mp4
│ │ ├── 999_1000 缺陷检测实战_CIOU损失函数定义.mp4
├── 08 经典视觉项目实战：行为识别、姿态估计、目标追踪
│ ├── 09 第九章 经典视觉项目实战：行为识别、姿态估计、目标追踪
│ │ ├── 508_509 经典视觉项目实战：行为识别、姿态估计、目标追踪_核心网络结构模块分析.mp4
│ │ ├── 507_508 经典视觉项目实战：行为识别、姿态估计、目标追踪_slowfast核心思想解读.mp4
│ │ ├── 510_511 经典视觉项目实战：行为识别、姿态估计、目标追踪_模型网络结构设计.mp4
│ │ ├── 512_513 经典视觉项目实战：行为识别、姿态估计、目标追踪_环境基本配置解读.mp4
│ │ ├── 513_514 经典视觉项目实战：行为识别、姿态估计、目标追踪_目录各文件分析.mp4
│ │ ├── 511_512 经典视觉项目实战：行为识别、姿态估计、目标追踪_特征融合模块与总结分析.mp4
│ │ ├── 514_515 经典视觉项目实战：行为识别、姿态估计、目标追踪_配置文件作用解读.mp4
│ │ ├── 516_517 经典视觉项目实战：行为识别、姿态估计、目标追踪_训练所需标签文件说明.mp4
│ │ ├── 517_518 经典视觉项目实战：行为识别、姿态估计、目标追踪_训练所需视频数据准备.mp4
│ │ ├── 519_520 经典视觉项目实战：行为识别、姿态估计、目标追踪_完成视频分帧操作.mp4
│ │ ├── 518_519 经典视觉项目实战：行为识别、姿态估计、目标追踪_视频数据集切分操作.mp4
│ │ ├── 520_521 经典视觉项目实战：行为识别、姿态估计、目标追踪_模型所需配置文件参数读取.mp4
│ │ ├── 521_522 经典视觉项目实战：行为识别、姿态估计、目标追踪_数据处理概述.mp4
│ │ ├── 525_526 经典视觉项目实战：行为识别、姿态估计、目标追踪_slow与fast分别执行采样操作.mp4
│ │ ├── 522_523 经典视觉项目实战：行为识别、姿态估计、目标追踪_dataloader数据遍历方法.mp4
│ │ ├── 523_524 经典视觉项目实战：行为识别、姿态估计、目标追踪_数据与标签读取实例.mp4
│ │ ├── 528_529 经典视觉项目实战：行为识别、姿态估计、目标追踪_resnetBolock操作.mp4
│ │ ├── 526_527 经典视觉项目实战：行为识别、姿态估计、目标追踪_分别计算特征图输出结果.mp4
│ │ ├── 527_528 经典视觉项目实战：行为识别、姿态估计、目标追踪_slow与fast特征图拼接操作.mp4
│ │ ├── 530_531 经典视觉项目实战：行为识别、姿态估计、目标追踪_3D卷积原理解读.mp4
│ │ ├── 531_532 经典视觉项目实战：行为识别、姿态估计、目标追踪_UCF101动作识别数据集简介.mp4
│ │ ├── 532_533 经典视觉项目实战：行为识别、姿态估计、目标追踪_测试效果与项目配置.mp4
│ │ ├── 534_535 经典视觉项目实战：行为识别、姿态估计、目标追踪_数据Batch制作方法.mp4
│ │ ├── 537_538 经典视觉项目实战：行为识别、姿态估计、目标追踪_异常检测要解决的问题与数据集介绍.mp4
│ │ ├── 535_536 经典视觉项目实战：行为识别、姿态估计、目标追踪_3D卷积网络所涉及模块.mp4
│ │ ├── 543_544 经典视觉项目实战：行为识别、姿态估计、目标追踪_MAML算法流程解读.mp4
│ │ ├── 540_541 经典视觉项目实战：行为识别、姿态估计、目标追踪_Meta-Learn要解决的问题.mp4
│ │ ├── 545_546 经典视觉项目实战：行为识别、姿态估计、目标追踪_数据集配置与读取.mp4
│ │ ├── 538_539 经典视觉项目实战：行为识别、姿态估计、目标追踪_基本思想与流程分析.mp4
│ │ ├── 549_550 经典视觉项目实战：行为识别、姿态估计、目标追踪_特征图生成.mp4
│ │ ├── 550_551 经典视觉项目实战：行为识别、姿态估计、目标追踪_MetaLearn与输出.mp4
│ │ ├── 547_548 经典视觉项目实战：行为识别、姿态估计、目标追踪_注意力机制模块打造.mp4
│ │ ├── 551_552 经典视觉项目实战：行为识别、姿态估计、目标追踪_医学疾病数据集介绍.mp4
│ │ ├── 556_557 经典视觉项目实战：行为识别、姿态估计、目标追踪_特征图升维与降采样操作.mp4
│ │ ├── 557_558 经典视觉项目实战：行为识别、姿态估计、目标追踪_网络整体流程与训练演示.mp4
│ │ ├── 555_556 经典视觉项目实战：行为识别、姿态估计、目标追踪_残差网络的shortcut操作.mp4
│ │ ├── 554_555 经典视觉项目实战：行为识别、姿态估计、目标追踪_Resnet网络前向传播.mp4
│ │ ├── 552_553 经典视觉项目实战：行为识别、姿态估计、目标追踪_Resnet网络架构原理分析.mp4
│ │ ├── 558_559 经典视觉项目实战：行为识别、姿态估计、目标追踪_课程介绍.mp4
│ │ ├── 559_560 经典视觉项目实战：行为识别、姿态估计、目标追踪_姿态估计要解决的问题分析.mp4
│ │ ├── 560_561 经典视觉项目实战：行为识别、姿态估计、目标追踪_姿态估计应用领域概述.mp4
│ │ ├── 561_562 经典视觉项目实战：行为识别、姿态估计、目标追踪_传统topdown方法的问题.mp4
│ │ ├── 566_567 经典视觉项目实战：行为识别、姿态估计、目标追踪_PAF标签设计方法.mp4
│ │ ├── 564_565 经典视觉项目实战：行为识别、姿态估计、目标追踪_各模块输出特征图解读.mp4
│ │ ├── 568_569 经典视觉项目实战：行为识别、姿态估计、目标追踪_匹配方法解读.mp4
│ │ ├── 562_563 经典视觉项目实战：行为识别、姿态估计、目标追踪_要解决的两个问题分析.mp4
│ │ ├── 567_568 经典视觉项目实战：行为识别、姿态估计、目标追踪_预测时PAF积分计算方法.mp4
│ │ ├── 569_570 经典视觉项目实战：行为识别、姿态估计、目标追踪_CPM模型特点.mp4
│ │ ├── 573_574 经典视觉项目实战：行为识别、姿态估计、目标追踪_关键点与躯干特征图初始化.mp4
│ │ ├── 570_571 经典视觉项目实战：行为识别、姿态估计、目标追踪_算法流程与总结.mp4
│ │ ├── 572_573 经典视觉项目实战：行为识别、姿态估计、目标追踪_读取图像与标注信息.mp4
│ │ ├── 571_572 经典视觉项目实战：行为识别、姿态估计、目标追踪_数据集与路径配置解读.mp4
│ │ ├── 578_579 经典视觉项目实战：行为识别、姿态估计、目标追踪_完成PAF特征图制作.mp4
│ │ ├── 580_581 经典视觉项目实战：行为识别、姿态估计、目标追踪_多阶段输出与预测.mp4
│ │ ├── 575_576 经典视觉项目实战：行为识别、姿态估计、目标追踪_准备构建PAF躯干标签.mp4
│ │ ├── 576_577 经典视觉项目实战：行为识别、姿态估计、目标追踪_各位置点归属判断.mp4
│ │ ├── 577_578 经典视觉项目实战：行为识别、姿态估计、目标追踪_特征图各点累加向量计算.mp4
│ │ ├── 581_582 经典视觉项目实战：行为识别、姿态估计、目标追踪_卡尔曼滤波通俗解释.mp4
│ │ ├── 583_584 经典视觉项目实战：行为识别、姿态估计、目标追踪_任务本质分析.mp4
│ │ ├── 585_586 经典视觉项目实战：行为识别、姿态估计、目标追踪_预测与更新操作.mp4
│ │ ├── 582_583 经典视觉项目实战：行为识别、姿态估计、目标追踪_卡尔曼滤波要完成的任务.mp4
│ │ ├── 584_585 经典视觉项目实战：行为识别、姿态估计、目标追踪_基于观测值进行最优估计.mp4
│ │ ├── 590_591 经典视觉项目实战：行为识别、姿态估计、目标追踪_sort与deepsort建模流程分析.mp4
│ │ ├── 594_595 经典视觉项目实战：行为识别、姿态估计、目标追踪_参数与DEMO演示.mp4
│ │ ├── 586_587 经典视觉项目实战：行为识别、姿态估计、目标追踪_追踪中的状态量.mp4
│ │ ├── 592_593 经典视觉项目实战：行为识别、姿态估计、目标追踪_追踪任务流程拆解.mp4
│ │ ├── 588_589 经典视觉项目实战：行为识别、姿态估计、目标追踪_匹配小例子分析.mp4
│ │ ├── 589_590 经典视觉项目实战：行为识别、姿态估计、目标追踪_REID特征的作用.mp4
│ │ ├── 600_601 经典视觉项目实战：行为识别、姿态估计、目标追踪_级联匹配模块.mp4
│ │ ├── 595_596 经典视觉项目实战：行为识别、姿态估计、目标追踪_针对检测结果初始化track.mp4
│ │ ├── 596_597 经典视觉项目实战：行为识别、姿态估计、目标追踪_对track执行预测操作.mp4
