└─ 咕泡-人工智能深度学习系统班（第八期） ->
├─ 9-走向AI论文实验与项目实战的捷径-MMLAB实战系列 ->
├─ 1-MMCV安装方法 ->
└─ 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
├─ 13-第四模块：DBNET文字检测 ->
├─ 5-损失计算方法.mp4 - 59.3M
├─ 1-文字检测数据概述与配置文件.mp4 - 56.6M
├─ 3-Neck层特征组合.mp4 - 32M
├─ 4-损失函数模块概述.mp4 - 43.1M
└─ 2-配置文件参数设置.mp4 - 38.7M
├─ 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
├─ 4-加载预训练模型开始训练.mp4 - 86.5M
├─ 1-项目配置基本介绍.mp4 - 74.2M
├─ 3-根据预测类别数修改配置文件.mp4 - 39.5M
└─ 5-预测DEMO演示.mp4 - 21.9M
├─ 22-OCR算法解读 ->
└─ 1-OCR算法解读.mp4 - 1.7G
├─ 8-第三模块：mmdet训练自己的数据任务 ->
├─ 4-配置文件数据增强策略分析.mp4 - 45.6M
├─ 6-模型训练与DEMO演示.mp4 - 35.3M
├─ 1-数据集标注与标签获取.mp4 - 31.3M
├─ 8-补充：评估指标.mp4 - 14.1M
├─ 3-通过脚本生成COCO数据格式.mp4 - 38.6M
├─ 7-模型测试与可视化分析模块.mp4 - 77.6M
├─ 5-训练所需配置说明.mp4 - 56M
└─ 2-COCO数据标注格式.mp4 - 28.2M
├─ 6-第二模块：基于Unet进行各种策略修改 ->
├─ 1-配置文件解读.mp4 - 32.1M
├─ 3-上采样与输出层.mp4 - 28.3M
├─ 2-编码层模块.mp4 - 32.5M
├─ 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
├─ 6-如何修改参数适配网络结构.mp4 - 21.7M
├─ 4-辅助层的作用.mp4 - 19.8M
└─ 8-VIT模块源码分析.mp4 - 45.5M
├─ 14-第四模块：ANINET文字识别 ->
├─ 6-文本模型中的结构分析.mp4 - 38.7M
├─ 7-迭代修正模块.mp4 - 38.1M
├─ 4-视觉Transformer模块的作用.mp4 - 46M
├─ 1-数据集与环境概述.mp4 - 55.6M
├─ 5-视觉模型中的编码与解码的效果.mp4 - 54.5M
├─ 8-输出层与损失计算.mp4 - 52.8M
├─ 2-配置文件修改方法.mp4 - 52.5M
└─ 3-Bakbone模块得到特征.mp4 - 42.1M
├─ 17-第六模块：BasicVSR++视频超分辨重构源码解读 ->
├─ 7-提特征传递流程分析.mp4 - 37.2M
├─ 8-序列传播计算.mp4 - 39.9M
├─ 5-偏移量计算方法.mp4 - 32.5M
├─ 11-完成输出结果.mp4 - 51.6M
├─ 2-特征基础提取模块.mp4 - 44.6M
├─ 3-光流估计网络模块.mp4 - 25.7M
├─ 10-传播流程整体完成一圈.mp4 - 61.5M
├─ 4-基于光流完成对齐操作.mp4 - 40.2M
├─ 1-要完成的任务分析与配置文件.mp4 - 27.4M
├─ 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
├─ 2-第一模块：分类任务基本操作 ->
├─ 6-根据文件夹定义数据集.mp4 - 40.3M
├─ 7-构建自己的数据集.mp4 - 36.3M
├─ 1-MMCLS问题修正.mp4 - 23.5M
├─ 3-基本参数配置解读.mp4 - 34.5M
├─ 2-准备MMCLS项目.mp4 - 32.3M
├─ 5-生成完整配置文件.mp4 - 24.4M
├─ 4-各模块配置文件组成.mp4 - 35.8M
└─ 8-训练自己的任务.mp4 - 39.3M
├─ 19-第八模块：模型蒸馏应用实例 ->
├─ 3-训练T与S得到蒸馏模型.mp4 - 70.6M
├─ 7-实际测试效果演示.mp4 - 39M
├─ 4-开始模型训练过程与问题修正.mp4 - 57.3M
├─ 5-日志输出与模型分离.mp4 - 70.3M
├─ 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
└─ 1-任务概述与工具使用.mp4 - 39.6M
├─ 7-第二模块：分割任务CVPR最新Backbone设计及其应用 ->
├─ 10-汇总多层级特征进行输出.mp4 - 43.3M
├─ 1-注册自己的Backbone模块.mp4 - 34.3M
├─ 2-配置文件指定.mp4 - 35.8M
├─ 3-DEBUG解读Backbone设计.mp4 - 40.4M
├─ 6-近似Attention模块实现.mp4 - 79.5M
├─ 4-PatchEmbedding的作用与实现.mp4 - 44.9M
├─ 9-全局特征的作用与实现.mp4 - 56.3M
├─ 7-完成特征提取与融合模块.mp4 - 55.7M
├─ 5-卷积位置编码计算方法.mp4 - 53.9M
└─ 8-分割输出模块.mp4 - 57.7M
├─ 11-补充：Mask2former源码解读 ->
├─ 7-Decoder中的AttentionMask方法.mp4 - 50.9M
├─ 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
├─ 4-偏移量与权重计算并转换.mp4 - 48.8M
├─ 13-汇总所有损失完成迭代.mp4 - 35.8M
├─ 6-query要预测的任务解读.mp4 - 45.6M
├─ 5-Encoder特征构建方法实例.mp4 - 49.8M
├─ 3-多层级输入特征序列创建方法.mp4 - 43.8M
├─ 1-Backbone获取多层级特征.mp4 - 35.8M
├─ 8-损失模块输入参数分析.mp4 - 40.8M
├─ 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
└─ 9-标签分配策略解读.mp4 - 42.5M
├─ 10-第三模块：DeformableDetr算法解读 ->
└─ 1-DeformableDetr算法解读.mp4 - 730.4M
├─ 16-第五模块：stylegan2源码解读 ->
├─ 3-特征编码风格拼接.mp4 - 36.8M
├─ 5-上采样得到输出结果.mp4 - 40.7M
├─ 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
├─ 4-基础风格特征卷积模块.mp4 - 54.7M
└─ 6-损失函数概述.mp4 - 26.6M
├─ 15-第四模块：KIE基于图模型的关键信息抽取 ->
├─ 6-特征合并处理.mp4 - 43.7M
├─ 7-准备拼接边与点特征.mp4 - 41.4M
├─ 5-标签数据处理与关系特征提取.mp4 - 56.5M
├─ 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
├─ 3-配置文件与标签要进行处理操作.mp4 - 47.8M
├─ 4-边框要计算的特征分析.mp4 - 35.6M
└─ 8-整合得到图模型输入特征.mp4 - 72M
├─ 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
├─ 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
├─ 20-第八模块：模型剪枝方法概述分析 ->
├─ 1-SuperNet网络结构分析与剪枝概述.mp4 - 40.6M
└─ 2-搜索匹配到符合计算量的模型并训练.mp4 - 46.8M
├─ 18-第七模块：多模态3D目标检测算法源码解读 ->
├─ 9-多模态特征融合.mp4 - 68.4M
├─ 10-3D卷积特征融合.mp4 - 56.8M
├─ 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
├─ 7-体素特征计算方法分析.mp4 - 70.7M
├─ 4-数据与图像特征提取模块.mp4 - 58M
├─ 2-数据与标注文件介绍.mp4 - 37.5M
├─ 8-全局体素特征提取.mp4 - 96M
├─ 1-环境配置与数据集概述.mp4 - 51.5M
├─ 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
├─ 3-第一模块：训练结果测试与验证 ->
├─ 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
├─ 4-修改配置文件中的参数.mp4 - 67.7M
├─ 8-MMCLS可视化模块应用.mp4 - 72.1M
├─ 7-可视化细节与效果分析.mp4 - 124.2M
├─ 9-模型分析脚本使用.mp4 - 36.4M
├─ 3-MMCLS中增加一个新的模块.mp4 - 62.6M
└─ 6-Grad-Cam可视化方法.mp4 - 41.2M
├─ 4-第一模块：模型源码DEBUG演示 ->
├─ 2-数据增强模块概述分析.mp4 - 49.6M
├─ 1-VIT任务概述.mp4 - 30M
├─ 4-前向传播基本模块.mp4 - 38.9M
├─ 5-CLS与输出模块.mp4 - 44M
└─ 3-PatchEmbedding层.mp4 - 25.3M
└─ 9-第三模块：DeformableDetr物体检测源码分析 ->
├─ 3-得到相对位置点编码.mp4 - 28.8M
├─ 9-Decoder要完成的操作.mp4 - 39M
├─ 4-准备Encoder编码层所需全部输入.mp4 - 37.9M
├─ 7-偏移量对齐操作.mp4 - 39.8M
├─ 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
├─ 5-编码层中的序列分析.mp4 - 39.7M
├─ 6-偏移量offset计算.mp4 - 46.1M
├─ 11-预测输出结果与标签匹配模块.mp4 - 44.3M
