咕泡-人工智能深度学习系统班（第八期）-带课程资料

└─ 咕泡-人工智能深度学习系统班（第八期） ->
　 ├─ 21-CV与NLP经典大模型解读 ->
　 　 ├─ 12-自监督任务-对比学习思想 ->
　 　 　 ├─ 4-下游任务应用概述.mp4 - 45M
　 　 　 ├─ 2-正负样本构建方法.mp4 - 34.2M
　 　 　 ├─ 3-Simclr框架流程分析.mp4 - 40.1M
　 　 　 └─ 1-对比学习要解决的问题分析.mp4 - 47.4M
　 　 ├─ 9-扩散模型diffusion架构算法解读 ->
　 　 　 ├─ 2-要完成的任务分析.mp4 - 62.3M
　 　 　 ├─ 6-公式推导结果分析.mp4 - 49.1M
　 　 　 ├─ 8-论文流程图解读.mp4 - 46.6M
　 　 　 ├─ 10-基本建模训练效果.mp4 - 81.4M
　 　 　 ├─ 3-公式原理推导解读.mp4 - 51.5M
　 　 　 ├─ 1-扩散模型概述与GAN遇到的问题.mp4 - 43.2M
　 　 　 ├─ 4-分布相关计算操作.mp4 - 45.1M
　 　 　 ├─ 7-细节实现总结.mp4 - 59.6M
　 　 　 ├─ 5-算法实现细节推导.mp4 - 41.5M
　 　 　 └─ 9-案例流程分析.mp4 - 53.8M
　 　 ├─ 1-课程简介 ->
　 　 　 └─ 1-课程简介.mp4 - 10.2M
　 　 ├─ 8-视觉QA算法与论文解读 ->
　 　 　 ├─ 2-论文概述分析.mp4 - 66.4M
　 　 　 ├─ 1-视觉QA要解决的问题.mp4 - 51.7M
　 　 　 ├─ 3-实现流程路线图.mp4 - 64.4M
　 　 　 ├─ 4-答案关注区域分析.mp4 - 54.4M
　 　 　 └─ 5-VQA任务总结.mp4 - 51.5M
　 　 ├─ 16-BEV感知特征空间算法解读 ->
　 　 　 ├─ 1-BEV要解决的问题通俗解读.mp4 - 57.9M
　 　 　 ├─ 9-核心模块论文分析.mp4 - 57.1M
　 　 　 ├─ 6-空间注意力模块解读.mp4 - 33.9M
　 　 　 ├─ 2-BEV中的3D与4D分析.mp4 - 23.6M
　 　 　 ├─ 4-BEV汇总特征方法实例解读.mp4 - 35.7M
　 　 　 ├─ 3-特征融合过程中可能遇到的问题.mp4 - 22.2M
　 　 　 ├─ 10-整体架构总结.mp4 - 51.5M
　 　 　 ├─ 7-时间模块与拓展补充.mp4 - 27.1M
　 　 　 ├─ 5-DeformableAttention回顾.mp4 - 40.9M
　 　 　 └─ 8-论文知识点分析.mp4 - 50.4M
　 　 ├─ 15-视觉自监督任务BEITV2源码解读 ->
　 　 　 ├─ 3-源码实现流程总结.mp4 - 45.8M
　 　 　 ├─ 2-网络结构搭建细节解读.mp4 - 49.2M
　 　 　 └─ 1-mmselfup源码实现解读.mp4 - 42M
　 　 ├─ 13-视觉自监督BEIT算法解读 ->
　 　 　 ├─ 5-任务总结分析.mp4 - 114.4M
　 　 　 ├─ 4-codebook模块的作用.mp4 - 81.3M
　 　 　 ├─ 2-任务训练目标分析.mp4 - 72.8M
　 　 　 ├─ 1-视觉自监督任务分析.mp4 - 56.9M
　 　 　 └─ 3-建模流程分析与效果展示.mp4 - 101.1M
　 　 ├─ 5-LLM与LORA微调策略解读 ->
　 　 　 ├─ 5-LORA模型实现细节.mp4 - 40.8M
　 　 　 ├─ 1-大模型如何做下游任务.mp4 - 33.4M
　 　 　 ├─ 2-LLM落地微调分析.mp4 - 37M
　 　 　 ├─ 3-LLAMA与LORA介绍.mp4 - 30.1M
　 　 　 └─ 4-LORA微调的核心思想.mp4 - 22.1M
　 　 ├─ 6-LLM下游任务训练自己模型实战 ->
　 　 　 ├─ 5-数据切块方法.mp4 - 61.1M
　 　 　 ├─ 4-样本索引与向量构建.mp4 - 66.4M
　 　 　 ├─ 1-提示工程的作用.mp4 - 44M
　 　 　 ├─ 3-数据文档切分操作.mp4 - 47.9M
　 　 　 └─ 2-基本API调用方法.mp4 - 59.7M
　 　 ├─ 7-视觉大模型SAM ->
　 　 　 ├─ 6-Decoder的作用与项目源码.mp4 - 94.8M
　 　 　 ├─ 2-论文解读分析.mp4 - 74.5M
　 　 　 ├─ 4-数据闭环方法.mp4 - 93.7M
　 　 　 ├─ 3-完成的任务分析.mp4 - 77M
　 　 　 ├─ 5-预训练模型的作用.mp4 - 145M
　 　 　 ├─ 9-总结分析.mp4 - 60.7M
　 　 　 ├─ 8-实现细节分析.mp4 - 63M
　 　 　 ├─ 1-DEMO效果演示.mp4 - 57.8M
　 　 　 └─ 7-分割任务模块设计.mp4 - 62.8M
　 　 ├─ 4-chatgpt算法解读分析 ->
　 　 　 ├─ 4-强化学习的作用效果.mp4 - 33.8M
　 　 　 ├─ 7-总结分析.mp4 - 69.2M
　 　 　 ├─ 2-挑战及其与有监督问题差异.mp4 - 22.4M
　 　 　 ├─ 5-奖励模型设计方法.mp4 - 26.2M
　 　 　 ├─ 3-强化学习登场.mp4 - 17.7M
　 　 　 ├─ 6-RLHF训练流程解读.mp4 - 38.5M
　 　 　 └─ 1-chatgpt概述.mp4 - 21.5M
　 　 ├─ 17-BEVformer项目源码解读 ->
　 　 　 ├─ 6-BEV空间与图像空间位置对应.mp4 - 37.7M
　 　 　 ├─ 5-Reference初始点构建.mp4 - 37.3M
　 　 　 ├─ 9-Decoder要完成的任务分析.mp4 - 33.9M
　 　 　 ├─ 8-BEV空间特征构建.mp4 - 34M
　 　 　 ├─ 10-获取当前BEV特征.mp4 - 35.9M
　 　 　 ├─ 4-特征对齐与位置编码初始化.mp4 - 43.6M
　 　 　 ├─ 1-环境配置方法解读.mp4 - 42.8M
　 　 　 ├─ 12-损失函数与预测可视化.mp4 - 49.5M
　 　 　 ├─ 2-数据集下载与配置方法.mp4 - 53.6M
　 　 　 ├─ 3-特征提取以及BEV空间初始化.mp4 - 43.8M
　 　 　 ├─ 11-Decoder级联校正模块.mp4 - 41.6M
　 　 　 └─ 7-注意力机制模块计算方法.mp4 - 38.6M
　 　 ├─ 3-GPT2训练与预测部署流程 ->
　 　 　 ├─ 4-模型训练过程.mp4 - 51.5M
　 　 　 ├─ 5-部署与网页预测展示.mp4 - 79.6M
　 　 　 ├─ 1-生成模型可以完成的任务概述.mp4 - 28.9M
　 　 　 ├─ 2-数据样本生成方法.mp4 - 72M
　 　 　 └─ 3-训练所需参数解读.mp4 - 57.7M
　 　 ├─ 2-GPT系列算法解读 ->
　 　 　 ├─ 1-GPT系列算法概述.mp4 - 26.5M
　 　 　 ├─ 8-DEMO应用演示.mp4 - 98.8M
　 　 　 ├─ 7-应用场景CODEX分析.mp4 - 36.5M
　 　 　 ├─ 5-采样策略与多样性.mp4 - 28.2M
　 　 　 ├─ 6-GPT3的提示与生成方法.mp4 - 74.4M
　 　 　 ├─ 3-GPT初代版本要解决的问题.mp4 - 31M
　 　 　 ├─ 2-GPT三代版本分析.mp4 - 29.3M
　 　 　 └─ 4-GPT第二代版本训练策略.mp4 - 28.9M
　 　 ├─ 14-视觉自监督任务BEITV2论文解读 ->
　 　 　 ├─ 1-BEITV2版本论文出发点解读.mp4 - 48M
　 　 　 ├─ 5-论文细节模块实现解读.mp4 - 99.3M
　 　 　 ├─ 3-整体网络架构图分析.mp4 - 44M
　 　 　 ├─ 4-框架实现细节流程分析.mp4 - 21.8M
　 　 　 └─ 2-自监督任务中两大核心任务分析.mp4 - 56.2M
　 　 ├─ 18-补充-视觉大模型基础-deformableAttention ->
　 　 　 ├─ 6-下游任务应用场景.mp4 - 29.3M
　 　 　 ├─ 5-整体框架流程实例.mp4 - 52.6M
　 　 　 ├─ 2-可变形偏移量分析.mp4 - 37M
　 　 　 ├─ 3-应用场景分析解读.mp4 - 48.6M
　 　 　 ├─ 1-DeformableAttention概述分析.mp4 - 26.5M
　 　 　 └─ 4-论文计算公式解读.mp4 - 70.4M
　 　 └─ 11-openai-dalle2源码解读 ->
　 　 　 ├─ 1-项目整体流程分析.mp4 - 53.5M
　 　 　 ├─ 2-源码实现细节分析.mp4 - 41.1M
　 　 　 ├─ 5-源码实现流程总结.mp4 - 56.5M
　 　 　 ├─ 3-源码公式对应论文分析.mp4 - 47.6M
　 　 　 └─ 4-Decoder模块实现细节解读.mp4 - 44.8M
　 ├─ 4-深度学习框架PyTorch ->
　 　 ├─ 5-图像识别模型与训练策略（重点） ->
　 　 　 ├─ 5-输出层与梯度设置.mp4 - 61.4M
　 　 　 ├─ 9-重新训练全部模型.mp4 - 54.8M
　 　 　 ├─ 2-数据增强模块.mp4 - 40.5M
　 　 　 ├─ 1-任务分析与图像数据基本处理.mp4 - 41.6M
　 　 　 ├─ 3-数据集与模型选择.mp4 - 45.3M
　 　 　 ├─ 8-模型训练方法.mp4 - 52.6M
　 　 　 ├─ 10-测试结果演示分析.mp4 - 111M
　 　 　 ├─ 7-优化器与学习率衰减.mp4 - 52.5M
　 　 　 ├─ 6-输出类别个数修改.mp4 - 49.1M
　 　 　 └─ 4-迁移学习方法解读.mp4 - 44.7M
　 　 ├─ 6-DataLoader自定义数据集制作 ->
　 　 　 ├─ 3-Dataloader中需要实现的方法分析.mp4 - 46.9M
　 　 　 ├─ 1-Dataloader要完成的任务分析.mp4 - 39.2M
　 　 　 ├─ 2-图像数据与标签路径处理.mp4 - 49M
　 　 　 └─ 4-实用Dataloader加载数据并训练模型.mp4 - 77.8M
　 　 ├─ 3-神经网络回归任务-气温预测 ->
　 　 　 └─ 1-神经网络回归任务-气温预测.mp4 - 198.6M
　 　 ├─ 4-卷积网络参数解读分析 ->
　 　 　 ├─ 3-卷积网络模型训练.mp4 - 55.1M
　 　 　 ├─ 2-卷积网络参数解读.mp4 - 31.5M
　 　 　 └─ 1-输入特征通道分析.mp4 - 42.5M
　 　 ├─ 1-PyTorch框架介绍与配置安装 ->
　 　 　 ├─ 2-CPU与GPU版本安装方法解读.mp4 - 100.6M
　 　 　 └─ 1-PyTorch框架与其他框架区别分析.mp4 - 33.2M
　 　 ├─ 7-LSTM文本分类实战 ->
　 　 　 ├─ 7-LSTM网络结构基本定义.mp4 - 34.7M
　 　 　 ├─ 6-字符预处理转换ID.mp4 - 34.4M
　 　 　 ├─ 3-命令行参数与DEBUG.mp4 - 36.5M
　 　 　 ├─ 5-预料表与字符切分.mp4 - 32M
　 　 　 ├─ 1-数据集与任务目标分析.mp4 - 52.8M
　 　 　 ├─ 9-模型训练任务与总结.mp4 - 45.2M
　 　 　 ├─ 4-训练模型所需基本配置参数分析.mp4 - 40.9M
　 　 　 ├─ 8-网络模型预测结果输出.mp4 - 39.1M
　 　 　 └─ 2-文本数据处理基本流程分析.mp4 - 56M
　 　 └─ 2-使用神经网络进行分类任务 ->
　 　 　 ├─ 4-数据源定义简介.mp4 - 39M
　 　 　 ├─ 3-网络结构定义方法.mp4 - 55.6M
　 　 　 ├─ 5-损失与训练模块分析.mp4 - 42.3M
　 　 　 ├─ 7-参数对结果的影响.mp4 - 51.6M
　 　 　 ├─ 2-基本模块应用测试.mp4 - 47.6M
　 　 　 ├─ 1-数据集与任务概述.mp4 - 43.3M
　 　 　 └─ 6-训练一个基本的分类模型.mp4 - 54.6M
　 ├─ 9-走向AI论文实验与项目实战的捷径-MMLAB实战系列 ->
　 　 ├─ 20-第八模块：模型剪枝方法概述分析 ->
　 　 　 ├─ 2-搜索匹配到符合计算量的模型并训练.mp4 - 46.8M
　 　 　 └─ 1-SuperNet网络结构分析与剪枝概述.mp4 - 40.6M
　 　 ├─ 6-第二模块：基于Unet进行各种策略修改 ->
　 　 　 ├─ 3-上采样与输出层.mp4 - 28.3M
　 　 　 ├─ 6-如何修改参数适配网络结构.mp4 - 21.7M
　 　 　 ├─ 5-给Unet添加一个neck层.mp4 - 30.4M
　 　 　 ├─ 7-将Unet特征提取模块替换成transformer.mp4 - 22.4M
　 　 　 ├─ 4-辅助层的作用.mp4 - 19.8M
　 　 　 ├─ 2-编码层模块.mp4 - 32.5M
　 　 　 ├─ 1-配置文件解读.mp4 - 32.1M
　 　 　 └─ 8-VIT模块源码分析.mp4 - 45.5M
　 　 ├─ 1-MMCV安装方法 ->
　 　 　 └─ 1-MMCV安装方法.mp4 - 55.8M
　 　 ├─ 23-额外补充-在源码中加入各种注意力机制方法 ->
　 　 　 └─ 1-在源码中加入各种注意力机制方法.mp4 - 122.5M
　 　 ├─ 15-第四模块：KIE基于图模型的关键信息抽取 ->
　 　 　 ├─ 3-配置文件与标签要进行处理操作.mp4 - 47.8M
　 　 　 ├─ 8-整合得到图模型输入特征.mp4 - 72M
　 　 　 ├─ 2-KIE数据集格式调整方法.mp4 - 69.5M
　 　 　 ├─ 1-配置文件以及要完成的任务解读.mp4 - 51.6M
　 　 　 ├─ 5-标签数据处理与关系特征提取.mp4 - 56.5M
　 　 　 ├─ 6-特征合并处理.mp4 - 43.7M
　 　 　 ├─ 7-准备拼接边与点特征.mp4 - 41.4M
　 　 　 └─ 4-边框要计算的特征分析.mp4 - 35.6M
　 　 ├─ 5-第二模块：使用分割模块训练自己的数据集 ->
　 　 　 ├─ 2-数据集标注与制作方法.mp4 - 56.8M
　 　 　 ├─ 5-预测DEMO演示.mp4 - 21.9M
　 　 　 ├─ 1-项目配置基本介绍.mp4 - 74.2M
　 　 　 ├─ 4-加载预训练模型开始训练.mp4 - 86.5M
　 　 　 └─ 3-根据预测类别数修改配置文件.mp4 - 39.5M
　 　 ├─ 13-第四模块：DBNET文字检测 ->
　 　 　 ├─ 1-文字检测数据概述与配置文件.mp4 - 56.6M
　 　 　 ├─ 4-损失函数模块概述.mp4 - 43.1M
　 　 　 ├─ 5-损失计算方法.mp4 - 59.3M
　 　 　 ├─ 3-Neck层特征组合.mp4 - 32M
　 　 　 └─ 2-配置文件参数设置.mp4 - 38.7M
　 　 ├─ 2-第一模块：分类任务基本操作 ->
　 　 　 ├─ 8-训练自己的任务.mp4 - 39.3M
　 　 　 ├─ 4-各模块配置文件组成.mp4 - 35.8M
　 　 　 ├─ 5-生成完整配置文件.mp4 - 24.4M
　 　 　 ├─ 2-准备MMCLS项目.mp4 - 32.3M
　 　 　 ├─ 6-根据文件夹定义数据集.mp4 - 40.3M
　 　 　 ├─ 3-基本参数配置解读.mp4 - 34.5M
　 　 　 ├─ 1-MMCLS问题修正.mp4 - 23.5M
　 　 　 └─ 7-构建自己的数据集.mp4 - 36.3M
　 　 ├─ 14-第四模块：ANINET文字识别 ->
　 　 　 ├─ 4-视觉Transformer模块的作用.mp4 - 46M
　 　 　 ├─ 3-Bakbone模块得到特征.mp4 - 42.1M
　 　 　 ├─ 8-输出层与损失计算.mp4 - 52.8M
　 　 　 ├─ 5-视觉模型中的编码与解码的效果.mp4 - 54.5M
　 　 　 ├─ 7-迭代修正模块.mp4 - 38.1M
　 　 　 ├─ 6-文本模型中的结构分析.mp4 - 38.7M
　 　 　 ├─ 2-配置文件修改方法.mp4 - 52.5M
　 　 　 └─ 1-数据集与环境概述.mp4 - 55.6M
　 　 ├─ 7-第二模块：分割任务CVPR最新Backbone设计及其应用 ->
　 　 　 ├─ 5-卷积位置编码计算方法.mp4 - 53.9M
　 　 　 ├─ 8-分割输出模块.mp4 - 57.7M
　 　 　 ├─ 7-完成特征提取与融合模块.mp4 - 55.7M
　 　 　 ├─ 9-全局特征的作用与实现.mp4 - 56.3M
　 　 　 ├─ 1-注册自己的Backbone模块.mp4 - 34.3M
　 　 　 ├─ 6-近似Attention模块实现.mp4 - 79.5M
　 　 　 ├─ 2-配置文件指定.mp4 - 35.8M
　 　 　 ├─ 10-汇总多层级特征进行输出.mp4 - 43.3M
　 　 　 ├─ 3-DEBUG解读Backbone设计.mp4 - 40.4M
　 　 　 └─ 4-PatchEmbedding的作用与实现.mp4 - 44.9M
　 　 ├─ 10-第三模块：DeformableDetr算法解读 ->
　 　 　 └─ 1-DeformableDetr算法解读.mp4 - 730.4M
　 　 ├─ 17-第六模块：BasicVSR++视频超分辨重构源码解读 ->
　 　 　 ├─ 4-基于光流完成对齐操作.mp4 - 40.2M
　 　 　 ├─ 5-偏移量计算方法.mp4 - 32.5M
　 　 　 ├─ 10-传播流程整体完成一圈.mp4 - 61.5M
　 　 　 ├─ 7-提特征传递流程分析.mp4 - 37.2M
　 　 　 ├─ 1-要完成的任务分析与配置文件.mp4 - 27.4M
　 　 　 ├─ 11-完成输出结果.mp4 - 51.6M
　 　 　 ├─ 3-光流估计网络模块.mp4 - 25.7M
　 　 　 ├─ 8-序列传播计算.mp4 - 39.9M
　 　 　 ├─ 2-特征基础提取模块.mp4 - 44.6M
　 　 　 ├─ 6-双向计算特征对齐.mp4 - 37M
　 　 　 └─ 9-准备变形卷积模块的输入.mp4 - 44.7M
　 　 ├─ 18-第七模块：多模态3D目标检测算法源码解读 ->
　 　 　 ├─ 4-数据与图像特征提取模块.mp4 - 58M
　 　 　 ├─ 11-输出层预测结果.mp4 - 80.8M
　 　 　 ├─ 6-体素特征提取方法解读.mp4 - 37.6M
　 　 　 ├─ 9-多模态特征融合.mp4 - 68.4M
　 　 　 ├─ 10-3D卷积特征融合.mp4 - 56.8M
　 　 　 ├─ 7-体素特征计算方法分析.mp4 - 70.7M
　 　 　 ├─ 1-环境配置与数据集概述.mp4 - 51.5M
　 　 　 ├─ 2-数据与标注文件介绍.mp4 - 37.5M
　 　 　 ├─ 8-全局体素特征提取.mp4 - 96M
　 　 　 ├─ 5-体素索引位置获取.mp4 - 64.7M
　 　 　 └─ 3-基本流程梳理并进入debug模式.mp4 - 50.3M
　 　 ├─ 8-第三模块：mmdet训练自己的数据任务 ->
　 　 　 ├─ 5-训练所需配置说明.mp4 - 56M
　 　 　 ├─ 7-模型测试与可视化分析模块.mp4 - 77.6M
　 　 　 ├─ 4-配置文件数据增强策略分析.mp4 - 45.6M
　 　 　 ├─ 1-数据集标注与标签获取.mp4 - 31.3M
　 　 　 ├─ 8-补充：评估指标.mp4 - 14.1M
　 　 　 ├─ 6-模型训练与DEMO演示.mp4 - 35.3M
　 　 　 ├─ 3-通过脚本生成COCO数据格式.mp4 - 38.6M
　 　 　 └─ 2-COCO数据标注格式.mp4 - 28.2M
　 　 ├─ 22-OCR算法解读 ->
　 　 　 └─ 1-OCR算法解读.mp4 - 1.7G
　 　 ├─ 3-第一模块：训练结果测试与验证 ->
　 　 　 ├─ 3-MMCLS中增加一个新的模块.mp4 - 62.6M
　 　 　 ├─ 4-修改配置文件中的参数.mp4 - 67.7M
　 　 　 ├─ 7-可视化细节与效果分析.mp4 - 124.2M
　 　 　 ├─ 2-测试评估模型效果.mp4 - 27.6M
　 　 　 ├─ 5-数据增强流程可视化展示.mp4 - 37.4M
　 　 　 ├─ 1-测试DEMO效果.mp4 - 25.5M
　 　 　 ├─ 9-模型分析脚本使用.mp4 - 36.4M
　 　 　 ├─ 6-Grad-Cam可视化方法.mp4 - 41.2M
　 　 　 └─ 8-MMCLS可视化模块应用.mp4 - 72.1M
　 　 ├─ 19-第八模块：模型蒸馏应用实例 ->
　 　 　 ├─ 5-日志输出与模型分离.mp4 - 70.3M
　 　 　 ├─ 7-实际测试效果演示.mp4 - 39M
　 　 　 ├─ 1-任务概述与工具使用.mp4 - 39.6M
　 　 　 ├─ 3-训练T与S得到蒸馏模型.mp4 - 70.6M
　 　 　 ├─ 6-分别得到Teacher与Student模型.mp4 - 45.7M
　 　 　 ├─ 2-Teacher与Student网络结构定义.mp4 - 46.3M
　 　 　 └─ 4-开始模型训练过程与问题修正.mp4 - 57.3M
　 　 ├─ 11-补充：Mask2former源码解读 ->
　 　 　 ├─ 9-标签分配策略解读.mp4 - 42.5M
　 　 　 ├─ 11-标签分类匹配结果分析.mp4 - 62M
　 　 　 ├─ 2-多层级采样点初始化构建.mp4 - 41.5M
　 　 　 ├─ 3-多层级输入特征序列创建方法.mp4 - 43.8M
　 　 　 ├─ 5-Encoder特征构建方法实例.mp4 - 49.8M
　 　 　 ├─ 10-正样本筛选损失计算.mp4 - 41.8M
　 　 　 ├─ 7-Decoder中的AttentionMask方法.mp4 - 50.9M
　 　 　 ├─ 12-最终损失计算流程.mp4 - 52.3M
　 　 　 ├─ 1-Backbone获取多层级特征.mp4 - 35.8M
　 　 　 ├─ 6-query要预测的任务解读.mp4 - 45.6M
　 　 　 ├─ 4-偏移量与权重计算并转换.mp4 - 48.8M
　 　 　 ├─ 8-损失模块输入参数分析.mp4 - 40.8M
　 　 　 └─ 13-汇总所有损失完成迭代.mp4 - 35.8M
　 　 ├─ 16-第五模块：stylegan2源码解读 ->
　 　 　 ├─ 6-损失函数概述.mp4 - 26.6M
　 　 　 ├─ 1-要完成的任务与基本思想概述.mp4 - 57.8M
　 　 　 ├─ 2-得到style特征编码.mp4 - 69.5M
　 　 　 ├─ 5-上采样得到输出结果.mp4 - 40.7M
　 　 　 ├─ 3-特征编码风格拼接.mp4 - 36.8M
　 　 　 └─ 4-基础风格特征卷积模块.mp4 - 54.7M
　 　 ├─ 4-第一模块：模型源码DEBUG演示 ->
　 　 　 ├─ 4-前向传播基本模块.mp4 - 38.9M
　 　 　 ├─ 5-CLS与输出模块.mp4 - 44M
　 　 　 ├─ 2-数据增强模块概述分析.mp4 - 49.6M
　 　 　 ├─ 3-PatchEmbedding层.mp4 - 25.3M
　 　 　 └─ 1-VIT任务概述.mp4 - 30M
　 　 ├─ 9-第三模块：DeformableDetr物体检测源码分析 ->
　 　 　 ├─ 5-编码层中的序列分析.mp4 - 39.7M
　 　 　 ├─ 8-Encoder层完成特征对齐.mp4 - 51.8M
　 　 　 ├─ 1-特征提取与位置编码.mp4 - 38.2M
　 　 　 ├─ 11-预测输出结果与标签匹配模块.mp4 - 44.3M
　 　 　 ├─ 10-分类与回归输出模块.mp4 - 49.7M
　 　 　 ├─ 6-偏移量offset计算.mp4 - 46.1M
　 　 　 ├─ 7-偏移量对齐操作.mp4 - 39.8M
　 　 　 ├─ 2-序列特征展开并叠加.mp4 - 51.1M
　 　 　 ├─ 4-准备Encoder编码层所需全部输入.mp4 - 37.9M
　 　 　 ├─ 9-Decoder要完成的操作.mp4 - 39M
　 　 　 └─ 3-得到相对位置点编码.mp4 - 28.8M
　 　 ├─ 21-第九模块：mmaction行为识别 ->
　 　 　 └─ 1-创建自己的行为识别标注数据集.mp4 - 232.7M
　 　 └─ 12-KIE关键信息抽取与视频超分辨率重构 ->
　 　 　 └─ 1-KIE关键信息抽取与视频超分辨率重构.mp4 - 916.1M
　 ├─ 24-自然语言处理必备神器Huggingface系列实战 ->
　 　 ├─ 7-GPT系列算法 ->
　 　 　 ├─ 3-GPT初代版本要解决的问题.mp4 - 31M
　 　 　 ├─ 1-GPT系列算法概述.mp4 - 26.5M
　 　 　 ├─ 8-DEMO应用演示.mp4 - 98.8M
　 　 　 ├─ 6-GPT3的提示与生成方法.mp4 - 74.4M
　 　 　 ├─ 2-GPT三代版本分析.mp4 - 29.3M
　 　 　 ├─ 5-采样策略与多样性.mp4 - 28.2M
　 　 　 ├─ 4-GPT第二代版本训练策略.mp4 - 28.9M
　 　 　 └─ 7-应用场景CODEX分析.mp4 - 36.5M
　 　 ├─ 2-Transformer工具包基本操作实例解读 ->
　 　 　 ├─ 2-NLP任务常规流程分析.mp4 - 29.2M