│ │ ├── 599_600 经典视觉项目实战：行为识别、姿态估计、目标追踪_参数更新操作.mp4
│ │ ├── 601_602 经典视觉项目实战：行为识别、姿态估计、目标追踪_ReID特征代价矩阵计算.mp4
│ │ ├── 604_605 经典视觉项目实战：行为识别、姿态估计、目标追踪_V4版本贡献解读.mp4
│ │ ├── 603_604 经典视觉项目实战：行为识别、姿态估计、目标追踪_V4版本整体概述.mp4
│ │ ├── 602_603 经典视觉项目实战：行为识别、姿态估计、目标追踪_匹配结果与总结.mp4
│ │ ├── 605_606 经典视觉项目实战：行为识别、姿态估计、目标追踪_数据增强策略分析.mp4
│ │ ├── 608_609 经典视觉项目实战：行为识别、姿态估计、目标追踪_CIOU损失函数定义.mp4
│ │ ├── 613_614 经典视觉项目实战：行为识别、姿态估计、目标追踪_激活函数与整体架构总结.mp4
│ │ ├── 609_610 经典视觉项目实战：行为识别、姿态估计、目标追踪_NMS细节改进.mp4
│ │ ├── 607_608 经典视觉项目实战：行为识别、姿态估计、目标追踪_损失函数遇到的问题.mp4
│ │ ├── 611_612 经典视觉项目实战：行为识别、姿态估计、目标追踪_SAM注意力机制模块.mp4
│ │ ├── 616_617 经典视觉项目实战：行为识别、姿态估计、目标追踪_训练数据参数配置.mp4
│ │ ├── 614_615 经典视觉项目实战：行为识别、姿态估计、目标追踪_整体项目概述.mp4
│ │ ├── 615_616 经典视觉项目实战：行为识别、姿态估计、目标追踪_训练自己的数据集方法.mp4
│ │ ├── 617_618 经典视觉项目实战：行为识别、姿态估计、目标追踪_测试DEMO演示.mp4
│ │ ├── 618_619 经典视觉项目实战：行为识别、姿态估计、目标追踪_数据源DEBUG流程解读.mp4
│ │ ├── 623_624 经典视觉项目实战：行为识别、姿态估计、目标追踪_getItem构建batch.mp4
│ │ ├── 619_620 经典视觉项目实战：行为识别、姿态估计、目标追踪_图像数据源配置.mp4
│ │ ├── 621_622 经典视觉项目实战：行为识别、姿态估计、目标追踪_Mosaic数据增强方法.mp4
│ │ ├── 622_623 经典视觉项目实战：行为识别、姿态估计、目标追踪_数据四合一方法与流程演示.mp4
│ │ ├── 624_625 经典视觉项目实战：行为识别、姿态估计、目标追踪_网络架构图可视化工具安装.mp4
│ │ ├── 625_626 经典视觉项目实战：行为识别、姿态估计、目标追踪_V5网络配置文件解读.mp4
│ │ ├── 626_627 经典视觉项目实战：行为识别、姿态估计、目标追踪_Focus模块流程分析.mp4
│ │ ├── 627_628 经典视觉项目实战：行为识别、姿态估计、目标追踪_完成配置文件解析任务.mp4
│ │ ├── 633_634 经典视觉项目实战：行为识别、姿态估计、目标追踪_输出结果分析.mp4
│ │ ├── 628_629 经典视觉项目实战：行为识别、姿态估计、目标追踪_前向传播计算.mp4
│ │ ├── 630_631 经典视觉项目实战：行为识别、姿态估计、目标追踪_1-SPP层计算细节分析.mp4
│ │ ├── 629_630 经典视觉项目实战：行为识别、姿态估计、目标追踪_BottleneckCSP层计算方法.mp4
│ │ ├── 637_638 经典视觉项目实战：行为识别、姿态估计、目标追踪_各种训练策略概述.mp4
│ │ ├── 636_637 经典视觉项目实战：行为识别、姿态估计、目标追踪_训练流程解读.mp4
│ │ ├── 638_639 经典视觉项目实战：行为识别、姿态估计、目标追踪_模型迭代过程.mp4
├── 22 面向医学领域的深度学习实战
│ ├── 19 第一十九章-向医学领域的深度学习实战
│ │ ├── 1297_1298 面向医学领域的深度学习实战_步长与卷积核大小对结果的影响.mp4
│ │ ├── 1298_1299 面向医学领域的深度学习实战_边缘填充方法.mp4
│ │ ├── 1294_1295 面向医学领域的深度学习实战_卷积的作用.mp4
│ │ ├── 1299_1300 面向医学领域的深度学习实战_特征图尺寸计算与参数共享.mp4
│ │ ├── 1301_1302 面向医学领域的深度学习实战_整体网络架构.mp4
│ │ ├── 1300_1301 面向医学领域的深度学习实战_池化层的作用.mp4
│ │ ├── 1303_1304 面向医学领域的深度学习实战_残差网络Resnet.mp4
│ │ ├── 1302_1303 面向医学领域的深度学习实战_VGG网络架构.mp4
│ │ ├── 1306_1307 面向医学领域的深度学习实战_PyTorch框架发展趋势简介.mp4
│ │ ├── 1305_1306 面向医学领域的深度学习实战_PyTorch实战课程简介.mp4
│ │ ├── 1308_1309 面向医学领域的深度学习实战_PyTorch基本操作简介.mp4
│ │ ├── 1307_1308 面向医学领域的深度学习实战_框架安装方法（CPU与GPU版本）.mp4
│ │ ├── 1314_1315 面向医学领域的深度学习实战_卷积网络参数定义.mp4
│ │ ├── 1311_1312 面向医学领域的深度学习实战_线性回归DEMO-训练回归模型.mp4
│ │ ├── 1309_1310 面向医学领域的深度学习实战_自动求导机制.mp4
│ │ ├── 1316_1317 面向医学领域的深度学习实战_Vision模块功能解读.mp4
│ │ ├── 1315_1316 面向医学领域的深度学习实战_网络流程解读.mp4
│ │ ├── 1317_1318 面向医学领域的深度学习实战_分类任务数据集定义与配置.mp4
│ │ ├── 1318_1319 面向医学领域的深度学习实战_图像增强的作用.mp4
│ │ ├── 1320_1321 面向医学领域的深度学习实战_Batch数据制作.mp4
│ │ ├── 1322_1323 面向医学领域的深度学习实战_迁移学习策略.mp4
│ │ ├── 1324_1325 面向医学领域的深度学习实战_优化器模块配置.mp4
│ │ ├── 1325_1326 面向医学领域的深度学习实战_实现训练模块.mp4
│ │ ├── 1326_1327 面向医学领域的深度学习实战_训练结果与模型保存.mp4
│ │ ├── 1329_1330 面向医学领域的深度学习实战_额外补充-Resnet网络架构解读.mp4
│ │ ├── 1330_1331 面向医学领域的深度学习实战_医学疾病数据集介绍.mp4
│ │ ├── 1328_1329 面向医学领域的深度学习实战_额外补充-Resnet论文解读.mp4
│ │ ├── 1331_1332 面向医学领域的深度学习实战_Resnet网络架构原理分析.mp4
│ │ ├── 1335_1336 面向医学领域的深度学习实战_特征图升维与降采样操作.mp4
│ │ ├── 1334_1335 面向医学领域的深度学习实战_残差网络的shortcut操作.mp4
│ │ ├── 1333_1334 面向医学领域的深度学习实战_Resnet网络前向传播.mp4
│ │ ├── 1339_1340 面向医学领域的深度学习实战_MIOU评估标准.mp4
│ │ ├── 1337_1338 面向医学领域的深度学习实战_语义分割与实例分割概述.mp4
│ │ ├── 1336_1337 面向医学领域的深度学习实战_网络整体流程与训练演示.mp4
│ │ ├── 1338_1339 面向医学领域的深度学习实战_分割任务中的目标函数定义.mp4
│ │ ├── 1340_1341 面向医学领域的深度学习实战_Unet网络编码与解码过程.mp4
│ │ ├── 1341_1342 面向医学领域的深度学习实战_网络计算流程.mp4
│ │ ├── 1342_1343 面向医学领域的深度学习实战_Unet升级版本改进.mp4
│ │ ├── 1344_1345 面向医学领域的深度学习实战_医学细胞数据集介绍与参数配置.mp4
│ │ ├── 1343_1344 面向医学领域的深度学习实战_后续升级版本介绍.mp4
│ │ ├── 1349_1350 面向医学领域的深度学习实战_模型效果验证.mp4
│ │ ├── 1350_1351 面向医学领域的深度学习实战_deeplab分割算法概述.mp4
│ │ ├── 1346_1347 面向医学领域的深度学习实战_Debug模式演示网络计算流程.mp4
│ │ ├── 1348_1349 面向医学领域的深度学习实战_迭代完成整个模型计算任务.mp4
│ │ ├── 1347_1348 面向医学领域的深度学习实战_特征融合方法演示.mp4
│ │ ├── 1354_1355 面向医学领域的深度学习实战_ASPP特征融合策略.mp4
│ │ ├── 1353_1354 面向医学领域的深度学习实战_SPP层的作用.mp4
│ │ ├── 1355_1356 面向医学领域的深度学习实战_deeplabV3Plus版本网络架构.mp4
│ │ ├── 1357_1358 面向医学领域的深度学习实战_项目参数与数据集读取.mp4