├─ 2-序列特征展开并叠加.mp4 - 51.1M
└─ 1-特征提取与位置编码.mp4 - 38.2M
├─ 21-CV与NLP经典大模型解读 ->
├─ 17-BEVformer项目源码解读 ->
├─ 12-损失函数与预测可视化.mp4 - 49.5M
├─ 3-特征提取以及BEV空间初始化.mp4 - 43.8M
├─ 9-Decoder要完成的任务分析.mp4 - 33.9M
├─ 2-数据集下载与配置方法.mp4 - 53.6M
├─ 11-Decoder级联校正模块.mp4 - 41.6M
├─ 6-BEV空间与图像空间位置对应.mp4 - 37.7M
├─ 8-BEV空间特征构建.mp4 - 34M
├─ 10-获取当前BEV特征.mp4 - 35.9M
├─ 1-环境配置方法解读.mp4 - 42.8M
├─ 5-Reference初始点构建.mp4 - 37.3M
├─ 4-特征对齐与位置编码初始化.mp4 - 43.6M
└─ 7-注意力机制模块计算方法.mp4 - 38.6M
├─ 1-直播回放 ->
├─ 2-直播1：神经网络 ->
└─ 1-神经网络.mp4 - 1.3G
├─ 16-直播15：知识图谱与LORA ->
└─ 1-知识图谱与LORA.mp4 - 1.5G
├─ 4-直播3：Transformer架构解读 ->
└─ 1-Transformer架构解读.mp4 - 1G
├─ 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
├─ 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
├─ 5-直播4：视觉Transformer- VIT源码解读 ->
└─ 1-视觉Transformer- VIT源码解读.mp4 - 1.4G
├─ 3-直播2：卷积神经网络 ->
└─ 1-卷积神经网络.mp4 - 1.5G
├─ 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
├─ 6-直播5：图神经网络 ->
└─ 1-图神经网络.mp4 - 1.4G
├─ 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
├─ 10-直播9：自监督任务 ->
└─ 1-自监督任务.mp4 - 1.2G
├─ 12-直播11：分割Mask2former算法 ->
└─ 1-分割Mask2former算法.mp4 - 452.3M
├─ 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
└─ 11-直播10：知识蒸馏 ->
└─ 1-知识蒸馏.mp4 - 1.5G
├─ 23-自然语言处理经典案例实战 ->
├─ 13-机器人写唐诗 ->
├─ 3-数据预处理模块.mp4 - 35.3M
├─ 4-batch数据制作.mp4 - 28M
├─ 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
├─ 6-完成训练模块.mp4 - 28M
├─ 5-RNN模型定义.mp4 - 18M
├─ 2-参数配置.mp4 - 21.9M
└─ 7-训练唐诗生成模型.mp4 - 11.1M
├─ 1-NLP常用工具包实战 ->
├─ 4-常用函数介绍.mp4 - 40.1M
├─ 7-词性标注.mp4 - 35.9M
├─ 5-NLTK工具包简介.mp4 - 32.3M
├─ 12-统计分析结果.mp4 - 47.7M
├─ 11-恐怖袭击分析.mp4 - 40.5M
├─ 13-结巴分词器.mp4 - 28.1M
├─ 8-数据清洗实例.mp4 - 41.4M
├─ 14-词云展示.mp4 - 87.6M
├─ 6-停用词过滤.mp4 - 27.6M
├─ 10-名字实体匹配.mp4 - 21.4M
├─ 1-Python字符串处理.mp4 - 41.3M
├─ 3-正则常用符号.mp4 - 37.1M
├─ 9-Spacy工具包.mp4 - 47.1M
└─ 2-正则表达式基本语法.mp4 - 31M
├─ 9-基于word2vec的分类任务 ->
├─ 4-使用gensim构建word2vec词向量（新）.mp4 - 67.7M
├─ 1-影评情感分类.mp4 - 46.9M
├─ 3-准备word2vec输入数据.mp4 - 24.2M
└─ 2-基于词袋模型训练分类器.mp4 - 28.1M
├─ 3-贝叶斯算法 ->
├─ 4-垃圾邮件过滤实例.mp4 - 22.8M
├─ 2-贝叶斯推导实例.mp4 - 11.9M
├─ 1-贝叶斯算法概述.mp4 - 11.3M
├─ 3-贝叶斯拼写纠错实例.mp4 - 18.6M
└─ 5-贝叶斯实现拼写检查器.mp4 - 36.8M
├─ 14-对话机器人 ->
├─ 1-效果演示.mp4 - 30.6M
├─ 6-网络训练.mp4 - 38M
├─ 4-词向量与投影.mp4 - 38.2M
├─ 3-数据处理.mp4 - 42M
├─ 5-seq网络.mp4 - 30.7M
└─ 2-参数配置与数据加载.mp4 - 51M
├─ 7-语言模型 ->
├─ 1-开篇.mp4 - 8.5M
├─ 9-锑度上升求解.mp4 - 15.9M
├─ 6-Hierarchical Softmax.mp4 - 15.2M
├─ 2-语言模型.mp4 - 8.8M
├─ 10-负采样模型.mp4 - 10.5M
├─ 5-神经网络模型.mp4 - 15.9M
├─ 3-N-gram模型.mp4 - 13.6M
├─ 4-词向量.mp4 - 13.5M
├─ 8-CBOW求解目标.mp4 - 8.7M
└─ 7-CBOW模型实例.mp4 - 18.5M
├─ 5-HMM隐马尔科夫模型 ->
├─ 1-马尔科夫模型.mp4 - 17.5M
├─ 2-隐马尔科夫模型基本出发点.mp4 - 18.7M
├─ 9-参数求解.mp4 - 17.2M
├─ 6-前向算法.mp4 - 36.1M
├─ 3-组成与要解决的问题.mp4 - 14.9M
├─ 8-Baum-Welch算法.mp4 - 26.9M
├─ 4-暴力求解方法.mp4 - 28M
├─ 10-维特比算法.mp4 - 43.1M
├─ 5-复杂度计算.mp4 - 15.3M
└─ 7-前向算法求解实例.mp4 - 33.3M
├─ 4-新闻分类任务实战 ->
├─ 4-TF-IDF关键词提取.mp4 - 45.7M
├─ 1-文本分析与关键词提取.mp4 - 19.4M
├─ 3-新闻数据与任务简介.mp4 - 33.2M
├─ 2-相似度计算.mp4 - 19.5M
├─ 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 ->
├─ 5-关键词的词云可视化展示.mp4 - 51.9M
├─ 4-商品描述长度对价格的影响分析.mp4 - 33.7M
├─ 2-商品类别划分方式.mp4 - 37.3M
├─ 1-在线商城商品数据信息概述.mp4 - 32.3M
├─ 7-通过降维进行可视化展示.mp4 - 39.1M
├─ 6-基于tf-idf提取关键词信息.mp4 - 35.3M
├─ 3-商品类别可视化展示.mp4 - 41.3M
└─ 8-聚类分析与主题模型展示.mp4 - 57M
├─ 12-LSTM情感分析 ->
├─ 4-情感数据集处理.mp4 - 33.6M
├─ 1-RNN网络架构.mp4 - 19.9M
├─ 2-LSTM网络架构.mp4 - 17.8M
├─ 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
├─ 8-使用Gemsim构建词向量 ->
├─ 1-使用Gensim库构造词向量.mp4 - 16.8M
├─ 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
└─ 3-Gensim构造word2vec模型.mp4 - 21M
└─ 11-NLP-相似度模型 ->
├─ 4-数据预处理.mp4 - 36.1M
├─ 2-数据展示.mp4 - 22.7M
├─ 5-网络模型定义.mp4 - 55.9M
├─ 6-基于字符的训练.mp4 - 58.9M
├─ 7-基于句子的相似度训练.mp4 - 42.4M
├─ 3-正负样本制作.mp4 - 38M
└─ 1-任务概述.mp4 - 13.2M
├─ 19-强化学习与AI黑科技实例 ->
├─ 11-Diffusion模型解读 ->
└─ 1-Diffusion模型解读.mp4 - 737.5M
├─ 6-Actor-Critic算法分析（A3C） ->
├─ 2-优势函数解读与分析.mp4 - 19.9M
├─ 5-损失函数整理.mp4 - 22.4M
├─ 4-A3C整体架构分析.mp4 - 16.4M
├─ 3-计算流程实例.mp4 - 17.6M
└─ 1-AC算法回顾与知识点总结.mp4 - 17.3M
├─ 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 ->
├─ 1-一张图通俗解释强化学习.mp4 - 17.7M
├─ 5-强化学习工作流程.mp4 - 14.8M
├─ 3-强化学习AI游戏DEMO.mp4 - 20.4M
├─ 6-计算机眼中的状态与行为.mp4 - 20.1M
├─ 2-强化学习的指导依据.mp4 - 20.2M
└─ 4-应用领域简介.mp4 - 17.3M
├─ 5-DQN改进与应用技巧 ->
├─ 5-连续动作处理方法.mp4 - 22.2M
├─ 4-MultiSetp策略.mp4 - 8.7M
├─ 1-DoubleDqn要解决的问题.mp4 - 22.3M
├─ 3-Dueling整体网络架构分析.mp4 - 21.7M
└─ 2-DuelingDqn改进方法.mp4 - 19.1M
├─ 9-GPT建模与预测流程 ->
├─ 1-生成模型可以完成的任务概述.mp4 - 28.9M
├─ 3-训练所需参数解读.mp4 - 57.7M
├─ 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
├─ 2-PPO算法与公式推导 ->
├─ 3-要完成的目标分析.mp4 - 24.5M
├─ 1-基本情况介绍.mp4 - 28.1M
├─ 6-OnPolicy与OffPolicy策略.mp4 - 20.8M