　 　 　 ├─ 4-AttentionMask配套使用方法.mp4 - 35.3M
　 　 　 ├─ 5-数据集与模型.mp4 - 43M
　 　 　 ├─ 6-数据Dataloader封装.mp4 - 50.2M
　 　 　 ├─ 1-工具包与任务整体介绍.mp4 - 33.4M
　 　 　 ├─ 8-模型训练DEMO.mp4 - 58.7M
　 　 　 ├─ 7-模型训练所需配置参数.mp4 - 36.9M
　 　 　 └─ 3-文本切分方法实例解读.mp4 - 42.7M
　 　 ├─ 3-transformer原理解读 ->
　 　 　 └─ 1-transformer原理解读.mp4 - 367.6M
　 　 ├─ 1-Huggingface与NLP介绍解读 ->
　 　 　 └─ 1-Huggingface与NLP介绍解读.mp4 - 163.6M
　 　 ├─ 6-文本预训练模型构建实例 ->
　 　 　 ├─ 1-预训练模型效果分析.mp4 - 32M
　 　 　 ├─ 2-文本数据截断处理.mp4 - 45.8M
　 　 　 └─ 3-预训练模型自定义训练.mp4 - 97.9M
　 　 ├─ 11-补充Huggingface数据集制作方法实例 ->
　 　 　 ├─ 1-数据结构分析.mp4 - 47.9M
　 　 　 ├─ 2-Huggingface中的预处理实例.mp4 - 72.6M
　 　 　 └─ 3-数据处理基本流程.mp4 - 72.6M
　 　 ├─ 8-GPT训练与预测部署流程 ->
　 　 　 ├─ 1-生成模型可以完成的任务概述.mp4 - 28.9M
　 　 　 ├─ 4-模型训练过程.mp4 - 51.5M
　 　 　 ├─ 2-数据样本生成方法.mp4 - 72M
　 　 　 ├─ 5-部署与网页预测展示.mp4 - 79.6M
　 　 　 └─ 3-训练所需参数解读.mp4 - 57.7M
　 　 ├─ 5-文本标注工具与NER实例 ->
　 　 　 ├─ 2-命名实体识别任务标注方法实例.mp4 - 39.3M
　 　 　 ├─ 5-预训练模型加载与参数配置.mp4 - 41.5M
　 　 　 ├─ 4-标签处理并完成对齐操作.mp4 - 38.6M
　 　 　 ├─ 6-模型训练与输出结果预测.mp4 - 43.1M
　 　 　 ├─ 1-文本标注工具Doccano配置方法.mp4 - 33M
　 　 　 └─ 3-标注导出与BIO处理.mp4 - 39.4M
　 　 ├─ 4-BERT系列算法解读 ->
　 　 　 ├─ 4-RoBerta模型训练方法解读.mp4 - 28.4M
　 　 　 ├─ 2-ALBERT基本定义.mp4 - 38.6M
　 　 　 ├─ 5-DistilBert模型解读.mp4 - 16.1M
　 　 　 ├─ 1-BERT模型训练方法解读.mp4 - 23.9M
　 　 　 └─ 3-ALBERT中的简化方法解读.mp4 - 43.4M
　 　 ├─ 10-图谱知识抽取实战 ->
　 　 　 ├─ 5-标签与数据结构定义方法.mp4 - 49.7M
　 　 　 ├─ 2-数据标注格式样例分析.mp4 - 70M
　 　 　 ├─ 7-网络模型前向计算方法.mp4 - 32.9M
　 　 　 ├─ 3-数据处理与读取模块.mp4 - 39.1M
　 　 　 ├─ 8-关系抽取模型训练.mp4 - 42.2M
　 　 　 ├─ 6-模型构建与计算流程.mp4 - 43.1M
　 　 　 ├─ 4-实体抽取模块分析.mp4 - 44.3M
　 　 　 └─ 1-应用场景概述分析.mp4 - 92M
　 　 └─ 9-文本摘要建模 ->
　 　 　 ├─ 4-训练自己标注的数据并测试.mp4 - 27.7M
　 　 　 ├─ 2-模型训练与测试结果.mp4 - 108.1M
　 　 　 ├─ 3-文本摘要数据标注方法.mp4 - 55.9M
　 　 　 └─ 1-中文商城评价数据处理方法.mp4 - 66.4M
　 ├─ 12-图神经网络实战 ->
　 　 ├─ 1-图神经网络基础 ->
　 　 　 ├─ 1-图神经网络应用领域分析.mp4 - 26.4M
　 　 　 ├─ 6-多层GCN的作用.mp4 - 13M
　 　 　 ├─ 3-邻接矩阵的定义.mp4 - 16.1M
　 　 　 ├─ 5-消息传递计算方法.mp4 - 14.2M
　 　 　 ├─ 4-GNN中常见任务.mp4 - 19.2M
　 　 　 └─ 2-图基本模块定义.mp4 - 10.5M
　 　 ├─ 9-图模型轨迹估计实战 ->
　 　 　 ├─ 3-Agent特征提取方法.mp4 - 37.9M
　 　 　 ├─ 4-DataLoader构建图结构.mp4 - 28.6M
　 　 　 ├─ 1-数据与环境配置.mp4 - 35.4M
　 　 　 ├─ 5-SubGraph与Attention模型流程.mp4 - 34.6M
　 　 　 └─ 2-训练数据准备.mp4 - 27.7M
　 　 ├─ 11-异构图神经网络 ->
　 　 　 └─ 1-异构图神经网络.mp4 - 754M
　 　 ├─ 10-基于图模型的时间序列预测 ->
　 　 　 └─ 1-基于图模型的时间序列预测.mp4 - 1021.2M
　 　 ├─ 2-图卷积GCN模型 ->
　 　 　 ├─ 3-邻接的矩阵的变换.mp4 - 18.4M
　 　 　 ├─ 4-GCN变换原理解读.mp4 - 21.1M
　 　 　 ├─ 2-图卷积的基本计算方法.mp4 - 12.6M
　 　 　 └─ 1-GCN基本模型概述.mp4 - 13.2M
　 　 ├─ 8-基于图模型的轨迹估计 ->
　 　 　 ├─ 6-子图模块构建方法.mp4 - 42.5M
　 　 　 ├─ 1-数据集与标注信息解读.mp4 - 57.5M
　 　 　 ├─ 7-特征融合模块分析.mp4 - 47.7M
　 　 　 ├─ 8-VectorNet输出层分析.mp4 - 85.5M
　 　 　 ├─ 3-特征工程的作用与效果.mp4 - 41.7M
　 　 　 ├─ 5-输入细节分析.mp4 - 50M
　 　 　 ├─ 2-整体三大模块分析.mp4 - 71.8M
　 　 　 └─ 4-传统方法与现在向量空间对比.mp4 - 51.8M
　 　 ├─ 5-图注意力机制与序列图模型 ->
　 　 　 ├─ 3-序列图神经网络TGCN应用.mp4 - 12.6M
　 　 　 ├─ 4-序列图神经网络细节.mp4 - 23.7M
　 　 　 ├─ 2-邻接矩阵计算图Attention.mp4 - 21.4M
　 　 　 └─ 1-图注意力机制的作用与方法.mp4 - 16.5M
　 　 ├─ 3-图模型必备神器PyTorch Geometric安装与使用 ->
　 　 　 ├─ 1-PyTorch Geometric工具包安装与配置方法.mp4 - 45.1M
　 　 　 ├─ 2-数据集与邻接矩阵格式.mp4 - 51.9M
　 　 　 ├─ 3-模型定义与训练方法.mp4 - 41.9M
　 　 　 └─ 4-文献引用数据集分类案例实战.mp4 - 47.7M
　 　 ├─ 6-图相似度论文解读 ->
　 　 　 ├─ 4-NTN模块的作用与效果.mp4 - 41.1M
　 　 　 ├─ 6-结果输出与总结.mp4 - 71.2M
　 　 　 ├─ 3-图模型提取全局与局部特征.mp4 - 47.4M
　 　 　 ├─ 5-点之间的对应关系计算.mp4 - 51.2M
　 　 　 ├─ 2-基本方法概述解读.mp4 - 52.7M
　 　 　 └─ 1-要完成的任务分析.mp4 - 47.8M
　 　 ├─ 4-使用PyTorch Geometric构建自己的图数据集 ->
　 　 　 ├─ 6-网络结构定义模块.mp4 - 36.9M
　 　 　 ├─ 4-用户行为图结构创建.mp4 - 36.7M
　 　 　 ├─ 3-数据集基本预处理.mp4 - 31.5M
　 　 　 ├─ 7-TopkPooling进行下采样任务.mp4 - 31.3M
　 　 　 ├─ 2-数据集与任务背景概述.mp4 - 21.6M
　 　 　 ├─ 8-获取全局特征.mp4 - 25.7M
　 　 　 ├─ 5-数据集创建函数介绍.mp4 - 34.9M
　 　 　 ├─ 9-模型训练与总结.mp4 - 35.8M
　 　 　 └─ 1-构建数据集基本方法.mp4 - 13.5M
　 　 └─ 7-图相似度计算实战 ->
　 　 　 ├─ 2-图卷积特征提取模块.mp4 - 55.9M
　 　 　 ├─ 4-获得直方图特征结果.mp4 - 21.1M
　 　 　 ├─ 7-预测得到相似度结果.mp4 - 18.6M
　 　 　 ├─ 1-数据集与任务概述.mp4 - 18.1M
　 　 　 ├─ 5-图的全局特征构建.mp4 - 31.4M
　 　 　 ├─ 3-分别计算不同Batch点的分布.mp4 - 31.7M
　 　 　 └─ 6-NTN图相似特征提取.mp4 - 39.2M
　 ├─ 1-直播回放 ->
　 　 ├─ 12-直播11：分割Mask2former算法 ->
　 　 　 └─ 1-分割Mask2former算法.mp4 - 452.3M
　 　 ├─ 6-直播5：图神经网络 ->
　 　 　 └─ 1-图神经网络.mp4 - 1.4G
　 　 ├─ 13-直播12：多模态与交叉注意力应用 ->
　 　 　 └─ 1-多模态与交叉注意力应用.mp4 - 1.4G
　 　 ├─ 1-开班典礼 ->
　 　 　 └─ 1-开班典礼.mp4 - 872.8M
　 　 ├─ 16-直播15：知识图谱与LORA ->
　 　 　 └─ 1-知识图谱与LORA.mp4 - 1.5G
　 　 ├─ 10-直播9：自监督任务 ->
　 　 　 └─ 1-自监督任务.mp4 - 1.2G
　 　 ├─ 2-直播1：神经网络 ->
　 　 　 └─ 1-神经网络.mp4 - 1.3G
　 　 ├─ 7-直播6：Transformer Decoder在视觉任务的应用 ->
　 　 　 └─ 1-Transformer Decoder在视觉任务的应用.mp4 - 1.4G
　 　 ├─ 4-直播3：Transformer架构解读 ->
　 　 　 └─ 1-Transformer架构解读.mp4 - 1G
　 　 ├─ 3-直播2：卷积神经网络 ->
　 　 　 └─ 1-卷积神经网络.mp4 - 1.5G
　 　 ├─ 11-直播10：知识蒸馏 ->
　 　 　 └─ 1-知识蒸馏.mp4 - 1.5G
　 　 ├─ 14-直播13：时间序列timesnet与地理分类任务 ->
　 　 　 └─ 1-时间序列timesnet与地理分类任务.mp4 - 1.3G
　 　 ├─ 9-直播8：GPT与Hugging face ->
　 　 　 └─ 1-GPT与Hugging face.mp4 - 1.6G
　 　 ├─ 15-直播14：论文写作与就业简历 ->
　 　 　 └─ 1-论文写作与就业简历.mp4 - 1.2G
　 　 ├─ 5-直播4：视觉Transformer- VIT源码解读 ->
　 　 　 └─ 1-视觉Transformer- VIT源码解读.mp4 - 1.4G
　 　 └─ 8-直播7：对比学习与多模态任务 ->
　 　 　 └─ 1-对比学习与多模态任务.mp4 - 1.3G
　 ├─ 16-缺陷检测实战 ->
　 　 ├─ 10-基于Opencv缺陷检测项⽬实战 ->
　 　 　 ├─ 2-数据读取与基本处理.mp4 - 26.6M
　 　 　 ├─ 1-任务需求与环境配置.mp4 - 15.4M
　 　 　 ├─ 5-缺陷检测效果演示.mp4 - 50.9M
　 　 　 ├─ 4-整体流程解读.mp4 - 23.6M
　 　 　 └─ 3-缺陷形态学操作.mp4 - 26.5M
　 　 ├─ 11-基于视频流⽔线的Opencv缺陷检测项⽬ ->
　 　 　 ├─ 6-不同类型的缺陷检测方法.mp4 - 36.8M
　 　 　 ├─ 7-检测效果演示.mp4 - 25.7M
　 　 　 ├─ 3-目标质心计算.mp4 - 32.5M
　 　 　 ├─ 1-数据与任务概述.mp4 - 16.5M
　 　 　 ├─ 4-视频数据遍历方法.mp4 - 31.4M
　 　 　 ├─ 5-缺陷区域提取.mp4 - 36M
　 　 　 └─ 2-视频数据读取与轮廓检测.mp4 - 20.8M
　 　 ├─ 6-Semi-supervised布料缺陷检测实战 ->
　 　 　 ├─ 3-项目配置解读.mp4 - 63M
　 　 　 ├─ 4-网络流程分析.mp4 - 37.5M
　 　 　 ├─ 2-论文思想与模型分析.mp4 - 129M
　 　 　 ├─ 1-任务目标与流程概述.mp4 - 53.7M
　 　 　 └─ 5-输出结果展示.mp4 - 39.3M
　 　 ├─ 14-Deeplab铁质材料缺陷检测与开源项⽬应⽤流程 ->
　 　 　 ├─ 6-数据路径配置.mp4 - 54.5M
　 　 　 ├─ 4-源码的利用方法.mp4 - 89.5M
　 　 　 ├─ 2-开源项目应用方法.mp4 - 36.5M
　 　 　 ├─ 7-训练模型.mp4 - 34.4M
　 　 　 ├─ 8-任务总结.mp4 - 43M
　 　 　 ├─ 5-数据集制作方法.mp4 - 75.5M
　 　 　 ├─ 3-github与kaggle中需要注意的点.mp4 - 40.2M
　 　 　 └─ 1-数据集与任务概述.mp4 - 31.1M
　 　 ├─ 4-物体检测框架YOLOV5项目工程源码解读 ->
　 　 　 ├─ 1-数据源DEBUG流程解读.mp4 - 48.1M
　 　 　 ├─ 15-上采样与拼接操作.mp4 - 21.5M
　 　 　 ├─ 13-SPP层计算细节分析.mp4 - 29.2M
　 　 　 ├─ 21-模型迭代过程.mp4 - 38.4M
　 　 　 ├─ 18-命令行参数介绍.mp4 - 44.3M
　 　 　 ├─ 4-Mosaic数据增强方法.mp4 - 28.2M
　 　 　 ├─ 20-各种训练策略概述.mp4 - 38.4M
　 　 　 ├─ 8-V5网络配置文件解读.mp4 - 35.7M
　 　 　 ├─ 6-getItem构建batch.mp4 - 33M
　 　 　 ├─ 19-训练流程解读.mp4 - 46.8M
　 　 　 ├─ 12-BottleneckCSP层计算方法.mp4 - 33.8M
　 　 　 ├─ 17-超参数解读.mp4 - 34.9M
　 　 　 ├─ 7-网络架构图可视化工具安装.mp4 - 34.3M
　 　 　 ├─ 16-输出结果分析.mp4 - 41.7M
　 　 　 ├─ 3-加载标签数据.mp4 - 26.3M
　 　 　 ├─ 9-Focus模块流程分析.mp4 - 21.9M
　 　 　 ├─ 14-Head层流程解读.mp4 - 29.2M
　 　 　 ├─ 2-图像数据源配置.mp4 - 34.6M
　 　 　 ├─ 10-完成配置文件解析任务.mp4 - 58.8M
　 　 　 ├─ 5-数据四合一方法与流程演示.mp4 - 41.7M
　 　 　 └─ 11-前向传播计算.mp4 - 30.8M
　 　 ├─ 7-Opencv图像常⽤处理⽅法实例 ->
　 　 　 ├─ 8-高斯与中值滤波.mp4 - 20.6M
　 　 　 ├─ 6-图像阈值.mp4 - 30.8M
　 　 　 ├─ 10-膨胀操作.mp4 - 12.3M
　 　 　 ├─ 9-腐蚀操作.mp4 - 21M
　 　 　 ├─ 4-边界填充.mp4 - 21.5M
　 　 　 ├─ 12-梯度计算.mp4 - 7.9M
　 　 　 ├─ 13-礼帽与黑帽.mp4 - 15.9M
　 　 　 ├─ 5-数值计算.mp4 - 40M
　 　 　 ├─ 1-计算机眼中的图像.mp4 - 30.9M
　 　 　 ├─ 2-视频的读取与处理.mp4 - 47M
　 　 　 ├─ 3-ROI区域.mp4 - 15.4M
　 　 　 ├─ 7-图像平滑处理.mp4 - 24.8M
　 　 　 └─ 11-开运算与闭运算.mp4 - 9.3M
　 　 ├─ 13-基于deeplabV3+版本进⾏VOC分割实战 ->
　 　 　 ├─ 1-PascalVoc数据集介绍.mp4 - 70.1M
　 　 　 ├─ 3-网络前向传播流程.mp4 - 33.1M
　 　 　 ├─ 2-项目参数与数据集读取.mp4 - 60.3M
　 　 　 ├─ 5-分割模型训练.mp4 - 35M
　 　 　 └─ 4-ASPP层特征融合.mp4 - 51.2M
　 　 ├─ 3-物体检测框架YOLOV5版本项目配置 ->
　 　 　 ├─ 2-训练自己的数据集方法.mp4 - 41.3M
　 　 　 ├─ 3-训练数据参数配置.mp4 - 51.5M
　 　 　 ├─ 4-测试DEMO演示.mp4 - 50.5M
　 　 　 └─ 1-整体项目概述.mp4 - 35.8M
　 　 ├─ 8-Opencv梯度计算与边缘检测实例 ->
　 　 　 ├─ 1-Canny边缘检测流程.mp4 - 19M
　 　 　 ├─ 3-边缘检测效果.mp4 - 36.6M
　 　 　 ├─ 5-梯度计算方法.mp4 - 30.3M
　 　 　 ├─ 2-非极大值抑制.mp4 - 18.3M
　 　 　 ├─ 6-scharr与lapkacian算子.mp4 - 27.4M
　 　 　 └─ 4-Sobel算子.mp4 - 27M
　 　 ├─ 12-图像分割deeplab系列算法 ->
　 　 　 ├─ 5-ASPP特征融合策略.mp4 - 13.5M
　 　 　 ├─ 2-空洞卷积的作用.mp4 - 16.7M
　 　 　 ├─ 6-deeplabV3Plus版本网络架构.mp4 - 24.1M
　 　 　 ├─ 4-SPP层的作用.mp4 - 19M
　 　 　 ├─ 1-deeplab分割算法概述.mp4 - 13.8M
　 　 　 └─ 3-感受野的意义.mp4 - 19.4M
　 　 ├─ 1-课程介绍 ->
　 　 　 └─ 1-课程介绍.mp4 - 26.7M
　 　 ├─ 9-Opencv轮廓检测与直⽅图 ->
　 　 　 ├─ 13-低通与高通滤波.mp4 - 27.4M
　 　 　 ├─ 3-轮廓检测方法.mp4 - 19.4M
　 　 　 ├─ 8-直方图定义.mp4 - 23.6M
　 　 　 ├─ 4-轮廓检测结果.mp4 - 34.4M
　 　 　 ├─ 6-模板匹配方法.mp4 - 47.4M
　 　 　 ├─ 1-图像金字塔定义.mp4 - 19.7M
　 　 　 ├─ 2-金字塔制作方法.mp4 - 25.5M
　 　 　 ├─ 7-匹配效果展示.mp4 - 21.2M
　 　 　 ├─ 9-均衡化原理.mp4 - 31.4M
　 　 　 ├─ 11-傅里叶概述.mp4 - 38.9M
　 　 　 ├─ 5-轮廓特征与近似.mp4 - 37.6M
　 　 　 ├─ 12-频域变换结果.mp4 - 26.3M
　 　 　 └─ 10-均衡化效果.mp4 - 27.2M
　 　 ├─ 2-物体检框架YOLO-V4版本算法解读 ->
　 　 　 ├─ 9-SAM注意力机制模块.mp4 - 22.5M
　 　 　 ├─ 6-CIOU损失函数定义.mp4 - 10.8M
　 　 　 ├─ 4-DropBlock与标签平滑方法.mp4 - 19.4M
　 　 　 ├─ 1-V4版本整体概述.mp4 - 15.1M
　 　 　 ├─ 10-PAN模块解读.mp4 - 20.6M
　 　 　 ├─ 5-损失函数遇到的问题.mp4 - 14.3M
　 　 　 ├─ 8-SPP与CSP网络结构.mp4 - 14.8M
　 　 　 ├─ 7-NMS细节改进.mp4 - 16.7M
　 　 　 ├─ 3-数据增强策略分析.mp4 - 24.7M
　 　 　 ├─ 11-激活函数与整体架构总结.mp4 - 19.2M
　 　 　 └─ 2-V4版本贡献解读.mp4 - 10.1M
　 　 └─ 5-基于YOLOV5的钢材缺陷检测实战 ->
　 　 　 ├─ 2-数据与标签配置方法.mp4 - 38.4M
　 　 　 ├─ 1-任务需求与项目概述.mp4 - 14.1M
　 　 　 ├─ 6-缺陷检测模型训练.mp4 - 34.1M
　 　 　 ├─ 5-项目参数配置.mp4 - 27.2M
　 　 　 ├─ 3-标签转换格式脚本制作.mp4 - 30.6M
　 　 　 ├─ 4-各版本模型介绍分析.mp4 - 33.5M
　 　 　 └─ 7-输出结果与项目总结.mp4 - 45.2M
　 ├─ 6-Opencv图像处理框架实战 ->
　 　 ├─ 18-Opencv的DNN模块 ->
　 　 　 ├─ 1-dnn模块.mp4 - 28.6M
　 　 　 └─ 2-模型加载结果输出.mp4 - 40.5M
　 　 ├─ 13-案例实战-全景图像拼接 ->
　 　 　 ├─ 1-特征匹配方法.mp4 - 28.6M
　 　 　 ├─ 3-图像拼接方法.mp4 - 45M
　 　 　 ├─ 4-流程解读.mp4 - 21.7M
　 　 　 └─ 2-RANSAC算法.mp4 - 34.5M
　 　 ├─ 7-图像金字塔与轮廓检测 ->
　 　 　 ├─ 2-金字塔制作方法.mp4 - 25.5M
　 　 　 ├─ 5-轮廓特征与近似.mp4 - 37.5M
　 　 　 ├─ 3-轮廓检测方法.mp4 - 19.3M
　 　 　 ├─ 1-图像金字塔定义.mp4 - 19.7M
　 　 　 ├─ 4-轮廓检测结果.mp4 - 34.4M
　 　 　 ├─ 6-模板匹配方法.mp4 - 47.3M
　 　 　 └─ 7-匹配效果展示.mp4 - 21.1M
　 　 ├─ 6-边缘检测 ->
　 　 　 ├─ 1-Canny边缘检测流程.mp4 - 19M
　 　 　 ├─ 3-边缘检测效果.mp4 - 36.6M
　 　 　 └─ 2-非极大值抑制.mp4 - 18.3M
　 　 ├─ 14-项目实战-停车场车位识别 ->
　 　 　 ├─ 3-图像数据预处理.mp4 - 56.7M
　 　 　 ├─ 1-任务整体流程.mp4 - 71.4M
　 　 　 ├─ 2-所需数据介绍.mp4 - 34.3M
　 　 　 ├─ 6-车位区域划分.mp4 - 57.3M
　 　 　 ├─ 8-基于视频的车位检测.mp4 - 135.6M
　 　 　 ├─ 7-识别模型构建.mp4 - 41.2M
　 　 　 ├─ 5-按列划分区域.mp4 - 54.7M
　 　 　 └─ 4-车位直线检测.mp4 - 61.4M
　 　 ├─ 9-项目实战-信用卡数字识别 ->
　 　 　 ├─ 3-模板处理方法.mp4 - 23.7M
　 　 　 ├─ 4-输入数据处理方法.mp4 - 28.9M
　 　 　 ├─ 5-模板匹配得出识别结果.mp4 - 47.7M
　 　 　 ├─ 1-总体流程与方法讲解.mp4 - 20.7M
　 　 　 └─ 2-环境配置与预处理.mp4 - 34.8M
　 　 ├─ 11-图像特征-harris ->
　 　 　 ├─ 2-基本数学原理.mp4 - 30.6M
　 　 　 ├─ 1-角点检测基本原理.mp4 - 15.5M
　 　 　 ├─ 4-特征归属划分.mp4 - 43.2M
　 　 　 ├─ 3-求解化简.mp4 - 31.8M
　 　 　 └─ 5-opencv角点检测效果.mp4 - 31M
　 　 ├─ 17-光流估计 ->
　 　 　 ├─ 1-基本概念.mp4 - 20.2M
　 　 　 ├─ 2-Lucas-Kanade算法.mp4 - 19.7M
　 　 　 ├─ 4-光流估计实战.mp4 - 64.2M
　 　 　 └─ 3-推导求解.mp4 - 25.9M
　 　 ├─ 19-项目实战-目标追踪 ->
　 　 　 ├─ 4-基于dlib与ssd的追踪.mp4 - 73M
　 　 　 ├─ 3-深度学习检测框架加载.mp4 - 43.6M
　 　 　 ├─ 1-目标追踪概述.mp4 - 49.7M
　 　 　 ├─ 5-多进程目标追踪.mp4 - 25.7M
　 　 　 ├─ 6-多进程效率提升对比.mp4 - 78.1M
　 　 　 └─ 2-多目标追踪实战.mp4 - 34.6M
　 　 ├─ 16-背景建模 ->
　 　 　 ├─ 2-混合高斯模型.mp4 - 26.4M
　 　 　 ├─ 4-背景建模实战.mp4 - 51.2M
　 　 　 ├─ 3-学习步骤.mp4 - 31.8M
　 　 　 └─ 1-背景消除-帧差法.mp4 - 20.8M
　 　 ├─ 21-项目实战-疲劳检测 ->
　 　 　 ├─ 2-获取人脸关键点.mp4 - 36.1M
　 　 　 ├─ 4-闭眼检测.mp4 - 71.1M
　 　 　 ├─ 3-定位效果演示.mp4 - 45.4M
　 　 　 ├─ 1-关键点定位概述.mp4 - 28.5M
　 　 　 └─ 5-检测效果.mp4 - 40.6M
　 　 ├─ 15-项目实战-答题卡识别判卷 ->
　 　 　 ├─ 1-整体流程与效果概述.mp4 - 29.5M
　 　 　 ├─ 4-选项判断识别.mp4 - 57.1M
　 　 　 ├─ 2-预处理操作.mp4 - 24.1M
　 　 　 └─ 3-填涂轮廓检测.mp4 - 25.7M
　 　 ├─ 1-课程简介与环境配置 ->
　 　 　 ├─ 1-课程简介.mp4 - 5.4M
　 　 　 ├─ 2-Python与Opencv配置安装.mp4 - 33.3M
　 　 　 └─ 3-Notebook与IDE环境.mp4 - 84.4M
　 　 ├─ 10-项目实战-文档扫描OCR识别 ->
　 　 　 ├─ 1-整体流程演示.mp4 - 21.5M
　 　 　 ├─ 6-文档扫描识别效果.mp4 - 28.9M
　 　 　 ├─ 4-透视变换结果.mp4 - 32.9M
　 　 　 ├─ 3-原始与变换坐标计算.mp4 - 26.2M
　 　 　 ├─ 5-tesseract-ocr安装配置.mp4 - 41.2M
　 　 　 └─ 2-文档轮廓提取.mp4 - 27.8M
　 　 ├─ 8-直方图与傅里叶变换 ->
　 　 　 ├─ 6-低通与高通滤波.mp4 - 27.3M
　 　 　 ├─ 1-直方图定义.mp4 - 23.6M
　 　 　 ├─ 4-傅里叶概述.mp4 - 38.8M
　 　 　 ├─ 2-均衡化原理.mp4 - 31.4M
　 　 　 ├─ 5-频域变换结果.mp4 - 26.3M