│ │ ├── 1356_1357 面向医学领域的深度学习实战_PascalVoc数据集介绍.mp4
│ │ ├── 1363_1364 面向医学领域的深度学习实战_任务流程解读.mp4
│ │ ├── 1358_1359 面向医学领域的深度学习实战_网络前向传播流程.mp4
│ │ ├── 1360_1361 面向医学领域的深度学习实战_分割模型训练.mp4
│ │ ├── 1359_1360 面向医学领域的深度学习实战_ASPP层特征融合.mp4
│ │ ├── 1362_1363 面向医学领域的深度学习实战_项目基本配置参数.mp4
│ │ ├── 1365_1366 面向医学领域的深度学习实战_补充：视频数据源特征处理方法概述.mp4
│ │ ├── 1366_1367 面向医学领域的深度学习实战_补充：R(2plus1)D处理方法分析.mp4
│ │ ├── 1364_1365 面向医学领域的深度学习实战_文献报告分析.mp4
│ │ ├── 1368_1369 面向医学领域的深度学习实战_不同阶段算法优缺点分析.mp4
│ │ ├── 1367_1368 面向医学领域的深度学习实战_检测任务中阶段的意义.mp4
│ │ ├── 1373_1374 面向医学领域的深度学习实战_检测算法要得到的结果.mp4
│ │ ├── 1370_1371 面向医学领域的深度学习实战_评估所需参数计算.mp4
│ │ ├── 1372_1373 面向医学领域的深度学习实战_YOLO算法整体思路解读.mp4
│ │ ├── 1374_1375 面向医学领域的深度学习实战_整体网络架构解读.mp4
│ │ ├── 1369_1370 面向医学领域的深度学习实战_IOU指标计算.mp4
│ │ ├── 1378_1379 面向医学领域的深度学习实战_网络结构特点.mp4
│ │ ├── 1377_1378 面向医学领域的深度学习实战_V2版本细节升级概述.mp4
│ │ ├── 1375_1376 面向医学领域的深度学习实战_位置损失计算.mp4
│ │ ├── 1379_1380 面向医学领域的深度学习实战_架构细节解读.mp4
│ │ ├── 1383_1384 面向医学领域的深度学习实战_感受野的作用.mp4
│ │ ├── 1382_1383 面向医学领域的深度学习实战_坐标映射与还原.mp4
│ │ ├── 1384_1385 面向医学领域的深度学习实战_特征融合改进.mp4
│ │ ├── 1381_1382 面向医学领域的深度学习实战_偏移量计算方法.mp4
│ │ ├── 1380_1381 面向医学领域的深度学习实战_基于聚类来选择先验框尺寸.mp4
│ │ ├── 1388_1389 面向医学领域的深度学习实战_残差连接方法解读.mp4
│ │ ├── 1389_1390 面向医学领域的深度学习实战_整体网络模型架构分析.mp4
│ │ ├── 1385_1386 面向医学领域的深度学习实战_V3版本改进概述.mp4
│ │ ├── 1386_1387 面向医学领域的深度学习实战_多scale方法改进与特征融合.mp4
│ │ ├── 1393_1394 面向医学领域的深度学习实战_V4版本贡献解读.mp4
│ │ ├── 1392_1393 面向医学领域的深度学习实战_V4版本整体概述.mp4
│ │ ├── 1391_1392 面向医学领域的深度学习实战_sotfmax层改进.mp4
│ │ ├── 1390_1391 面向医学领域的深度学习实战_先验框设计改进.mp4
│ │ ├── 1396_1397 面向医学领域的深度学习实战_损失函数遇到的问题.mp4
│ │ ├── 1394_1395 面向医学领域的深度学习实战_数据增强策略分析.mp4
│ │ ├── 1398_1399 面向医学领域的深度学习实战_NMS细节改进.mp4
│ │ ├── 1397_1398 面向医学领域的深度学习实战_CIOU损失函数定义.mp4
│ │ ├── 1400_1401 面向医学领域的深度学习实战_SAM注意力机制模块.mp4
│ │ ├── 1402_1403 面向医学领域的深度学习实战_激活函数与整体架构总结.mp4
│ │ ├── 1403_1404 面向医学领域的深度学习实战_任务与细胞数据集介绍.mp4
│ │ ├── 1404_1405 面向医学领域的深度学习实战_模型与算法配置参数解读.mp4
│ │ ├── 1406_1407 面向医学领域的深度学习实战_效果评估与展示.mp4
│ │ ├── 1405_1406 面向医学领域的深度学习实战_网络训练流程演示.mp4
│ │ ├── 1407_1408 面向医学领域的深度学习实战_细胞检测效果演示.mp4
│ │ ├── 1408_1409 面向医学领域的深度学习实战_知识图谱通俗解读.mp4
│ │ ├── 1411_1412 面向医学领域的深度学习实战_金融与推荐领域的应用.mp4
│ │ ├── 1412_1413 面向医学领域的深度学习实战_数据获取分析.mp4
│ │ ├── 1410_1411 面向医学领域的深度学习实战_知识图谱在医疗领域应用实例.mp4
│ │ ├── 1414_1415 面向医学领域的深度学习实战_常用NLP技术点分析.mp4
│ │ ├── 1415_1416 面向医学领域的深度学习实战_graph-embedding的作用与效果.mp4
│ │ ├── 1420_1421 面向医学领域的深度学习实战_Neo4j数据库安装流程演示.mp4
│ │ ├── 1417_1418 面向医学领域的深度学习实战_视觉领域图编码实例.mp4
│ │ ├── 1421_1422 面向医学领域的深度学习实战_可视化例子演示.mp4
│ │ ├── 1418_1419 面向医学领域的深度学习实战_图谱知识融合与总结分析.mp4
│ │ ├── 1416_1417 面向医学领域的深度学习实战_金融领域图编码实例.mp4
│ │ ├── 1422_1423 面向医学领域的深度学习实战_创建与删除操作演示.mp4
│ │ ├── 1427_1428 面向医学领域的深度学习实战_环境配置与所需工具包安装.mp4
│ │ ├── 1428_1429 面向医学领域的深度学习实战_提取数据中的关键字段信息.mp4
│ │ ├── 1424_1425 面向医学领域的深度学习实战_项目概述与整体架构分析.mp4
│ │ ├── 1429_1430 面向医学领域的深度学习实战_创建关系边.mp4
│ │ ├── 1430_1431 面向医学领域的深度学习实战_打造医疗知识图谱模型.mp4
│ │ ├── 1434_1435 面向医学领域的深度学习实战_词向量模型通俗解释.mp4
│ │ ├── 1432_1433 面向医学领域的深度学习实战_实体关键词字典制作.mp4
│ │ ├── 1433_1434 面向医学领域的深度学习实战_完成对话系统构建.mp4
│ │ ├── 1438_1439 面向医学领域的深度学习实战_负采样方案.mp4
│ │ ├── 1441_1442 面向医学领域的深度学习实战_整体模型架构.mp4
│ │ ├── 1437_1438 面向医学领域的深度学习实战_CBOW与Skip-gram模型.mp4
│ │ ├── 1436_1437 面向医学领域的深度学习实战_训练数据构建.mp4
│ │ ├── 1440_1441 面向医学领域的深度学习实战_数据与任务介绍.mp4
│ │ ├── 1442_1443 面向医学领域的深度学习实战_数据-标签-语料库处理.mp4
│ │ ├── 1445_1446 面向医学领域的深度学习实战_医疗数据集（糖尿病）实体识别.mp4
│ │ ├── 1444_1445 面向医学领域的深度学习实战_训练网络模型.mp4
│ │ ├── 1443_1444 面向医学领域的深度学习实战_输入样本填充补齐.mp4
├── 07 走向AI论文实验与项目实战的捷径-MMLAB实战系列
│ ├── 08 第八章 走向AI论文实验与项目实战的捷径-MMLAB实战系列
│ │ ├── 359_360 走向AI论文实验与项目实战的捷径-MMLAB实战系列_MMCV安装方法.mp4
│ │ ├── 360_361 走向AI论文实验与项目实战的捷径-MMLAB实战系列_MMCLS问题修正.mp4
│ │ ├── 364_365 走向AI论文实验与项目实战的捷径-MMLAB实战系列_生成完整配置文件.mp4
│ │ ├── 361_362 走向AI论文实验与项目实战的捷径-MMLAB实战系列_准备MMCLS项目.mp4
│ │ ├── 362_363 走向AI论文实验与项目实战的捷径-MMLAB实战系列_基本参数配置解读.mp4
│ │ ├── 367_368 走向AI论文实验与项目实战的捷径-MMLAB实战系列_训练自己的任务.mp4
│ │ ├── 368_369 走向AI论文实验与项目实战的捷径-MMLAB实战系列_测试DEMO效果.mp4
│ │ ├── 365_366 走向AI论文实验与项目实战的捷径-MMLAB实战系列_根据文件夹定义数据集.mp4
│ │ ├── 366_367 走向AI论文实验与项目实战的捷径-MMLAB实战系列_构建自己的数据集.mp4
│ │ ├── 371_372 走向AI论文实验与项目实战的捷径-MMLAB实战系列_修改配置文件中的参数.mp4