├─ 4-策略梯度推导.mp4 - 21.8M
├─ 2-与环境交互得到所需数据.mp4 - 23.2M
├─ 7-importance sampling的作用.mp4 - 23.2M
├─ 5-baseline方法.mp4 - 18.4M
└─ 8-PPO算法整体思路解析.mp4 - 26.6M
├─ 7-用A3C玩转超级马里奥 ->
├─ 1-整体流程与环境配置.mp4 - 27M
├─ 5-与环境交互得到训练数据.mp4 - 39.3M
├─ 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
├─ 2-启动游戏环境.mp4 - 32.2M
└─ 6-训练网络模型.mp4 - 44.2M
├─ 3-PPO实战-月球登陆器训练实例 ->
├─ 6-参数迭代与更新.mp4 - 49.3M
├─ 2-PPO2版本公式解读.mp4 - 31.6M
├─ 4-得到动作结果.mp4 - 29M
├─ 5-奖励获得与计算.mp4 - 36.3M
├─ 3-参数与网络结构定义.mp4 - 33.7M
└─ 1-Critic的作用与效果.mp4 - 40.1M
├─ 4-Q-learning与DQN算法 ->
├─ 6-目标函数与公式解析.mp4 - 25.5M
├─ 4-训练与更新.mp4 - 34.2M
├─ 5-算法原理通俗解读.mp4 - 26M
├─ 1-整体任务流程演示.mp4 - 23.9M
├─ 8-Q值迭代求解.mp4 - 22.5M
├─ 7-Qlearning算法实例解读.mp4 - 16.7M
├─ 3-计算target值.mp4 - 22.5M
├─ 2-探索与action获取.mp4 - 28.4M
└─ 9-DQN简介.mp4 - 15.4M
├─ 13-ChatGPT ->
└─ 1-ChatGPT.mp4 - 382.2M
├─ 12-Dalle2及其源码解读 ->
└─ 1-Dalle2源码解读.mp4 - 614.1M
└─ 10-CLIP系列 ->
└─ 1-CLIP系列.mp4 - 621M
├─ 4-深度学习框架PyTorch ->
├─ 7-LSTM文本分类实战 ->
├─ 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
├─ 6-字符预处理转换ID.mp4 - 34.4M
├─ 7-LSTM网络结构基本定义.mp4 - 34.7M
├─ 3-命令行参数与DEBUG.mp4 - 36.5M
├─ 1-数据集与任务目标分析.mp4 - 52.8M
└─ 5-预料表与字符切分.mp4 - 32M
├─ 6-DataLoader自定义数据集制作 ->
├─ 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-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
├─ 4-卷积网络参数解读分析 ->
├─ 1-输入特征通道分析.mp4 - 42.5M
├─ 2-卷积网络参数解读.mp4 - 31.5M
└─ 3-卷积网络模型训练.mp4 - 55.1M
├─ 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
├─ 2-使用神经网络进行分类任务 ->
├─ 2-基本模块应用测试.mp4 - 47.6M
├─ 6-训练一个基本的分类模型.mp4 - 54.6M
├─ 1-数据集与任务概述.mp4 - 43.3M
├─ 7-参数对结果的影响.mp4 - 51.6M
├─ 4-数据源定义简介.mp4 - 39M
├─ 5-损失与训练模块分析.mp4 - 42.3M
└─ 3-网络结构定义方法.mp4 - 55.6M
├─ 1-PyTorch框架介绍与配置安装 ->
├─ 1-PyTorch框架与其他框架区别分析.mp4 - 33.2M
└─ 2-CPU与GPU版本安装方法解读.mp4 - 100.6M
└─ 5-图像识别模型与训练策略（重点） ->
├─ 4-迁移学习方法解读.mp4 - 44.7M
├─ 6-输出类别个数修改.mp4 - 49.1M
├─ 7-优化器与学习率衰减.mp4 - 52.5M
├─ 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
├─ 10-测试结果演示分析.mp4 - 111M
├─ 8-模型训练方法.mp4 - 52.6M
├─ 2-数据增强模块.mp4 - 40.5M
├─ 5-输出层与梯度设置.mp4 - 61.4M
└─ 9-重新训练全部模型.mp4 - 54.8M
├─ 12-图神经网络实战 ->
├─ 5-图注意力机制与序列图模型 ->
├─ 2-邻接矩阵计算图Attention.mp4 - 21.4M
├─ 4-序列图神经网络细节.mp4 - 23.7M
├─ 3-序列图神经网络TGCN应用.mp4 - 12.6M
└─ 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 ->
├─ 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
└─ 1-PyTorch Geometric工具包安装与配置方法.mp4 - 45.1M
├─ 6-图相似度论文解读 ->
├─ 6-结果输出与总结.mp4 - 71.2M
├─ 1-要完成的任务分析.mp4 - 47.8M
├─ 5-点之间的对应关系计算.mp4 - 51.2M
├─ 3-图模型提取全局与局部特征.mp4 - 47.4M
├─ 2-基本方法概述解读.mp4 - 52.7M
└─ 4-NTN模块的作用与效果.mp4 - 41.1M
├─ 4-使用PyTorch Geometric构建自己的图数据集 ->
├─ 5-数据集创建函数介绍.mp4 - 34.9M
├─ 8-获取全局特征.mp4 - 25.7M
├─ 7-TopkPooling进行下采样任务.mp4 - 31.3M
├─ 3-数据集基本预处理.mp4 - 31.5M
├─ 1-构建数据集基本方法.mp4 - 13.5M
├─ 6-网络结构定义模块.mp4 - 36.9M
├─ 2-数据集与任务背景概述.mp4 - 21.6M
├─ 9-模型训练与总结.mp4 - 35.8M
└─ 4-用户行为图结构创建.mp4 - 36.7M
├─ 7-图相似度计算实战 ->
├─ 1-数据集与任务概述.mp4 - 18.1M
├─ 6-NTN图相似特征提取.mp4 - 39.2M
├─ 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
├─ 4-获得直方图特征结果.mp4 - 21.1M
├─ 2-图卷积特征提取模块.mp4 - 55.9M
└─ 7-预测得到相似度结果.mp4 - 18.6M
├─ 2-图卷积GCN模型 ->
├─ 2-图卷积的基本计算方法.mp4 - 12.6M
├─ 3-邻接的矩阵的变换.mp4 - 18.4M
├─ 4-GCN变换原理解读.mp4 - 21.1M
└─ 1-GCN基本模型概述.mp4 - 13.2M
├─ 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
└─ 11-异构图神经网络 ->
└─ 1-异构图神经网络.mp4 - 754M
├─ 24-自然语言处理必备神器Huggingface系列实战 ->
└─ 1-基于图模型的时间序列预测.mp4 - 1021.2M
├─ 10-经典视觉项目实战：行为识别、姿态估计、目标追踪 ->
├─ 10-OpenPose算法源码分析 ->
├─ 8-完成PAF特征图制作.mp4 - 31.9M
├─ 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
├─ 10-多阶段输出与预测.mp4 - 47M
├─ 4-根据关键点位置设计关键点标签.mp4 - 54.9M
├─ 9-网络模型一阶段输出.mp4 - 27.5M
├─ 1-数据集与路径配置解读.mp4 - 33.8M
├─ 2-读取图像与标注信息.mp4 - 46.8M
├─ 3-关键点与躯干特征图初始化.mp4 - 34.3M
└─ 6-各位置点归属判断.mp4 - 28M
├─ 14-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
├─ 1-整体项目概述.mp4 - 35.8M
└─ 2-训练自己的数据集方法.mp4 - 41.3M
├─ 15-V5项目工程源码解读 ->
├─ 18-命令行参数介绍.mp4 - 44.3M
├─ 19-训练流程解读.mp4 - 46.8M
├─ 14-2-Head层流程解读.mp4 - 29.1M
├─ 12-BottleneckCSP层计算方法.mp4 - 33.8M
├─ 5-数据四合一方法与流程演示.mp4 - 41.7M
├─ 6-getItem构建batch.mp4 - 33M
├─ 16-输出结果分析.mp4 - 41.7M
├─ 17-超参数解读.mp4 - 34.9M
├─ 8-V5网络配置文件解读.mp4 - 35.7M
├─ 7-网络架构图可视化工具安装.mp4 - 34.3M
├─ 21-模型迭代过程.mp4 - 38.4M
├─ 9-Focus模块流程分析.mp4 - 21.9M
├─ 3-加载标签数据.mp4 - 26.3M
├─ 20-各种训练策略概述.mp4 - 38.4M
├─ 10-完成配置文件解析任务.mp4 - 58.8M
├─ 2-图像数据源配置.mp4 - 34.6M
├─ 4-Mosaic数据增强方法.mp4 - 28.2M
├─ 13-1-SPP层计算细节分析.mp4 - 29.1M
├─ 1-数据源DEBUG流程解读.mp4 - 48.1M
├─ 11-前向传播计算.mp4 - 30.8M
└─ 15-上采样与拼接操作.mp4 - 21.5M
├─ 6-视频异常检测CVPR2021论文及其源码解读 ->
├─ 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
├─ 5-损失函数的目的.mp4 - 58M
├─ 2-数据集配置与读取.mp4 - 38.7M
├─ 1-论文概述与环境配置.mp4 - 26.6M
├─ 6-特征图生成.mp4 - 38M
└─ 7-MetaLearn与输出.mp4 - 29.8M