　 　 　 └─ 3-均衡化效果.mp4 - 27.2M
　 　 ├─ 4-图像形态学操作 ->
　 　 　 ├─ 3-开运算与闭运算.mp4 - 9.3M
　 　 　 ├─ 1-腐蚀操作.mp4 - 21M
　 　 　 ├─ 4-梯度计算.mp4 - 7.9M
　 　 　 ├─ 2-膨胀操作.mp4 - 12.3M
　 　 　 └─ 5-礼帽与黑帽.mp4 - 15.9M
　 　 ├─ 3-阈值与平滑处理 ->
　 　 　 ├─ 2-图像平滑处理.mp4 - 24.7M
　 　 　 ├─ 3-高斯与中值滤波.mp4 - 20.6M
　 　 　 └─ 1-图像阈值.mp4 - 30.8M
　 　 ├─ 2-图像基本操作 ->
　 　 　 ├─ 1-计算机眼中的图像.mp4 - 30.9M
　 　 　 ├─ 3-ROI区域.mp4 - 15.4M
　 　 　 ├─ 4-边界填充.mp4 - 21.5M
　 　 　 ├─ 2-视频的读取与处理.mp4 - 47M
　 　 　 └─ 5-数值计算.mp4 - 40M
　 　 ├─ 5-图像梯度计算 ->
　 　 　 ├─ 2-梯度计算方法.mp4 - 30.3M
　 　 　 ├─ 3-scharr与lapkacian算子.mp4 - 27.4M
　 　 　 └─ 1-Sobel算子.mp4 - 27M
　 　 ├─ 12-图像特征-sift ->
　 　 　 ├─ 3-特征关键点定位.mp4 - 48.2M
　 　 　 ├─ 2-高斯差分金字塔.mp4 - 21.7M
　 　 　 ├─ 4-生成特征描述.mp4 - 24.7M
　 　 　 ├─ 5-特征向量生成.mp4 - 43.7M
　 　 　 ├─ 6-opencv中sift函数使用.mp4 - 28.8M
　 　 　 └─ 1-尺度空间定义.mp4 - 20M
　 　 └─ 20-卷积原理与操作 ->
　 　 　 ├─ 1-卷积神经网络的应用.mp4 - 36.2M
　 　 　 ├─ 7-卷积效果演示.mp4 - 24.6M
　 　 　 ├─ 3-卷积计算过程.mp4 - 27.6M
　 　 　 ├─ 8-卷积操作流程.mp4 - 41.1M
　 　 　 ├─ 6-池化层原理.mp4 - 16.1M
　 　 　 ├─ 5-卷积参数共享.mp4 - 17.7M
　 　 　 ├─ 2-卷积层解释.mp4 - 22.3M
　 　 　 └─ 4-pading与stride.mp4 - 26.1M
　 ├─ 8-图像分割实战 ->
　 　 ├─ 8-分割模型Maskformer系列 ->
　 　 　 └─ 1-分割模型Maskformer系列.mp4 - 1.3G
　 　 ├─ 11-MaskRcnn网络框架源码详解 ->
　 　 　 ├─ 3-生成框比例设置.mp4 - 28.2M
　 　 　 ├─ 1-FPN层特征提取原理解读.mp4 - 42.3M
　 　 　 ├─ 9-正负样本选择与标签定义.mp4 - 27.6M
　 　 　 ├─ 8-DetectionTarget层的作用.mp4 - 25.7M
　 　 　 ├─ 12-整体框架回顾.mp4 - 28.9M
　 　 　 ├─ 6-候选框过滤方法.mp4 - 15.6M
　 　 　 ├─ 2-FPN网络架构实现解读.mp4 - 55.8M
　 　 　 ├─ 5-RPN层的作用与实现解读.mp4 - 30.9M
　 　 　 ├─ 10-RoiPooling层的作用与目的.mp4 - 33.4M
　 　 　 ├─ 11-RorAlign操作的效果.mp4 - 25.7M
　 　 　 ├─ 4-基于不同尺度特征图生成所有框.mp4 - 32.9M
　 　 　 └─ 7-Proposal层实现方法.mp4 - 33.3M
　 　 ├─ 5-deeplab系列算法 ->
　 　 　 ├─ 5-ASPP特征融合策略.mp4 - 13.5M
　 　 　 ├─ 4-SPP层的作用.mp4 - 19M
　 　 　 ├─ 3-感受野的意义.mp4 - 19.4M
　 　 　 ├─ 1-deeplab分割算法概述.mp4 - 13.8M
　 　 　 ├─ 2-空洞卷积的作用.mp4 - 16.7M
　 　 　 └─ 6-deeplabV3Plus版本网络架构.mp4 - 24.1M
　 　 ├─ 6-基于deeplabV3+版本进⾏VOC分割实战 ->
　 　 　 ├─ 5-分割模型训练.mp4 - 35M
　 　 　 ├─ 3-网络前向传播流程.mp4 - 33.1M
　 　 　 ├─ 2-项目参数与数据集读取.mp4 - 60.3M
　 　 　 ├─ 4-ASPP层特征融合.mp4 - 51.2M
　 　 　 └─ 1-PascalVoc数据集介绍.mp4 - 70.1M
　 　 ├─ 10-物体检测框架-MaskRcnn项目介绍与配置 ->
　 　 　 ├─ 1-Mask-Rcnn开源项目简介.mp4 - 88.2M
　 　 　 ├─ 3-开源项目数据集.mp4 - 97.9M
　 　 　 └─ 2-开源项目数据集.mp4 - 42.5M
　 　 ├─ 4-U2NET显著性检测实战 ->
　 　 　 ├─ 4-解码器输出结果.mp4 - 27.9M
　 　 　 ├─ 5-损失函数与应用效果.mp4 - 34.3M
　 　 　 ├─ 2-显著性检测任务与目标概述.mp4 - 54M
　 　 　 ├─ 1-任务目标与网络整体介绍.mp4 - 58.7M
　 　 　 └─ 3-编码器模块解读.mp4 - 43.7M
　 　 ├─ 1-图像分割及其损失函数概述 ->
　 　 　 ├─ 3-MIOU评估标准.mp4 - 9M
　 　 　 ├─ 2-分割任务中的目标函数定义.mp4 - 20M
　 　 　 └─ 1-语义分割与实例分割概述.mp4 - 20.2M
　 　 ├─ 9-补充：Mask2former源码解读 ->
　 　 　 ├─ 8-损失模块输入参数分析.mp4 - 40.8M
　 　 　 ├─ 5-Encoder特征构建方法实例.mp4 - 49.8M
　 　 　 ├─ 6-query要预测的任务解读.mp4 - 45.6M
　 　 　 ├─ 4-偏移量与权重计算并转换.mp4 - 48.8M
　 　 　 ├─ 12-最终损失计算流程.mp4 - 52.3M
　 　 　 ├─ 10-正样本筛选损失计算.mp4 - 41.8M
　 　 　 ├─ 1-Backbone获取多层级特征.mp4 - 35.8M
　 　 　 ├─ 7-Decoder中的AttentionMask方法.mp4 - 50.9M
　 　 　 ├─ 2-多层级采样点初始化构建.mp4 - 41.5M
　 　 　 ├─ 13-汇总所有损失完成迭代.mp4 - 35.8M
　 　 　 ├─ 9-标签分配策略解读.mp4 - 42.5M
　 　 　 ├─ 3-多层级输入特征序列创建方法.mp4 - 43.8M
　 　 　 └─ 11-标签分类匹配结果分析.mp4 - 62M
　 　 ├─ 7-医学⼼脏视频数据集分割建模实战 ->
　 　 　 ├─ 5-补充：视频数据源特征处理方法概述.mp4 - 26.3M
　 　 　 ├─ 1-数据集与任务概述.mp4 - 45.5M
　 　 　 ├─ 2-项目基本配置参数.mp4 - 33.3M
　 　 　 ├─ 4-文献报告分析.mp4 - 122.7M
　 　 　 ├─ 6-补充：R(2plus1)D处理方法分析.mp4 - 18.9M
　 　 　 └─ 3-任务流程解读.mp4 - 69.1M
　 　 ├─ 3-unet医学细胞分割实战 ->
　 　 　 ├─ 4-特征融合方法演示.mp4 - 30M
　 　 　 ├─ 1-医学细胞数据集介绍与参数配置.mp4 - 71.2M
　 　 　 ├─ 3-Debug模式演示网络计算流程.mp4 - 41.4M
　 　 　 ├─ 5-迭代完成整个模型计算任务.mp4 - 33.5M
　 　 　 ├─ 6-模型效果验证.mp4 - 47.3M
　 　 　 └─ 2-数据增强工具.mp4 - 61.5M
　 　 ├─ 2-Unet系列算法讲解 ->
　 　 　 ├─ 4-后续升级版本介绍.mp4 - 18.4M
　 　 　 ├─ 2-网络计算流程.mp4 - 16.1M
　 　 　 ├─ 1-Unet网络编码与解码过程.mp4 - 18.3M
　 　 　 └─ 3-Unet升级版本改进.mp4 - 15.7M
　 　 └─ 12-基于MASK-RCNN框架训练自己的数据与任务 ->
　 　 　 ├─ 6-测试与展示模块.mp4 - 38.6M
　 　 　 ├─ 4-maskrcnn源码修改方法.mp4 - 63.6M
　 　 　 ├─ 2-使用labelme进行数据与标签标注.mp4 - 26.3M
　 　 　 ├─ 1-Labelme工具安装.mp4 - 14.3M
　 　 　 ├─ 5-基于标注数据训练所需任务.mp4 - 39.7M
　 　 　 └─ 3-完成训练数据准备工作.mp4 - 26.6M
　 ├─ 15-对比学习与多模态任务实战 ->
　 　 ├─ 3-多模态3D目标检测算法源码解读 ->
　 　 　 ├─ 1-环境配置与数据集概述.mp4 - 51.5M
　 　 　 ├─ 3-基本流程梳理并进入debug模式.mp4 - 50.3M
　 　 　 ├─ 5-体素索引位置获取.mp4 - 64.7M
　 　 　 ├─ 7-体素特征计算方法分析.mp4 - 70.7M
　 　 　 ├─ 10-3D卷积特征融合.mp4 - 56.8M
　 　 　 ├─ 4-数据与图像特征提取模块.mp4 - 58M
　 　 　 ├─ 8-全局体素特征提取.mp4 - 96M
　 　 　 ├─ 2-数据与标注文件介绍.mp4 - 37.5M
　 　 　 ├─ 6-体素特征提取方法解读.mp4 - 37.6M
　 　 　 ├─ 9-多模态特征融合.mp4 - 68.4M
　 　 　 └─ 11-输出层预测结果.mp4 - 80.8M
　 　 ├─ 4-多模态文字识别 ->
　 　 　 └─ 1-多模态文字识别.mp4 - 766M
　 　 ├─ 5-ANINET源码解读 ->
　 　 　 ├─ 4-视觉Transformer模块的作用.mp4 - 46M
　 　 　 ├─ 5-视觉模型中的编码与解码的效果.mp4 - 54.5M
　 　 　 ├─ 6-文本模型中的结构分析.mp4 - 38.7M
　 　 　 ├─ 7-迭代修正模块.mp4 - 38.1M
　 　 　 ├─ 3-Bakbone模块得到特征.mp4 - 42.1M
　 　 　 ├─ 2-配置文件修改方法.mp4 - 52.5M
　 　 　 ├─ 1-数据集与环境概述.mp4 - 55.6M
　 　 　 └─ 8-输出层与损失计算.mp4 - 52.8M
　 　 ├─ 1-对比学习算法与实例 ->
　 　 　 └─ 1-对比学习算法与实例.mp4 - 549.5M
　 　 └─ 2-CLIP系列 ->
　 　 　 └─ 1-CLIP系列.mp4 - 621M
　 ├─ 7-综合项目-物体检测经典算法实战 ->
　 　 ├─ 7-基于YOLO-V3训练自己的数据集与任务（建议直接跑V5版本） ->
　 　 　 ├─ 4-生成模型所需配置文件.mp4 - 36.7M
　 　 　 ├─ 6-完成输入数据准备工作.mp4 - 40.1M
　 　 　 ├─ 3-完成标签制作.mp4 - 31.7M
　 　 　 ├─ 1-Labelme工具安装.mp4 - 14.3M
　 　 　 ├─ 5-json格式转换成yolo-v3所需输入.mp4 - 21M
　 　 　 ├─ 8-训练模型并测试效果.mp4 - 38.5M
　 　 　 ├─ 2-数据信息标注.mp4 - 32.1M
　 　 　 └─ 7-训练代码与参数配置更改.mp4 - 44.3M
　 　 ├─ 9-V5版本项目配置 ->
　 　 　 ├─ 4-测试DEMO演示.mp4 - 50.5M
　 　 　 ├─ 3-训练数据参数配置.mp4 - 51.5M
　 　 　 ├─ 2-训练自己的数据集方法.mp4 - 41.3M
　 　 　 └─ 1-整体项目概述.mp4 - 35.8M
　 　 ├─ 3-YOLO-V1整体思想与网络架构 ->
　 　 　 ├─ 4-位置损失计算.mp4 - 19M
　 　 　 ├─ 1-YOLO算法整体思路解读.mp4 - 14.7M
　 　 　 ├─ 3-整体网络架构解读.mp4 - 30.7M
　 　 　 ├─ 2-检测算法要得到的结果.mp4 - 13.6M
　 　 　 └─ 5-置信度误差与优缺点分析.mp4 - 26.9M
　 　 ├─ 2-深度学习经典检测⽅法概述 ->
　 　 　 ├─ 2-不同阶段算法优缺点分析.mp4 - 10.7M
　 　 　 ├─ 4-评估所需参数计算.mp4 - 26.2M
　 　 　 ├─ 3-IOU指标计算.mp4 - 11.7M
　 　 　 ├─ 1-检测任务中阶段的意义.mp4 - 15.1M
　 　 　 └─ 5-map指标计算.mp4 - 19.6M
　 　 ├─ 16-半监督物体检测 ->
　 　 　 └─ 1-半监督物体检测.mp4 - 824.8M
　 　 ├─ 18-EfficientDet检测算法 ->
　 　 　 └─ 1-EfficientDet检测算法.mp4 - 448M
　 　 ├─ 17-EfficientNet网络 ->
　 　 　 └─ 1-EfficientNet网络模型.mp4 - 538.5M
　 　 ├─ 8-YOLO-V4版本算法解读 ->
　 　 　 ├─ 6-CIOU损失函数定义.mp4 - 10.8M
　 　 　 ├─ 3-数据增强策略分析.mp4 - 24.7M
　 　 　 ├─ 4-DropBlock与标签平滑方法.mp4 - 19.4M
　 　 　 ├─ 10-PAN模块解读.mp4 - 20.6M
　 　 　 ├─ 9-SAM注意力机制模块.mp4 - 22.5M
　 　 　 ├─ 2-V4版本贡献解读.mp4 - 10.1M
　 　 　 ├─ 7-NMS细节改进.mp4 - 16.7M
　 　 　 ├─ 1-V4版本整体概述.mp4 - 15.1M
　 　 　 ├─ 8-SPP与CSP网络结构.mp4 - 14.8M
　 　 　 ├─ 11-激活函数与整体架构总结.mp4 - 19.2M
　 　 　 └─ 5-损失函数遇到的问题.mp4 - 14.3M
　 　 ├─ 14-detr目标检测源码解读 ->
　 　 　 ├─ 9-损失函数与预测输出.mp4 - 41.2M
　 　 　 ├─ 7-Decoder层操作与计算.mp4 - 30.1M
　 　 　 ├─ 6-编码层作用方法.mp4 - 42.9M
　 　 　 ├─ 4-backbone特征提取模块.mp4 - 35.6M
　 　 　 ├─ 1-项目环境配置解读.mp4 - 40.4M
　 　 　 ├─ 2-数据处理与dataloader.mp4 - 64.1M
　 　 　 ├─ 3-位置编码作用分析.mp4 - 47.9M
　 　 　 ├─ 8-输出预测结果.mp4 - 41.3M
　 　 　 └─ 5-mask与编码模块.mp4 - 34.8M
　 　 ├─ 1-物体检测评估指标 ->
　 　 　 └─ 1-物体检测评估指标.mp4 - 84.1M
　 　 ├─ 13-基于Transformer的detr目标检测算法 ->
　 　 　 ├─ 3-位置信息初始化query向量.mp4 - 20M
　 　 　 ├─ 1-DETR目标检测基本思想解读.mp4 - 19.3M
　 　 　 ├─ 2-整体网络架构分析.mp4 - 31.6M
　 　 　 ├─ 4-注意力机制的作用方法.mp4 - 20.9M
　 　 　 └─ 5-训练过程的策略.mp4 - 28.4M
　 　 ├─ 10-V5项目工程源码解读 ->
　 　 　 ├─ 21-模型迭代过程.mp4 - 38.4M
　 　 　 ├─ 10-完成配置文件解析任务.mp4 - 58.8M
　 　 　 ├─ 19-训练流程解读.mp4 - 46.8M
　 　 　 ├─ 2-图像数据源配置.mp4 - 34.6M
　 　 　 ├─ 13-SPP层计算细节分析.mp4 - 29.2M
　 　 　 ├─ 16-输出结果分析.mp4 - 41.7M
　 　 　 ├─ 18-命令行参数介绍.mp4 - 44.3M
　 　 　 ├─ 6-getItem构建batch.mp4 - 33M
　 　 　 ├─ 20-各种训练策略概述.mp4 - 38.4M
　 　 　 ├─ 14-Head层流程解读.mp4 - 29.1M
　 　 　 ├─ 8-V5网络配置文件解读.mp4 - 35.7M
　 　 　 ├─ 4-Mosaic数据增强方法.mp4 - 28.2M
　 　 　 ├─ 12-BottleneckCSP层计算方法.mp4 - 33.8M
　 　 　 ├─ 15-上采样与拼接操作.mp4 - 21.5M
　 　 　 ├─ 7-网络架构图可视化工具安装.mp4 - 34.3M
　 　 　 ├─ 17-超参数解读.mp4 - 34.9M
　 　 　 ├─ 1-数据源DEBUG流程解读.mp4 - 48.1M
　 　 　 ├─ 11-前向传播计算.mp4 - 30.8M
　 　 　 ├─ 5-数据四合一方法与流程演示.mp4 - 41.7M
　 　 　 ├─ 3-加载标签数据.mp4 - 26.3M
　 　 　 └─ 9-Focus模块流程分析.mp4 - 21.9M
　 　 ├─ 11-YOLO系列（V7）算法解读 ->
　 　 　 └─ 1-YOLO系列（V7）算法解读.mp4 - 650.6M
　 　 ├─ 15-DeformableDetr算法解读 ->
　 　 　 └─ 1-DeformableDetr算法解读.mp4 - 1.5G
　 　 ├─ 5-YOLO-V3核心网络模型 ->
　 　 　 ├─ 4-残差连接方法解读.mp4 - 18.6M
　 　 　 ├─ 5-整体网络模型架构分析.mp4 - 12.9M
　 　 　 ├─ 3-经典变换方法对比分析.mp4 - 10.8M
　 　 　 ├─ 2-多scale方法改进与特征融合.mp4 - 17.1M
　 　 　 ├─ 1-V3版本改进概述.mp4 - 18.3M
　 　 　 ├─ 6-先验框设计改进.mp4 - 13M
　 　 　 └─ 7-sotfmax层改进.mp4 - 10.6M
　 　 ├─ 4-YOLO-V2改进细节详解 ->
　 　 　 ├─ 1-V2版本细节升级概述.mp4 - 13.4M
　 　 　 ├─ 6-坐标映射与还原.mp4 - 10.1M
　 　 　 ├─ 7-感受野的作用.mp4 - 28.1M
　 　 　 ├─ 4-基于聚类来选择先验框尺寸.mp4 - 24.2M
　 　 　 ├─ 8-特征融合改进.mp4 - 19.2M
　 　 　 ├─ 3-架构细节解读.mp4 - 18.9M
　 　 　 ├─ 5-偏移量计算方法.mp4 - 27.5M
　 　 　 └─ 2-网络结构特点.mp4 - 15.7M
　 　 ├─ 12-V7源码解读 ->
　 　 　 ├─ 17-辅助头损失函数调整.mp4 - 39.3M
　 　 　 ├─ 15-损失函数计算方法.mp4 - 46.1M
　 　 　 ├─ 2-基本参数作用.mp4 - 40.8M
　 　 　 ├─ 9-得到偏移点所在网格位置.mp4 - 42.8M
　 　 　 ├─ 8-候选框偏移方法与find3p模块解读.mp4 - 33.7M
　 　 　 ├─ 1-命令行参数介绍.mp4 - 25M
　 　 　 ├─ 3-EMA等训练技巧解读.mp4 - 49.3M
　 　 　 ├─ 19-重参数化多分支合并加速.mp4 - 43.2M
　 　 　 ├─ 11-候选框筛选流程分析.mp4 - 31.8M
　 　 　 ├─ 14-通过IOU与置信度分配正样本.mp4 - 60.4M
　 　 　 ├─ 5-各模块操作细节分析.mp4 - 49.1M
　 　 　 ├─ 12-预测值各项指标获取与调整.mp4 - 47M
　 　 　 ├─ 13-GT匹配正样本数量计算.mp4 - 42.1M
　 　 　 ├─ 6-输出层与配置文件其他模块解读.mp4 - 60.9M
　 　 　 ├─ 18-BN与卷积权重参数融合方法.mp4 - 53.8M
　 　 　 ├─ 7-标签分配策略准备操作.mp4 - 34.7M
　 　 　 ├─ 4-网络结构配置文件解读.mp4 - 36.9M
　 　 　 ├─ 16-辅助头AUX网络结构配置文件解析.mp4 - 31.1M
　 　 　 └─ 10-完成BuildTargets模块.mp4 - 51.4M
　 　 └─ 6-项目实战-基于V3版本进行源码解读（建议直接跑V5版本） ->
　 　 　 ├─ 9-预测结果计算.mp4 - 46M
　 　 　 ├─ 1-数据与环境配置.mp4 - 65.5M
　 　 　 ├─ 4-标签文件读取与处理.mp4 - 27.5M
　 　 　 ├─ 6-基于配置文件构建网络模型.mp4 - 42M
　 　 　 ├─ 2-训练参数设置.mp4 - 23.9M
　 　 　 ├─ 15-模型训练与总结.mp4 - 72.9M
　 　 　 ├─ 11-模型要计算的损失概述.mp4 - 23.1M
　 　 　 ├─ 12-标签值格式修改.mp4 - 28.3M
　 　 　 ├─ 10-网格偏移计算.mp4 - 33.9M
　 　 　 ├─ 16-预测效果展示.mp4 - 34.5M
　 　 　 ├─ 14-完成所有损失函数所需计算指标.mp4 - 35.3M
　 　 　 ├─ 5-debug模式介绍.mp4 - 27.2M
　 　 　 ├─ 13-坐标相对位置计算.mp4 - 32.8M
　 　 　 ├─ 7-路由层与shortcut层的作用.mp4 - 33.7M
　 　 　 ├─ 8-YOLO层定义解析.mp4 - 61.1M
　 　 　 └─ 3-COCO图像数据读取与处理.mp4 - 42.5M
　 ├─ 29-推荐系统实战系列 ->
　 　 ├─ 3-音乐推荐系统实战 ->
　 　 　 ├─ 3-3-基于物品的协同过滤.mp4 - 63.1M
　 　 　 ├─ 6-6-基于矩阵分解的音乐推荐.mp4 - 83.1M
　 　 　 ├─ 1-1-音乐推荐任务概述.mp4 - 64.5M
　 　 　 └─ 2-2-数据集整合.mp4 - 53.9M
　 　 ├─ 2-协同过滤与矩阵分解 ->
　 　 　 ├─ 4-4-矩阵分解的目的与效果.mp4 - 20.7M
　 　 　 ├─ 5-5-矩阵分解中的隐向量.mp4 - 25.1M
　 　 　 ├─ 7-7-隐式情况分析.mp4 - 14.1M
　 　 　 ├─ 8-8-Embedding的作用.mp4 - 11.1M
　 　 　 ├─ 2-2-基于用户与商品的协同过滤.mp4 - 18.5M
　 　 　 ├─ 3-3-相似度计算与推荐实例.mp4 - 15.2M
　 　 　 ├─ 1-1-协同过滤与矩阵分解简介.mp4 - 11.3M
　 　 　 └─ 6-6-目标函数简介.mp4 - 13.7M
　 　 ├─ 1-推荐系统介绍及其应用 ->
　 　 　 ├─ 6-6-与深度学习的结合.mp4 - 23.7M
　 　 　 ├─ 3-3-应用领域与多方位评估指标.mp4 - 26.5M
　 　 　 ├─ 1-1-推荐系统通俗解读.mp4 - 17.3M
　 　 　 ├─ 4-4-任务流程与挑战概述.mp4 - 26.7M
　 　 　 ├─ 5-5-常用技术点分析.mp4 - 16.5M
　 　 　 └─ 2-2-推荐系统发展简介.mp4 - 23.2M
　 　 ├─ 10-基本统计分析的电影推荐 ->
　 　 　 ├─ 2-2-数据与关键词信息展示.mp4 - 61.3M
　 　 　 ├─ 9-9-得出推荐结果.mp4 - 51.8M
　 　 　 ├─ 5-5-数据清洗概述.mp4 - 57.3M
　 　 　 ├─ 8-8-数据特征构造.mp4 - 36.2M
　 　 　 ├─ 4-4-特征可视化.mp4 - 38.7M
　 　 　 ├─ 1-1-电影数据与环境配置.mp4 - 64.1M
　 　 　 ├─ 3-3-关键词云与直方图展示.mp4 - 46M
　 　 　 ├─ 7-7-推荐引擎构造.mp4 - 50.9M
　 　 　 └─ 6-6-缺失值填充方法.mp4 - 37.2M
　 　 ├─ 8-推荐系统常用工具包演示 ->
　 　 　 ├─ 3-3-surprise工具包基本使用.mp4 - 36.1M
　 　 　 ├─ 1-1-环境配置与数据集介绍.mp4 - 35.7M
　 　 　 ├─ 4-4-模型测试集结果.mp4 - 30.7M
　 　 　 ├─ 2-2-电影数据集预处理分析.mp4 - 32.7M
　 　 　 └─ 5-5-评估指标概述.mp4 - 66.4M
　 　 ├─ 11-补充-基于相似度的酒店推荐系统 ->
　 　 　 ├─ 4-4-文本清洗.mp4 - 32.9M
　 　 　 ├─ 5-5-相似度计算.mp4 - 47.6M
　 　 　 ├─ 6-6-得出推荐结果.mp4 - 62M
　 　 　 ├─ 1-1-酒店数据与任务介绍.mp4 - 22M
　 　 　 ├─ 3-3-ngram结果可视化展示.mp4 - 53.1M
　 　 　 └─ 2-2-文本词频统计.mp4 - 31.4M
　 　 ├─ 9-基于文本数据的推荐实例 ->
　 　 　 ├─ 4-4-TFIDF构建特征矩阵.mp4 - 31.3M
　 　 　 ├─ 7-7-推荐结果分析.mp4 - 43M
　 　 　 ├─ 1-1-数据与环境配置介绍.mp4 - 19.8M
　 　 　 ├─ 6-6-LDA主题模型效果演示.mp4 - 53.1M
　 　 　 ├─ 3-3-文本数据预处理.mp4 - 37.4M
　 　 　 ├─ 5-5-矩阵分解演示.mp4 - 29M
　 　 　 └─ 2-2-数据科学相关数据介绍.mp4 - 31.3M
　 　 ├─ 7-DeepFM算法实战 ->
　 　 　 ├─ 2-2-广告点击数据预处理实例.mp4 - 49.2M
　 　 　 ├─ 5-5-一阶权重参数设计.mp4 - 33.5M
　 　 　 ├─ 1-1-数据集介绍与环境配置.mp4 - 57.8M
　 　 　 ├─ 9-9-DNN模块与训练过程.mp4 - 37.5M
　 　 　 ├─ 4-4-Index与Value数据制作.mp4 - 29.3M
　 　 　 ├─ 6-6-二阶特征构建方法.mp4 - 28.8M
　 　 　 ├─ 3-3-数据处理模块Embedding层.mp4 - 34.4M
　 　 　 ├─ 8-8-完成FM模块计算.mp4 - 24.6M