│ │ ├── 369_370 走向AI论文实验与项目实战的捷径-MMLAB实战系列_测试评估模型效果.mp4
│ │ ├── 372_373 走向AI论文实验与项目实战的捷径-MMLAB实战系列_数据增强流程可视化展示.mp4
│ │ ├── 373_374 走向AI论文实验与项目实战的捷径-MMLAB实战系列_Grad-Cam可视化方法.mp4
│ │ ├── 380_381 走向AI论文实验与项目实战的捷径-MMLAB实战系列_前向传播基本模块.mp4
│ │ ├── 376_377 走向AI论文实验与项目实战的捷径-MMLAB实战系列_模型分析脚本使用.mp4
│ │ ├── 375_376 走向AI论文实验与项目实战的捷径-MMLAB实战系列_MMCLS可视化模块应用.mp4
│ │ ├── 378_379 走向AI论文实验与项目实战的捷径-MMLAB实战系列_数据增强模块概述分析.mp4
│ │ ├── 382_383 走向AI论文实验与项目实战的捷径-MMLAB实战系列_项目配置基本介绍.mp4
│ │ ├── 381_382 走向AI论文实验与项目实战的捷径-MMLAB实战系列_CLS与输出模块.mp4
│ │ ├── 383_384 走向AI论文实验与项目实战的捷径-MMLAB实战系列_数据集标注与制作方法.mp4
│ │ ├── 384_385 走向AI论文实验与项目实战的捷径-MMLAB实战系列_根据预测类别数修改配置文件.mp4
│ │ ├── 385_386 走向AI论文实验与项目实战的捷径-MMLAB实战系列_加载预训练模型开始训练.mp4
│ │ ├── 390_391 走向AI论文实验与项目实战的捷径-MMLAB实战系列_辅助层的作用.mp4
│ │ ├── 391_392 走向AI论文实验与项目实战的捷径-MMLAB实战系列_给Unet添加一个neck层.mp4
│ │ ├── 389_390 走向AI论文实验与项目实战的捷径-MMLAB实战系列_上采样与输出层.mp4
│ │ ├── 388_389 走向AI论文实验与项目实战的捷径-MMLAB实战系列_编码层模块.mp4
│ │ ├── 394_395 走向AI论文实验与项目实战的捷径-MMLAB实战系列_VIT模块源码分析.mp4
│ │ ├── 395_396 走向AI论文实验与项目实战的捷径-MMLAB实战系列_注册自己的Backbone模块.mp4
│ │ ├── 396_397 走向AI论文实验与项目实战的捷径-MMLAB实战系列_配置文件指定.mp4
│ │ ├── 398_399 走向AI论文实验与项目实战的捷径-MMLAB实战系列_PatchEmbedding的作用与实现.mp4
│ │ ├── 397_398 走向AI论文实验与项目实战的捷径-MMLAB实战系列_DEBUG解读Backbone设计.mp4
│ │ ├── 400_401 走向AI论文实验与项目实战的捷径-MMLAB实战系列_近似Attention模块实现.mp4
│ │ ├── 404_405 走向AI论文实验与项目实战的捷径-MMLAB实战系列_汇总多层级特征进行输出.mp4
│ │ ├── 403_404 走向AI论文实验与项目实战的捷径-MMLAB实战系列_全局特征的作用与实现.mp4
│ │ ├── 402_403 走向AI论文实验与项目实战的捷径-MMLAB实战系列_分割输出模块.mp4
│ │ ├── 401_402 走向AI论文实验与项目实战的捷径-MMLAB实战系列_完成特征提取与融合模块.mp4
│ │ ├── 405_406 走向AI论文实验与项目实战的捷径-MMLAB实战系列_数据集标注与标签获取.mp4
│ │ ├── 407_408 走向AI论文实验与项目实战的捷径-MMLAB实战系列_通过脚本生成COCO数据格式.mp4
│ │ ├── 406_407 走向AI论文实验与项目实战的捷径-MMLAB实战系列_COCO数据标注格式.mp4
│ │ ├── 410_411 走向AI论文实验与项目实战的捷径-MMLAB实战系列_模型训练与DEMO演示.mp4
│ │ ├── 411_412 走向AI论文实验与项目实战的捷径-MMLAB实战系列_模型测试与可视化分析模块.mp4
│ │ ├── 414_415 走向AI论文实验与项目实战的捷径-MMLAB实战系列_序列特征展开并叠加.mp4
│ │ ├── 415_416 走向AI论文实验与项目实战的捷径-MMLAB实战系列_得到相对位置点编码.mp4
│ │ ├── 416_417 走向AI论文实验与项目实战的捷径-MMLAB实战系列_准备Encoder编码层所需全部输入.mp4
│ │ ├── 412_413 走向AI论文实验与项目实战的捷径-MMLAB实战系列_补充：评估指标.mp4
│ │ ├── 420_421 走向AI论文实验与项目实战的捷径-MMLAB实战系列_Encoder层完成特征对齐.mp4
│ │ ├── 424_425 走向AI论文实验与项目实战的捷径-MMLAB实战系列_第三模块：DeformableDetr算法解读.mp4
│ │ ├── 423_424 走向AI论文实验与项目实战的捷径-MMLAB实战系列_预测输出结果与标签匹配模块.mp4
│ │ ├── 417_418 走向AI论文实验与项目实战的捷径-MMLAB实战系列_编码层中的序列分析.mp4
│ │ ├── 425_426 走向AI论文实验与项目实战的捷径-MMLAB实战系列_Backbone获取多层级特征.mp4
│ │ ├── 427_428 走向AI论文实验与项目实战的捷径-MMLAB实战系列_多层级输入特征序列创建方法.mp4
│ │ ├── 428_429 走向AI论文实验与项目实战的捷径-MMLAB实战系列_偏移量与权重计算并转换.mp4
│ │ ├── 432_433 走向AI论文实验与项目实战的捷径-MMLAB实战系列_损失模块输入参数分析.mp4
│ │ ├── 429_430 走向AI论文实验与项目实战的捷径-MMLAB实战系列_Encoder特征构建方法实例.mp4
│ │ ├── 430_431 走向AI论文实验与项目实战的捷径-MMLAB实战系列_query要预测的任务解读.mp4
│ │ ├── 437_438 走向AI论文实验与项目实战的捷径-MMLAB实战系列_汇总所有损失完成迭代.mp4
│ │ ├── 440_441 走向AI论文实验与项目实战的捷径-MMLAB实战系列_配置文件参数设置.mp4
│ │ ├── 434_435 走向AI论文实验与项目实战的捷径-MMLAB实战系列_正样本筛选损失计算.mp4
│ │ ├── 439_440 走向AI论文实验与项目实战的捷径-MMLAB实战系列_文字检测数据概述与配置文件.mp4
│ │ ├── 436_437 走向AI论文实验与项目实战的捷径-MMLAB实战系列_最终损失计算流程.mp4
│ │ ├── 441_442 走向AI论文实验与项目实战的捷径-MMLAB实战系列_Neck层特征组合.mp4
│ │ ├── 446_447 走向AI论文实验与项目实战的捷径-MMLAB实战系列_Bakbone模块得到特征.mp4
│ │ ├── 445_446 走向AI论文实验与项目实战的捷径-MMLAB实战系列_配置文件修改方法.mp4
│ │ ├── 449_450 走向AI论文实验与项目实战的捷径-MMLAB实战系列_文本模型中的结构分析.mp4
│ │ ├── 453_454 走向AI论文实验与项目实战的捷径-MMLAB实战系列_KIE数据集格式调整方法.mp4
│ │ ├── 450_451 走向AI论文实验与项目实战的捷径-MMLAB实战系列_迭代修正模块.mp4
│ │ ├── 452_453 走向AI论文实验与项目实战的捷径-MMLAB实战系列_配置文件以及要完成的任务解读.mp4
│ │ ├── 451_452 走向AI论文实验与项目实战的捷径-MMLAB实战系列_输出层与损失计算.mp4
│ │ ├── 455_456 走向AI论文实验与项目实战的捷径-MMLAB实战系列_边框要计算的特征分析.mp4
│ │ ├── 454_455 走向AI论文实验与项目实战的捷径-MMLAB实战系列_配置文件与标签要进行处理操作.mp4
│ │ ├── 456_457 走向AI论文实验与项目实战的捷径-MMLAB实战系列_标签数据处理与关系特征提取.mp4
│ │ ├── 457_458 走向AI论文实验与项目实战的捷径-MMLAB实战系列_特征合并处理.mp4
│ │ ├── 458_459 走向AI论文实验与项目实战的捷径-MMLAB实战系列_准备拼接边与点特征.mp4
│ │ ├── 463_464 走向AI论文实验与项目实战的捷径-MMLAB实战系列_基础风格特征卷积模块.mp4
│ │ ├── 461_462 走向AI论文实验与项目实战的捷径-MMLAB实战系列_得到style特征编码.mp4
│ │ ├── 459_460 走向AI论文实验与项目实战的捷径-MMLAB实战系列_整合得到图模型输入特征.mp4
│ │ ├── 467_468 走向AI论文实验与项目实战的捷径-MMLAB实战系列_特征基础提取模块.mp4
│ │ ├── 460_461 走向AI论文实验与项目实战的捷径-MMLAB实战系列_要完成的任务与基本思想概述.mp4
│ │ ├── 464_465 走向AI论文实验与项目实战的捷径-MMLAB实战系列_上采样得到输出结果.mp4