├─ 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
├─ 1-环境基本配置解读.mp4 - 45.3M
├─ 6-训练所需视频数据准备.mp4 - 47.4M
├─ 8-完成视频分帧操作.mp4 - 32.8M
├─ 3-配置文件作用解读.mp4 - 50.9M
├─ 2-目录各文件分析.mp4 - 36.8M
├─ 7-视频数据集切分操作.mp4 - 39.7M
└─ 4-测试DEMO演示.mp4 - 66.8M
├─ 9-姿态估计OpenPose系列算法解读 ->
├─ 1-姿态估计要解决的问题分析.mp4 - 79.5M
├─ 12-算法流程与总结.mp4 - 50.3M
├─ 10-匹配方法解读.mp4 - 21.1M
├─ 4-要解决的两个问题分析.mp4 - 10.2M
├─ 7-PAF向量登场.mp4 - 12.6M
├─ 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
├─ 8-PAF标签设计方法.mp4 - 25M
├─ 11-CPM模型特点.mp4 - 21.9M
├─ 3-传统topdown方法的问题.mp4 - 37.9M
├─ 2-姿态估计应用领域概述.mp4 - 20.8M
└─ 6-各模块输出特征图解读.mp4 - 15.6M
├─ 11-deepsort算法知识点解读 ->
├─ 3-任务本质分析.mp4 - 19.1M
├─ 6-追踪中的状态量.mp4 - 16M
├─ 9-REID特征的作用.mp4 - 20.8M
├─ 10-sort与deepsort建模流程分析.mp4 - 26.8M
├─ 8-匹配小例子分析.mp4 - 21.8M
├─ 1-卡尔曼滤波通俗解释.mp4 - 31.5M
├─ 4-基于观测值进行最优估计.mp4 - 17.1M
├─ 2-卡尔曼滤波要完成的任务.mp4 - 15.6M
├─ 12-追踪任务流程拆解.mp4 - 32.1M
├─ 7-匈牙利匹配算法概述.mp4 - 19.2M
├─ 5-预测与更新操作.mp4 - 24M
└─ 11-预测与匹配流程解读.mp4 - 26.2M
├─ 1-slowfast算法知识点通俗解读 ->
├─ 1-slowfast核心思想解读.mp4 - 74.9M
├─ 4-模型网络结构设计.mp4 - 19.3M
├─ 5-特征融合模块与总结分析.mp4 - 39.3M
├─ 2-核心网络结构模块分析.mp4 - 21M
└─ 3-数据采样曾的作用.mp4 - 18.3M
├─ 13-YOLO-V4版本算法解读 ->
├─ 8-SPP与CSP网络结构.mp4 - 14.8M
├─ 1-V4版本整体概述.mp4 - 15.1M
├─ 4-DropBlock与标签平滑方法.mp4 - 19.4M
├─ 6-CIOU损失函数定义.mp4 - 10.8M
├─ 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
├─ 10-PAN模块解读.mp4 - 20.6M
├─ 5-损失函数遇到的问题.mp4 - 14.3M
├─ 2-V4版本贡献解读.mp4 - 10.1M
├─ 9-SAM注意力机制模块.mp4 - 22.5M
└─ 7-NMS细节改进.mp4 - 16.7M
├─ 12-deepsort源码解读 ->
├─ 10-匹配结果与总结.mp4 - 76.9M
├─ 2-参数与DEMO演示.mp4 - 42.2M
├─ 8-级联匹配模块.mp4 - 43.3M
├─ 3-针对检测结果初始化track.mp4 - 48.2M
├─ 7-参数更新操作.mp4 - 50.2M
├─ 1-项目环境配置.mp4 - 37.3M
├─ 6-IOU代价矩阵计算.mp4 - 32.9M
├─ 9-ReID特征代价矩阵计算.mp4 - 46.5M
├─ 4-对track执行预测操作.mp4 - 38.3M
└─ 5-状态量预测结果.mp4 - 36M
└─ 3-slowfast源码详细解读 ->
├─ 2-数据处理概述.mp4 - 49.7M
├─ 5-图像数据所需预处理方法.mp4 - 66.8M
├─ 6-slow与fast分别执行采样操作.mp4 - 66.3M
├─ 9-resnetBolock操作.mp4 - 53.6M
├─ 7-分别计算特征图输出结果.mp4 - 56.6M
├─ 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
├─ 4-数据与标签读取实例.mp4 - 52.2M
├─ 10-RoiAlign与输出层.mp4 - 78.9M
└─ 1-模型所需配置文件参数读取.mp4 - 33.2M
├─ 22-深度学习模型部署与剪枝优化实战 ->
├─ 11-模型剪枝-Network Slimming实战解读 ->
├─ 4-筛选需要的特征图.mp4 - 36.3M
├─ 2-加入L1正则化来进行更新.mp4 - 28.4M
├─ 5-剪枝后模型参数赋值.mp4 - 49.5M
├─ 1-整体案例流程解读.mp4 - 32.4M
├─ 6-微调完成剪枝模型.mp4 - 46.9M
└─ 3-剪枝模块介绍.mp4 - 31M
├─ 1-AIoT人工智能物联网之认识 jetson nano ->
├─ 4-感受nano的GPU算力.mp4 - 62.4M
├─ 3- jetson nano 系统安装过程.mp4 - 84.5M
├─ 1- jetson nano 硬件介绍.mp4 - 22.1M
├─ 5-安装使用摄像头csi usb.mp4 - 43.2M
└─ 2-jetson nano 刷机.mp4 - 105.2M
├─ 4- AIoT人工智能物联网之deepstream ->
├─ 2-deepstream HelloWorld.mp4 - 51.9M
├─ 6-deepstream推理.mp4 - 117.9M
├─ 7-deepstream集成yolov4.mp4 - 117.2M
├─ 1-deepstream 介绍安装.mp4 - 108.8M
├─ 5-python实现RTP和RTSP.mp4 - 118.1M
├─ 3-GStreamer RTP和RTSP1.mp4 - 90.6M
└─ 4-GStreamer RTP和RTSP2.mp4 - 138.8M
├─ 3-AIoT人工智能物联网之NVIDIA TAO 实用级的训练神器 ->
├─ 7-TAO 剪枝在训练推理验证.mp4 - 198.8M
├─ 5-NVIDIA TAO预训练模型和训练b.mp4 - 18.7M
├─ 1-NVIDIA TAO介绍和安装.mp4 - 74.4M
├─ 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
├─ 3-NVIDIA TAO数据转换.mp4 - 146.3M
└─ 4-NVIDIA TAO预训练模型和训练a.mp4 - 100.7M
├─ 10-模型剪枝-Network Slimming算法分析 ->
├─ 2-BatchNorm要解决的问题.mp4 - 18.5M
├─ 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
├─ 3-BN的本质作用.mp4 - 22.6M
└─ 1-论文算法核心框架概述.mp4 - 19.6M
├─ 8-docker实例演示 ->
├─ 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
├─ 2-docker安装与配置.mp4 - 48.5M
├─ 1-docker简介.mp4 - 15.9M
├─ 7-上传与下载配置好的项目.mp4 - 45.5M
├─ 3-阿里云镜像配置.mp4 - 27M
└─ 6-复制所需配置到容器中.mp4 - 28.2M
├─ 6-pyTorch框架部署实践 ->
├─ 4-效果实例演示.mp4 - 43.3M
├─ 5-课程简介.mp4 - 8.1M
├─ 3-接收与预测模块实现.mp4 - 37.7M
├─ 2-模型加载与数据预处理.mp4 - 39.6M
└─ 1-所需基本环境配置.mp4 - 22.1M
├─ 12-Mobilenet三代网络模型架构 ->
├─ 8-V2版本改进以及Relu激活函数的问题.mp4 - 19.5M
├─ 1-模型剪枝分析.mp4 - 22.3M
├─ 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
├─ 7-V1版本效果分析.mp4 - 24.9M
├─ 6-参数与计算量的比较.mp4 - 39.7M
├─ 5-深度可分离卷积的作用与效果.mp4 - 14.3M
├─ 10-V2整体架构与效果分析.mp4 - 10.5M
├─ 3-mobilenet简介.mp4 - 8.6M
├─ 2-常见剪枝方法介绍.mp4 - 21.7M
├─ 12-SE模块作用与效果解读.mp4 - 31.9M
├─ 13-代码实现mobilenetV3网络架构.mp4 - 68.9M
└─ 9-倒残差结构的作用.mp4 - 17.4M
├─ 9-tensorflow-serving实战 ->
├─ 2-加载并启动模型服务.mp4 - 31.3M
├─ 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
└─ 5-加载fashion模型启动服务.mp4 - 33.4M
├─ 7-YOLO-V3物体检测部署实例 ->
├─ 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
└─ 2-加载参数与模型权重.mp4 - 35.6M
└─ 2-AIoT人工智能物联网之AI 实战 ->
├─ 4-训练自己的目标检测模型准备.mp4 - 77.7M
├─ 1- jetson-inference 入门.mp4 - 59.7M
├─ 7-转换出onnx模型，并使用.mp4 - 74.6M
├─ 2-docker 的安装使用.mp4 - 86.1M
├─ 5- 训练出自己目标识别模型a.mp4 - 109.8M
├─ 3-docker中运行分类模型.mp4 - 197.5M
└─ 6-训练出自己目标识别模型b.mp4 - 91.4M
├─ 27-知识图谱实战系列 ->
├─ 1-知识图谱介绍及其应用领域分析 ->
├─ 2-知识图谱在搜索引擎中的应用.mp4 - 26.6M
├─ 1-知识图谱通俗解读.mp4 - 19.9M