　 　 　 └─ 7-7-特征组合方法实例分析.mp4 - 49.5M
　 　 ├─ 4-知识图谱与Neo4j数据库实例 ->
　 　 　 ├─ 5-5-数据获取分析.mp4 - 35.9M
　 　 　 ├─ 4-4-金融与推荐领域的应用.mp4 - 20.4M
　 　 　 ├─ 2-2-知识图谱在搜索引擎中的应用.mp4 - 26.6M
　 　 　 ├─ 6-1-Neo4j图数据库介绍.mp4 - 63.5M
　 　 　 ├─ 8-3-可视化例子演示.mp4 - 43.6M
　 　 　 ├─ 9-4-创建与删除操作演示.mp4 - 25.3M
　 　 　 ├─ 1-1-知识图谱通俗解读.mp4 - 19.9M
　 　 　 └─ 10-5-数据库更改查询操作演示.mp4 - 27.1M
　 　 ├─ 6-点击率估计FM与DeepFM算法 ->
　 　 　 ├─ 4-4-二阶公式推导与化简.mp4 - 20.9M
　 　 　 ├─ 7-7-输入层所需数据样例.mp4 - 14.1M
　 　 　 ├─ 8-8-Embedding层的作用与总结.mp4 - 21.5M
　 　 　 ├─ 3-3-二项式特征的作用与挑战.mp4 - 11.8M
　 　 　 ├─ 1-1-CTR估计及其经典方法概述.mp4 - 21.9M
　 　 　 ├─ 6-6-DeepFm整体架构解读.mp4 - 15.1M
　 　 　 ├─ 2-2-高维特征带来的问题.mp4 - 12.9M
　 　 　 └─ 5-5-FM算法解析.mp4 - 19.8M
　 　 └─ 5-基于知识图谱的电影推荐实战 ->
　 　 　 ├─ 7-7-相似度计算与推荐引擎构建.mp4 - 39.2M
　 　 　 ├─ 1-1-知识图谱推荐系统效果演示.mp4 - 23.7M
　 　 　 ├─ 3-3-图谱需求与任务流程解读.mp4 - 26.6M
　 　 　 └─ 6-6-图谱查询与匹配操作.mp4 - 19.6M
　 ├─ 14-面向深度学习的无人驾驶实战 ->
　 　 ├─ 12-TSDF实战案例 ->
　 　 　 ├─ 2-初始化与数据读取.mp4 - 21.3M
　 　 　 ├─ 1-环境配置概述.mp4 - 32.7M
　 　 　 └─ 3-计算得到TSDF输出.mp4 - 44.1M
　 　 ├─ 15-特斯拉无人驾驶解读 ->
　 　 　 └─ 1-特斯拉无人驾驶解读.mp4 - 644.2M
　 　 ├─ 2-深度估计项目实战 ->
　 　 　 ├─ 11-模型DEMO输出结果.mp4 - 80.6M
　 　 　 ├─ 9-输出深度估计结果.mp4 - 25.4M
　 　 　 ├─ 8-特征拼接方法解读.mp4 - 47.6M
　 　 　 ├─ 1-项目环境配置解读.mp4 - 52.9M
　 　 　 ├─ 2-数据与标签定义方法.mp4 - 74.3M
　 　 　 ├─ 4-使用backbone进行特征提取.mp4 - 42.4M
　 　 　 ├─ 10-损失函数通俗解读.mp4 - 65.8M
　 　 　 ├─ 5-计算差异特征.mp4 - 30.7M
　 　 　 ├─ 3-数据集dataloader制作.mp4 - 36.8M
　 　 　 ├─ 6-权重参数标准化操作.mp4 - 42.6M
　 　 　 └─ 7-网络结构ASPP层.mp4 - 47.3M
　 　 ├─ 6-局部特征关键点匹配实战 ->
　 　 　 ├─ 1-项目与参数配置解读.mp4 - 44.5M
　 　 　 ├─ 2-DEMO效果演示.mp4 - 39.6M
　 　 　 ├─ 6-cross关系计算方法实例.mp4 - 29.4M
　 　 　 ├─ 3-backbone特征提取模块.mp4 - 28.7M
　 　 　 ├─ 4-注意力机制的作用与效果分析.mp4 - 31M
　 　 　 ├─ 8-完成基础匹配模块.mp4 - 63.3M
　 　 　 ├─ 7-粗粒度匹配过程.mp4 - 49.8M
　 　 　 ├─ 11-通过期望计算最终输出.mp4 - 40.2M
　 　 　 ├─ 5-特征融合模块实现方法.mp4 - 29.4M
　 　 　 ├─ 9-精细化调整方法与实例.mp4 - 42.8M
　 　 　 └─ 10-得到精细化输出结果.mp4 - 19.4M
　 　 ├─ 9-NeuralRecon项目环境配置 ->
　 　 　 ├─ 3-TSDF标签生成方法.mp4 - 55.3M
　 　 　 ├─ 4-ISSUE的作用.mp4 - 49.2M
　 　 　 ├─ 2-Scannet数据集内容概述.mp4 - 37.3M
　 　 　 ├─ 5-完成依赖环境配置.mp4 - 57.1M
　 　 　 └─ 1-数据集下载与配置方法.mp4 - 52.4M
　 　 ├─ 10-NeuralRecon项目源码解读 ->
　 　 　 ├─ 6-得到一阶段输出结果.mp4 - 38.1M
　 　 　 ├─ 8-项目总结.mp4 - 108.4M
　 　 　 ├─ 5-插值得到对应特征向量.mp4 - 32.4M
　 　 　 ├─ 3-坐标映射方法实现.mp4 - 26.7M
　 　 　 ├─ 2-初始化体素位置.mp4 - 41.5M
　 　 　 ├─ 4-得到体素所对应特征图.mp4 - 50.7M
　 　 　 ├─ 1-Backbone得到特征图.mp4 - 36M
　 　 　 └─ 7-完成三个阶段预测结果.mp4 - 45.8M
　 　 ├─ 3-车道线检测算法与论文解读 ->
　 　 　 ├─ 4-损失函数计算方法.mp4 - 27.3M
　 　 　 ├─ 2-网络整体框架分析.mp4 - 28.9M
　 　 　 ├─ 3-输出结果分析.mp4 - 18.1M
　 　 　 ├─ 1-数据标签与任务分析.mp4 - 84.5M
　 　 　 └─ 5-论文概述分析.mp4 - 62.4M
　 　 ├─ 5-商汤LoFTR算法解读 ->
　 　 　 ├─ 6-粗粒度匹配过程与作用.mp4 - 26M
　 　 　 ├─ 7-特征图拆解操作.mp4 - 14.3M
　 　 　 ├─ 8-细粒度匹配的作用与方法.mp4 - 19.9M
　 　 　 ├─ 9-基于期望预测最终位置.mp4 - 23.1M
　 　 　 ├─ 4-CrossAttention的作用与效果.mp4 - 15.7M
　 　 　 ├─ 1-特征匹配的应用场景.mp4 - 87.3M
　 　 　 ├─ 5-transformer构建匹配特征.mp4 - 33.8M
　 　 　 ├─ 2-特征匹配的基本流程分析.mp4 - 15.9M
　 　 　 ├─ 3-整体流程梳理分析.mp4 - 16.5M
　 　 　 └─ 10-总结分析.mp4 - 39.4M
　 　 ├─ 14-轨迹估计预测实战 ->
　 　 　 ├─ 2-训练数据准备.mp4 - 27.7M
　 　 　 ├─ 5-SubGraph与Attention模型流程.mp4 - 34.6M
　 　 　 ├─ 4-DataLoader构建图结构.mp4 - 28.7M
　 　 　 ├─ 3-Agent特征提取方法.mp4 - 38M
　 　 　 └─ 1-数据与环境配置.mp4 - 35.4M
　 　 ├─ 1-深度估计算法原理解读 ->
　 　 　 ├─ 7-特征拼接方法分析.mp4 - 21.2M
　 　 　 ├─ 2-kitti数据集介绍.mp4 - 59.4M
　 　 　 ├─ 5-SPP层的作用.mp4 - 15.3M
　 　 　 ├─ 10-损失计算.mp4 - 30.5M
　 　 　 ├─ 8-网络coarse-to-fine过程.mp4 - 26.5M
　 　 　 ├─ 3-使用backbone获取层级特征.mp4 - 22.2M
　 　 　 ├─ 6-空洞卷积与ASPP.mp4 - 18.9M
　 　 　 ├─ 9-权重参数预处理.mp4 - 27.5M
　 　 　 ├─ 4-差异特征计算边界信息.mp4 - 26.5M
　 　 　 └─ 1-深度估计效果与应用.mp4 - 98.5M
　 　 ├─ 7-三维重建应用与坐标系基础 ->
　 　 　 ├─ 5-坐标系转换方法解读.mp4 - 20.9M
　 　 　 ├─ 4-相机坐标系.mp4 - 17.2M
　 　 　 ├─ 8-相机标定简介.mp4 - 5.5M
　 　 　 ├─ 3-成像方法概述.mp4 - 16.3M
　 　 　 ├─ 7-通过内外参数进行坐标变换.mp4 - 16.5M
　 　 　 ├─ 1-三维重建概述分析.mp4 - 66.8M
　 　 　 ├─ 6-相机内外参.mp4 - 17M
　 　 　 └─ 2-三维重建应用领域概述.mp4 - 13.2M
　 　 ├─ 13-轨迹估计算法与论文解读 ->
　 　 　 ├─ 6-子图模块构建方法.mp4 - 42.5M
　 　 　 ├─ 5-输入细节分析.mp4 - 50M
　 　 　 ├─ 4-传统方法与现在向量空间对比.mp4 - 51.8M
　 　 　 ├─ 8-VectorNet输出层分析.mp4 - 85.5M
　 　 　 ├─ 1-数据集与标注信息解读.mp4 - 57.5M
　 　 　 ├─ 2-整体三大模块分析.mp4 - 71.8M
　 　 　 ├─ 7-特征融合模块分析.mp4 - 47.7M
　 　 　 └─ 3-特征工程的作用与效果.mp4 - 41.7M
　 　 ├─ 8-NeuralRecon算法解读 ->
　 　 　 ├─ 5-整体架构重构方法.mp4 - 23M
　 　 　 ├─ 1-任务流程分析.mp4 - 19.4M
　 　 　 ├─ 3-特征映射方法解读.mp4 - 34.7M
　 　 　 ├─ 4-片段融合思想.mp4 - 16.7M
　 　 　 └─ 2-基本框架熟悉.mp4 - 27.4M
　 　 ├─ 11-TSDF算法与应用 ->
　 　 　 ├─ 5-坐标转换流程分析.mp4 - 31.1M
　 　 　 ├─ 6-输出结果融合更新.mp4 - 34.2M
　 　 　 ├─ 1-TSDF整体概述分析.mp4 - 23.2M
　 　 　 ├─ 3-布局初始化操作.mp4 - 12.7M
　 　 　 ├─ 2-合成过程DEMO演示.mp4 - 27.6M
　 　 　 └─ 4-TSDF计算基本流程解读.mp4 - 23.9M
　 　 └─ 4-基于深度学习的车道线检测项目实战 ->
　 　 　 ├─ 7-完成数据与标签制作.mp4 - 24.6M
　 　 　 ├─ 5-四条车道线标签位置矩阵.mp4 - 22.3M
　 　 　 ├─ 11-DEMO制作与配置.mp4 - 40.3M
　 　 　 ├─ 8-算法网络结构解读.mp4 - 59.9M
　 　 　 ├─ 4-车道线标签数据处理.mp4 - 34.2M
　 　 　 ├─ 9-损失函数计算模块分析.mp4 - 45.7M
　 　 　 ├─ 10-车道线规则损失函数限制.mp4 - 44.6M
　 　 　 ├─ 2-项目环境配置演示.mp4 - 30M
　 　 　 ├─ 6-grid设置方法.mp4 - 41.7M
　 　 　 ├─ 3-制作数据集dataloader.mp4 - 54.6M
　 　 　 └─ 1-车道数据与标签解读.mp4 - 65.6M
　 ├─ 13-3D点云实战 ->
　 　 ├─ 1-3D点云实战 3D点云应用领域分析 ->
　 　 　 ├─ 5-点云检测与配准任务.mp4 - 59.6M
　 　 　 ├─ 3-点云分割任务.mp4 - 52M
　 　 　 ├─ 2-点云应用领域与发展分析.mp4 - 82.2M
　 　 　 ├─ 4-点云补全任务.mp4 - 29.2M
　 　 　 ├─ 1-点云数据概述.mp4 - 49.5M
　 　 　 └─ 6-点云数据特征提取概述与预告.mp4 - 22.7M
　 　 ├─ 7-点云配准及其案例实战 ->
　 　 　 ├─ 8-特征构建方法分析.mp4 - 34.6M
　 　 　 ├─ 6-参数计算模块解读.mp4 - 21.9M
　 　 　 ├─ 1-点云配准任务概述.mp4 - 20M
　 　 　 ├─ 5-数据源配置方法.mp4 - 45.4M
　 　 　 ├─ 4-任务基本流程.mp4 - 15.6M
　 　 　 ├─ 3-训练数据构建.mp4 - 23.4M
　 　 　 ├─ 7-基于模型预测输出参数.mp4 - 24.9M
　 　 　 ├─ 9-任务总结.mp4 - 33.3M
　 　 　 └─ 2-配准要完成的目标解读.mp4 - 17.6M
　 　 ├─ 5-点云补全PF-Net论文解读 ->
　 　 　 ├─ 5-输入与计算结果.mp4 - 65M
　 　 　 ├─ 3-整体网络概述.mp4 - 20.6M
　 　 　 ├─ 2-基本解决方案概述.mp4 - 17.4M
　 　 　 ├─ 1-点云补全要解决的问题.mp4 - 23.1M
　 　 　 └─ 4-网络计算流程.mp4 - 25.5M
　 　 ├─ 4-Pointnet++项目实战 ->
　 　 　 ├─ 8-特征提取模块整体流程.mp4 - 40M
　 　 　 ├─ 11-分割任务数据与配置概述.mp4 - 51.3M
　 　 　 ├─ 4-最远点采样介绍.mp4 - 19.5M
　 　 　 ├─ 12-分割需要解决的任务概述.mp4 - 33.9M
　 　 　 ├─ 6-组区域划分方法.mp4 - 24.9M
　 　 　 ├─ 2-数据读取模块配置.mp4 - 39.2M
　 　 　 ├─ 1-项目文件概述.mp4 - 29M
　 　 　 ├─ 13-上采样完成分割任务.mp4 - 44.7M
　 　 　 ├─ 7-实现group操作得到各中心簇.mp4 - 35M
　 　 　 ├─ 3-DEBUG解读网络模型架构.mp4 - 24.2M
　 　 　 ├─ 9-预测结果输出模块.mp4 - 38.7M
　 　 　 └─ 5-采样得到中心点.mp4 - 31.8M
　 　 ├─ 2-3D点云PointNet算法 ->
　 　 　 ├─ 3-点云数据特性和及要解决的问题.mp4 - 33.1M
　 　 　 ├─ 2-点云数据可视化展示.mp4 - 40.1M
　 　 　 ├─ 1-3D数据应用领域与点云介绍.mp4 - 40.1M
　 　 　 ├─ 4-PointNet算法出发点解读.mp4 - 17.5M
　 　 　 └─ 5-PointNet算法网络架构解读.mp4 - 31M
　 　 ├─ 8-基础补充-对抗生成网络架构原理与实战解析 ->
　 　 　 ├─ 4-数据读取模块.mp4 - 29.9M
　 　 　 ├─ 5-生成与判别网络定义.mp4 - 44.2M
　 　 　 ├─ 1-对抗生成网络通俗解释.mp4 - 18.4M
　 　 　 ├─ 2-GAN网络组成.mp4 - 10.7M
　 　 　 └─ 3-损失函数解释说明.mp4 - 39.9M
　 　 ├─ 3-PointNet++算法解读 ->
　 　 　 ├─ 1-PointNet升级版算法要解决的问题.mp4 - 22.1M
　 　 　 ├─ 6-遇到的问题及改进方法分析.mp4 - 13.4M
　 　 　 ├─ 4-整体流程概述分析.mp4 - 16.4M
　 　 　 ├─ 3-分组Group方法原理解读.mp4 - 32.8M
　 　 　 ├─ 5-分类与分割问题解决方案.mp4 - 21.7M
　 　 　 └─ 2-最远点采样方法.mp4 - 21M
　 　 └─ 6-点云补全实战解读 ->
　 　 　 ├─ 6-补全点云数据.mp4 - 35.2M
　 　 　 ├─ 4-MRE特征提取模块.mp4 - 40.4M
　 　 　 ├─ 5-分层预测输出模块.mp4 - 31M
　 　 　 ├─ 7-判别模块.mp4 - 48.6M
　 　 　 ├─ 3-整体框架概述.mp4 - 49.1M
　 　 　 ├─ 2-待补全数据准备方法.mp4 - 29.3M
　 　 　 └─ 1-数据与项目配置解读.mp4 - 41.9M
　 ├─ 5-深度学习框架Tensorflflow ->
　 　 ├─ 5-项目实战：猫狗识别实战 ->
　 　 　 ├─ 3-网络架构配置.mp4 - 30M
　 　 　 ├─ 2-卷积网络涉及参数解读.mp4 - 28.9M
　 　 　 ├─ 4-卷积模型训练与识别效果展示.mp4 - 50.9M
　 　 　 └─ 1-猫狗识别任务与数据简介.mp4 - 23.4M
　 　 ├─ 6-图像数据增强实例 ->
　 　 　 ├─ 2-图像数据变换.mp4 - 84.5M
　 　 　 ├─ 3-猫狗识别任务数据增强实例.mp4 - 31.7M
　 　 　 └─ 1-数据增强概述.mp4 - 44.2M
　 　 ├─ 3-搭建神经⽹络进⾏分类与回归任务 ->
　 　 　 ├─ 4-模型超参数调节与预测结果展示 ->
　 　 　 　 ├─ meta.json - 23.2KB
　 　 　 　 └─ raw.m3u8 - 8.7KB
　 　 　 ├─ 6-tf.data模块解读 ->
　 　 　 　 ├─ meta.json - 17.2KB
　 　 　 　 └─ raw.m3u8 - 6.5KB
　 　 　 ├─ 3-网络模型训练 ->
　 　 　 　 ├─ raw.m3u8 - 6.1KB
　 　 　 　 └─ meta.json - 16.3KB
　 　 　 ├─ 7-模型保存与读取实例 ->
　 　 　 　 ├─ raw.m3u8 - 8.4KB
　 　 　 　 └─ meta.json - 22.2KB
　 　 　 ├─ 1-任务目标与数据集简介 ->
　 　 　 　 ├─ raw.m3u8 - 5.9KB
　 　 　 　 └─ meta.json - 15.6KB
　 　 　 ├─ 5-分类模型构建 ->
　 　 　 　 ├─ meta.json - 19.6KB
　 　 　 　 └─ raw.m3u8 - 7.4KB
　 　 　 └─ 2-建模流程与API文档 ->
　 　 　 　 ├─ raw.m3u8 - 5.4KB
　 　 　 　 └─ meta.json - 14.3KB
　 　 ├─ 9-项目实战：基于TensorFlow实现word2vec ->
　 　 　 ├─ 3-文本词预处理操作.mp4 - 17.8M
　 　 　 ├─ 5-损失函数定义与训练结果展示.mp4 - 44.7M
　 　 　 ├─ 2-模型定义参数设置.mp4 - 17.6M
　 　 　 ├─ 1-任务流程解读.mp4 - 18.7M
　 　 　 └─ 4-训练batch数据制作.mp4 - 43.1M
　 　 ├─ 2-神经网络原理解读与整体架构 ->
　 　 　 ├─ 7-前向传播整体流程.mp4 - 39M
　 　 　 ├─ 3-计算机视觉任务.mp4 - 17.9M
　 　 　 ├─ 10-神经网络架构细节.mp4 - 37.4M
　 　 　 ├─ 5-得分函数.mp4 - 18.9M
　 　 　 ├─ 1-深度学习要解决的问题.mp4 - 20.4M
　 　 　 ├─ 13-神经网络过拟合解决方法.mp4 - 40.5M
　 　 　 ├─ 11-神经元个数对结果的影响.mp4 - 58.6M
　 　 　 ├─ 6-损失函数的作用.mp4 - 31M
　 　 　 ├─ 9-神经网络整体架构.mp4 - 30.5M
　 　 　 ├─ 12-正则化与激活函数.mp4 - 29.1M
　 　 　 ├─ 4-视觉任务中遇到的问题.mp4 - 32.8M
　 　 　 ├─ 8-返向传播计算方法.mp4 - 25.6M
　 　 　 └─ 2-深度学习应用领域.mp4 - 50M
　 　 ├─ 11-项目实战：将CNN网络应用于文本分类实战 ->
　 　 　 ├─ 2-整体流程解读.mp4 - 22.4M
　 　 　 ├─ 1-CNN应用于文本任务原理解析.mp4 - 23.2M
　 　 　 └─ 3-网络架构设计与训练.mp4 - 44.9M
　 　 ├─ 13-项目实战：经典网络架构Resnet实战 ->
　 　 　 ├─ 6-网络架构层次解读.mp4 - 34.1M
　 　 　 ├─ 8-训练resnet模型.mp4 - 30.3M
　 　 　 ├─ 7-前向传播配置.mp4 - 38.2M
　 　 　 ├─ 4-数据集处理方法.mp4 - 27.2M
　 　 　 ├─ 1-额外补充-Resnet论文解读.mp4 - 118M
　 　 　 ├─ 3-项目结构概述.mp4 - 24.1M
　 　 　 ├─ 5-训练数据构建.mp4 - 27.6M
　 　 　 └─ 2-额外补充-Resnet网络架构解读.mp4 - 18.3M
　 　 ├─ 7-训练策略-迁移学习实战 ->
　 　 　 ├─ 1-迁移学习的目标.mp4 - 11.7M
　 　 　 ├─ 2-迁移学习策略.mp4 - 15.5M
　 　 　 ├─ 7-图像数据处理实例.mp4 - 46.1M
　 　 　 ├─ 3-Resnet原理.mp4 - 107.9M
　 　 　 ├─ 4-加载训练好的经典网络模型.mp4 - 37.6M
　 　 　 ├─ 6-tfrecords数据源制作方法.mp4 - 38.4M
　 　 　 └─ 5-Callback模块与迁移学习实例.mp4 - 58.7M
　 　 ├─ 12-项目实战：时间序列预测 ->
　 　 　 ├─ 2-构建时间序列数据.mp4 - 27.6M
　 　 　 ├─ 3-训练时间序列数据预测结果.mp4 - 36.4M
　 　 　 ├─ 1-任务目标与数据源.mp4 - 19.1M
　 　 　 ├─ 5-序列结果预测.mp4 - 22.9M
　 　 　 └─ 4-多特征预测结果.mp4 - 27.9M
　 　 ├─ 10-项目实战：基于RNN模型进行文本分类任务 ->
　 　 　 ├─ 6-双向RNN模型定义.mp4 - 21.1M
　 　 　 ├─ 7-自定义网络模型架构.mp4 - 60M
　 　 　 ├─ 3-数据映射表制作.mp4 - 44.4M
　 　 　 ├─ 4-embedding层向量制作.mp4 - 73.8M
　 　 　 ├─ 9-训练文本分类模型.mp4 - 38M
　 　 　 ├─ 8-训练策略指定.mp4 - 32.7M
　 　 　 ├─ 5-数据生成器构造.mp4 - 40M
　 　 　 ├─ 2-RNN模型输入数据维度解读.mp4 - 19.4M
　 　 　 └─ 1-任务目标与数据介绍.mp4 - 36.3M
　 　 ├─ 4-卷积神经⽹络原理与参数解读 ->
　 　 　 ├─ 8-池化层的作用.mp4 - 11.3M
　 　 　 ├─ 3-卷积特征值计算方法.mp4 - 21.2M
　 　 　 ├─ 4-得到特征图表示.mp4 - 18.2M
　 　 　 ├─ 10-VGG网络架构.mp4 - 19.3M
　 　 　 ├─ 11-残差网络Resnet.mp4 - 18M
　 　 　 ├─ 7-特征图尺寸计算与参数共享.mp4 - 22M
　 　 　 ├─ 12-感受野的作用.mp4 - 16.9M
　 　 　 ├─ 1-卷积神经网络应用领域.mp4 - 21.2M
　 　 　 ├─ 9-整体网络架构.mp4 - 17M
　 　 　 ├─ 2-卷积的作用.mp4 - 22.7M
　 　 　 ├─ 6-边缘填充方法.mp4 - 17.3M
　 　 　 └─ 5-步长与卷积核大小对结果的影响.mp4 - 19.9M
　 　 ├─ 1-tensorflflow安装与简介 ->
　 　 　 ├─ 4-tf基础操作.mp4 - 24.4M
　 　 　 ├─ 2-Tensorflow2版本简介与心得.mp4 - 32M
　 　 　 ├─ 1-tensorflflow安装与简介.mp4 - 4.1M
　 　 　 └─ 3-Tensorflow2版本安装方法.mp4 - 55.4M
　 　 └─ 8-递归神经⽹络与词向量原理解读 ->
　 　 　 ├─ 6-负采样方案.mp4 - 29.5M
　 　 　 ├─ 1-RNN网络架构解读.mp4 - 22.4M
　 　 　 ├─ 2-词向量模型通俗解释.mp4 - 21.7M
　 　 　 ├─ 3-模型整体框架.mp4 - 28.2M
　 　 　 ├─ 4-训练数据构建.mp4 - 15.9M
　 　 　 └─ 5-CBOW与Skip-gram模型.mp4 - 23.8M
　 ├─ 19-强化学习与AI黑科技实例 ->
　 　 ├─ 7-用A3C玩转超级马里奥 ->
　 　 　 ├─ 6-训练网络模型.mp4 - 44.2M
　 　 　 ├─ 2-启动游戏环境.mp4 - 32.2M
　 　 　 ├─ 3-要计算的指标回顾.mp4 - 37M
　 　 　 ├─ 4-初始化局部模型并加载参数.mp4 - 32.2M
　 　 　 ├─ 5-与环境交互得到训练数据.mp4 - 39.3M
　 　 　 └─ 1-整体流程与环境配置.mp4 - 27M
　 　 ├─ 4-Q-learning与DQN算法 ->
　 　 　 ├─ 9-DQN简介.mp4 - 15.4M
　 　 　 ├─ 2-探索与action获取.mp4 - 28.4M
　 　 　 ├─ 3-计算target值.mp4 - 22.5M
　 　 　 ├─ 8-Q值迭代求解.mp4 - 22.5M
　 　 　 ├─ 7-Qlearning算法实例解读.mp4 - 16.7M
　 　 　 ├─ 1-整体任务流程演示.mp4 - 23.9M
　 　 　 ├─ 5-算法原理通俗解读.mp4 - 26M
　 　 　 ├─ 4-训练与更新.mp4 - 34.2M
　 　 　 └─ 6-目标函数与公式解析.mp4 - 25.5M
　 　 ├─ 13-ChatGPT ->
　 　 　 └─ 1-ChatGPT.mp4 - 382.2M
　 　 ├─ 3-PPO实战-月球登陆器训练实例 ->
　 　 　 ├─ 4-得到动作结果.mp4 - 29M
　 　 　 ├─ 5-奖励获得与计算.mp4 - 36.3M
　 　 　 ├─ 2-PPO2版本公式解读.mp4 - 31.6M
　 　 　 ├─ 6-参数迭代与更新.mp4 - 49.3M
　 　 　 ├─ 3-参数与网络结构定义.mp4 - 33.7M
　 　 　 └─ 1-Critic的作用与效果.mp4 - 40.1M
　 　 ├─ 9-GPT建模与预测流程 ->
　 　 　 ├─ 4-模型训练过程.mp4 - 51.5M
　 　 　 ├─ 2-数据样本生成方法.mp4 - 72M
　 　 　 ├─ 5-部署与网页预测展示.mp4 - 79.6M
　 　 　 ├─ 3-训练所需参数解读.mp4 - 57.7M
　 　 　 └─ 1-生成模型可以完成的任务概述.mp4 - 28.9M
　 　 ├─ 5-DQN改进与应用技巧 ->
　 　 　 ├─ 4-MultiSetp策略.mp4 - 8.7M
　 　 　 ├─ 1-DoubleDqn要解决的问题.mp4 - 22.3M