│ │ ├── 469_470 走向AI论文实验与项目实战的捷径-MMLAB实战系列_基于光流完成对齐操作.mp4
│ │ ├── 468_469 走向AI论文实验与项目实战的捷径-MMLAB实战系列_光流估计网络模块.mp4
│ │ ├── 471_472 走向AI论文实验与项目实战的捷径-MMLAB实战系列_双向计算特征对齐.mp4
│ │ ├── 470_471 走向AI论文实验与项目实战的捷径-MMLAB实战系列_偏移量计算方法.mp4
│ │ ├── 474_475 走向AI论文实验与项目实战的捷径-MMLAB实战系列_准备变形卷积模块的输入.mp4
│ │ ├── 473_474 走向AI论文实验与项目实战的捷径-MMLAB实战系列_序列传播计算.mp4
│ │ ├── 472_473 走向AI论文实验与项目实战的捷径-MMLAB实战系列_提特征传递流程分析.mp4
│ │ ├── 476_477 走向AI论文实验与项目实战的捷径-MMLAB实战系列_完成输出结果.mp4
│ │ ├── 475_476 走向AI论文实验与项目实战的捷径-MMLAB实战系列_传播流程整体完成一圈.mp4
│ │ ├── 479_480 走向AI论文实验与项目实战的捷径-MMLAB实战系列_基本流程梳理并进入debug模式.mp4
│ │ ├── 478_479 走向AI论文实验与项目实战的捷径-MMLAB实战系列_数据与标注文件介绍.mp4
│ │ ├── 477_478 走向AI论文实验与项目实战的捷径-MMLAB实战系列_环境配置与数据集概述.mp4
│ │ ├── 47_48 深度学习框架PyTorch_图像数据与标签路径处理.mp4
│ │ ├── 480_481 走向AI论文实验与项目实战的捷径-MMLAB实战系列_数据与图像特征提取模块.mp4
│ │ ├── 482_483 走向AI论文实验与项目实战的捷径-MMLAB实战系列_体素特征提取方法解读.mp4
│ │ ├── 481_482 走向AI论文实验与项目实战的捷径-MMLAB实战系列_体素索引位置获取.mp4
│ │ ├── 485_486 走向AI论文实验与项目实战的捷径-MMLAB实战系列_多模态特征融合.mp4
│ │ ├── 484_485 走向AI论文实验与项目实战的捷径-MMLAB实战系列_全局体素特征提取.mp4
│ │ ├── 487_488 走向AI论文实验与项目实战的捷径-MMLAB实战系列_输出层预测结果.mp4
│ │ ├── 489_490 走向AI论文实验与项目实战的捷径-MMLAB实战系列_Teacher与Student网络结构定义.mp4
│ │ ├── 491_492 走向AI论文实验与项目实战的捷径-MMLAB实战系列_开始模型训练过程与问题修正.mp4
│ │ ├── 488_489 走向AI论文实验与项目实战的捷径-MMLAB实战系列_任务概述与工具使用.mp4
│ │ ├── 493_494 走向AI论文实验与项目实战的捷径-MMLAB实战系列_分别得到Teacher与Student模型.mp4
│ │ ├── 492_493 走向AI论文实验与项目实战的捷径-MMLAB实战系列_日志输出与模型分离.mp4
│ │ ├── 496_497 走向AI论文实验与项目实战的捷径-MMLAB实战系列_搜索匹配到符合计算量的模型并训练.mp4
│ │ ├── 494_495 走向AI论文实验与项目实战的捷径-MMLAB实战系列_实际测试效果演示.mp4
│ │ ├── 498_499 走向AI论文实验与项目实战的捷径-MMLAB实战系列_OCR算法解读.mp4
│ │ ├── 495_496 走向AI论文实验与项目实战的捷径-MMLAB实战系列_SuperNet网络结构分析与剪枝概述.mp4
│ │ ├── 499_500 走向AI论文实验与项目实战的捷径-MMLAB实战系列_额外补充-在源码中加入各种注意力机制方法.mp4
│ │ ├── 500_501 MMLAB实战系列_额外补充-在源码中加入各种注意力机制方法.mp4
│ │ ├── 500_501 走向AI论文实验与项目实战的捷径-MMLAB实战系列_获取检测结果与追踪初始化.mp4
│ │ ├── 49_50 深度学习框架PyTorch_实用Dataloader加载数据并训练模型.mp4
│ │ ├── 501_502 走向AI论文实验与项目实战的捷径-MMLAB实战系列_初始时刻追踪器创建.mp4
│ │ ├── 503_504 走向AI论文实验与项目实战的捷径-MMLAB实战系列_匹配过程细节分析.mp4
│ │ ├── 504_505 走向AI论文实验与项目实战的捷径-MMLAB实战系列_不同帧时刻追踪器状态更新方法.mp4
│ │ ├── 502_503 走向AI论文实验与项目实战的捷径-MMLAB实战系列_追踪器记录信息概述.mp4
│ │ ├── 505_506 走向AI论文实验与项目实战的捷径-MMLAB实战系列_追踪器状态更新处理.mp4
│ │ ├── 506_507 走向AI论文实验与项目实战的捷径-MMLAB实战系列_追踪器迭代更新策略.mp4
├── 29 自然语言处理经典案例实战
│ ├── 23 第二十三章 自然语言处理经典案例实战
│ │ ├── 1580_1581 自然语言处理经典案例实战_Python字符串处理.mp4
│ │ ├── 1582_1583 自然语言处理经典案例实战_正则常用符号.mp4
│ │ ├── 1584_1585 自然语言处理经典案例实战_NLTK工具包简介.mp4
│ │ ├── 1581_1582 自然语言处理经典案例实战_正则表达式基本语法.mp4
│ │ ├── 1589_1590 自然语言处理经典案例实战_名字实体匹配.mp4
│ │ ├── 1585_1586 自然语言处理经典案例实战_停用词过滤.mp4
│ │ ├── 1587_1588 自然语言处理经典案例实战_数据清洗实例.mp4
│ │ ├── 1590_1591 自然语言处理经典案例实战_恐怖袭击分析.mp4
│ │ ├── 1591_1592 自然语言处理经典案例实战_统计分析结果.mp4
│ │ ├── 1595_1596 自然语言处理经典案例实战_商品类别划分方式.mp4
│ │ ├── 1594_1595 自然语言处理经典案例实战_在线商城商品数据信息概述.mp4
│ │ ├── 1592_1593 自然语言处理经典案例实战_结巴分词器.mp4
│ │ ├── 1596_1597 自然语言处理经典案例实战_商品类别可视化展示.mp4
│ │ ├── 1598_1599 自然语言处理经典案例实战_关键词的词云可视化展示.mp4
│ │ ├── 1597_1598 自然语言处理经典案例实战_商品描述长度对价格的影响分析.mp4
│ │ ├── 1600_1601 自然语言处理经典案例实战_通过降维进行可视化展示.mp4
│ │ ├── 1601_1602 自然语言处理经典案例实战_聚类分析与主题模型展示.mp4
│ │ ├── 1604_1605 自然语言处理经典案例实战_贝叶斯拼写纠错实例.mp4
│ │ ├── 1603_1604 自然语言处理经典案例实战_贝叶斯推导实例.mp4
│ │ ├── 1605_1606 自然语言处理经典案例实战_垃圾邮件过滤实例.mp4
│ │ ├── 1602_1603 自然语言处理经典案例实战_贝叶斯算法概述.mp4
│ │ ├── 1611_1612 自然语言处理经典案例实战_LDA建模.mp4
│ │ ├── 1606_1607 自然语言处理经典案例实战_贝叶斯实现拼写检查器.mp4
│ │ ├── 1610_1611 自然语言处理经典案例实战_TF-IDF关键词提取.mp4
│ │ ├── 1607_1608 自然语言处理经典案例实战_文本分析与关键词提取.mp4
│ │ ├── 1612_1613 自然语言处理经典案例实战_基于贝叶斯算法进行新闻分类.mp4
│ │ ├── 1613_1614 自然语言处理经典案例实战_马尔科夫模型.mp4
│ │ ├── 1615_1616 自然语言处理经典案例实战_组成与要解决的问题.mp4
│ │ ├── 1614_1615 自然语言处理经典案例实战_隐马尔科夫模型基本出发点.mp4
│ │ ├── 1616_1617 自然语言处理经典案例实战_暴力求解方法.mp4
│ │ ├── 1619_1620 自然语言处理经典案例实战_前向算法求解实例.mp4
│ │ ├── 1617_1618 自然语言处理经典案例实战_复杂度计算.mp4
│ │ ├── 1618_1619 自然语言处理经典案例实战_前向算法.mp4
│ │ ├── 1624_1625 自然语言处理经典案例实战_工具包使用方法.mp4
│ │ ├── 1621_1622 自然语言处理经典案例实战_参数求解.mp4
│ │ ├── 1622_1623 自然语言处理经典案例实战_维特比算法.mp4
│ │ ├── 1620_1621 自然语言处理经典案例实战_Baum-Welch算法.mp4
│ │ ├── 1625_1626 自然语言处理经典案例实战_中文分词任务.mp4
│ │ ├── 1628_1629 自然语言处理经典案例实战_语言模型.mp4
│ │ ├── 1627_1628 自然语言处理经典案例实战_开篇.mp4