├─ 4-金融与推荐领域的应用.mp4 - 20.4M
├─ 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
├─ 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
├─ 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
├─ 8-加载所有实体数据.mp4 - 42.5M
├─ 6-创建关系边.mp4 - 39.4M
├─ 3-任务流程概述.mp4 - 39.7M
├─ 5-提取数据中的关键字段信息.mp4 - 61.3M
├─ 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
└─ 4-环境配置与所需工具包安装.mp4 - 36.4M
├─ 7-金融平台风控模型实践 ->
├─ 3-节点权重特征提取(PageRank).mp4 - 35.5M
├─ 5-各项统计特征.mp4 - 56M
├─ 4-deepwalk构建图顶点特征.mp4 - 53.5M
├─ 7-图中联系人特征.mp4 - 70.3M
├─ 2-图模型信息提取.mp4 - 27.8M
├─ 1-竞赛任务目标.mp4 - 23.8M
└─ 6-app安装特征.mp4 - 37.4M
├─ 3-Neo4j数据库实战 ->
├─ 4-创建与删除操作演示.mp4 - 25.3M
├─ 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
├─ 1-Neo4j图数据库介绍.mp4 - 63.5M
└─ 3-可视化例子演示.mp4 - 43.6M
├─ 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
├─ 4-根据给定实体创建关系.mp4 - 51M
└─ 3-在图中创建实体.mp4 - 43.8M
├─ 6-文本关系抽取实践 ->
├─ 3-pyltp安装与流程演示.mp4 - 41.8M
├─ 6-句法分析结果整理.mp4 - 39.1M
├─ 2-LTP工具包概述介绍.mp4 - 46.5M
├─ 4-得到分词与词性标注结果.mp4 - 47.2M
├─ 7-语义角色构建与分析.mp4 - 54.2M
├─ 5-依存句法概述.mp4 - 30.8M
├─ 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
├─ 8-医学糖尿病数据命名实体识别 ->
├─ 2-整体模型架构.mp4 - 15M
├─ 6-医疗数据集（糖尿病）实体识别.mp4 - 81.4M
├─ 4-输入样本填充补齐.mp4 - 36.2M
├─ 1-数据与任务介绍.mp4 - 22.7M
├─ 3-数据-标签-语料库处理.mp4 - 40M
└─ 5-训练网络模型.mp4 - 40.4M
└─ 2-知识图谱涉及技术点分析 ->
├─ 2-常用NLP技术点分析.mp4 - 22.1M
├─ 5-视觉领域图编码实例.mp4 - 21M
├─ 6-图谱知识融合与总结分析.mp4 - 24M
├─ 4-金融领域图编码实例.mp4 - 12.8M
├─ 3-graph-embedding的作用与效果.mp4 - 26.2M
└─ 1-数据关系抽取分析.mp4 - 27.3M
├─ 17-行人重识别实战 ->
├─ 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
├─ 1-项目环境与数据集配置.mp4 - 49.8M
├─ 4-获得空间位置点之间的关系.mp4 - 43.1M
├─ 9-训练与测试模块演示.mp4 - 75.7M
├─ 5-组合关系特征图.mp4 - 39.7M
├─ 6-计算得到位置权重值.mp4 - 38M
├─ 2-参数配置与整体架构分析.mp4 - 65.4M
├─ 3-进入debug模式解读网络计算流程.mp4 - 30.6M
└─ 7-基于特征图的权重计算.mp4 - 25.6M
├─ 8-额外补充：行人搜索源码分析 ->
├─ 8-损失函数计算模块.mp4 - 54.3M
├─ 7-Head层预测模块.mp4 - 40.1M
├─ 1-项目概述.mp4 - 26.2M
├─ 3-数据与标签读取模块.mp4 - 58M
├─ 4-通过配置文件读取模型位置.mp4 - 38M
├─ 2-项目概述.mp4 - 31.6M
├─ 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
├─ 6-旷视研究院最新算法解读（基于图模型） ->
├─ 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-图卷积与匹配的作用.mp4 - 24.4M
├─ 1-关键点位置特征构建.mp4 - 22.4M
├─ 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
├─ 1-行人重识别原理及其应用 ->
├─ 5-triplet损失计算实例.mp4 - 25.2M
├─ 6-Hard-Negative方法应用.mp4 - 27.3M
├─ 2-挑战与困难分析.mp4 - 35.9M
├─ 1-行人重识别要解决的问题.mp4 - 17.3M
├─ 4-map值计算方法.mp4 - 15.7M
└─ 3-评估标准rank1指标.mp4 - 14.1M
├─ 5-项目实战-基于行人局部特征融合的再识别实战 ->
├─ 4-debug模式解读.mp4 - 62.3M
├─ 1-项目配置与数据集介绍.mp4 - 67.7M
├─ 8-局部特征提取实例.mp4 - 52.4M
├─ 2-数据源构建方法分析.mp4 - 41.2M
├─ 10-得到所有分组特征结果.mp4 - 51.2M
├─ 5-网络计算整体流程演示.mp4 - 30.5M
├─ 12-测试与验证模块.mp4 - 47M
├─ 6-特征序列构建.mp4 - 41M
├─ 11-损失函数与训练过程演示.mp4 - 42.5M
├─ 3-dataloader加载顺序解读.mp4 - 28M
├─ 7-GCP全局特征提取.mp4 - 39.7M
└─ 9-特征组合汇总.mp4 - 49.3M
├─ 7-基于拓扑图的行人重识别项目实战 ->
├─ 9-图匹配模块计算流程.mp4 - 67.6M
├─ 1-数据集与环境配置概述.mp4 - 48.1M
├─ 6-mask矩阵的作用.mp4 - 40.1M
├─ 4-阶段监督训练.mp4 - 78.6M
├─ 7-邻接矩阵学习与更新.mp4 - 51M
├─ 2-局部特征准备方法.mp4 - 47.7M
├─ 3-得到一阶段热度图结果.mp4 - 42.1M
├─ 8-基于拓扑结构组合关键点特征.mp4 - 63.2M
├─ 5-初始化图卷积模型.mp4 - 34.8M
└─ 10-整体项目总结.mp4 - 79.8M
└─ 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
├─ 2-空间权重值计算流程分析.mp4 - 32.9M
├─ 4-基于特征图的注意力计算.mp4 - 66M
└─ 3-融合空间注意力所需特征.mp4 - 27.4M
├─ 11-2022论⽂必备-Transformer实战系列 ->
├─ 1-Transformer算法解读 ->
└─ 1-Transformer算法解读.mp4 - 557.2M
├─ 8-DeformableDetr算法解读 ->
└─ 1-DeformableDetr算法解读.mp4 - 730.4M
├─ 6-基于Transformer的detr目标检测算法 ->
├─ 1-DETR目标检测基本思想解读.mp4 - 19.3M
├─ 5-训练过程的策略.mp4 - 28.3M
├─ 3-位置信息初始化query向量.mp4 - 19.9M
├─ 2-整体网络架构分析.mp4 - 31.5M
└─ 4-注意力机制的作用方法.mp4 - 20.8M
├─ 15-Mask2former源码解读 ->
├─ 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
├─ 6-query要预测的任务解读.mp4 - 45.6M
├─ 3-多层级输入特征序列创建方法.mp4 - 43.8M
├─ 10-正样本筛选损失计算.mp4 - 41.8M
├─ 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
├─ 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
├─ 8-损失模块输入参数分析.mp4 - 40.8M
├─ 11-标签分类匹配结果分析.mp4 - 62M
├─ 7-Decoder中的AttentionMask方法.mp4 - 50.9M
└─ 1-Backbone获取多层级特征.mp4 - 35.8M
├─ 5-swintransformer源码解读 ->
├─ 8-输出层概述.mp4 - 41.1M
├─ 5-窗口位移模块细节分析.mp4 - 36.8M
├─ 2-图像数据patch编码.mp4 - 37.6M
├─ 1-数据与环境配置解读.mp4 - 59.6M
├─ 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
├─ 7-各block计算方法解读.mp4 - 27.9M
└─ 6-patchmerge下采样操作.mp4 - 25.2M
├─ 10-MedicalTrasnformer论文解读 ->
├─ 4-论文公式计算分析.mp4 - 46.9M
├─ 2-核心思想分析.mp4 - 54.3M
├─ 5-位置编码的作用与效果.mp4 - 46.5M
├─ 6-拓展应用分析.mp4 - 56.5M
├─ 1-论文整体分析.mp4 - 23.7M
└─ 3-网络结构计算流程概述.mp4 - 44.5M
├─ 12-商汤LoFTR算法解读 ->
├─ 6-粗粒度匹配过程与作用.mp4 - 26M
├─ 3-整体流程梳理分析.mp4 - 16.5M
├─ 10-总结分析.mp4 - 39.4M
├─ 9-基于期望预测最终位置.mp4 - 23.1M
├─ 2-特征匹配的基本流程分析.mp4 - 15.9M
├─ 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