　 　 　 ├─ 2-DuelingDqn改进方法.mp4 - 19.1M
　 　 　 ├─ 3-Dueling整体网络架构分析.mp4 - 21.7M
　 　 　 └─ 5-连续动作处理方法.mp4 - 22.2M
　 　 ├─ 2-PPO算法与公式推导 ->
　 　 　 ├─ 2-与环境交互得到所需数据.mp4 - 23.2M
　 　 　 ├─ 7-importance sampling的作用.mp4 - 23.2M
　 　 　 ├─ 4-策略梯度推导.mp4 - 21.8M
　 　 　 ├─ 5-baseline方法.mp4 - 18.4M
　 　 　 ├─ 8-PPO算法整体思路解析.mp4 - 26.6M
　 　 　 ├─ 1-基本情况介绍.mp4 - 28.1M
　 　 　 ├─ 6-OnPolicy与OffPolicy策略.mp4 - 20.8M
　 　 　 └─ 3-要完成的目标分析.mp4 - 24.5M
　 　 ├─ 6-Actor-Critic算法分析（A3C） ->
　 　 　 ├─ 5-损失函数整理.mp4 - 22.4M
　 　 　 ├─ 1-AC算法回顾与知识点总结.mp4 - 17.3M
　 　 　 ├─ 4-A3C整体架构分析.mp4 - 16.4M
　 　 　 ├─ 3-计算流程实例.mp4 - 17.6M
　 　 　 └─ 2-优势函数解读与分析.mp4 - 19.9M
　 　 ├─ 11-Diffusion模型解读 ->
　 　 　 └─ 1-Diffusion模型解读.mp4 - 737.5M
　 　 ├─ 10-CLIP系列 ->
　 　 　 └─ 1-CLIP系列.mp4 - 621M
　 　 ├─ 12-Dalle2及其源码解读 ->
　 　 　 └─ 1-Dalle2源码解读.mp4 - 614.1M
　 　 ├─ 8-GPT系列生成模型 ->
　 　 　 └─ 1-GPT系列.mp4 - 443M
　 　 └─ 1-强化学习简介及其应用 ->
　 　 　 ├─ 2-强化学习的指导依据.mp4 - 20.2M
　 　 　 ├─ 1-一张图通俗解释强化学习.mp4 - 17.7M
　 　 　 ├─ 6-计算机眼中的状态与行为.mp4 - 20.1M
　 　 　 ├─ 4-应用领域简介.mp4 - 17.3M
　 　 　 ├─ 5-强化学习工作流程.mp4 - 14.8M
　 　 　 └─ 3-强化学习AI游戏DEMO.mp4 - 20.4M
　 ├─ 28-语音识别实战系列 ->
　 　 ├─ 3-starganvc2变声器论文原理解读 ->
　 　 　 ├─ 1-论文整体思路与架构解读.mp4 - 34.7M
　 　 　 ├─ 2-VCC2016输入数据.mp4 - 20.8M
　 　 　 ├─ 4-生成器模型架构分析.mp4 - 15.8M
　 　 　 ├─ 3-语音特征提取.mp4 - 30.6M
　 　 　 ├─ 6-AdaIn的目的与效果.mp4 - 13.2M
　 　 　 ├─ 7-判别器模块分析.mp4 - 114M
　 　 　 └─ 5-InstanceNorm的作用解读.mp4 - 18.6M
　 　 ├─ 1-seq2seq序列网络模型 ->
　 　 　 ├─ 5-TeacherForcing的作用与训练策略.mp4 - 16.6M
　 　 　 ├─ 3-注意力机制的作用.mp4 - 14.9M
　 　 　 ├─ 4-加入attention的序列模型整体架构.mp4 - 20.6M
　 　 　 ├─ 6-额外补充-RNN网络模型解读.mp4 - 23.8M
　 　 　 ├─ 2-工作原理概述.mp4 - 9M
　 　 　 └─ 1-序列网络模型概述分析.mp4 - 17.3M
　 　 ├─ 4-staeganvc2变声器源码实战 ->
　 　 　 ├─ 10-源码损失计算流程.mp4 - 34.8M
　 　 　 ├─ 8-判别器模块解读.mp4 - 35.2M
　 　 　 ├─ 2-环境配置与工具包安装.mp4 - 37.1M
　 　 　 ├─ 6-starganvc2版本标签输入分析.mp4 - 50M
　 　 　 ├─ 5-下采样与上采样操作.mp4 - 35.5M
　 　 　 ├─ 4-生成器构造模块解读.mp4 - 41.3M
　 　 　 ├─ 9-论文损失函数.mp4 - 100.5M
　 　 　 ├─ 3-数据预处理与声音特征提取.mp4 - 88.5M
　 　 　 ├─ 7-生成器前向传播维度变化.mp4 - 26.5M
　 　 　 ├─ 11-测试模块-生成转换语音.mp4 - 47.2M
　 　 　 └─ 1-数据与项目文件解读.mp4 - 21.8M
　 　 ├─ 7-语音合成tacotron最新版实战 ->
　 　 　 ├─ 1-语音合成项目所需环境配置.mp4 - 44.5M
　 　 　 ├─ 5-编码层要完成的任务.mp4 - 46.4M
　 　 　 ├─ 12-损失函数与预测.mp4 - 48M
　 　 　 ├─ 7-解码器输入准备.mp4 - 34.6M
　 　 　 ├─ 2-所需数据集介绍.mp4 - 52.7M
　 　 　 ├─ 9-注意力机制应用方法.mp4 - 43.7M
　 　 　 ├─ 8-解码器流程梳理.mp4 - 41.4M
　 　 　 ├─ 3-路径配置与整体流程解读.mp4 - 70.1M
　 　 　 ├─ 4-Dataloader构建数据与标签.mp4 - 66.7M
　 　 　 ├─ 10-得到加权的编码向量.mp4 - 55.9M
　 　 　 ├─ 11-模型输出结果.mp4 - 53.3M
　 　 　 └─ 6-得到编码特征向量.mp4 - 28.5M
　 　 ├─ 6-ConvTasnet语音分离实战 ->
　 　 　 ├─ 6-构建更大的感受区域.mp4 - 53.5M
　 　 　 ├─ 1-数据准备与环境配置.mp4 - 78M
　 　 　 ├─ 7-解码得到分离后的语音.mp4 - 52.6M
　 　 　 ├─ 2-训练任务所需参数介绍.mp4 - 27.7M
　 　 　 ├─ 5-编码器特征提取.mp4 - 55M
　 　 　 ├─ 4-采样数据特征编码.mp4 - 37.7M
　 　 　 ├─ 3-DataLoader定义.mp4 - 38M
　 　 　 └─ 8-测试模块所需参数.mp4 - 42.4M
　 　 ├─ 2-LAS模型语音识别实战 ->
　 　 　 ├─ 3-制作json标注数据.mp4 - 37.8M
　 　 　 ├─ 6-编码器模块整体流程.mp4 - 31.4M
　 　 　 ├─ 2-语料表制作方法.mp4 - 25.5M
　 　 　 ├─ 8-计算得到每个输出的attention得分.mp4 - 36.4M
　 　 　 ├─ 4-声音数据处理模块解读.mp4 - 62.8M
　 　 　 ├─ 5-Pack与Pad操作解析.mp4 - 35.9M
　 　 　 ├─ 1-数据源与环境配置.mp4 - 32.2M
　 　 　 ├─ 7-加入注意力机制.mp4 - 33.3M
　 　 　 └─ 9-解码器与训练过程演示.mp4 - 43.8M
　 　 └─ 5-语音分离ConvTasnet模型 ->
　 　 　 ├─ 6-基于Mask得到分离结果.mp4 - 19.2M
　 　 　 ├─ 5-DW卷积的作用与效果.mp4 - 10.2M
　 　 　 ├─ 4-TasNet编码器结构分析.mp4 - 41.6M
　 　 　 ├─ 2-经典语音分离模型概述.mp4 - 18.1M
　 　 　 ├─ 3-DeepClustering论文解读.mp4 - 16.3M
　 　 　 └─ 1-语音分离任务分析.mp4 - 9.2M
　 ├─ 30-论文创新点常用方法及其应用实例 ->
　 　 └─ 1-通用创新点 ->
　 　 　 ├─ 1-ACMIX（卷积与注意力融合）.mp4 - 86M
　 　 　 ├─ 11-结合GNN构建局部特征.mp4 - 25.9M
　 　 　 ├─ 10-Attention额外加入先验知识.mp4 - 7.4M
　 　 　 ├─ 18-在源码中加入各种注意力机制方法.mp4 - 122.5M
　 　 　 ├─ 3-Coordinate_attention.mp4 - 74.9M
　 　 　 ├─ 17-可变形卷积加入方法.mp4 - 23.4M
　 　 　 ├─ 13-自适应可学习参数.mp4 - 14.3M
　 　 　 ├─ 16-自己数据集如何发的好(要开源).mp4 - 45.1M
　 　 　 ├─ 6-mobileOne(加速).mp4 - 45.3M
　 　 　 ├─ 5-SPP改进.mp4 - 17M
　 　 　 ├─ 12-损失函数约束项.mp4 - 8.4M
　 　 　 ├─ 14-Coarse2Fine大框架.mp4 - 40.5M
　 　 　 ├─ 4-SPD（可替换下采样）.mp4 - 45M
　 　 　 ├─ 7-Deformable(替换selfAttention).mp4 - 44.9M
　 　 　 ├─ 9-CrossAttention融合特征.mp4 - 20.5M
　 　 　 ├─ 15-只能机器学习模型时凑工作量（特征工程）.mp4 - 6M
　 　 　 ├─ 2-GCnet(全局特征融合).mp4 - 74.3M
　 　 　 └─ 8-ProbAttention(采样策略).mp4 - 23.6M
　 ├─ 22-深度学习模型部署与剪枝优化实战 ->
　 　 ├─ 12-Mobilenet三代网络模型架构 ->
　 　 　 ├─ 7-V1版本效果分析.mp4 - 24.9M
　 　 　 ├─ 4-经典卷积计算量与参数量分析.mp4 - 13.2M
　 　 　 ├─ 11-V3版本网络架构分析.mp4 - 11.6M
　 　 　 ├─ 1-模型剪枝分析.mp4 - 22.3M
　 　 　 ├─ 8-V2版本改进以及Relu激活函数的问题.mp4 - 19.5M
　 　 　 ├─ 5-深度可分离卷积的作用与效果.mp4 - 14.3M
　 　 　 ├─ 6-参数与计算量的比较.mp4 - 39.7M
　 　 　 ├─ 9-倒残差结构的作用.mp4 - 17.4M
　 　 　 ├─ 13-代码实现mobilenetV3网络架构.mp4 - 68.9M
　 　 　 ├─ 3-mobilenet简介.mp4 - 8.6M
　 　 　 ├─ 12-SE模块作用与效果解读.mp4 - 31.9M
　 　 　 ├─ 2-常见剪枝方法介绍.mp4 - 21.7M
　 　 　 └─ 10-V2整体架构与效果分析.mp4 - 10.5M
　 　 ├─ 10-模型剪枝-Network Slimming算法分析 ->
　 　 　 ├─ 1-论文算法核心框架概述.mp4 - 19.6M
　 　 　 ├─ 3-BN的本质作用.mp4 - 22.6M
　 　 　 ├─ 4-额外的训练参数解读.mp4 - 20.1M
　 　 　 ├─ 5-稀疏化原理与效果.mp4 - 23.9M
　 　 　 └─ 2-BatchNorm要解决的问题.mp4 - 18.5M
　 　 ├─ 2-AIoT人工智能物联网之AI 实战 ->
　 　 　 ├─ 2-docker 的安装使用.mp4 - 86.1M
　 　 　 ├─ 7-转换出onnx模型，并使用.mp4 - 74.6M
　 　 　 ├─ 1- jetson-inference 入门.mp4 - 59.7M
　 　 　 ├─ 3-docker中运行分类模型.mp4 - 197.5M
　 　 　 ├─ 5- 训练出自己目标识别模型a.mp4 - 109.8M
　 　 　 ├─ 6-训练出自己目标识别模型b.mp4 - 91.4M
　 　 　 └─ 4-训练自己的目标检测模型准备.mp4 - 77.7M
　 　 ├─ 6-pyTorch框架部署实践 ->
　 　 　 ├─ 3-接收与预测模块实现.mp4 - 37.7M
　 　 　 ├─ 1-所需基本环境配置.mp4 - 22.1M
　 　 　 ├─ 4-效果实例演示.mp4 - 43.3M
　 　 　 ├─ 5-课程简介.mp4 - 8.1M
　 　 　 └─ 2-模型加载与数据预处理.mp4 - 39.6M
　 　 ├─ 11-模型剪枝-Network Slimming实战解读 ->
　 　 　 ├─ 5-剪枝后模型参数赋值.mp4 - 49.5M
　 　 　 ├─ 4-筛选需要的特征图.mp4 - 36.3M
　 　 　 ├─ 6-微调完成剪枝模型.mp4 - 46.9M
　 　 　 ├─ 1-整体案例流程解读.mp4 - 32.4M
　 　 　 ├─ 2-加入L1正则化来进行更新.mp4 - 28.4M
　 　 　 └─ 3-剪枝模块介绍.mp4 - 31M
　 　 ├─ 9-tensorflow-serving实战 ->
　 　 　 ├─ 5-加载fashion模型启动服务.mp4 - 33.4M
　 　 　 ├─ 3-测试模型部署效果.mp4 - 43.4M
　 　 　 ├─ 1-tf-serving项目获取与配置.mp4 - 30.5M
　 　 　 ├─ 4-fashion数据集获取.mp4 - 38.6M
　 　 　 └─ 2-加载并启动模型服务.mp4 - 31.3M
　 　 ├─ 7-YOLO-V3物体检测部署实例 ->
　 　 　 ├─ 2-加载参数与模型权重.mp4 - 35.6M
　 　 　 ├─ 1-项目所需配置文件介绍.mp4 - 24.6M
　 　 　 ├─ 3-数据预处理.mp4 - 53.9M
　 　 　 └─ 4-返回线性预测结果.mp4 - 44.9M
　 　 ├─ 8-docker实例演示 ->
　 　 　 ├─ 7-上传与下载配置好的项目.mp4 - 45.5M
　 　 　 ├─ 1-docker简介.mp4 - 15.9M
　 　 　 ├─ 3-阿里云镜像配置.mp4 - 27M
　 　 　 ├─ 6-复制所需配置到容器中.mp4 - 28.2M
　 　 　 ├─ 2-docker安装与配置.mp4 - 48.5M
　 　 　 ├─ 5-安装演示环境所需依赖.mp4 - 31.5M
　 　 　 └─ 4-基于docker配置pytorch环境.mp4 - 36.5M
　 　 ├─ 4- AIoT人工智能物联网之deepstream ->
　 　 　 ├─ 1-deepstream 介绍安装.mp4 - 108.8M
　 　 　 ├─ 5-python实现RTP和RTSP.mp4 - 118.1M
　 　 　 ├─ 2-deepstream HelloWorld.mp4 - 51.9M
　 　 　 ├─ 3-GStreamer RTP和RTSP1.mp4 - 90.6M
　 　 　 ├─ 4-GStreamer RTP和RTSP2.mp4 - 138.8M
　 　 　 ├─ 7-deepstream集成yolov4.mp4 - 117.2M
　 　 　 └─ 6-deepstream推理.mp4 - 117.9M
　 　 ├─ 1-AIoT人工智能物联网之认识 jetson nano ->
　 　 　 ├─ 1- jetson nano 硬件介绍.mp4 - 22.1M
　 　 　 ├─ 3- jetson nano 系统安装过程.mp4 - 84.5M
　 　 　 ├─ 4-感受nano的GPU算力.mp4 - 62.4M
　 　 　 ├─ 5-安装使用摄像头csi usb.mp4 - 43.2M
　 　 　 └─ 2-jetson nano 刷机.mp4 - 105.2M
　 　 └─ 3-AIoT人工智能物联网之NVIDIA TAO 实用级的训练神器 ->
　 　 　 ├─ 3-NVIDIA TAO数据转换.mp4 - 146.3M
　 　 　 ├─ 1-NVIDIA TAO介绍和安装.mp4 - 74.4M
　 　 　 ├─ 7-TAO 剪枝在训练推理验证.mp4 - 198.8M
　 　 　 ├─ 4-NVIDIA TAO预训练模型和训练a.mp4 - 100.7M
　 　 　 ├─ 6-NVIDIA TAO预训练模型和训练c..mp4 - 42.9M
　 　 　 ├─ 2-NVIDIA TAO数据准备和环境设置.mp4 - 74.1M
　 　 　 └─ 5-NVIDIA TAO预训练模型和训练b.mp4 - 18.7M
　 ├─ 17-行人重识别实战 ->
　 　 ├─ 1-行人重识别原理及其应用 ->
　 　 　 ├─ 4-map值计算方法.mp4 - 15.7M
　 　 　 ├─ 3-评估标准rank1指标.mp4 - 14.1M
　 　 　 ├─ 2-挑战与困难分析.mp4 - 35.9M
　 　 　 ├─ 6-Hard-Negative方法应用.mp4 - 27.3M
　 　 　 ├─ 1-行人重识别要解决的问题.mp4 - 17.3M
　 　 　 └─ 5-triplet损失计算实例.mp4 - 25.2M
　 　 ├─ 6-旷视研究院最新算法解读（基于图模型） ->
　 　 　 ├─ 1-关键点位置特征构建.mp4 - 22.4M
　 　 　 ├─ 2-图卷积与匹配的作用.mp4 - 24.4M
　 　 　 ├─ 6-图匹配在行人重识别中的作用.mp4 - 18.1M
　 　 　 ├─ 5-图卷积模块实现方法.mp4 - 27.5M
　 　 　 ├─ 3-局部特征热度图计算.mp4 - 24.8M
　 　 　 ├─ 4-基于图卷积构建人体拓扑关系.mp4 - 29.8M
　 　 　 └─ 7-整体算法框架分析.mp4 - 24.1M
　 　 ├─ 2-基于注意力机制的Reld模型论文解读 ->
　 　 　 ├─ 1-论文整体思想及注意力机制的作用解读.mp4 - 50.5M
　 　 　 ├─ 4-基于特征图的注意力计算.mp4 - 66M
　 　 　 ├─ 2-空间权重值计算流程分析.mp4 - 32.9M
　 　 　 └─ 3-融合空间注意力所需特征.mp4 - 27.4M
　 　 ├─ 3-基于Attention的行人重识别项目实战 ->
　 　 　 ├─ 8-损失函数计算实例解读.mp4 - 60.4M
　 　 　 ├─ 7-基于特征图的权重计算.mp4 - 25.6M
　 　 　 ├─ 9-训练与测试模块演示.mp4 - 75.7M
　 　 　 ├─ 3-进入debug模式解读网络计算流程.mp4 - 30.6M
　 　 　 ├─ 1-项目环境与数据集配置.mp4 - 49.8M
　 　 　 ├─ 2-参数配置与整体架构分析.mp4 - 65.4M
　 　 　 ├─ 4-获得空间位置点之间的关系.mp4 - 43.1M
　 　 　 ├─ 5-组合关系特征图.mp4 - 39.7M
　 　 　 └─ 6-计算得到位置权重值.mp4 - 38M
　 　 ├─ 7-基于拓扑图的行人重识别项目实战 ->
　 　 　 ├─ 5-初始化图卷积模型.mp4 - 34.8M
　 　 　 ├─ 7-邻接矩阵学习与更新.mp4 - 51M
　 　 　 ├─ 10-整体项目总结.mp4 - 79.8M
　 　 　 ├─ 4-阶段监督训练.mp4 - 78.6M
　 　 　 ├─ 8-基于拓扑结构组合关键点特征.mp4 - 63.2M
　 　 　 ├─ 1-数据集与环境配置概述.mp4 - 48.1M
　 　 　 ├─ 3-得到一阶段热度图结果.mp4 - 42.1M
　 　 　 ├─ 6-mask矩阵的作用.mp4 - 40.1M
　 　 　 ├─ 9-图匹配模块计算流程.mp4 - 67.6M
　 　 　 └─ 2-局部特征准备方法.mp4 - 47.7M
　 　 ├─ 4-AAAI2020顶会算法精讲 ->
　 　 　 ├─ 4-GCP模块特征融合方法.mp4 - 28.5M
　 　 　 ├─ 5-oneVsReset方法实例.mp4 - 15.6M
　 　 　 ├─ 6-损失函数应用位置.mp4 - 16.8M
　 　 　 ├─ 1-论文整体框架概述.mp4 - 16.2M
　 　 　 ├─ 3-特征分组方法.mp4 - 15.1M
　 　 　 └─ 2-局部特征与全局关系计算方法.mp4 - 15.4M
　 　 ├─ 5-项目实战-基于行人局部特征融合的再识别实战 ->
　 　 　 ├─ 10-得到所有分组特征结果.mp4 - 51.2M
　 　 　 ├─ 11-损失函数与训练过程演示.mp4 - 42.5M
　 　 　 ├─ 4-debug模式解读.mp4 - 62.3M
　 　 　 ├─ 9-特征组合汇总.mp4 - 49.3M
　 　 　 ├─ 12-测试与验证模块.mp4 - 47M
　 　 　 ├─ 2-数据源构建方法分析.mp4 - 41.2M
　 　 　 ├─ 7-GCP全局特征提取.mp4 - 39.7M
　 　 　 ├─ 8-局部特征提取实例.mp4 - 52.4M
　 　 　 ├─ 5-网络计算整体流程演示.mp4 - 30.5M
　 　 　 ├─ 1-项目配置与数据集介绍.mp4 - 67.7M
　 　 　 ├─ 6-特征序列构建.mp4 - 41M
　 　 　 └─ 3-dataloader加载顺序解读.mp4 - 28M
　 　 └─ 8-额外补充：行人搜索源码分析 ->
　 　 　 ├─ 3-数据与标签读取模块.mp4 - 58M
　 　 　 ├─ 6-Neck层操作方法.mp4 - 33.1M
　 　 　 ├─ 9-总结概述.mp4 - 34.1M
　 　 　 ├─ 5-BackBone位置与流程.mp4 - 52.3M
　 　 　 ├─ 1-项目概述.mp4 - 26.2M
　 　 　 ├─ 7-Head层预测模块.mp4 - 40.1M
　 　 　 ├─ 2-项目概述.mp4 - 31.6M
　 　 　 ├─ 4-通过配置文件读取模型位置.mp4 - 38M
　 　 　 └─ 8-损失函数计算模块.mp4 - 54.3M
　 ├─ 10-经典视觉项目实战：行为识别、姿态估计、目标追踪 ->
　 　 ├─ 15-V5项目工程源码解读 ->
　 　 　 ├─ 5-数据四合一方法与流程演示.mp4 - 41.7M
　 　 　 ├─ 16-输出结果分析.mp4 - 41.7M
　 　 　 ├─ 17-超参数解读.mp4 - 34.9M
　 　 　 ├─ 18-命令行参数介绍.mp4 - 44.3M
　 　 　 ├─ 19-训练流程解读.mp4 - 46.8M
　 　 　 ├─ 6-getItem构建batch.mp4 - 33M
　 　 　 ├─ 8-V5网络配置文件解读.mp4 - 35.7M
　 　 　 ├─ 12-BottleneckCSP层计算方法.mp4 - 33.8M
　 　 　 ├─ 21-模型迭代过程.mp4 - 38.4M
　 　 　 ├─ 9-Focus模块流程分析.mp4 - 21.9M
　 　 　 ├─ 7-网络架构图可视化工具安装.mp4 - 34.3M
　 　 　 ├─ 14-2-Head层流程解读.mp4 - 29.1M
　 　 　 ├─ 20-各种训练策略概述.mp4 - 38.4M
　 　 　 ├─ 1-数据源DEBUG流程解读.mp4 - 48.1M
　 　 　 ├─ 13-1-SPP层计算细节分析.mp4 - 29.1M
　 　 　 ├─ 4-Mosaic数据增强方法.mp4 - 28.2M
　 　 　 ├─ 10-完成配置文件解析任务.mp4 - 58.8M
　 　 　 ├─ 11-前向传播计算.mp4 - 30.8M
　 　 　 ├─ 15-上采样与拼接操作.mp4 - 21.5M
　 　 　 ├─ 3-加载标签数据.mp4 - 26.3M
　 　 　 └─ 2-图像数据源配置.mp4 - 34.6M
　 　 ├─ 3-slowfast源码详细解读 ->
　 　 　 ├─ 6-slow与fast分别执行采样操作.mp4 - 66.3M
　 　 　 ├─ 4-数据与标签读取实例.mp4 - 52.2M
　 　 　 ├─ 2-数据处理概述.mp4 - 49.7M
　 　 　 ├─ 3-dataloader数据遍历方法.mp4 - 56.9M
　 　 　 ├─ 8-slow与fast特征图拼接操作.mp4 - 49.7M
　 　 　 ├─ 1-模型所需配置文件参数读取.mp4 - 33.2M
　 　 　 ├─ 5-图像数据所需预处理方法.mp4 - 66.8M
　 　 　 ├─ 7-分别计算特征图输出结果.mp4 - 56.6M
　 　 　 ├─ 9-resnetBolock操作.mp4 - 53.6M
　 　 　 └─ 10-RoiAlign与输出层.mp4 - 78.9M
　 　 ├─ 10-OpenPose算法源码分析 ->
　 　 　 ├─ 2-读取图像与标注信息.mp4 - 46.8M
　 　 　 ├─ 1-数据集与路径配置解读.mp4 - 33.8M
　 　 　 ├─ 4-根据关键点位置设计关键点标签.mp4 - 54.9M
　 　 　 ├─ 8-完成PAF特征图制作.mp4 - 31.9M
　 　 　 ├─ 10-多阶段输出与预测.mp4 - 47M
　 　 　 ├─ 3-关键点与躯干特征图初始化.mp4 - 34.3M
　 　 　 ├─ 7-特征图各点累加向量计算.mp4 - 32.7M
　 　 　 ├─ 5-准备构建PAF躯干标签.mp4 - 29.6M
　 　 　 ├─ 9-网络模型一阶段输出.mp4 - 27.5M
　 　 　 └─ 6-各位置点归属判断.mp4 - 28M
　 　 ├─ 12-deepsort源码解读 ->
　 　 　 ├─ 10-匹配结果与总结.mp4 - 76.9M
　 　 　 ├─ 8-级联匹配模块.mp4 - 43.3M
　 　 　 ├─ 6-IOU代价矩阵计算.mp4 - 32.9M
　 　 　 ├─ 1-项目环境配置.mp4 - 37.3M
　 　 　 ├─ 3-针对检测结果初始化track.mp4 - 48.2M
　 　 　 ├─ 2-参数与DEMO演示.mp4 - 42.2M
　 　 　 ├─ 7-参数更新操作.mp4 - 50.2M
　 　 　 ├─ 5-状态量预测结果.mp4 - 36M
　 　 　 ├─ 4-对track执行预测操作.mp4 - 38.3M
　 　 　 └─ 9-ReID特征代价矩阵计算.mp4 - 46.5M
　 　 ├─ 7-基础补充-Resnet模型及其应用实例 ->
　 　 　 ├─ 6-特征图升维与降采样操作.mp4 - 26.9M
　 　 　 ├─ 5-残差网络的shortcut操作.mp4 - 47.3M
　 　 　 ├─ 4-Resnet网络前向传播.mp4 - 35.8M
　 　 　 ├─ 3-dataloader加载数据集.mp4 - 64.8M
　 　 　 ├─ 7-网络整体流程与训练演示.mp4 - 67.4M
　 　 　 ├─ 2-Resnet网络架构原理分析.mp4 - 24.8M
　 　 　 └─ 1-医学疾病数据集介绍.mp4 - 18.8M