│ │ ├── 1631_1632 自然语言处理经典案例实战_神经网络模型.mp4
│ │ ├── 1630_1631 自然语言处理经典案例实战_词向量.mp4
│ │ ├── 1633_1634 自然语言处理经典案例实战_CBOW模型实例.mp4
│ │ ├── 1634_1635 自然语言处理经典案例实战_CBOW求解目标.mp4
│ │ ├── 1636_1637 自然语言处理经典案例实战_负采样模型.mp4
│ │ ├── 1635_1636 自然语言处理经典案例实战_锑度上升求解.mp4
│ │ ├── 1637_1638 自然语言处理经典案例实战_使用Gensim库构造词向量.mp4
│ │ ├── 1641_1642 自然语言处理经典案例实战_影评情感分类.mp4
│ │ ├── 1640_1641 自然语言处理经典案例实战_测试模型相似度结果.mp4
│ │ ├── 1638_1639 自然语言处理经典案例实战_维基百科中文数据处理.mp4
│ │ ├── 1647_1648 自然语言处理经典案例实战_词袋模型分析.mp4
│ │ ├── 1645_1646 自然语言处理经典案例实战_任务概述.mp4
│ │ ├── 1644_1645 自然语言处理经典案例实战_使用gensim构建word2vec词向量（新）.mp4
│ │ ├── 1650_1651 自然语言处理经典案例实战_深度学习模型.mp4
│ │ ├── 1651_1652 自然语言处理经典案例实战_任务概述.mp4
│ │ ├── 1652_1653 自然语言处理经典案例实战_数据展示.mp4
│ │ ├── 1653_1654 自然语言处理经典案例实战_正负样本制作.mp4
│ │ ├── 1655_1656 自然语言处理经典案例实战_网络模型定义.mp4
│ │ ├── 1654_1655 自然语言处理经典案例实战_数据预处理.mp4
│ │ ├── 1656_1657 自然语言处理经典案例实战_基于字符的训练.mp4
│ │ ├── 1663_1664 自然语言处理经典案例实战_任务概述与环境配置.mp4
│ │ ├── 1657_1658 自然语言处理经典案例实战_基于句子的相似度训练.mp4
│ │ ├── 1658_1659 自然语言处理经典案例实战_RNN网络架构.mp4
│ │ ├── 1662_1663 自然语言处理经典案例实战_基于word2vec的LSTM模型.mp4
│ │ ├── 1661_1662 自然语言处理经典案例实战_情感数据集处理.mp4
│ │ ├── 1666_1667 自然语言处理经典案例实战_batch数据制作.mp4
│ │ ├── 1665_1666 自然语言处理经典案例实战_数据预处理模块.mp4
│ │ ├── 1668_1669 自然语言处理经典案例实战_完成训练模块.mp4
│ │ ├── 1669_1670 自然语言处理经典案例实战_训练唐诗生成模型.mp4
│ │ ├── 1667_1668 自然语言处理经典案例实战_RNN模型定义.mp4
│ │ ├── 1673_1674 自然语言处理经典案例实战_数据处理.mp4
│ │ ├── 1674_1675 自然语言处理经典案例实战_词向量与投影.mp4
│ │ ├── 1672_1673 自然语言处理经典案例实战_参数配置与数据加载.mp4
│ │ ├── 1670_1671 自然语言处理经典案例实战_测试唐诗生成效果.mp4
│ │ ├── 1675_1676 自然语言处理经典案例实战_seq网络.mp4
├── 13 CV大模型实战
│ ├── 21 第二十一章 CV大模型实战
│ │ ├── 1466 4-codebook模块的作用.mp4.mp4
│ │ ├── 1467 5-任务总结分析.mp4.mp4
│ │ ├── 1465 3-建模流程分析与效果展示.mp4.mp4
│ │ ├── 1469 2-自监督任务中两大核心任务分析.mp4.mp4
│ │ ├── 1468 1-BEITV2版本论文出发点解读.mp4.mp4
│ │ ├── 1470 3-整体网络架构图分析.mp4.mp4
│ │ ├── 1471 4-框架实现细节流程分析.mp4.mp4
│ │ ├── 1473 1-mmselfup源码实现解读.mp4.mp4
│ │ ├── 1472 5-论文细节模块实现解读.mp4.mp4
│ │ ├── 1477 2-BEV中的3D与4D分析.mp4.mp4
│ │ ├── 1476 1-BEV要解决的问题通俗解读.mp4.mp4
│ │ ├── 1475 3-源码实现流程总结.mp4.mp4
│ │ ├── 1474 2-网络结构搭建细节解读.mp4.mp4
│ │ ├── 1478 3-特征融合过程中可能遇到的问题.mp4.mp4
│ │ ├── 1480 5-DeformableAttention回顾.mp4.mp4
│ │ ├── 1483 8-论文知识点分析.mp4.mp4
│ │ ├── 1481 6-空间注意力模块解读.mp4.mp4
│ │ ├── 1482 7-时间模块与拓展补充.mp4.mp4
│ │ ├── 1487 2-数据集下载与配置方法.mp4.mp4
│ │ ├── 1488 3-特征提取以及BEV空间初始化.mp4.mp4
│ │ ├── 1484 9-核心模块论文分析.mp4.mp4
│ │ ├── 1486 1-环境配置方法解读.mp4.mp4
│ │ ├── 1489 4-特征对齐与位置编码初始化.mp4.mp4
│ │ ├── 1491 6-BEV空间与图像空间位置对应.mp4.mp4
│ │ ├── 1492 7-注意力机制模块计算方法.mp4.mp4
│ │ ├── 1490 5-Reference初始点构建.mp4.mp4
│ │ ├── 1495 10-获取当前BEV特征.mp4.mp4
│ │ ├── 1493 8-BEV空间特征构建.mp4.mp4
│ │ ├── 1495_1496 CV与NLP经典大模型解读2_整体故事解读.mp4
│ │ ├── 1494 9-Decoder要完成的任务分析.mp4.mp4
│ │ ├── 1497 12-损失函数与预测可视化.mp4.mp4
│ │ ├── 1496 11-Decoder级联校正模块.mp4.mp4
│ │ ├── 1496_1497 CV与NLP经典大模型解读2_要解决的问题和整体框架分析.mp4
│ │ ├── 1498 1-DeformableAttention概述分析.mp4.mp4
│ │ ├── 1497_1498 CV与NLP经典大模型解读2_论文基本框架分析.mp4
│ │ ├── 1500_1501 CV与NLP经典大模型解读2_计划模块实现细节.mp4
│ │ ├── 1499_1500 CV与NLP经典大模型解读2_感知与反思模块构建流程.mp4
│ │ ├── 1498_1499 CV与NLP经典大模型解读2_Agent的记忆信息.mp4
│ │ ├── 1501 2-LLM落地微调分析.mp4.mp4
│ │ ├── 1501_1502 CV与NLP经典大模型解读2_整体流程框架图.mp4
│ │ ├── 1503 4-LORA微调的核心思想.mp4.mp4
│ │ ├── 1502 3-LLAMA与LORA介绍.mp4.mp4
│ │ ├── 1502_1503 CV与NLP经典大模型解读2_感知模块解读.mp4
│ │ ├── 1506 2-基本API调用方法.mp4.mp4
│ │ ├── 1504_1505 CV与NLP经典大模型解读2_项目环境配置方法解读.mp4
│ │ ├── 1503_1504 CV与NLP经典大模型解读2_思考模块解读.mp4
│ │ ├── 1505_1506 CV与NLP经典大模型解读2_CVPR2024 EfficientSam.mp4
│ │ ├── 1504 5-LORA模型实现细节.mp4.mp4
│ │ ├── 1507 3-数据文档切分操作.mp4.mp4
│ │ ├── 1509 5-数据切块方法.mp4.mp4
│ │ ├── 1508 4-样本索引与向量构建.mp4.mp4
│ │ ├── 1509 llama3微调，量化，部署流程.mp4
│ │ ├── 1510 1-DEMO效果演示.mp4.mp4
│ │ ├── 1512 3-完成的任务分析.mp4.mp4
│ │ ├── 1511 2-论文解读分析.mp4.mp4
│ │ ├── 1511 Agent工作流搭建.mp4
│ │ ├── 1510 RAGFLOW和function calling.mp4
│ │ ├── 1515 6-Decoder的作用与项目源码.mp4.mp4
│ │ ├── 1514 5-预训练模型的作用.mp4.mp4
│ │ ├── 1517 8-实现细节分析.mp4.mp4
│ │ ├── 1516 7-分割任务模块设计.mp4.mp4
│ │ ├── 1520 2-论文概述分析.mp4.mp4
│ │ ├── 1518 9-总结分析.mp4.mp4
│ │ ├── 1524 1-扩散模型概述与GAN遇到的问题.mp4.mp4
│ │ ├── 1522 4-答案关注区域分析.mp4.mp4
│ │ ├── 1526 3-公式原理推导解读.mp4.mp4
│ │ ├── 1521 3-实现流程路线图.mp4.mp4
│ │ ├── 1533 10-基本建模训练效果.mp4.mp4