├─ 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
├─ 14-分割模型Maskformer系列 ->
└─ 1-分割模型Maskformer系列.mp4 - 776.9M
├─ 16-BEV特征空间 ->
└─ 1-BEV特征空间.mp4 - 523.1M
├─ 2-视觉Transformer及其源码分析 ->
└─ 1-视觉Transformer及其源码分析.mp4 - 878.2M
├─ 13-局部特征关键点匹配实战 ->
├─ 2-DEMO效果演示.mp4 - 39.6M
├─ 3-backbone特征提取模块.mp4 - 28.6M
├─ 8-完成基础匹配模块.mp4 - 63.3M
├─ 1-项目与参数配置解读.mp4 - 44.5M
├─ 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
├─ 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 - 29.3M
├─ 4-注意力机制的作用与效果分析.mp4 - 31M
└─ 7-粗粒度匹配过程.mp4 - 49.8M
├─ 20-Huggingface与NLP（讲故事） ->
└─ 1-Huggingface与NLP（讲故事）.mp4 - 163.6M
├─ 11-MedicalTransformer源码解读 ->
├─ 7-局部特征提取与计算.mp4 - 40.9M
├─ 3-基本处理操作.mp4 - 25.8M
├─ 4-AxialAttention实现过程.mp4 - 36.9M
├─ 5-位置编码向量解读.mp4 - 27.8M
├─ 1-项目环境配置.mp4 - 25.3M
├─ 2-医学数据介绍与分析.mp4 - 56.7M
└─ 6-注意力计算过程与方法.mp4 - 52.1M
├─ 7-detr目标检测源码解读 ->
├─ 7-Decoder层操作与计算.mp4 - 30.1M
├─ 2-数据处理与dataloader.mp4 - 64M
├─ 1-项目环境配置解读.mp4 - 40.3M
├─ 4-backbone特征提取模块.mp4 - 35.5M
├─ 6-编码层作用方法.mp4 - 42.8M
├─ 5-mask与编码模块.mp4 - 34.7M
├─ 8-输出预测结果.mp4 - 41.2M
├─ 3-位置编码作用分析.mp4 - 47.9M
└─ 9-损失函数与预测输出.mp4 - 41.2M
├─ 19-Informer时间序列源码解读 ->
└─ 1-Informer时间序列源码解读.mp4 - 829.1M
├─ 18-时间序列预测 ->
└─ 1-时间序列预测.mp4 - 375.4M
├─ 9-DeformableDetr物体检测源码分析 ->
├─ 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
├─ 7-偏移量对齐操作.mp4 - 39.8M
├─ 10-分类与回归输出模块.mp4 - 49.7M
├─ 6-偏移量offset计算.mp4 - 46.1M
├─ 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
├─ 3-得到相对位置点编码.mp4 - 28.8M
├─ 9-Decoder要完成的操作.mp4 - 39M
├─ 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
├─ 17-BevFormer源码解读 ->
├─ 7-注意力机制模块计算方法.mp4 - 38.6M
├─ 8-BEV空间特征构建.mp4 - 34M
├─ 11-Decoder级联校正模块.mp4 - 41.6M
├─ 9-Decoder要完成的任务分析.mp4 - 33.9M
├─ 3-特征提取以及BEV空间初始化.mp4 - 43.8M
├─ 5-Reference初始点构建.mp4 - 37.3M
├─ 4-特征对齐与位置编码初始化.mp4 - 43.6M
├─ 2-数据集下载与配置方法.mp4 - 53.6M
├─ 1-环境配置方法解读.mp4 - 42.8M
├─ 6-BEV空间与图像空间位置对应.mp4 - 37.7M
├─ 10-获取当前BEV特征.mp4 - 35.9M
└─ 12-损失函数与预测可视化.mp4 - 49.5M
├─ 4-swintransformer算法原理解析 ->
├─ 8-整体网络架构整合.mp4 - 20.9M
├─ 7-偏移细节分析及其计算量概述.mp4 - 20.4M
├─ 6-窗口偏移操作的实现.mp4 - 24.3M
├─ 1-swintransformer整体概述.mp4 - 14.8M
├─ 9-下采样操作实现方法.mp4 - 22.2M
├─ 3-一个block要完成的任务.mp4 - 17.4M
├─ 5-基于窗口的注意力机制解读.mp4 - 29.5M
├─ 10-分层计算方法.mp4 - 21.7M
├─ 2-要解决的问题及其优势分析.mp4 - 22.3M
└─ 4-获取各窗口输入特征.mp4 - 19M
└─ 3-VIT算法模型源码解读 ->
├─ 3-注意力机制计算.mp4 - 28M
├─ 4-输出层计算结果.mp4 - 37.7M
├─ 2-输入序列构建方法解读.mp4 - 29.8M
└─ 1-项目配置说明.mp4 - 43.3M
├─ 5-深度学习框架Tensorflflow ->
├─ 4-卷积神经⽹络原理与参数解读 ->
├─ 4-得到特征图表示.mp4 - 18.2M
├─ 8-池化层的作用.mp4 - 11.3M
├─ 5-步长与卷积核大小对结果的影响.mp4 - 19.9M
├─ 7-特征图尺寸计算与参数共享.mp4 - 22M
├─ 6-边缘填充方法.mp4 - 17.3M
├─ 11-残差网络Resnet.mp4 - 18M
├─ 3-卷积特征值计算方法.mp4 - 21.2M
├─ 2-卷积的作用.mp4 - 22.7M
├─ 12-感受野的作用.mp4 - 16.9M
├─ 10-VGG网络架构.mp4 - 19.3M
├─ 1-卷积神经网络应用领域.mp4 - 21.2M
└─ 9-整体网络架构.mp4 - 17M
├─ 2-神经网络原理解读与整体架构 ->
├─ 13-神经网络过拟合解决方法.mp4 - 40.5M
├─ 12-正则化与激活函数.mp4 - 29.1M
├─ 1-深度学习要解决的问题.mp4 - 20.4M
├─ 6-损失函数的作用.mp4 - 31M
├─ 11-神经元个数对结果的影响.mp4 - 58.6M
├─ 4-视觉任务中遇到的问题.mp4 - 32.8M
├─ 10-神经网络架构细节.mp4 - 37.4M
├─ 5-得分函数.mp4 - 18.9M
├─ 7-前向传播整体流程.mp4 - 39M
├─ 2-深度学习应用领域.mp4 - 50M
├─ 9-神经网络整体架构.mp4 - 30.5M
├─ 3-计算机视觉任务.mp4 - 17.9M
└─ 8-返向传播计算方法.mp4 - 25.6M
├─ 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
├─ 5-分类模型构建 ->
├─ raw.m3u8 - 7.4KB
└─ meta.json - 19.6KB
├─ 6-tf.data模块解读 ->
├─ raw.m3u8 - 6.5KB
└─ meta.json - 17.2KB
├─ 1-任务目标与数据集简介 ->
├─ meta.json - 15.6KB
└─ raw.m3u8 - 5.9KB
├─ 2-建模流程与API文档 ->
├─ meta.json - 14.3KB
└─ raw.m3u8 - 5.4KB
├─ 7-模型保存与读取实例 ->
├─ raw.m3u8 - 8.4KB
└─ meta.json - 22.2KB
└─ 3-网络模型训练 ->
├─ raw.m3u8 - 6.1KB
└─ meta.json - 16.3KB
├─ 10-项目实战：基于RNN模型进行文本分类任务 ->
├─ 4-embedding层向量制作.mp4 - 73.8M
├─ 9-训练文本分类模型.mp4 - 38M
├─ 2-RNN模型输入数据维度解读.mp4 - 19.4M
├─ 8-训练策略指定.mp4 - 32.7M
├─ 5-数据生成器构造.mp4 - 40M
├─ 7-自定义网络模型架构.mp4 - 60M
├─ 6-双向RNN模型定义.mp4 - 21.1M
├─ 3-数据映射表制作.mp4 - 44.4M
└─ 1-任务目标与数据介绍.mp4 - 36.3M
├─ 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
├─ 3-网络架构设计与训练.mp4 - 44.9M
└─ 1-CNN应用于文本任务原理解析.mp4 - 23.2M
├─ 13-项目实战：经典网络架构Resnet实战 ->
├─ 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-前向传播配置.mp4 - 38.2M
├─ 8-训练resnet模型.mp4 - 30.3M
├─ 6-网络架构层次解读.mp4 - 34.1M
├─ 1-额外补充-Resnet论文解读.mp4 - 118M
├─ 4-数据集处理方法.mp4 - 27.2M
└─ 3-项目结构概述.mp4 - 24.1M
├─ 8-递归神经⽹络与词向量原理解读 ->
├─ 5-CBOW与Skip-gram模型.mp4 - 23.8M
├─ 3-模型整体框架.mp4 - 28.2M
├─ 1-RNN网络架构解读.mp4 - 22.4M
├─ 2-词向量模型通俗解释.mp4 - 21.7M
├─ 4-训练数据构建.mp4 - 15.9M
└─ 6-负采样方案.mp4 - 29.5M
├─ 9-项目实战：基于TensorFlow实现word2vec ->
├─ 4-训练batch数据制作.mp4 - 43.1M
├─ 1-任务流程解读.mp4 - 18.7M
├─ 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
└─ 3-文本词预处理操作.mp4 - 17.8M
├─ 6-图像数据增强实例 ->
├─ 1-数据增强概述.mp4 - 44.2M
├─ 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