　 　 ├─ 14-V5版本项目配置 ->
　 　 　 ├─ 1-整体项目概述.mp4 - 35.8M
　 　 　 ├─ 4-测试DEMO演示.mp4 - 50.5M
　 　 　 ├─ 2-训练自己的数据集方法.mp4 - 41.3M
　 　 　 └─ 3-训练数据参数配置.mp4 - 51.5M
　 　 ├─ 11-deepsort算法知识点解读 ->
　 　 　 ├─ 10-sort与deepsort建模流程分析.mp4 - 26.8M
　 　 　 ├─ 7-匈牙利匹配算法概述.mp4 - 19.2M
　 　 　 ├─ 1-卡尔曼滤波通俗解释.mp4 - 31.5M
　 　 　 ├─ 9-REID特征的作用.mp4 - 20.8M
　 　 　 ├─ 3-任务本质分析.mp4 - 19.1M
　 　 　 ├─ 4-基于观测值进行最优估计.mp4 - 17.1M
　 　 　 ├─ 5-预测与更新操作.mp4 - 24M
　 　 　 ├─ 11-预测与匹配流程解读.mp4 - 26.2M
　 　 　 ├─ 8-匹配小例子分析.mp4 - 21.8M
　 　 　 ├─ 2-卡尔曼滤波要完成的任务.mp4 - 15.6M
　 　 　 ├─ 6-追踪中的状态量.mp4 - 16M
　 　 　 └─ 12-追踪任务流程拆解.mp4 - 32.1M
　 　 ├─ 1-slowfast算法知识点通俗解读 ->
　 　 　 ├─ 4-模型网络结构设计.mp4 - 19.3M
　 　 　 ├─ 3-数据采样曾的作用.mp4 - 18.3M
　 　 　 ├─ 2-核心网络结构模块分析.mp4 - 21M
　 　 　 ├─ 5-特征融合模块与总结分析.mp4 - 39.3M
　 　 　 └─ 1-slowfast核心思想解读.mp4 - 74.9M
　 　 ├─ 2-slowfast项目环境配置与配置文件 ->
　 　 　 ├─ 5-训练所需标签文件说明.mp4 - 48.8M
　 　 　 ├─ 2-目录各文件分析.mp4 - 36.8M
　 　 　 ├─ 6-训练所需视频数据准备.mp4 - 47.4M
　 　 　 ├─ 1-环境基本配置解读.mp4 - 45.3M
　 　 　 ├─ 3-配置文件作用解读.mp4 - 50.9M
　 　 　 ├─ 8-完成视频分帧操作.mp4 - 32.8M
　 　 　 ├─ 4-测试DEMO演示.mp4 - 66.8M
　 　 　 └─ 7-视频数据集切分操作.mp4 - 39.7M
　 　 ├─ 9-姿态估计OpenPose系列算法解读 ->
　 　 　 ├─ 11-CPM模型特点.mp4 - 21.9M
　 　 　 ├─ 8-PAF标签设计方法.mp4 - 25M
　 　 　 ├─ 6-各模块输出特征图解读.mp4 - 15.6M
　 　 　 ├─ 2-姿态估计应用领域概述.mp4 - 20.8M
　 　 　 ├─ 3-传统topdown方法的问题.mp4 - 37.9M
　 　 　 ├─ 7-PAF向量登场.mp4 - 12.6M
　 　 　 ├─ 12-算法流程与总结.mp4 - 50.3M
　 　 　 ├─ 4-要解决的两个问题分析.mp4 - 10.2M
　 　 　 ├─ 1-姿态估计要解决的问题分析.mp4 - 79.5M
　 　 　 ├─ 5-基于高斯分布预测关键点位置.mp4 - 24.8M
　 　 　 ├─ 9-预测时PAF积分计算方法.mp4 - 34.9M
　 　 　 └─ 10-匹配方法解读.mp4 - 21.1M
　 　 ├─ 6-视频异常检测CVPR2021论文及其源码解读 ->
　 　 　 ├─ 7-MetaLearn与输出.mp4 - 29.8M
　 　 　 ├─ 5-损失函数的目的.mp4 - 58M
　 　 　 ├─ 3-模型编码与解码结构.mp4 - 33.4M
　 　 　 ├─ 4-注意力机制模块打造.mp4 - 61.1M
　 　 　 ├─ 1-论文概述与环境配置.mp4 - 26.6M
　 　 　 ├─ 6-特征图生成.mp4 - 38M
　 　 　 └─ 2-数据集配置与读取.mp4 - 38.7M
　 　 ├─ 13-YOLO-V4版本算法解读 ->
　 　 　 ├─ 8-SPP与CSP网络结构.mp4 - 14.8M
　 　 　 ├─ 5-损失函数遇到的问题.mp4 - 14.3M
　 　 　 ├─ 2-V4版本贡献解读.mp4 - 10.1M
　 　 　 ├─ 4-DropBlock与标签平滑方法.mp4 - 19.4M
　 　 　 ├─ 1-V4版本整体概述.mp4 - 15.1M
　 　 　 ├─ 11-激活函数与整体架构总结.mp4 - 19.2M
　 　 　 ├─ 3-数据增强策略分析.mp4 - 24.7M
　 　 　 ├─ 6-CIOU损失函数定义.mp4 - 10.8M
　 　 　 ├─ 10-PAN模块解读.mp4 - 20.6M
　 　 　 ├─ 9-SAM注意力机制模块.mp4 - 22.5M
　 　 　 └─ 7-NMS细节改进.mp4 - 16.7M
　 　 ├─ 5-视频异常检测算法与元学习 ->
　 　 　 ├─ 6-如何找到合适的初始化参数.mp4 - 23.4M
　 　 　 ├─ 3-预测与常见问题.mp4 - 26.6M
　 　 　 ├─ 7-MAML算法流程解读.mp4 - 29M
　 　 　 ├─ 2-基本思想与流程分析.mp4 - 24.3M
　 　 　 ├─ 1-异常检测要解决的问题与数据集介绍.mp4 - 21.5M
　 　 　 ├─ 4-Meta-Learn要解决的问题.mp4 - 20.8M
　 　 　 └─ 5-学习能力与参数定义.mp4 - 14.2M
　 　 ├─ 8-课程介绍 ->
　 　 　 └─ 1-课程介绍.mp4 - 27.2M
　 　 └─ 4-基于3D卷积的视频分析与动作识别 ->
　 　 　 ├─ 2-UCF101动作识别数据集简介.mp4 - 51.7M
　 　 　 ├─ 3-测试效果与项目配置.mp4 - 55.6M
　 　 　 ├─ 5-数据Batch制作方法.mp4 - 46.7M
　 　 　 ├─ 7-训练网络模型.mp4 - 38.8M
　 　 　 ├─ 6-3D卷积网络所涉及模块.mp4 - 37.8M
　 　 　 ├─ 1-3D卷积原理解读.mp4 - 20.6M
　 　 　 └─ 4-视频数据预处理方法.mp4 - 32.3M
　 ├─ 11-2022论⽂必备-Transformer实战系列 ->
　 　 ├─ 15-Mask2former源码解读 ->
　 　 　 ├─ 4-偏移量与权重计算并转换.mp4 - 48.8M
　 　 　 ├─ 2-多层级采样点初始化构建.mp4 - 41.5M
　 　 　 ├─ 3-多层级输入特征序列创建方法.mp4 - 43.8M
　 　 　 ├─ 6-query要预测的任务解读.mp4 - 45.6M
　 　 　 ├─ 11-标签分类匹配结果分析.mp4 - 62M
　 　 　 ├─ 12-最终损失计算流程.mp4 - 52.3M
　 　 　 ├─ 5-Encoder特征构建方法实例.mp4 - 49.8M
　 　 　 ├─ 10-正样本筛选损失计算.mp4 - 41.8M
　 　 　 ├─ 8-损失模块输入参数分析.mp4 - 40.8M
　 　 　 ├─ 1-Backbone获取多层级特征.mp4 - 35.8M
　 　 　 ├─ 7-Decoder中的AttentionMask方法.mp4 - 50.9M
　 　 　 ├─ 9-标签分配策略解读.mp4 - 42.5M
　 　 　 └─ 13-汇总所有损失完成迭代.mp4 - 35.8M
　 　 ├─ 9-DeformableDetr物体检测源码分析 ->
　 　 　 ├─ 1-特征提取与位置编码.mp4 - 38.2M
　 　 　 ├─ 11-预测输出结果与标签匹配模块.mp4 - 44.3M
　 　 　 ├─ 9-Decoder要完成的操作.mp4 - 39M
　 　 　 ├─ 3-得到相对位置点编码.mp4 - 28.8M
　 　 　 ├─ 5-编码层中的序列分析.mp4 - 39.7M
　 　 　 ├─ 6-偏移量offset计算.mp4 - 46.1M
　 　 　 ├─ 8-Encoder层完成特征对齐.mp4 - 51.8M
　 　 　 ├─ 10-分类与回归输出模块.mp4 - 49.7M
　 　 　 ├─ 7-偏移量对齐操作.mp4 - 39.8M
　 　 　 ├─ 4-准备Encoder编码层所需全部输入.mp4 - 37.9M
　 　 　 └─ 2-序列特征展开并叠加.mp4 - 51.1M
　 　 ├─ 17-BevFormer源码解读 ->
　 　 　 ├─ 12-损失函数与预测可视化.mp4 - 49.5M
　 　 　 ├─ 10-获取当前BEV特征.mp4 - 35.9M
　 　 　 ├─ 6-BEV空间与图像空间位置对应.mp4 - 37.7M
　 　 　 ├─ 7-注意力机制模块计算方法.mp4 - 38.6M
　 　 　 ├─ 1-环境配置方法解读.mp4 - 42.8M
　 　 　 ├─ 8-BEV空间特征构建.mp4 - 34M
　 　 　 ├─ 2-数据集下载与配置方法.mp4 - 53.6M
　 　 　 ├─ 3-特征提取以及BEV空间初始化.mp4 - 43.8M
　 　 　 ├─ 4-特征对齐与位置编码初始化.mp4 - 43.6M
　 　 　 ├─ 9-Decoder要完成的任务分析.mp4 - 33.9M
　 　 　 ├─ 5-Reference初始点构建.mp4 - 37.3M
　 　 　 └─ 11-Decoder级联校正模块.mp4 - 41.6M
　 　 ├─ 10-MedicalTrasnformer论文解读 ->
　 　 　 ├─ 1-论文整体分析.mp4 - 23.7M
　 　 　 ├─ 5-位置编码的作用与效果.mp4 - 46.5M
　 　 　 ├─ 2-核心思想分析.mp4 - 54.3M
　 　 　 ├─ 4-论文公式计算分析.mp4 - 46.9M
　 　 　 ├─ 3-网络结构计算流程概述.mp4 - 44.5M
　 　 　 └─ 6-拓展应用分析.mp4 - 56.5M
　 　 ├─ 19-Informer时间序列源码解读 ->
　 　 　 └─ 1-Informer时间序列源码解读.mp4 - 829.1M
　 　 ├─ 5-swintransformer源码解读 ->
　 　 　 ├─ 8-输出层概述.mp4 - 41.1M
　 　 　 ├─ 6-patchmerge下采样操作.mp4 - 25.2M
　 　 　 ├─ 2-图像数据patch编码.mp4 - 37.6M
　 　 　 ├─ 1-数据与环境配置解读.mp4 - 59.6M
　 　 　 ├─ 7-各block计算方法解读.mp4 - 27.9M
　 　 　 ├─ 5-窗口位移模块细节分析.mp4 - 36.8M
　 　 　 ├─ 3-数据按window进行划分计算.mp4 - 31.5M
　 　 　 └─ 4-基础attention计算模块.mp4 - 27.6M
　 　 ├─ 1-Transformer算法解读 ->
　 　 　 └─ 1-Transformer算法解读.mp4 - 557.2M
　 　 ├─ 14-分割模型Maskformer系列 ->
　 　 　 └─ 1-分割模型Maskformer系列.mp4 - 776.9M
　 　 ├─ 12-商汤LoFTR算法解读 ->
　 　 　 ├─ 5-transformer构建匹配特征.mp4 - 33.8M
　 　 　 ├─ 3-整体流程梳理分析.mp4 - 16.5M
　 　 　 ├─ 10-总结分析.mp4 - 39.4M
　 　 　 ├─ 7-特征图拆解操作.mp4 - 14.3M
　 　 　 ├─ 1-特征匹配的应用场景.mp4 - 87.3M
　 　 　 ├─ 9-基于期望预测最终位置.mp4 - 23.1M
　 　 　 ├─ 8-细粒度匹配的作用与方法.mp4 - 19.9M
　 　 　 ├─ 6-粗粒度匹配过程与作用.mp4 - 26M
　 　 　 ├─ 4-CrossAttention的作用与效果.mp4 - 15.7M
　 　 　 └─ 2-特征匹配的基本流程分析.mp4 - 15.9M
　 　 ├─ 2-视觉Transformer及其源码分析 ->
　 　 　 └─ 1-视觉Transformer及其源码分析.mp4 - 878.2M
　 　 ├─ 16-BEV特征空间 ->
　 　 　 └─ 1-BEV特征空间.mp4 - 523.1M
　 　 ├─ 4-swintransformer算法原理解析 ->
　 　 　 ├─ 4-获取各窗口输入特征.mp4 - 19M
　 　 　 ├─ 2-要解决的问题及其优势分析.mp4 - 22.3M
　 　 　 ├─ 3-一个block要完成的任务.mp4 - 17.4M
　 　 　 ├─ 6-窗口偏移操作的实现.mp4 - 24.3M
　 　 　 ├─ 10-分层计算方法.mp4 - 21.7M
　 　 　 ├─ 1-swintransformer整体概述.mp4 - 14.8M
　 　 　 ├─ 5-基于窗口的注意力机制解读.mp4 - 29.5M
　 　 　 ├─ 7-偏移细节分析及其计算量概述.mp4 - 20.4M
　 　 　 ├─ 9-下采样操作实现方法.mp4 - 22.2M
　 　 　 └─ 8-整体网络架构整合.mp4 - 20.9M
　 　 ├─ 13-局部特征关键点匹配实战 ->
　 　 　 ├─ 1-项目与参数配置解读.mp4 - 44.5M
　 　 　 ├─ 11-通过期望计算最终输出.mp4 - 40.2M
　 　 　 ├─ 9-精细化调整方法与实例.mp4 - 42.7M
　 　 　 ├─ 10-得到精细化输出结果.mp4 - 19.3M
　 　 　 ├─ 6-cross关系计算方法实例.mp4 - 29.3M
　 　 　 ├─ 8-完成基础匹配模块.mp4 - 63.3M
　 　 　 ├─ 3-backbone特征提取模块.mp4 - 28.6M
　 　 　 ├─ 2-DEMO效果演示.mp4 - 39.6M
　 　 　 ├─ 7-粗粒度匹配过程.mp4 - 49.8M
　 　 　 ├─ 4-注意力机制的作用与效果分析.mp4 - 31M
　 　 　 └─ 5-特征融合模块实现方法.mp4 - 29.3M
　 　 ├─ 20-Huggingface与NLP（讲故事） ->
　 　 　 └─ 1-Huggingface与NLP（讲故事）.mp4 - 163.6M
　 　 ├─ 6-基于Transformer的detr目标检测算法 ->
　 　 　 ├─ 3-位置信息初始化query向量.mp4 - 19.9M
　 　 　 ├─ 4-注意力机制的作用方法.mp4 - 20.8M
　 　 　 ├─ 2-整体网络架构分析.mp4 - 31.5M
　 　 　 ├─ 5-训练过程的策略.mp4 - 28.3M
　 　 　 └─ 1-DETR目标检测基本思想解读.mp4 - 19.3M
　 　 ├─ 11-MedicalTransformer源码解读 ->
　 　 　 ├─ 4-AxialAttention实现过程.mp4 - 36.9M
　 　 　 ├─ 5-位置编码向量解读.mp4 - 27.8M
　 　 　 ├─ 6-注意力计算过程与方法.mp4 - 52.1M
　 　 　 ├─ 2-医学数据介绍与分析.mp4 - 56.7M
　 　 　 ├─ 1-项目环境配置.mp4 - 25.3M
　 　 　 ├─ 7-局部特征提取与计算.mp4 - 40.9M
　 　 　 └─ 3-基本处理操作.mp4 - 25.8M
　 　 ├─ 18-时间序列预测 ->
　 　 　 └─ 1-时间序列预测.mp4 - 375.4M
　 　 ├─ 8-DeformableDetr算法解读 ->
　 　 　 └─ 1-DeformableDetr算法解读.mp4 - 730.4M
　 　 ├─ 7-detr目标检测源码解读 ->
　 　 　 ├─ 4-backbone特征提取模块.mp4 - 35.5M
　 　 　 ├─ 3-位置编码作用分析.mp4 - 47.9M
　 　 　 ├─ 1-项目环境配置解读.mp4 - 40.3M
　 　 　 ├─ 9-损失函数与预测输出.mp4 - 41.2M
　 　 　 ├─ 8-输出预测结果.mp4 - 41.2M
　 　 　 ├─ 5-mask与编码模块.mp4 - 34.7M
　 　 　 ├─ 6-编码层作用方法.mp4 - 42.8M
　 　 　 ├─ 7-Decoder层操作与计算.mp4 - 30.1M
　 　 　 └─ 2-数据处理与dataloader.mp4 - 64M
　 　 └─ 3-VIT算法模型源码解读 ->
　 　 　 ├─ 2-输入序列构建方法解读.mp4 - 29.8M
　 　 　 ├─ 4-输出层计算结果.mp4 - 37.7M
　 　 　 ├─ 3-注意力机制计算.mp4 - 28M
　 　 　 └─ 1-项目配置说明.mp4 - 43.3M
　 ├─ 27-知识图谱实战系列 ->
　 　 ├─ 8-医学糖尿病数据命名实体识别 ->
　 　 　 ├─ 3-数据-标签-语料库处理.mp4 - 40M
　 　 　 ├─ 4-输入样本填充补齐.mp4 - 36.2M
　 　 　 ├─ 6-医疗数据集（糖尿病）实体识别.mp4 - 81.4M
　 　 　 ├─ 5-训练网络模型.mp4 - 40.4M
　 　 　 ├─ 2-整体模型架构.mp4 - 15M
　 　 　 └─ 1-数据与任务介绍.mp4 - 22.7M
　 　 ├─ 2-知识图谱涉及技术点分析 ->
　 　 　 ├─ 1-数据关系抽取分析.mp4 - 27.3M
　 　 　 ├─ 3-graph-embedding的作用与效果.mp4 - 26.2M
　 　 　 ├─ 6-图谱知识融合与总结分析.mp4 - 24M
　 　 　 ├─ 5-视觉领域图编码实例.mp4 - 21M
　 　 　 ├─ 4-金融领域图编码实例.mp4 - 12.8M
　 　 　 └─ 2-常用NLP技术点分析.mp4 - 22.1M
　 　 ├─ 4-使用python操作neo4j实例 ->
　 　 　 ├─ 2-提取所需的指标信息.mp4 - 53.2M
　 　 　 ├─ 1-使用Py2neo建立连接.mp4 - 47.6M
　 　 　 ├─ 3-在图中创建实体.mp4 - 43.8M
　 　 　 └─ 4-根据给定实体创建关系.mp4 - 51M
　 　 ├─ 1-知识图谱介绍及其应用领域分析 ->
　 　 　 ├─ 5-数据获取分析.mp4 - 35.9M
　 　 　 ├─ 4-金融与推荐领域的应用.mp4 - 20.4M
　 　 　 ├─ 2-知识图谱在搜索引擎中的应用.mp4 - 26.6M
　 　 　 ├─ 1-知识图谱通俗解读.mp4 - 19.9M
　 　 　 └─ 3-知识图谱在医疗领域应用实例.mp4 - 102.9M
　 　 ├─ 3-Neo4j数据库实战 ->
　 　 　 ├─ 4-创建与删除操作演示.mp4 - 25.3M
　 　 　 ├─ 1-Neo4j图数据库介绍.mp4 - 63.5M
　 　 　 ├─ 2-Neo4j数据库安装流程演示.mp4 - 27.7M
　 　 　 ├─ 5-数据库更改查询操作演示.mp4 - 27.1M
　 　 　 └─ 3-可视化例子演示.mp4 - 43.6M
　 　 ├─ 5-基于知识图谱的医药问答系统实战 ->
　 　 　 ├─ 2-医疗数据介绍及其各字段含义.mp4 - 62.6M
　 　 　 ├─ 3-任务流程概述.mp4 - 39.7M
　 　 　 ├─ 4-环境配置与所需工具包安装.mp4 - 36.4M
　 　 　 ├─ 8-加载所有实体数据.mp4 - 42.5M
　 　 　 ├─ 9-实体关键词字典制作.mp4 - 31.8M
　 　 　 ├─ 10-完成对话系统构建.mp4 - 39.5M
　 　 　 ├─ 7-打造医疗知识图谱模型.mp4 - 59.1M
　 　 　 ├─ 1-项目概述与整体架构分析.mp4 - 37M
　 　 　 ├─ 5-提取数据中的关键字段信息.mp4 - 61.3M
　 　 　 └─ 6-创建关系边.mp4 - 39.4M
　 　 ├─ 7-金融平台风控模型实践 ->
　 　 　 ├─ 6-app安装特征.mp4 - 37.4M
　 　 　 ├─ 7-图中联系人特征.mp4 - 70.3M
　 　 　 ├─ 1-竞赛任务目标.mp4 - 23.8M
　 　 　 ├─ 2-图模型信息提取.mp4 - 27.8M
　 　 　 ├─ 4-deepwalk构建图顶点特征.mp4 - 53.5M
　 　 　 ├─ 3-节点权重特征提取(PageRank).mp4 - 35.5M
　 　 　 └─ 5-各项统计特征.mp4 - 56M
　 　 └─ 6-文本关系抽取实践 ->
　 　 　 ├─ 1-关系抽取要完成的任务演示与分析.mp4 - 18.6M
　 　 　 ├─ 8-设计规则完成关系抽取.mp4 - 52.5M
　 　 　 ├─ 5-依存句法概述.mp4 - 30.8M
　 　 　 ├─ 2-LTP工具包概述介绍.mp4 - 46.5M
　 　 　 ├─ 3-pyltp安装与流程演示.mp4 - 41.8M
　 　 　 ├─ 6-句法分析结果整理.mp4 - 39.1M
　 　 　 ├─ 7-语义角色构建与分析.mp4 - 54.2M
　 　 　 └─ 4-得到分词与词性标注结果.mp4 - 47.2M
　 ├─ 第八期资料 ->
　 　 ├─ 第17章 ⾏⼈重识别实战 ->
　 　 　 ├─ 第6节：旷视研究院最新算法解读（基于图模型） ->
　 　 　 　 └─ Wang_High-Order_Information_Matters_Learning_Relation_and_Topology_for_Occluded_Person_CVPR_2020_paper.pdf - 1.5M
　 　 　 ├─ 第5节：项目实战-基于行人局部特征融合的再识别实战 ->
　 　 　 　 └─ Relation Network for Person Re-identification.zip - 296.5M
　 　 　 ├─ 第3节：基于Attention的行人重识别项目实战 ->
　 　 　 　 └─ Relation-Aware-Global-Attention-Networks.zip - 3.1G
　 　 　 ├─ 第4节：经典会议算法精讲（特征融合） ->
　 　 　 　 └─ Relation Network for Person Re-identification.pdf - 2.5M
　 　 　 ├─ 第1节：行人重识别原理及其应用 ->
　 　 　 　 └─ 行人重识别.pdf - 1.8M
　 　 　 ├─ 第7节：基于拓扑图的行人重识别项目实战 ->
　 　 　 　 └─ 基于图模型的ReID(旷视).zip - 1.6G
　 　 　 └─ 第2节：基于注意力机制的ReId模型论文解读 ->
　 　 　 　 └─ Relation-Aware Global Attention.pdf - 675.7KB
　 　 ├─ 第18章 对抗⽣成⽹络实战 ->
　 　 　 ├─ 第9节：基于GAN的图像补全实战 ->
　 　 　 　 ├─ 图像补全人脸数据.zip - 1.3G
　 　 　 　 └─ glcic图像补全.zip - 178.8M
　 　 　 ├─ 第8节：图像超分辨率重构实战 ->
　 　 　 　 ├─ srdata.zip - 4G
　 　 　 　 └─ srgan超分辨率重构.zip - 532.6M
　 　 　 ├─ 第6节：基于starganvc2的变声器论文原理解读 ->
　 　 　 　 ├─ 1907.12279.pdf - 451.5KB
　 　 　 　 └─ stargan-vc2.pdf - 788.6KB
　 　 　 ├─ 第4节：stargan论文架构解析 ->
　 　 　 　 ├─ stargan.pdf - 936.9KB
　 　 　 　 └─ 1912.01865.pdf - 5.4M
　 　 　 ├─ static.zip - 1.3M
　 　 　 ├─ cyclegan.pdf - 2.7M
　 　 　 ├─ 第5节：stargan项目实战及其源码解读.zip - 869.4M
　 　 　 ├─ 第7节：starganvc2变声器项目实战及其源码解读.zip - 485M
　 　 　 ├─ 第3节：基于CycleGan开源项目实战图像合成.zip - 1.6G
　 　 　 └─ 第2节：对抗生成网络架构原理与实战解析.zip - 35.3M
　 　 ├─ 第1章 直播课 ->
　 　 　 ├─ 1-17 节直播15：总结与论文和简历 ->
　 　 　 　 └─ EfficientViT.pdf - 5.4M
　 　 　 ├─ 1-3 节直播1：神经网络结构 ->
　 　 　 　 └─ 神经网络.pdf - 6.3M
　 　 　 ├─ 1-1 节开班典礼 ->
　 　 　 　 └─ 3_唐宇迪《深度学习》系统班V8.0.pdf - 31M
　 　 　 ├─ 1-10 直播8：图神经网络 ->
　 　 　 　 ├─ 异构图.pdf - 937.7KB
　 　 　 　 ├─ 图卷积.pdf - 955.9KB
　 　 　 　 ├─ 图神经网络.pdf - 1.5M
　 　 　 　 ├─ 图注意力机制.pdf - 741.6KB
　 　 　 　 └─ Temporal Graph Neural Networks.pdf - 695.8KB
　 　 　 ├─ 1-11 节直播9：LangChain与VQA任务 ->
　 　 　 　 ├─ From Images to Textual Prompts.pdf - 6.7M
　 　 　 　 └─ langchain-tutorials-main.zip - 38.2M
　 　 　 ├─ 1-5 节直播3：Transformer ->
　 　 　 　 └─ transformer.pdf - 2M
　 　 　 ├─ 1-12 节直播10：EfficientVIT与DINOV2 ->
　 　 　 　 ├─ EfficientViT.pdf - 5.4M
　 　 　 　 ├─ Emerging Properties in Self-Supervised Vision Transformers.pdf - 13.4M
　 　 　 　 ├─ DINOv2.pdf - 7.7M
　 　 　 　 └─ IMAGE BERT PRE-TRAINING WITH ONLINE.pdf - 14.5M
　 　 　 ├─ 1-7 节直播5：Segment anything ->