│ │ ├── 1528 5-算法实现细节推导.mp4.mp4
│ │ ├── 1530 7-细节实现总结.mp4.mp4
│ │ ├── 1529 6-公式推导结果分析.mp4.mp4
│ │ ├── 1527 4-分布相关计算操作.mp4.mp4
│ │ ├── 1534 1-论文基本思想与核心模块分析.mp4.mp4
│ │ ├── 1535 2-不同模块对比分析.mp4.mp4
│ │ ├── 1536 3-算法核心流程解读.mp4.mp4
│ │ ├── 1538 1-项目整体流程分析.mp4.mp4
│ │ ├── 1537 4-各模块实现细节讲解.mp4.mp4
│ │ ├── 1539 2-源码实现细节分析.mp4.mp4
│ │ ├── 1540 3-源码公式对应论文分析.mp4.mp4
│ │ ├── 1544 1-环境配置方法.mp4.mp4
│ │ ├── 1543 RAGFLOW和function calling.mp4
│ │ ├── 1541 4-Decoder模块实现细节解读.mp4.mp4
│ │ ├── 1542 5-源码实现流程总结.mp4.mp4
│ │ ├── 1545 2-多模态数据集配置.mp4.mp4
│ │ ├── 1551 5-感知与反思模块构建流程.mp4.mp4
│ │ ├── 1549 3-论文基本框架分析.mp4.mp4
│ │ ├── 1552 6-计划模块实现细节.mp4.mp4
│ │ ├── 1550 4-Agent的记忆信息.mp4.mp4
│ │ ├── 1554 8-感知模块解读.mp4.mp4
│ │ ├── 1555 9-思考模块解读.mp4.mp4
│ │ ├── 1557 VIP课-人工智能深度学习系统班（第九期）-2508.mp4
│ │ ├── 1556 10-项目环境配置方法解读.mp4.mp4
│ │ ├── 1562 大模型微调与应用.mp4
│ │ ├── 1563 RAGFLOW和function calling.mp4
├── 19 知识图谱实战系列
│ ├── 28 第二十八章 知识图谱实战系列
│ │ ├── 1993_1994 知识图谱实战系列_金融与推荐领域的应用.mp4
│ │ ├── 1994_1995 知识图谱实战系列_数据获取分析.mp4
│ │ ├── 1991_1992 知识图谱实战系列_知识图谱在搜索引擎中的应用.mp4
│ │ ├── 1997_1998 知识图谱实战系列_graph-embedding的作用与效果.mp4
│ │ ├── 1996_1997 知识图谱实战系列_常用NLP技术点分析.mp4
│ │ ├── 1998_1999 知识图谱实战系列_金融领域图编码实例.mp4
│ │ ├── 1995_1996 知识图谱实战系列_数据关系抽取分析.mp4
│ │ ├── 1999_2000 知识图谱实战系列_视觉领域图编码实例.mp4
│ │ ├── 2000_2001 知识图谱实战系列_图谱知识融合与总结分析.mp4
│ │ ├── 2001_2002 知识图谱实战系列_Neo4j图数据库介绍.mp4
│ │ ├── 2002_2003 知识图谱实战系列_Neo4j数据库安装流程演示.mp4
│ │ ├── 2006_2007 知识图谱实战系列_使用Py2neo建立连接.mp4
│ │ ├── 2004_2005 知识图谱实战系列_创建与删除操作演示.mp4
│ │ ├── 2003_2004 知识图谱实战系列_可视化例子演示.mp4
│ │ ├── 2007_2008 知识图谱实战系列_提取所需的指标信息.mp4
│ │ ├── 2012_2013 知识图谱实战系列_任务流程概述.mp4
│ │ ├── 2009_2010 知识图谱实战系列_根据给定实体创建关系.mp4
│ │ ├── 2010_2011 知识图谱实战系列_项目概述与整体架构分析.mp4
│ │ ├── 2008_2009 知识图谱实战系列_在图中创建实体.mp4
│ │ ├── 2013_2014 知识图谱实战系列_环境配置与所需工具包安装.mp4
│ │ ├── 2014_2015 知识图谱实战系列_提取数据中的关键字段信息.mp4
│ │ ├── 2015_2016 知识图谱实战系列_创建关系边.mp4
│ │ ├── 2018_2019 知识图谱实战系列_实体关键词字典制作.mp4
│ │ ├── 2017_2018 知识图谱实战系列_加载所有实体数据.mp4
│ │ ├── 2019_2020 知识图谱实战系列_完成对话系统构建.mp4
│ │ ├── 2020_2021 知识图谱实战系列_关系抽取要完成的任务演示与分析.mp4
│ │ ├── 2021_2022 知识图谱实战系列_LTP工具包概述介绍.mp4
│ │ ├── 2022_2023 知识图谱实战系列_pyltp安装与流程演示.mp4
│ │ ├── 2023_2024 知识图谱实战系列_得到分词与词性标注结果.mp4
│ │ ├── 2025_2026 知识图谱实战系列_句法分析结果整理.mp4
│ │ ├── 2026_2027 知识图谱实战系列_语义角色构建与分析.mp4
│ │ ├── 2027_2028 知识图谱实战系列_设计规则完成关系抽取.mp4
│ │ ├── 2028_2029 知识图谱实战系列_竞赛任务目标.mp4
│ │ ├── 2029_2030 知识图谱实战系列_图模型信息提取.mp4
│ │ ├── 2031_2032 知识图谱实战系列_deepwalk构建图顶点特征.mp4
│ │ ├── 2037_2038 知识图谱实战系列_数据-标签-语料库处理.mp4
│ │ ├── 2032_2033 知识图谱实战系列_各项统计特征.mp4
│ │ ├── 2033_2034 知识图谱实战系列_app安装特征.mp4
│ │ ├── 2035_2036 知识图谱实战系列_数据与任务介绍.mp4
│ │ ├── 2036_2037 知识图谱实战系列_整体模型架构.mp4
│ │ ├── 2040_2041 知识图谱实战系列_医疗数据集（糖尿病）实体识别.mp4
│ │ ├── 2039_2040 知识图谱实战系列_训练网络模型.mp4
├── 09 Transformer与视觉应用
│ ├── 10 第一十章-论文必备-Transformer实战
│ │ ├── 631_632 论–必备-Transformer实战系列_Transformer算法解读.mp4
│ │ ├── 634_635 论–必备-Transformer实战系列_输入序列构建方法解读.mp4
│ │ ├── 632_633 论–必备-Transformer实战系列_视觉Transformer及其源码分析.mp4
│ │ ├── 636_637 论–必备-Transformer实战系列_输出层计算结果.mp4
│ │ ├── 640_641 论–必备-Transformer实战系列_获取各窗口输入特征.mp4
│ │ ├── 638_639 论–必备-Transformer实战系列_要解决的问题及其优势分析.mp4
│ │ ├── 639_640 论–必备-Transformer实战系列_一个block要完成的任务.mp4
│ │ ├── 637_638 论–必备-Transformer实战系列_swintransformer整体概述.mp4
│ │ ├── 641_642 论–必备-Transformer实战系列_基于窗口的注意力机制解读.mp4
│ │ ├── 642_643 论–必备-Transformer实战系列_窗口偏移操作的实现.mp4
│ │ ├── 645_646 论–必备-Transformer实战系列_下采样操作实现方法.mp4
│ │ ├── 644_645 论–必备-Transformer实战系列_整体网络架构整合.mp4
│ │ ├── 643_644 论–必备-Transformer实战系列_偏移细节分析及其计算量概述.mp4
│ │ ├── 649_650 论–必备-Transformer实战系列_数据按window进行划分计算.mp4
│ │ ├── 650_651 论–必备-Transformer实战系列_基础attention计算模块.mp4
│ │ ├── 646_647 论–必备-Transformer实战系列_分层计算方法.mp4
│ │ ├── 647_648 论–必备-Transformer实战系列_数据与环境配置解读.mp4
│ │ ├── 651_652 论–必备-Transformer实战系列_窗口位移模块细节分析.mp4
│ │ ├── 655_656 论–必备-Transformer实战系列_DETR目标检测基本思想解读.mp4
│ │ ├── 656_657 论–必备-Transformer实战系列_整体网络架构分析.mp4
│ │ ├── 654_655 论–必备-Transformer实战系列_输出层概述.mp4
│ │ ├── 652_653 论–必备-Transformer实战系列_patchmerge下采样操作.mp4
│ │ ├── 663_664 论–必备-Transformer实战系列_backbone特征提取模块.mp4
│ │ ├── 657_658 论–必备-Transformer实战系列_位置信息初始化query向量.mp4