├─ 5-项目实战：猫狗识别实战 ->
├─ 1-猫狗识别任务与数据简介.mp4 - 23.4M
├─ 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
└─ 3-网络架构配置.mp4 - 30M
├─ 12-项目实战：时间序列预测 ->
├─ 4-多特征预测结果.mp4 - 27.9M
├─ 2-构建时间序列数据.mp4 - 27.6M
├─ 5-序列结果预测.mp4 - 22.9M
├─ 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
├─ 7-训练策略-迁移学习实战 ->
├─ 4-加载训练好的经典网络模型.mp4 - 37.6M
├─ 7-图像数据处理实例.mp4 - 46.1M
├─ 2-迁移学习策略.mp4 - 15.5M
├─ 3-Resnet原理.mp4 - 107.9M
├─ 6-tfrecords数据源制作方法.mp4 - 38.4M
├─ 1-迁移学习的目标.mp4 - 11.7M
└─ 5-Callback模块与迁移学习实例.mp4 - 58.7M
└─ 1-tensorflflow安装与简介 ->
├─ 2-Tensorflow2版本简介与心得.mp4 - 32M
├─ 3-Tensorflow2版本安装方法.mp4 - 55.4M
├─ 1-tensorflflow安装与简介.mp4 - 4.1M
└─ 4-tf基础操作.mp4 - 24.4M
├─ 29-推荐系统实战系列 ->
├─ 4-知识图谱与Neo4j数据库实例 ->
├─ 10-5-数据库更改查询操作演示.mp4 - 27.1M
├─ 1-1-知识图谱通俗解读.mp4 - 19.9M
├─ 6-1-Neo4j图数据库介绍.mp4 - 63.5M
├─ 8-3-可视化例子演示.mp4 - 43.6M
├─ 4-4-金融与推荐领域的应用.mp4 - 20.4M
├─ 5-5-数据获取分析.mp4 - 35.9M
├─ 9-4-创建与删除操作演示.mp4 - 25.3M
└─ 2-2-知识图谱在搜索引擎中的应用.mp4 - 26.6M
├─ 1-推荐系统介绍及其应用 ->
├─ 6-6-与深度学习的结合.mp4 - 23.7M
├─ 4-4-任务流程与挑战概述.mp4 - 26.7M
├─ 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
├─ 2-2-推荐系统发展简介.mp4 - 23.2M
└─ 5-5-常用技术点分析.mp4 - 16.5M
├─ 10-基本统计分析的电影推荐 ->
├─ 6-6-缺失值填充方法.mp4 - 37.2M
├─ 7-7-推荐引擎构造.mp4 - 50.9M
├─ 1-1-电影数据与环境配置.mp4 - 64.1M
├─ 9-9-得出推荐结果.mp4 - 51.8M
├─ 8-8-数据特征构造.mp4 - 36.2M
├─ 3-3-关键词云与直方图展示.mp4 - 46M
├─ 4-4-特征可视化.mp4 - 38.7M
├─ 5-5-数据清洗概述.mp4 - 57.3M
└─ 2-2-数据与关键词信息展示.mp4 - 61.3M
├─ 8-推荐系统常用工具包演示 ->
├─ 2-2-电影数据集预处理分析.mp4 - 32.7M
├─ 1-1-环境配置与数据集介绍.mp4 - 35.7M
├─ 3-3-surprise工具包基本使用.mp4 - 36.1M
├─ 4-4-模型测试集结果.mp4 - 30.7M
└─ 5-5-评估指标概述.mp4 - 66.4M
├─ 7-DeepFM算法实战 ->
├─ 1-1-数据集介绍与环境配置.mp4 - 57.8M
├─ 4-4-Index与Value数据制作.mp4 - 29.3M
├─ 9-9-DNN模块与训练过程.mp4 - 37.5M
├─ 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
├─ 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
├─ 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
├─ 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
├─ 3-音乐推荐系统实战 ->
├─ 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
└─ 3-3-基于物品的协同过滤.mp4 - 63.1M
├─ 6-点击率估计FM与DeepFM算法 ->
├─ 6-6-DeepFm整体架构解读.mp4 - 15.1M
├─ 5-5-FM算法解析.mp4 - 19.8M
├─ 2-2-高维特征带来的问题.mp4 - 12.9M
├─ 3-3-二项式特征的作用与挑战.mp4 - 11.8M
├─ 7-7-输入层所需数据样例.mp4 - 14.1M
├─ 4-4-二阶公式推导与化简.mp4 - 20.9M
├─ 8-8-Embedding层的作用与总结.mp4 - 21.5M
└─ 1-1-CTR估计及其经典方法概述.mp4 - 21.9M
├─ 11-补充-基于相似度的酒店推荐系统 ->
├─ 1-1-酒店数据与任务介绍.mp4 - 22M
├─ 6-6-得出推荐结果.mp4 - 62M
├─ 5-5-相似度计算.mp4 - 47.6M
├─ 2-2-文本词频统计.mp4 - 31.4M
├─ 3-3-ngram结果可视化展示.mp4 - 53.1M
└─ 4-4-文本清洗.mp4 - 32.9M
├─ 9-基于文本数据的推荐实例 ->
├─ 1-1-数据与环境配置介绍.mp4 - 19.8M
├─ 5-5-矩阵分解演示.mp4 - 29M
├─ 7-7-推荐结果分析.mp4 - 43M
├─ 2-2-数据科学相关数据介绍.mp4 - 31.3M
├─ 3-3-文本数据预处理.mp4 - 37.4M
├─ 6-6-LDA主题模型效果演示.mp4 - 53.1M
└─ 4-4-TFIDF构建特征矩阵.mp4 - 31.3M
└─ 2-协同过滤与矩阵分解 ->
├─ 7-7-隐式情况分析.mp4 - 14.1M
├─ 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
├─ 8-8-Embedding的作用.mp4 - 11.1M
├─ 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
├─ 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
├─ 6-Opencv图像处理框架实战 ->
├─ 10-项目实战-文档扫描OCR识别 ->
├─ 2-文档轮廓提取.mp4 - 27.8M
├─ 6-文档扫描识别效果.mp4 - 28.9M
├─ 1-整体流程演示.mp4 - 21.5M
├─ 5-tesseract-ocr安装配置.mp4 - 41.2M
├─ 3-原始与变换坐标计算.mp4 - 26.2M
└─ 4-透视变换结果.mp4 - 32.9M
├─ 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
├─ 8-直方图与傅里叶变换 ->
├─ 3-均衡化效果.mp4 - 27.2M
├─ 5-频域变换结果.mp4 - 26.3M
├─ 4-傅里叶概述.mp4 - 38.8M
├─ 2-均衡化原理.mp4 - 31.4M
├─ 1-直方图定义.mp4 - 23.6M
└─ 6-低通与高通滤波.mp4 - 27.3M
├─ 2-图像基本操作 ->
├─ 4-边界填充.mp4 - 21.5M
├─ 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
├─ 14-项目实战-停车场车位识别 ->
├─ 4-车位直线检测.mp4 - 61.4M
├─ 6-车位区域划分.mp4 - 57.3M
├─ 3-图像数据预处理.mp4 - 56.7M
├─ 8-基于视频的车位检测.mp4 - 135.6M
├─ 5-按列划分区域.mp4 - 54.7M
├─ 2-所需数据介绍.mp4 - 34.3M
├─ 7-识别模型构建.mp4 - 41.2M
└─ 1-任务整体流程.mp4 - 71.4M
├─ 20-卷积原理与操作 ->
├─ 8-卷积操作流程.mp4 - 41.1M
├─ 4-pading与stride.mp4 - 26.1M
├─ 7-卷积效果演示.mp4 - 24.6M
├─ 1-卷积神经网络的应用.mp4 - 36.2M
├─ 3-卷积计算过程.mp4 - 27.6M
├─ 5-卷积参数共享.mp4 - 17.7M
├─ 2-卷积层解释.mp4 - 22.3M
└─ 6-池化层原理.mp4 - 16.1M
├─ 13-案例实战-全景图像拼接 ->
├─ 2-RANSAC算法.mp4 - 34.5M
├─ 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
├─ 7-图像金字塔与轮廓检测 ->
├─ 1-图像金字塔定义.mp4 - 19.7M
├─ 6-模板匹配方法.mp4 - 47.3M
├─ 7-匹配效果展示.mp4 - 21.1M
├─ 4-轮廓检测结果.mp4 - 34.4M
├─ 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
├─ 4-图像形态学操作 ->
├─ 1-腐蚀操作.mp4 - 21M
├─ 4-梯度计算.mp4 - 7.9M
├─ 3-开运算与闭运算.mp4 - 9.3M
├─ 5-礼帽与黑帽.mp4 - 15.9M
└─ 2-膨胀操作.mp4 - 12.3M
├─ 16-背景建模 ->
├─ 1-背景消除-帧差法.mp4 - 20.8M
├─ 4-背景建模实战.mp4 - 51.2M
├─ 3-学习步骤.mp4 - 31.8M
└─ 2-混合高斯模型.mp4 - 26.4M
├─ 17-光流估计 ->
├─ 3-推导求解.mp4 - 25.9M
├─ 2-Lucas-Kanade算法.mp4 - 19.7M
├─ 1-基本概念.mp4 - 20.2M
└─ 4-光流估计实战.mp4 - 64.2M
├─ 11-图像特征-harris ->
├─ 5-opencv角点检测效果.mp4 - 31M