　 　 　 　 └─ 1-7 节直播5：Segment anything ->
　 　 　 　 　 └─ SAM.pdf - 15M
　 　 　 ├─ 1-8 节直播6：时间序列timesnet ->
　 　 　 　 ├─ 2210.02186.pdf - 3.8M
　 　 　 　 └─ Time-Series-Library-main.zip - 21.7M
　 　 　 ├─ 1-6 节直播4：VIT源码解读 ->
　 　 　 　 └─ 1-6 节直播4：VIT源码解读 ->
　 　 　 　 　 └─ Transformer在视觉中的应用VIT算法.pdf - 1.2M
　 　 　 ├─ 1-4 节直播2：卷积神经网络 ->
　 　 　 　 └─ 卷积神经网络.pdf - 2.6M
　 　 　 ├─ 1-14 节直播12：注意力机制串讲 ->
　 　 　 　 ├─ 可变形DETR.pdf - 4.4M
　 　 　 　 └─ Informer.pdf - 1.1M
　 　 　 ├─ 15-直播13：BEITV2-3与Mmlab自监督源码解读 ->
　 　 　 　 └─ 第十三课：BEITV2及其源码解读 ->
　 　 　 　 　 ├─ mmselfsup-1.x.zip - 326.6M
　 　 　 　 　 └─ BEiT v2.pdf - 9.9M
　 　 　 ├─ 1-9 直播7：文本大模型下游任务一条龙资料 ->
　 　 　 　 ├─ 大模型.pdf - 1.4M
　 　 　 　 └─ Huatuo-Llama-Med-Chinese-main.zip - 44.7M
　 　 　 ├─ 1-13 节直播11：对比学习与自监督任务 ->
　 　 　 　 ├─ 对比学习.pdf - 2M
　 　 　 　 └─ BEIT.pdf - 1017.3KB
　 　 　 └─ 1-16 节直播14：Bev特征空间与知识蒸馏 ->
　 　 　 　 ├─ 蒸馏.pdf - 1.5M
　 　 　 　 ├─ Reinforced Multi-Teacher Selection for Knowledge Distillation.pdf - 1M
　 　 　 　 ├─ BEV.pdf - 998.7KB
　 　 　 　 └─ Decoupled Knowledge Distillation.pdf - 2M
　 　 ├─ 第24章 自然语言处理必备神器Huggingface系列实战 ->
　 　 　 ├─ 第四章：BERT系列算法解读 ->
　 　 　 　 └─ BERT系列.pdf - 969.9KB
　 　 　 ├─ 第六章：文本预训练模型构建实例 ->
　 　 　 　 └─ Mask Language Model.ipynb - 51.3KB
　 　 　 ├─ 第八章：GPT训练与预测部署流程 ->
　 　 　 　 └─ GPT.zip - 1.2G
　 　 　 ├─ 第七章：GPT系列算法 ->
　 　 　 　 └─ GPT系列.pdf - 1.4M
　 　 　 ├─ 第五章：文本标注工具与NER实例 ->
　 　 　 　 └─ ner.zip - 121.6M
　 　 　 ├─ 第十章：图谱知识抽取实战 ->
　 　 　 　 └─ CMeKG.zip - 1.3G
　 　 　 ├─ 第十一章：补充Huggingface数据集制作方法实例 ->
　 　 　 　 └─ 数据格式转换.zip - 89.4M
　 　 　 ├─ 第三章：transformer原理解读 ->
　 　 　 　 └─ transformer.pdf - 2M
　 　 　 ├─ 第九章：文本摘要建模 ->
　 　 　 　 ├─ Summarization.ipynb - 287.8KB
　 　 　 　 └─ Summarization.zip - 2G
　 　 　 ├─ 第一章：Huggingface与NLP介绍解读 ->
　 　 　 　 └─ Huggingface初识.pptx - 168.8KB
　 　 　 └─ 第二章：Transformer工具包基本操作实例解读 ->
　 　 　 　 ├─ 1-Transformers.zip - 383.6M
　 　 　 　 └─ 2-Finetuning.zip - 2.1G
　 　 ├─ 第8章 图像分割实战 ->
　 　 　 ├─ 基于deeplabV3+版本进行VOC分割实战 ->
　 　 　 　 └─ DeepLabV3Plus.zip - 1.9G
　 　 　 ├─ 图像分割算法 ->
　 　 　 　 └─ 深度学习分割任务.pdf - 1.1M
　 　 　 ├─ unet医学细胞分割实战 ->
　 　 　 　 └─ unet++.zip - 409.6M
　 　 　 ├─ 基于deeplab的心脏视频数据诊断分析 ->
　 　 　 　 └─ 基于deeplab的心脏视频数据诊断分析.zip - 748.3M
　 　 　 ├─ 补充：Mask2former源码解读 ->
　 　 　 　 └─ mask2former(mmdetection).zip - 192.4M
　 　 　 ├─ 基于Resnet的医学数据集分类实战 ->
　 　 　 　 └─ Resnet.pdf - 207.9KB
　 　 　 ├─ 分割模型Maskformer系列 ->
　 　 　 　 ├─ maskformer.pdf - 1.5M
　 　 　 　 └─ mask2former.pdf - 3M
　 　 　 ├─ deeplab系列算法 ->
　 　 　 　 └─ DeepLab.pdf - 704.3KB
　 　 　 ├─ Unet系列算法讲解 ->
　 　 　 　 └─ 深度学习分割任务.pdf - 1.1M
　 　 　 ├─ R(2+1)D网络.pdf - 507.1KB
　 　 　 ├─ f112c9fda85536ee3eba662c9043e683.bat - 70B
　 　 　 ├─ 图像识别核心模块实战解读.zip - 336.9M
　 　 　 ├─ mask-rcnn.pdf - 990KB
　 　 　 ├─ PyTorch框架基本处理操作.zip - 98.6M
　 　 　 ├─ 第5节：U-2-Net.zip - 636.2M
　 　 　 └─ MaskRcnn网络框架源码详解.zip - 1.1G
　 　 ├─ 第13章 3D点云实战 ->
　 　 　 ├─ 第6节：点云补全实战解读 ->
　 　 　 　 └─ PF-Net-Point-Fractal-Network.zip - 646.1M
　 　 　 ├─ 第8节：基础补充-对抗生成网络架构原理与实战解析 ->
　 　 　 　 └─ 第八章：对抗生成网络架构原理与实战解析.zip - 35.3M
　 　 　 ├─ 第7节：点云配准及其案例实战 ->
　 　 　 　 ├─ 2003.13479.pdf - 1.6M
　 　 　 　 ├─ RPMNet.zip - 447.4M
　 　 　 　 └─ 点云匹配.pdf - 552.8KB
　 　 　 ├─ 第4节：Pointnet++项目实战 ->
　 　 　 　 └─ Pointnet2.zip - 2.3G
　 　 　 ├─ 第2节：3D点云PointNet算法 ->
　 　 　 　 ├─ CloudCompare.zip - 68.1M
　 　 　 　 └─ PointNet++.pdf - 1.7M
　 　 　 ├─ 第5节：点云补全PF-Net论文解读 ->
　 　 　 　 ├─ 点云补全.pdf - 596.4KB
　 　 　 　 └─ 2003.00410.pdf - 4M
　 　 　 ├─ 第1节：3D点云应用领域分析 ->
　 　 　 　 ├─ 激光雷达.mp4 - 8.1M
　 　 　 　 └─ 点云.pdf - 1.1M
　 　 　 └─ 第3节：PointNet++算法解读 ->
　 　 　 　 └─ PointNet++.pdf - 1.7M
　 　 ├─ 第10章 经典视觉项目实战-行为识别 ->
　 　 　 ├─ 基础补充-Resnet模型及其应用实例 ->
　 　 　 　 └─ Resnet.pdf - 207.9KB
　 　 　 ├─ slowfast-add ->
　 　 　 　 ├─ download ->
　 　 　 　 　 ├─ ava_annotations ->
　 　 　 　 　 　 ├─ person_box_67091280_iou90 ->
　 　 　 　 　 　 　 ├─ ava_detection_train_boxes_and_labels_include_negative_v2.2.csv - 53.3M
　 　 　 　 　 　 　 ├─ ava_action_list_v2.1_for_activitynet_2018.pbtxt - 2.6KB
　 　 　 　 　 　 　 ├─ ava_val_excluded_timestamps_v2.1.csv - 629B
　 　 　 　 　 　 　 ├─ ava_train_predicted_boxes.csv - 52.2M
　 　 　 　 　 　 　 ├─ ava_detection_test_boxes_and_labels.csv - 14.6M
　 　 　 　 　 　 　 ├─ ava_detection_val_for_training_boxes_and_labels_include_negative_v2.2.csv - 15.2M
　 　 　 　 　 　 　 ├─ ava_train_v2.1.csv - 35.1M
　 　 　 　 　 　 　 ├─ ava_detection_val_boxes_and_labels.csv - 7.6M
　 　 　 　 　 　 　 ├─ val.csv - 98.3M
　 　 　 　 　 　 　 ├─ test.csv - 198.4M
　 　 　 　 　 　 　 ├─ ava_val_predicted_boxes.csv - 7.6M
　 　 　 　 　 　 　 ├─ ava_detection_train_boxes_and_labels_include_negative_v2.1.csv - 52.2M
　 　 　 　 　 　 　 ├─ ava_detection_val_for_training_boxes_and_labels_include_negative.csv - 14.9M
　 　 　 　 　 　 　 ├─ ava_detection_train_boxes_and_labels_include_negative.csv - 52.2M
　 　 　 　 　 　 　 ├─ ava_detection_val_for_training_boxes_and_labels_include_negative_v2.1.csv - 14.9M
　 　 　 　 　 　 　 ├─ ava_val_v2.1.csv - 9.9M
　 　 　 　 　 　 　 └─ train.csv - 358.1M
　 　 　 　 　 　 ├─ ava_val_v2.2.csv - 11.1M
　 　 　 　 　 　 ├─ ava_train_v2.1.csv - 35.1M
　 　 　 　 　 　 └─ ava_train_v2.2.csv - 39.2M
　 　 　 　 　 ├─ train.csv - 1.5M
　 　 　 　 　 ├─ -5KQ66BBWC4.mkv.1 - 251M
　 　 　 　 　 ├─ val.csv - 1.5M
　 　 　 　 　 ├─ -5KQ66BBWC4.mkv - 251M
　 　 　 　 　 ├─ _145Aa_xkuE.mp4 - 313.3M
　 　 　 　 　 ├─ 1j20qq1JyX4.mp4 - 240.5M
　 　 　 　 　 └─ _Ca3gOdOHxU.mp4 - 516.8M
　 　 　 　 └─ avademo.zip - 2.1G
　 　 　 ├─ 基础补充-PyTorch框架基本处理操作.zip - 98.6M
　 　 　 ├─ 1-slowfast算法知识点通俗解读.pdf - 572.3KB
　 　 　 ├─ 基础补充-PyTorch框架必备核心模块解读.zip - 336.9M
　 　 　 ├─ 5-视频异常检测算法与元学习.pdf - 1.1M
　 　 　 ├─ slowfast论文.pdf - 1.4M
　 　 　 ├─ 6-视频异常检测CVPR2021论文及其源码解读.zip - 243.8M
　 　 　 └─ 4-基于3D卷积的视频分析与动作识别.zip - 845.8M
　 　 ├─ 第14章 ⾯向深度学习的⽆⼈驾驶实战 ->
　 　 　 ├─ 11-TSDF算法与应用 ->
　 　 　 　 └─ TSDF.pdf - 786.8KB
　 　 　 ├─ 10-NeuralRecon项目源码解读 ->
　 　 　 　 └─ NeuralRecon ->
　 　 　 　 　 ├─ all_tsdf_9.zip - 5.3M
　 　 　 　 　 ├─ train_demo.zip - 64.6M
　 　 　 　 　 └─ data.py - 9.9KB
　 　 　 ├─ 4-基于深度学习的车道线检测项目实战 ->
　 　 　 　 └─ Lane-Detection.zip - 1.9G
　 　 　 ├─ 14-轨迹估计预测实战 ->
　 　 　 　 └─ Vector.zip - 4.9M
　 　 　 ├─ 5-商汤LoFTR算法解读 ->
　 　 　 　 ├─ Loftr.pdf - 1.7M
　 　 　 　 └─ 2104.00680.pdf - 7.7M
　 　 　 ├─ 1.深度估计算法解读 ->
　 　 　 　 ├─ Monocular_Depth_Estimation_Using_Laplacian_Pyramid-Based_Depth_Residuals.pdf - 13.8M
　 　 　 　 └─ 深度估计.pdf - 1.5M
　 　 　 ├─ 3-车道线检测算法与论文解读 ->
　 　 　 　 └─ 基于深度学习的车道线检测.pdf - 879.7KB
　 　 　 ├─ 13-轨迹估计算法与论文解读 ->
　 　 　 　 └─ 无人驾驶.pdf - 629.2KB
　 　 　 ├─ 15-特斯拉无人驾驶解读 ->
　 　 　 　 └─ Tesla无人驾驶.pdf - 4M
　 　 　 ├─ 12-TSDF实战案例 ->
　 　 　 　 └─ TSDF实例 ->
　 　 　 　 　 └─ tsdf-fusion-python-master.zip - 120.4M
　 　 　 ├─ 2.深度估计项目实战 ->
　 　 　 　 └─ LapDepth.zip - 650.4M
　 　 　 ├─ 7-三维重建应用与坐标系基础 ->
　 　 　 　 └─ 三维重建.pdf - 2.9M
　 　 　 ├─ 6-局部特征关键点匹配实战 ->
　 　 　 　 └─ LoFTR.zip - 404.1M
　 　 　 └─ 8-NeuralRecon算法解读 ->
　 　 　 　 ├─ NeuralRecon.pdf - 7.7M
　 　 　 　 └─ 三维重建.pdf - 3.1M
　 　 ├─ 第9章 走向AI论文实验与项目实战的捷径-MMLAB实战系列 ->
　 　 　 ├─ KIE关键信息抽取与视频超分辨率重构 ->
　 　 　 　 ├─ KIE.pdf - 2.3M
　 　 　 　 ├─ spynet.pdf - 5.8M
　 　 　 　 └─ BasicVSR++.pdf - 13M
　 　 　 ├─ DeformableDetr算法解读 ->
　 　 　 　 └─ 可变形DETR.pdf - 4.5M
　 　 　 ├─ OCR算法解读 ->
　 　 　 　 ├─ ABINET.pdf - 1.2M
　 　 　 　 └─ DBNET.pdf - 3.8M
　 　 　 ├─ 第八模块：mmrazor-模型蒸馏.zip - 1G
　 　 　 ├─ 第二模块：MPViT-main.zip - 924.8M
　 　 　 ├─ 第六模块：mmediting-master.zip - 107.8M
　 　 　 ├─ 第一模块：mmclassification-master.zip - 912M
　 　 　 ├─ ner.zip - 121.6M
　 　 　 ├─ 第五模块：mmgeneration-master.zip - 746.8M
　 　 　 ├─ 第四模块：mmocr-main.zip - 381.7M
　 　 　 ├─ 第七模块：mmdetection3d-1.0.0rc0.zip - 395M
　 　 　 ├─ 第九模块：mmaction2-master.zip - 827.8M
　 　 　 ├─ mask2former(mmdetection).zip - 192.4M
　 　 　 ├─ 第二模块：mmsegmentation-0.20.2.zip - 2.8G
　 　 　 └─ 第三模块：mmdetection-master.zip - 1.5G
　 　 ├─ 第7章 综合项⽬-物体检测经典算法实战 ->
　 　 　 ├─ YOLO系列（PyTorch） ->
　 　 　 　 ├─ 训练自己的数据集 ->
　 　 　 　 　 ├─ json2yolo.py - 1.5KB
　 　 　 　 　 └─ 构建自己的数据集.pdf - 403.8KB
　 　 　 　 ├─ COCO-DATA ->
　 　 　 　 　 └─ COCO数据集.txt - 96B
　 　 　 　 ├─ YOLO5.zip - 469.6M
　 　 　 　 ├─ PyTorch-YOLOv3.zip - 462.2M
　 　 　 　 ├─ YOLO新版.pdf - 3.6M
　 　 　 　 └─ NEU-DET.zip - 26.7M
　 　 　 ├─ CenterNet.pdf - 8.8M
　 　 　 ├─ EfficientDet.zip - 80.5M
　 　 　 ├─ Yolov7结构图.pptx - 44.4KB
　 　 　 ├─ 可变形DETR.pdf - 4.5M
　 　 　 ├─ 物体检测.pdf - 1.4M
　 　 　 ├─ json2yolo.py - 1.5KB
　 　 　 ├─ YOLOV7.pdf - 1.7M
　 　 　 ├─ yolov7-main.zip - 337.6M
　 　 　 ├─ EfficientDet.pdf - 780.7KB
　 　 　 ├─ mmdetection-3.x.zip - 35.6M
　 　 　 ├─ EfficientNet.pdf - 943.2KB
　 　 　 ├─ detr目标检测源码解读.zip - 108.3KB
　 　 　 └─ 第十二章：基于Transformer的detr目标检测算法.pdf - 885.7KB
　 　 ├─ 第16章 缺陷检测实战 ->
　 　 　 ├─ PyTorch基础 ->
　 　 　 　 ├─ 3-图像识别核心模块实战解读.zip - 336.9M
　 　 　 　 └─ 1-PyTorch框架基本处理操作.zip - 98.6M
　 　 　 ├─ 第6-8章：Opencv各函数使用实例 ->
　 　 　 　 ├─ 第二部分notebook课件.zip - 1.3M
　 　 　 　 └─ 第一部分notebook课件.zip - 7.3M
　 　 　 ├─ 第1-4章：YOLOV5缺陷检测 ->
　 　 　 　 ├─ YOLO新版.pdf - 3.6M
　 　 　 　 ├─ NEU-DET.zip - 26.7M
　 　 　 　 ├─ YOLO5.zip - 469.6M
　 　 　 　 └─ Defective_Insulators.zip - 54.7M
　 　 　 ├─ 第11-12章：deeplab ->
　 　 　 　 ├─ DeepLabV3Plus.zip - 1.9G
　 　 　 　 └─ DeepLab.pdf - 704.3KB
　 　 　 ├─ Resnet分类实战 ->
　 　 　 　 └─ Resnet.pdf - 207.9KB
　 　 　 ├─ 第5章：Semi-supervised布料缺陷检测实战.zip - 212.3M
　 　 　 ├─ DeepLab铁质材料缺陷检测与开源项目应用流程.zip - 3.6G
　 　 　 ├─ 第9章：基于Opencv缺陷检测项目实战.zip - 11.4M
　 　 　 └─ 第10章：基于视频流水线的Opnecv缺陷检测项目.zip - 14M
　 ├─ 25-时间序列预测 ->
　 　 ├─ 3-Timesnet时序预测 ->
　 　 　 ├─ 4-计算公式流程拆解.mp4 - 52.9M
　 　 　 ├─ 1-时序预测故事背景.mp4 - 81.9M
　 　 　 ├─ 5-全部计算流程解读.mp4 - 66.5M
　 　 　 ├─ 7-源码流程解读.mp4 - 54.1M
　 　 　 ├─ 6-周期间特征分析.mp4 - 74.1M
　 　 　 ├─ 2-论文核心思想解读.mp4 - 64.3M
　 　 　 ├─ 8-傅里叶变换流程.mp4 - 34M
　 　 　 └─ 3-时序特征周期拆解.mp4 - 72.5M
　 　 └─ 1-Informer原理解读 ->
　 　 　 ├─ 2-常用模块分析.mp4 - 24.2M
　 　 　 ├─ 1-时间序列预测要完成的任务.mp4 - 33.3M
　 　 　 ├─ 6-编码器全部计算流程.mp4 - 24M
　 　 　 ├─ 7-解码器流程分析.mp4 - 24.9M
　 　 　 ├─ 3-论文要解决的问题分析.mp4 - 30.5M
　 　 　 ├─ 5-probAttention计算流程.mp4 - 31.4M
　 　 　 └─ 4-Query采样方法解读.mp4 - 23.1M
　 ├─ 3-深度学习必备核⼼算法 ->
　 　 ├─ 4-VIT源码解读 ->
　 　 　 └─ 1-VIT源码解读.mp4 - 878.2M
　 　 ├─ 3-Transformer ->
　 　 　 └─ 1-Transformer.mp4 - 557.2M
　 　 ├─ 2-卷积神经网络 ->
　 　 　 └─ 1-卷积神经网络.mp4 - 676.2M
　 　 └─ 1-神经网络结构 ->
　 　 　 └─ 1-神经网络结构.mp4 - 604.6M
　 ├─ 23-自然语言处理经典案例实战 ->
　 　 ├─ 4-新闻分类任务实战 ->
　 　 　 ├─ 2-相似度计算.mp4 - 19.5M
　 　 　 ├─ 3-新闻数据与任务简介.mp4 - 33.2M
　 　 　 ├─ 1-文本分析与关键词提取.mp4 - 19.4M
　 　 　 ├─ 4-TF-IDF关键词提取.mp4 - 45.7M
　 　 　 ├─ 5-LDA建模.mp4 - 28.1M
　 　 　 └─ 6-基于贝叶斯算法进行新闻分类.mp4 - 50.9M
　 　 ├─ 2-商品信息可视化与文本分析 ->
　 　 　 ├─ 2-商品类别划分方式.mp4 - 37.3M
　 　 　 ├─ 3-商品类别可视化展示.mp4 - 41.3M
　 　 　 ├─ 6-基于tf-idf提取关键词信息.mp4 - 35.3M
　 　 　 ├─ 8-聚类分析与主题模型展示.mp4 - 57M
　 　 　 ├─ 7-通过降维进行可视化展示.mp4 - 39.1M
　 　 　 ├─ 5-关键词的词云可视化展示.mp4 - 51.9M
　 　 　 ├─ 1-在线商城商品数据信息概述.mp4 - 32.3M
　 　 　 └─ 4-商品描述长度对价格的影响分析.mp4 - 33.7M
　 　 ├─ 14-对话机器人 ->
　 　 　 ├─ 1-效果演示.mp4 - 30.6M
　 　 　 ├─ 5-seq网络.mp4 - 30.7M
　 　 　 ├─ 4-词向量与投影.mp4 - 38.2M
　 　 　 ├─ 6-网络训练.mp4 - 38M
　 　 　 ├─ 2-参数配置与数据加载.mp4 - 51M
　 　 　 └─ 3-数据处理.mp4 - 42M
　 　 ├─ 5-HMM隐马尔科夫模型 ->
　 　 　 ├─ 3-组成与要解决的问题.mp4 - 14.9M
　 　 　 ├─ 2-隐马尔科夫模型基本出发点.mp4 - 18.7M
　 　 　 ├─ 8-Baum-Welch算法.mp4 - 26.9M
　 　 　 ├─ 4-暴力求解方法.mp4 - 28M
　 　 　 ├─ 1-马尔科夫模型.mp4 - 17.5M
　 　 　 ├─ 5-复杂度计算.mp4 - 15.3M
　 　 　 ├─ 6-前向算法.mp4 - 36.1M
　 　 　 ├─ 7-前向算法求解实例.mp4 - 33.3M
　 　 　 ├─ 10-维特比算法.mp4 - 43.1M
　 　 　 └─ 9-参数求解.mp4 - 17.2M
　 　 ├─ 13-机器人写唐诗 ->
　 　 　 ├─ 1-任务概述与环境配置.mp4 - 13.7M
　 　 　 ├─ 8-测试唐诗生成效果.mp4 - 21.4M
　 　 　 ├─ 2-参数配置.mp4 - 21.9M
　 　 　 ├─ 7-训练唐诗生成模型.mp4 - 11.1M
　 　 　 ├─ 4-batch数据制作.mp4 - 28M
　 　 　 ├─ 5-RNN模型定义.mp4 - 18M
　 　 　 ├─ 6-完成训练模块.mp4 - 28M
　 　 　 └─ 3-数据预处理模块.mp4 - 35.3M
　 　 ├─ 1-NLP常用工具包实战 ->
　 　 　 ├─ 10-名字实体匹配.mp4 - 21.4M
　 　 　 ├─ 6-停用词过滤.mp4 - 27.6M
　 　 　 ├─ 1-Python字符串处理.mp4 - 41.3M
　 　 　 ├─ 14-词云展示.mp4 - 87.6M
　 　 　 ├─ 12-统计分析结果.mp4 - 47.7M
　 　 　 ├─ 3-正则常用符号.mp4 - 37.1M
　 　 　 ├─ 13-结巴分词器.mp4 - 28.1M
　 　 　 ├─ 7-词性标注.mp4 - 35.9M
　 　 　 ├─ 4-常用函数介绍.mp4 - 40.1M
　 　 　 ├─ 8-数据清洗实例.mp4 - 41.4M
　 　 　 ├─ 9-Spacy工具包.mp4 - 47.1M
　 　 　 ├─ 2-正则表达式基本语法.mp4 - 31M
　 　 　 ├─ 11-恐怖袭击分析.mp4 - 40.5M
　 　 　 └─ 5-NLTK工具包简介.mp4 - 32.3M
　 　 ├─ 9-基于word2vec的分类任务 ->
　 　 　 ├─ 2-基于词袋模型训练分类器.mp4 - 28.1M
　 　 　 ├─ 3-准备word2vec输入数据.mp4 - 24.2M