│ │ ├── 658_659 论–必备-Transformer实战系列_注意力机制的作用方法.mp4
│ │ ├── 660_661 论–必备-Transformer实战系列_项目环境配置解读.mp4
│ │ ├── 664_665 论–必备-Transformer实战系列_mask与编码模块.mp4
│ │ ├── 665_666 论–必备-Transformer实战系列_编码层作用方法.mp4
│ │ ├── 670_671 论–必备-Transformer实战系列_特征提取与位置编码.mp4
│ │ ├── 668_669 论–必备-Transformer实战系列_损失函数与预测输出.mp4
│ │ ├── 667_668 论–必备-Transformer实战系列_输出预测结果.mp4
│ │ ├── 666_667 论–必备-Transformer实战系列_Decoder层操作与计算.mp4
│ │ ├── 669_670 论–必备-Transformer实战系列_DeformableDetr算法解读.mp4
│ │ ├── 674_675 论–必备-Transformer实战系列_编码层中的序列分析.mp4
│ │ ├── 673_674 论–必备-Transformer实战系列_准备Encoder编码层所需全部输入.mp4
│ │ ├── 671_672 论–必备-Transformer实战系列_序列特征展开并叠加.mp4
│ │ ├── 672_673 论–必备-Transformer实战系列_得到相对位置点编码.mp4
│ │ ├── 675_676 论–必备-Transformer实战系列_偏移量offset计算.mp4
│ │ ├── 680_681 论–必备-Transformer实战系列_预测输出结果与标签匹配模块.mp4
│ │ ├── 676_677 论–必备-Transformer实战系列_偏移量对齐操作.mp4
│ │ ├── 677_678 论–必备-Transformer实战系列_Encoder层完成特征对齐.mp4
│ │ ├── 682_683 论–必备-Transformer实战系列_核心思想分析.mp4
│ │ ├── 684_685 论–必备-Transformer实战系列_论文公式计算分析.mp4
│ │ ├── 681_682 论–必备-Transformer实战系列_论文整体分析.mp4
│ │ ├── 683_684 论–必备-Transformer实战系列_网络结构计算流程概述.mp4
│ │ ├── 687_688 论–必备-Transformer实战系列_项目环境配置.mp4
│ │ ├── 686_687 论–必备-Transformer实战系列_拓展应用分析.mp4
│ │ ├── 685_686 论–必备-Transformer实战系列_位置编码的作用与效果.mp4
│ │ ├── 689_690 论–必备-Transformer实战系列_基本处理操作.mp4
│ │ ├── 688_689 论–必备-Transformer实战系列_医学数据介绍与分析.mp4
│ │ ├── 692_693 论–必备-Transformer实战系列_注意力计算过程与方法.mp4
│ │ ├── 691_692 论–必备-Transformer实战系列_位置编码向量解读.mp4
│ │ ├── 690_691 论–必备-Transformer实战系列_AxialAttention实现过程.mp4
│ │ ├── 693_694 论–必备-Transformer实战系列_局部特征提取与计算.mp4
│ │ ├── 694_695 论–必备-Transformer实战系列_特征匹配的应用场景.mp4
│ │ ├── 696_697 论–必备-Transformer实战系列_整体流程梳理分析.mp4
│ │ ├── 697_698 论–必备-Transformer实战系列_CrossAttention的作用与效果.mp4
│ │ ├── 695_696 论–必备-Transformer实战系列_特征匹配的基本流程分析.mp4
│ │ ├── 699_700 论–必备-Transformer实战系列_粗粒度匹配过程与作用.mp4
│ │ ├── 698_699 论–必备-Transformer实战系列_transformer构建匹配特征.mp4
│ │ ├── 702_703 论–必备-Transformer实战系列_基于期望预测最终位置.mp4
│ │ ├── 700_701 论–必备-Transformer实战系列_特征图拆解操作.mp4
│ │ ├── 701_702 论–必备-Transformer实战系列_细粒度匹配的作用与方法.mp4
│ │ ├── 703_704 论–必备-Transformer实战系列_总结分析.mp4
│ │ ├── 706_707 论–必备-Transformer实战系列_backbone特征提取模块.mp4
│ │ ├── 708_709 论–必备-Transformer实战系列_特征融合模块实现方法.mp4
│ │ ├── 707_708 论–必备-Transformer实战系列_注意力机制的作用与效果分析.mp4
│ │ ├── 705_706 论–必备-Transformer实战系列_DEMO效果演示.mp4
│ │ ├── 710_711 论–必备-Transformer实战系列_粗粒度匹配过程.mp4
│ │ ├── 714_715 论–必备-Transformer实战系列_通过期望计算最终输出.mp4
│ │ ├── 713_714 论–必备-Transformer实战系列_得到精细化输出结果.mp4
│ │ ├── 711_712 论–必备-Transformer实战系列_完成基础匹配模块.mp4
│ │ ├── 712_713 论–必备-Transformer实战系列_精细化调整方法与实例.mp4
│ │ ├── 717_718 论–必备-Transformer实战系列_多层级采样点初始化构建.mp4
│ │ ├── 718_719 论–必备-Transformer实战系列_多层级输入特征序列创建方法.mp4
│ │ ├── 716_717 论–必备-Transformer实战系列_Backbone获取多层级特征.mp4
│ │ ├── 715_716 论–必备-Transformer实战系列_分割模型Maskformer系列.mp4
│ │ ├── 719_720 论–必备-Transformer实战系列_偏移量与权重计算并转换.mp4
│ │ ├── 722_723 论–必备-Transformer实战系列_Decoder中的AttentionMask方法.mp4
│ │ ├── 721_722 论–必备-Transformer实战系列_query要预测的任务解读.mp4
│ │ ├── 720_721 论–必备-Transformer实战系列_Encoder特征构建方法实例.mp4
│ │ ├── 725_726 论–必备-Transformer实战系列_正样本筛选损失计算.mp4
│ │ ├── 727_728 论–必备-Transformer实战系列_最终损失计算流程.mp4
│ │ ├── 729_730 论–必备-Transformer实战系列_BEV特征空间.mp4
│ │ ├── 728_729 论–必备-Transformer实战系列_汇总所有损失完成迭代.mp4
│ │ ├── 723_724 论–必备-Transformer实战系列_损失模块输入参数分析.mp4
│ │ ├── 731_732 论–必备-Transformer实战系列_数据集下载与配置方法.mp4
│ │ ├── 730_731 论–必备-Transformer实战系列_环境配置方法解读.mp4
│ │ ├── 733_734 论–必备-Transformer实战系列_特征对齐与位置编码初始化.mp4
│ │ ├── 732_733 论–必备-Transformer实战系列_特征提取以及BEV空间初始化.mp4
│ │ ├── 734_735 论–必备-Transformer实战系列_Reference初始点构建.mp4
│ │ ├── 737_738 论–必备-Transformer实战系列_BEV空间特征构建.mp4
│ │ ├── 735_736 论–必备-Transformer实战系列_BEV空间与图像空间位置对应.mp4
│ │ ├── 736_737 论–必备-Transformer实战系列_注意力机制模块计算方法.mp4
│ │ ├── 738_739 论–必备-Transformer实战系列_Decoder要完成的任务分析.mp4
│ │ ├── 740_741 论–必备-Transformer实战系列_Decoder级联校正模块.mp4
│ │ ├── 739_740 论–必备-Transformer实战系列_获取当前BEV特征.mp4
│ │ ├── 741_742 论–必备-Transformer实战系列_损失函数与预测可视化.mp4
│ │ ├── 742_743 论–必备-Transformer实战系列_时间序列预测.mp4
│ │ ├── 744_745 论–必备-Transformer实战系列_Huggingface与NLP（讲故事）.mp4
│ │ ├── 743_744 论–必备-Transformer实战系列_Informer时间序列源码解读.mp4