　 　 　 ├─ 4-使用gensim构建word2vec词向量（新）.mp4 - 67.7M
　 　 　 └─ 1-影评情感分类.mp4 - 46.9M
　 　 ├─ 12-LSTM情感分析 ->
　 　 　 ├─ 1-RNN网络架构.mp4 - 19.9M
　 　 　 ├─ 4-情感数据集处理.mp4 - 33.6M
　 　 　 ├─ 3-案例：使用LSTM进行情感分类.mp4 - 31M
　 　 　 ├─ 5-基于word2vec的LSTM模型.mp4 - 50.5M
　 　 　 └─ 2-LSTM网络架构.mp4 - 17.8M
　 　 ├─ 8-使用Gemsim构建词向量 ->
　 　 　 ├─ 3-Gensim构造word2vec模型.mp4 - 21M
　 　 　 ├─ 4-测试模型相似度结果.mp4 - 20M
　 　 　 ├─ 2-维基百科中文数据处理.mp4 - 39.1M
　 　 　 └─ 1-使用Gensim库构造词向量.mp4 - 16.8M
　 　 ├─ 10-NLP-文本特征方法对比 ->
　 　 　 ├─ 2-词袋模型.mp4 - 28.1M
　 　 　 ├─ 5-word2vec词向量模型.mp4 - 54.4M
　 　 　 ├─ 3-词袋模型分析.mp4 - 63.6M
　 　 　 ├─ 4-TFIDF模型.mp4 - 47.6M
　 　 　 ├─ 6-深度学习模型.mp4 - 39.3M
　 　 　 └─ 1-任务概述.mp4 - 37.5M
　 　 ├─ 3-贝叶斯算法 ->
　 　 　 ├─ 4-垃圾邮件过滤实例.mp4 - 22.8M
　 　 　 ├─ 1-贝叶斯算法概述.mp4 - 11.3M
　 　 　 ├─ 5-贝叶斯实现拼写检查器.mp4 - 36.8M
　 　 　 ├─ 3-贝叶斯拼写纠错实例.mp4 - 18.6M
　 　 　 └─ 2-贝叶斯推导实例.mp4 - 11.9M
　 　 ├─ 11-NLP-相似度模型 ->
　 　 　 ├─ 4-数据预处理.mp4 - 36.1M
　 　 　 ├─ 5-网络模型定义.mp4 - 55.9M
　 　 　 ├─ 2-数据展示.mp4 - 22.7M
　 　 　 ├─ 7-基于句子的相似度训练.mp4 - 42.4M
　 　 　 ├─ 6-基于字符的训练.mp4 - 58.9M
　 　 　 ├─ 3-正负样本制作.mp4 - 38M
　 　 　 └─ 1-任务概述.mp4 - 13.2M
　 　 ├─ 6-HMM工具包实战 ->
　 　 　 ├─ 3-中文分词任务.mp4 - 13.4M
　 　 　 ├─ 2-工具包使用方法.mp4 - 55.6M
　 　 　 ├─ 4-实现中文分词.mp4 - 35.8M
　 　 　 └─ 1-hmmlearn工具包.mp4 - 19.6M
　 　 └─ 7-语言模型 ->
　 　 　 ├─ 8-CBOW求解目标.mp4 - 8.7M
　 　 　 ├─ 5-神经网络模型.mp4 - 15.9M
　 　 　 ├─ 4-词向量.mp4 - 13.5M
　 　 　 ├─ 9-锑度上升求解.mp4 - 15.9M
　 　 　 ├─ 10-负采样模型.mp4 - 10.5M
　 　 　 ├─ 3-N-gram模型.mp4 - 13.6M
　 　 　 ├─ 1-开篇.mp4 - 8.5M
　 　 　 ├─ 6-Hierarchical Softmax.mp4 - 15.2M
　 　 　 ├─ 7-CBOW模型实例.mp4 - 18.5M
　 　 　 └─ 2-语言模型.mp4 - 8.8M
　 ├─ 18-对抗生成网络实战 ->
　 　 ├─ 9-基于GAN的图像补全实战 ->
　 　 　 ├─ 3-细节设计.mp4 - 77.7M
　 　 　 ├─ 2-网络架构.mp4 - 30.8M
　 　 　 ├─ 9-测试模块.mp4 - 48.4M
　 　 　 ├─ 5-数据与项目概述.mp4 - 45.9M
　 　 　 ├─ 8-网络迭代训练.mp4 - 92.9M
　 　 　 ├─ 7-网络结构配置.mp4 - 71.6M
　 　 　 ├─ 1-论文概述.mp4 - 75.1M
　 　 　 ├─ 4-论文总结.mp4 - 67.3M
　 　 　 └─ 6-参数基本设计.mp4 - 81.8M
　 　 ├─ 6-基于starganvc2的变声器论文原理解读 ->
　 　 　 ├─ 6-AdaIn的目的与效果.mp4 - 13.2M
　 　 　 ├─ 7-判别器模块分析.mp4 - 114M
　 　 　 ├─ 4-生成器模型架构分析.mp4 - 15.8M
　 　 　 ├─ 5-InstanceNorm的作用解读.mp4 - 18.6M
　 　 　 ├─ 3-语音特征提取.mp4 - 30.6M
　 　 　 ├─ 1-论文整体思路与架构解读.mp4 - 34.7M
　 　 　 └─ 2-VCC2016输入数据.mp4 - 20.8M
　 　 ├─ 1-课程介绍 ->
　 　 　 └─ 1-课程介绍.mp4 - 28.6M
　 　 ├─ 7-starganvc2变声器项目实战及其源码解读 ->
　 　 　 ├─ 10-源码损失计算流程.mp4 - 34.8M
　 　 　 ├─ 11-测试模块-生成转换语音.mp4 - 47.2M
　 　 　 ├─ 5-下采样与上采样操作.mp4 - 35.5M
　 　 　 ├─ 7-生成器前向传播维度变化.mp4 - 26.5M
　 　 　 ├─ 9-论文损失函数.mp4 - 100.5M
　 　 　 ├─ 2-环境配置与工具包安装.mp4 - 37.1M
　 　 　 ├─ 6-starganvc2版本标签输入分析.mp4 - 50M
　 　 　 ├─ 3-数据预处理与声音特征提取.mp4 - 88.5M
　 　 　 ├─ 1-数据与项目文件解读.mp4 - 21.8M
　 　 　 ├─ 4-生成器构造模块解读.mp4 - 41.3M
　 　 　 └─ 8-判别器模块解读.mp4 - 35.2M
　 　 ├─ 5-stargan项目实战及其源码解读 ->
　 　 　 ├─ 2-项目配置与数据源下载.mp4 - 21.5M
　 　 　 ├─ 10-生成模块损失计算.mp4 - 70.1M
　 　 　 ├─ 3-测试效果演示.mp4 - 35M
　 　 　 ├─ 4-项目参数解析.mp4 - 27.6M
　 　 　 ├─ 7-数据读取模块分析.mp4 - 56.6M
　 　 　 ├─ 9-损失计算详细过程.mp4 - 45.8M
　 　 　 ├─ 1-测试模块效果与实验分析.mp4 - 30M
　 　 　 ├─ 6-所有网络模块构建实例.mp4 - 46.5M
　 　 　 ├─ 8-判别器损失计算.mp4 - 32.9M
　 　 　 └─ 5-生成器模块源码解读.mp4 - 53.2M
　 　 ├─ 8-图像超分辨率重构实战 ->
　 　 　 ├─ 9-测试模块.mp4 - 90.8M
　 　 　 ├─ 7-VGG特征提取网络.mp4 - 35.9M
　 　 　 ├─ 5-生成模块.mp4 - 48.5M
　 　 　 ├─ 2-网络架构.mp4 - 106.9M
　 　 　 ├─ 4-数据加载与配置.mp4 - 39.1M
　 　 　 ├─ 3-数据与环境配置.mp4 - 26.9M
　 　 　 ├─ 8-损失函数与训练.mp4 - 89M
　 　 　 ├─ 1-论文概述.mp4 - 46.8M
　 　 　 └─ 6-判别模块.mp4 - 44.6M
　 　 ├─ 3-基于CycleGan开源项目实战图像合成 ->
　 　 　 ├─ 9-生成与判别损失函数指定.mp4 - 54.7M
　 　 　 ├─ 8-损失函数：identity loss计算方法.mp4 - 37.2M
　 　 　 ├─ 7-判别网络模块构造.mp4 - 19.8M
　 　 　 ├─ 5-数据读取与预处理操作.mp4 - 57.9M
　 　 　 ├─ 2-CycleGan整体网络架构.mp4 - 21.4M
　 　 　 ├─ 10-额外补充：VISDOM可视化配置.mp4 - 38.7M
　 　 　 ├─ 4-Cycle开源项目简介.mp4 - 46.4M
　 　 　 ├─ 1-CycleGan网络所需数据.mp4 - 37.6M
　 　 　 ├─ 3-PatchGan判别网络原理.mp4 - 11.5M
　 　 　 └─ 6-生成网络模块构造.mp4 - 48.5M
　 　 └─ 2-对抗生成网络架构原理与实战解析 ->
　 　 　 ├─ 5-生成与判别网络定义.mp4 - 44.2M
　 　 　 ├─ 4-数据读取模块.mp4 - 29.9M
　 　 　 ├─ 3-损失函数解释说明.mp4 - 39.9M
　 　 　 ├─ 2-GAN网络组成.mp4 - 10.7M
　 　 　 └─ 1-对抗生成网络通俗解释.mp4 - 18.4M
　 ├─ 20-面向医学领域的深度学习实战 ->
　 　 ├─ 4-基于Resnet的医学数据集分类实战 ->
　 　 　 ├─ 6-特征图升维与降采样操作.mp4 - 26.9M
　 　 　 ├─ 3-dataloader加载数据集.mp4 - 64.8M
　 　 　 ├─ 5-残差网络的shortcut操作.mp4 - 47.3M
　 　 　 ├─ 2-Resnet网络架构原理分析.mp4 - 24.8M
　 　 　 ├─ 4-Resnet网络前向传播.mp4 - 35.8M
　 　 　 ├─ 1-医学疾病数据集介绍.mp4 - 18.8M
　 　 　 └─ 7-网络整体流程与训练演示.mp4 - 67.4M
　 　 ├─ 17-医学糖尿病数据命名实体识别 ->
　 　 　 ├─ 4-输入样本填充补齐.mp4 - 36.2M
　 　 　 ├─ 5-训练网络模型.mp4 - 40.4M
　 　 　 ├─ 6-医疗数据集（糖尿病）实体识别.mp4 - 81.4M
　 　 　 ├─ 1-数据与任务介绍.mp4 - 22.7M
　 　 　 ├─ 3-数据-标签-语料库处理.mp4 - 40M
　 　 　 └─ 2-整体模型架构.mp4 - 15M
　 　 ├─ 7-unet医学细胞分割实战 ->
　 　 　 ├─ 4-特征融合方法演示.mp4 - 30M
　 　 　 ├─ 6-模型效果验证.mp4 - 47.3M
　 　 　 ├─ 1-医学细胞数据集介绍与参数配置.mp4 - 71.2M
　 　 　 ├─ 5-迭代完成整个模型计算任务.mp4 - 33.5M
　 　 　 ├─ 2-数据增强工具.mp4 - 61.5M
　 　 　 └─ 3-Debug模式演示网络计算流程.mp4 - 41.4M
　 　 ├─ 14-Neo4j数据库实战 ->
　 　 　 ├─ 5-数据库更改查询操作演示.mp4 - 27.1M
　 　 　 ├─ 2-Neo4j数据库安装流程演示.mp4 - 27.7M
　 　 　 ├─ 4-创建与删除操作演示.mp4 - 25.3M
　 　 　 ├─ 3-可视化例子演示.mp4 - 43.6M
　 　 　 └─ 1-Neo4j图数据库介绍.mp4 - 63.5M
　 　 ├─ 2-PyTorch框架基本处理操作 ->
　 　 　 ├─ 7-线性回归DEMO-训练回归模型.mp4 - 39.4M
　 　 　 ├─ 4-PyTorch基本操作简介.mp4 - 28.7M
　 　 　 ├─ 5-自动求导机制.mp4 - 33.4M
　 　 　 ├─ 8-补充：常见tensor格式.mp4 - 19.6M
　 　 　 ├─ 3-框架安装方法（CPU与GPU版本）.mp4 - 18.6M
　 　 　 ├─ 9-补充：Hub模块简介.mp4 - 53.1M
　 　 　 ├─ 2-PyTorch框架发展趋势简介.mp4 - 25.2M
　 　 　 ├─ 6-线性回归DEMO-数据与参数配置.mp4 - 22.6M
　 　 　 └─ 1-PyTorch实战课程简介.mp4 - 23M
　 　 ├─ 12-基于YOLO5细胞检测实战 ->
　 　 　 ├─ 4-效果评估与展示.mp4 - 32.7M
　 　 　 ├─ 1-任务与细胞数据集介绍.mp4 - 49.8M
　 　 　 ├─ 3-网络训练流程演示.mp4 - 42.3M
　 　 　 ├─ 2-模型与算法配置参数解读.mp4 - 42.5M
　 　 　 └─ 5-细胞检测效果演示.mp4 - 43.2M
　 　 ├─ 9-基于deeplabV3+版本进行VOC分割实战 ->
　 　 　 ├─ 3-网络前向传播流程.mp4 - 33.1M
　 　 　 ├─ 1-PascalVoc数据集介绍.mp4 - 70.1M
　 　 　 ├─ 2-项目参数与数据集读取.mp4 - 60.3M
　 　 　 ├─ 5-分割模型训练.mp4 - 35M
　 　 　 └─ 4-ASPP层特征融合.mp4 - 51.2M
　 　 ├─ 8-deeplab系列算法 ->
　 　 　 ├─ 4-SPP层的作用.mp4 - 19M
　 　 　 ├─ 2-空洞卷积的作用.mp4 - 16.7M
　 　 　 ├─ 3-感受野的意义.mp4 - 19.4M
　 　 　 ├─ 6-deeplabV3Plus版本网络架构.mp4 - 24.1M
　 　 　 ├─ 1-deeplab分割算法概述.mp4 - 13.8M
　 　 　 └─ 5-ASPP特征融合策略.mp4 - 13.5M
　 　 ├─ 5-图像分割及其损失函数概述 ->
　 　 　 ├─ 3-MIOU评估标准.mp4 - 9M
　 　 　 ├─ 2-分割任务中的目标函数定义.mp4 - 20M
　 　 　 └─ 1-语义分割与实例分割概述.mp4 - 20.2M
　 　 ├─ 16-词向量模型与RNN网络架构 ->
　 　 　 ├─ 5-负采样方案.mp4 - 29.5M
　 　 　 ├─ 3-训练数据构建.mp4 - 15.9M
　 　 　 ├─ 4-CBOW与Skip-gram模型.mp4 - 23.8M
　 　 　 ├─ 2-模型整体框架.mp4 - 28.2M
　 　 　 ├─ 6-额外补充-RNN网络模型解读.mp4 - 23.8M
　 　 　 └─ 1-词向量模型通俗解释.mp4 - 21.7M
　 　 ├─ 10-基于deeplab的心脏视频数据诊断分析 ->
　 　 　 ├─ 3-任务流程解读.mp4 - 69.1M
　 　 　 ├─ 5-补充：视频数据源特征处理方法概述.mp4 - 26.3M
　 　 　 ├─ 6-补充：R(2plus1)D处理方法分析.mp4 - 18.9M
　 　 　 ├─ 1-数据集与任务概述.mp4 - 45.5M
　 　 　 ├─ 2-项目基本配置参数.mp4 - 33.3M
　 　 　 └─ 4-文献报告分析.mp4 - 122.7M
　 　 ├─ 3-PyTorch框架必备核心模块解读 ->
　 　 　 ├─ 12-实现训练模块.mp4 - 33.2M
　 　 　 ├─ 4-分类任务数据集定义与配置.mp4 - 29.7M
　 　 　 ├─ 14-加载模型对测试数据进行预测.mp4 - 52.8M
　 　 　 ├─ 10-加载训练好的网络模型.mp4 - 50M
　 　 　 ├─ 15-额外补充-Resnet论文解读.mp4 - 118M
　 　 　 ├─ 5-图像增强的作用.mp4 - 14.7M
　 　 　 ├─ 6-数据预处理与数据增强模块.mp4 - 37.2M
　 　 　 ├─ 3-Vision模块功能解读.mp4 - 23.5M
　 　 　 ├─ 7-Batch数据制作.mp4 - 43.7M
　 　 　 ├─ 1-卷积网络参数定义.mp4 - 26.5M
　 　 　 ├─ 9-迁移学习策略.mp4 - 15.5M
　 　 　 ├─ 16-额外补充-Resnet网络架构解读.mp4 - 18.3M
　 　 　 ├─ 2-网络流程解读.mp4 - 37.5M
　 　 　 ├─ 11-优化器模块配置.mp4 - 24.6M
　 　 　 ├─ 8-迁移学习的目标.mp4 - 11.7M
　 　 　 └─ 13-训练结果与模型保存.mp4 - 41.2M
　 　 ├─ 1-卷积神经网络原理与参数解读 ->
　 　 　 ├─ 10-VGG网络架构.mp4 - 19.3M
　 　 　 ├─ 5-步长与卷积核大小对结果的影响.mp4 - 19.9M
　 　 　 ├─ 8-池化层的作用.mp4 - 11.3M
　 　 　 ├─ 3-卷积特征值计算方法.mp4 - 21.2M
　 　 　 ├─ 7-特征图尺寸计算与参数共享.mp4 - 22M
　 　 　 ├─ 11-残差网络Resnet.mp4 - 18M
　 　 　 ├─ 1-卷积神经网络应用领域.mp4 - 21.2M
　 　 　 ├─ 6-边缘填充方法.mp4 - 17.3M
　 　 　 ├─ 2-卷积的作用.mp4 - 22.7M
　 　 　 ├─ 12-感受野的作用.mp4 - 16.9M
　 　 　 ├─ 4-得到特征图表示.mp4 - 18.2M
　 　 　 └─ 9-整体网络架构.mp4 - 17M
　 　 ├─ 11-YOLO系列物体检测算法原理解读 ->
　 　 　 ├─ 32-NMS细节改进.mp4 - 16.7M
　 　 　 ├─ 27-V4版本贡献解读.mp4 - 10.1M
　 　 　 ├─ 2-不同阶段算法优缺点分析.mp4 - 10.7M
　 　 　 ├─ 28-数据增强策略分析.mp4 - 24.7M
　 　 　 ├─ 21-经典变换方法对比分析.mp4 - 10.8M
　 　 　 ├─ 23-整体网络模型架构分析.mp4 - 12.9M
　 　 　 ├─ 29-DropBlock与标签平滑方法.mp4 - 19.4M
　 　 　 ├─ 31-CIOU损失函数定义.mp4 - 10.8M
　 　 　 ├─ 33-SPP与CSP网络结构.mp4 - 14.8M
　 　 　 ├─ 19-V3版本改进概述.mp4 - 18.3M
　 　 　 ├─ 35-PAN模块解读.mp4 - 20.6M
　 　 　 ├─ 1-检测任务中阶段的意义.mp4 - 15.1M
　 　 　 ├─ 16-坐标映射与还原.mp4 - 10.1M
　 　 　 ├─ 12-网络结构特点.mp4 - 15.7M
　 　 　 ├─ 10-置信度误差与优缺点分析.mp4 - 26.9M
　 　 　 ├─ 6-YOLO算法整体思路解读.mp4 - 14.7M
　 　 　 ├─ 34-SAM注意力机制模块.mp4 - 22.5M
　 　 　 ├─ 26-V4版本整体概述.mp4 - 15.1M
　 　 　 ├─ 8-整体网络架构解读.mp4 - 30.7M
　 　 　 ├─ 25-sotfmax层改进.mp4 - 10.6M
　 　 　 ├─ 7-检测算法要得到的结果.mp4 - 13.6M
　 　 　 ├─ 20-多scale方法改进与特征融合.mp4 - 17.1M
　 　 　 ├─ 3-IOU指标计算.mp4 - 11.7M
　 　 　 ├─ 18-特征融合改进.mp4 - 19.2M
　 　 　 ├─ 14-基于聚类来选择先验框尺寸.mp4 - 24.2M
　 　 　 ├─ 9-位置损失计算.mp4 - 19M
　 　 　 ├─ 30-损失函数遇到的问题.mp4 - 14.3M
　 　 　 ├─ 11-V2版本细节升级概述.mp4 - 13.4M
　 　 　 ├─ 5-map指标计算.mp4 - 19.6M
　 　 　 ├─ 24-先验框设计改进.mp4 - 13M
　 　 　 ├─ 4-评估所需参数计算.mp4 - 26.2M
　 　 　 ├─ 22-残差连接方法解读.mp4 - 18.6M
　 　 　 ├─ 17-感受野的作用.mp4 - 28.1M
　 　 　 ├─ 15-偏移量计算方法.mp4 - 27.5M
　 　 　 ├─ 13-架构细节解读.mp4 - 18.9M
　 　 　 └─ 36-激活函数与整体架构总结.mp4 - 19.2M
　 　 ├─ 15-基于知识图谱的医药问答系统实战 ->
　 　 　 ├─ 5-提取数据中的关键字段信息.mp4 - 61.3M
　 　 　 ├─ 6-创建关系边.mp4 - 39.4M
　 　 　 ├─ 4-环境配置与所需工具包安装.mp4 - 36.4M
　 　 　 ├─ 3-任务流程概述.mp4 - 39.7M
　 　 　 ├─ 10-完成对话系统构建.mp4 - 39.5M
　 　 　 ├─ 8-加载所有实体数据.mp4 - 42.5M
　 　 　 ├─ 2-医疗数据介绍及其各字段含义.mp4 - 62.6M
　 　 　 ├─ 7-打造医疗知识图谱模型.mp4 - 59.1M
　 　 　 ├─ 1-项目概述与整体架构分析.mp4 - 37M
　 　 　 └─ 9-实体关键词字典制作.mp4 - 31.8M
　 　 ├─ 13-知识图谱原理解读 ->
　 　 　 ├─ 9-金融领域图编码实例.mp4 - 12.8M
　 　 　 ├─ 3-知识图谱在医疗领域应用实例.mp4 - 102.9M
　 　 　 ├─ 5-数据获取分析.mp4 - 35.9M
　 　 　 ├─ 4-金融与推荐领域的应用.mp4 - 20.4M
　 　 　 ├─ 2-知识图谱在搜索引擎中的应用.mp4 - 26.6M
　 　 　 ├─ 1-知识图谱通俗解读.mp4 - 19.9M
　 　 　 ├─ 6-数据关系抽取分析.mp4 - 27.3M
　 　 　 ├─ 7-常用NLP技术点分析.mp4 - 22.1M
　 　 　 ├─ 11-图谱知识融合与总结分析.mp4 - 24M
　 　 　 ├─ 10-视觉领域图编码实例.mp4 - 21M
　 　 　 └─ 8-graph-embedding的作用与效果.mp4 - 26.2M
　 　 └─ 6-Unet系列算法讲解 ->
　 　 　 ├─ 2-网络计算流程.mp4 - 16.1M
　 　 　 ├─ 1-Unet网络编码与解码过程.mp4 - 18.3M
　 　 　 ├─ 3-Unet升级版本改进.mp4 - 15.7M
　 　 　 └─ 4-后续升级版本介绍.mp4 - 18.4M
　 └─ 26-自然语言处理通用框架-BERT实战 ->
　 　 ├─ 3-项目实战-基于BERT的中文情感分析实战 ->
　 　 　 ├─ 1-中文分类数据与任务概述.mp4 - 83.5M
　 　 　 ├─ 3-训练BERT中文分类模型.mp4 - 72.3M
　 　 　 └─ 2-读取处理自己的数据集.mp4 - 53.1M
　 　 ├─ 7-必备基础知识点-RNN网络架构与情感分析应用实例 ->
　 　 　 ├─ 4-加载词向量特征.mp4 - 32.3M
　 　 　 ├─ 2-NLP应用领域与任务简介.mp4 - 32.8M
　 　 　 ├─ 5-正负样本数据读取.mp4 - 36.8M
　 　 　 ├─ 8-LSTM情感分析.mp4 - 576.3M
　 　 　 ├─ 3-项目流程解读.mp4 - 42.2M
　 　 　 ├─ 7-训练与测试效果.mp4 - 91.8M
　 　 　 ├─ 6-构建LSTM网络模型.mp4 - 46.7M
　 　 　 └─ 1-RNN网络模型解读.mp4 - 23.8M
　 　 ├─ 4-项目实战-基于BERT的中文命名实体识别识别实战 ->
　 　 　 ├─ 3-构建BERT与CRF模型.mp4 - 66.5M
　 　 　 ├─ 1-命名实体识别数据分析与任务目标.mp4 - 30.5M
　 　 　 └─ 2-NER标注数据处理与读取.mp4 - 66.1M
　 　 ├─ 8-医学糖尿病数据命名实体识别 ->
　 　 　 ├─ 5-医疗数据集（糖尿病）实体识别.mp4 - 81.4M
　 　 　 ├─ 6-输入样本填充补齐.mp4 - 36.2M
　 　 　 ├─ 1-数据与任务介绍.mp4 - 22.7M
　 　 　 ├─ 4-训练网络模型.mp4 - 40.4M
　 　 　 ├─ 3-数据-标签-语料库处理.mp4 - 40M
　 　 　 └─ 2-整体模型架构.mp4 - 15M
　 　 ├─ 5-必备基础知识点-woed2vec模型通俗解读 ->
　 　 　 ├─ 3-训练数据构建.mp4 - 15.9M
　 　 　 ├─ 4-CBOW与Skip-gram模型.mp4 - 23.8M
　 　 　 ├─ 1-词向量模型通俗解释.mp4 - 21.7M
　 　 　 ├─ 5-负采样方案.mp4 - 29.5M
　 　 　 └─ 2-模型整体框架.mp4 - 28.2M
　 　 ├─ 2-谷歌开源项目BERT源码解读与应用实例 ->
　 　 　 ├─ 10-构建QKV矩阵.mp4 - 50.8M
　 　 　 ├─ 6-Embedding层的作用.mp4 - 31M
　 　 　 ├─ 4-数据预处理模块.mp4 - 40.1M
　 　 　 ├─ 7-加入额外编码特征.mp4 - 42.4M
　 　 　 ├─ 11-完成Transformer模块构建.mp4 - 40.8M
　 　 　 ├─ 3-数据读取模块.mp4 - 54.3M
　 　 　 ├─ 1-BERT开源项目简介.mp4 - 41.3M
　 　 　 ├─ 2-项目参数配置.mp4 - 106.8M
　 　 　 ├─ 9-mask机制的作用.mp4 - 36.8M
　 　 　 ├─ 5-tfrecord数据源制作.mp4 - 51.5M
　 　 　 ├─ 12-训练BERT模型.mp4 - 54.7M
　 　 　 └─ 8-加入位置编码特征.mp4 - 23.6M
　 　 ├─ 6-必备基础-掌握Tensorflow如何实现word2vec模型 ->
　 　 　 ├─ 4-网络训练.mp4 - 49.1M
　 　 　 ├─ 3-batch数据制作.mp4 - 51.5M
　 　 　 ├─ 1-数据与任务流程.mp4 - 45.7M
　 　 　 ├─ 5-可视化展示.mp4 - 49.6M
　 　 　 └─ 2-数据清洗.mp4 - 27.6M
　 　 └─ 1-自然语言处理通用框架BERT原理解读 ->
　 　 　 ├─ 6-特征分配与softmax机制.mp4 - 21.3M
　 　 　 ├─ 8-位置编码与多层堆叠.mp4 - 16.8M
　 　 　 ├─ 9-transformer整体架构梳理.mp4 - 22.3M
　 　 　 ├─ 5-self-attention计算方法.mp4 - 23.8M
　 　 　 ├─ 10-BERT模型训练方法.mp4 - 20.7M
　 　 　 ├─ 4-注意力机制的作用.mp4 - 14.8M
　 　 　 ├─ 11-训练实例.mp4 - 24.2M
　 　 　 ├─ 7-Multi-head的作用.mp4 - 19.4M
　 　 　 ├─ 2-BERT任务目标概述.mp4 - 11.5M
　 　 　 ├─ 1-BERT课程简介.mp4 - 29.8M
　 　 　 └─ 3-传统解决方案遇到的问题.mp4 - 22.7M