├─ 3-求解化简.mp4 - 31.8M
├─ 4-特征归属划分.mp4 - 43.2M
├─ 1-角点检测基本原理.mp4 - 15.5M
└─ 2-基本数学原理.mp4 - 30.6M
├─ 3-阈值与平滑处理 ->
├─ 3-高斯与中值滤波.mp4 - 20.6M
├─ 2-图像平滑处理.mp4 - 24.7M
└─ 1-图像阈值.mp4 - 30.8M
├─ 5-图像梯度计算 ->
├─ 3-scharr与lapkacian算子.mp4 - 27.4M
├─ 1-Sobel算子.mp4 - 27M
└─ 2-梯度计算方法.mp4 - 30.3M
├─ 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
├─ 3-填涂轮廓检测.mp4 - 25.7M
├─ 4-选项判断识别.mp4 - 57.1M
└─ 2-预处理操作.mp4 - 24.1M
├─ 19-项目实战-目标追踪 ->
├─ 3-深度学习检测框架加载.mp4 - 43.6M
├─ 4-基于dlib与ssd的追踪.mp4 - 73M
├─ 1-目标追踪概述.mp4 - 49.7M
├─ 6-多进程效率提升对比.mp4 - 78.1M
├─ 5-多进程目标追踪.mp4 - 25.7M
└─ 2-多目标追踪实战.mp4 - 34.6M
├─ 6-边缘检测 ->
├─ 3-边缘检测效果.mp4 - 36.6M
├─ 2-非极大值抑制.mp4 - 18.3M
└─ 1-Canny边缘检测流程.mp4 - 19M
├─ 12-图像特征-sift ->
├─ 3-特征关键点定位.mp4 - 48.2M
├─ 1-尺度空间定义.mp4 - 20M
├─ 4-生成特征描述.mp4 - 24.7M
├─ 2-高斯差分金字塔.mp4 - 21.7M
├─ 6-opencv中sift函数使用.mp4 - 28.8M
└─ 5-特征向量生成.mp4 - 43.7M
├─ 21-项目实战-疲劳检测 ->
├─ 3-定位效果演示.mp4 - 45.4M
├─ 2-获取人脸关键点.mp4 - 36.1M
├─ 4-闭眼检测.mp4 - 71.1M
├─ 5-检测效果.mp4 - 40.6M
└─ 1-关键点定位概述.mp4 - 28.5M
├─ 1-课程简介与环境配置 ->
├─ 2-Python与Opencv配置安装.mp4 - 33.3M
├─ 3-Notebook与IDE环境.mp4 - 84.4M
└─ 1-课程简介.mp4 - 5.4M
└─ 9-项目实战-信用卡数字识别 ->
├─ 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
├─ 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
└─ 3-模板处理方法.mp4 - 23.7M
├─ 7-综合项目-物体检测经典算法实战 ->
├─ 13-基于Transformer的detr目标检测算法 ->
├─ 5-训练过程的策略.mp4 - 28.4M
├─ 4-注意力机制的作用方法.mp4 - 20.9M
├─ 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
├─ 12-V7源码解读 ->
├─ 4-网络结构配置文件解读.mp4 - 36.9M
├─ 5-各模块操作细节分析.mp4 - 49.1M
├─ 18-BN与卷积权重参数融合方法.mp4 - 53.8M
├─ 14-通过IOU与置信度分配正样本.mp4 - 60.4M
├─ 17-辅助头损失函数调整.mp4 - 39.3M
├─ 19-重参数化多分支合并加速.mp4 - 43.2M
├─ 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
├─ 3-EMA等训练技巧解读.mp4 - 49.3M
├─ 15-损失函数计算方法.mp4 - 46.1M
├─ 1-命令行参数介绍.mp4 - 25M
├─ 10-完成BuildTargets模块.mp4 - 51.4M
├─ 7-标签分配策略准备操作.mp4 - 34.7M
├─ 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
├─ 16-辅助头AUX网络结构配置文件解析.mp4 - 31.1M
├─ 6-输出层与配置文件其他模块解读.mp4 - 60.9M
├─ 11-候选框筛选流程分析.mp4 - 31.8M
└─ 8-候选框偏移方法与find3p模块解读.mp4 - 33.7M
├─ 14-detr目标检测源码解读 ->
├─ 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
├─ 7-Decoder层操作与计算.mp4 - 30.1M
├─ 9-损失函数与预测输出.mp4 - 41.2M
├─ 8-输出预测结果.mp4 - 41.3M
├─ 5-mask与编码模块.mp4 - 34.8M
├─ 4-backbone特征提取模块.mp4 - 35.6M
└─ 6-编码层作用方法.mp4 - 42.9M
├─ 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
├─ 1-检测任务中阶段的意义.mp4 - 15.1M
├─ 5-map指标计算.mp4 - 19.6M
├─ 4-评估所需参数计算.mp4 - 26.2M
└─ 3-IOU指标计算.mp4 - 11.7M
├─ 16-半监督物体检测 ->
└─ 1-半监督物体检测.mp4 - 824.8M
├─ 3-YOLO-V1整体思想与网络架构 ->
├─ 1-YOLO算法整体思路解读.mp4 - 14.7M
├─ 5-置信度误差与优缺点分析.mp4 - 26.9M
├─ 3-整体网络架构解读.mp4 - 30.7M
├─ 4-位置损失计算.mp4 - 19M
└─ 2-检测算法要得到的结果.mp4 - 13.6M
├─ 9-V5版本项目配置 ->
├─ 1-整体项目概述.mp4 - 35.8M
├─ 2-训练自己的数据集方法.mp4 - 41.3M
├─ 4-测试DEMO演示.mp4 - 50.5M
└─ 3-训练数据参数配置.mp4 - 51.5M
├─ 17-EfficientNet网络 ->
└─ 1-EfficientNet网络模型.mp4 - 538.5M
├─ 1-物体检测评估指标 ->
└─ 1-物体检测评估指标.mp4 - 84.1M
├─ 18-EfficientDet检测算法 ->
└─ 1-EfficientDet检测算法.mp4 - 448M
├─ 15-DeformableDetr算法解读 ->
└─ 1-DeformableDetr算法解读.mp4 - 1.5G
├─ 8-YOLO-V4版本算法解读 ->
├─ 2-V4版本贡献解读.mp4 - 10.1M
├─ 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
├─ 3-数据增强策略分析.mp4 - 24.7M
├─ 1-V4版本整体概述.mp4 - 15.1M
├─ 7-NMS细节改进.mp4 - 16.7M
├─ 6-CIOU损失函数定义.mp4 - 10.8M
├─ 9-SAM注意力机制模块.mp4 - 22.5M
├─ 4-DropBlock与标签平滑方法.mp4 - 19.4M
└─ 10-PAN模块解读.mp4 - 20.6M
├─ 11-YOLO系列（V7）算法解读 ->
└─ 1-YOLO系列（V7）算法解读.mp4 - 650.6M
├─ 7-基于YOLO-V3训练自己的数据集与任务（建议直接跑V5版本） ->
├─ 3-完成标签制作.mp4 - 31.7M
├─ 6-完成输入数据准备工作.mp4 - 40.1M
├─ 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
├─ 4-生成模型所需配置文件.mp4 - 36.7M
├─ 2-数据信息标注.mp4 - 32.1M
├─ 1-Labelme工具安装.mp4 - 14.3M
└─ 7-训练代码与参数配置更改.mp4 - 44.3M
├─ 6-项目实战-基于V3版本进行源码解读（建议直接跑V5版本） ->
├─ 10-网格偏移计算.mp4 - 33.9M
├─ 2-训练参数设置.mp4 - 23.9M
├─ 8-YOLO层定义解析.mp4 - 61.1M
├─ 16-预测效果展示.mp4 - 34.5M
├─ 5-debug模式介绍.mp4 - 27.2M
├─ 13-坐标相对位置计算.mp4 - 32.8M
├─ 11-模型要计算的损失概述.mp4 - 23.1M
├─ 1-数据与环境配置.mp4 - 65.5M
├─ 9-预测结果计算.mp4 - 46M
├─ 6-基于配置文件构建网络模型.mp4 - 42M
├─ 15-模型训练与总结.mp4 - 72.9M
├─ 12-标签值格式修改.mp4 - 28.3M
├─ 14-完成所有损失函数所需计算指标.mp4 - 35.3M
├─ 4-标签文件读取与处理.mp4 - 27.5M
├─ 7-路由层与shortcut层的作用.mp4 - 33.7M
└─ 3-COCO图像数据读取与处理.mp4 - 42.5M
├─ 10-V5项目工程源码解读 ->
├─ 4-Mosaic数据增强方法.mp4 - 28.2M
├─ 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
├─ 1-数据源DEBUG流程解读.mp4 - 48.1M
├─ 12-BottleneckCSP层计算方法.mp4 - 33.8M
├─ 5-数据四合一方法与流程演示.mp4 - 41.7M
├─ 14-Head层流程解读.mp4 - 29.1M
├─ 6-getItem构建batch.mp4 - 33M
├─ 20-各种训练策略概述.mp4 - 38.4M
├─ 7-网络架构图可视化工具安装.mp4 - 34.3M
├─ 9-Focus模块流程分析.mp4 - 21.9M
├─ 17-超参数解读.mp4 - 34.9M
├─ 8-V5网络配置文件解读.mp4 - 35.7M
├─ 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
├─ 16-输出结果分析.mp4 - 41.7M
├─ 21-模型迭代过程.mp4 - 38.4M
├─ 18-命令行参数介绍.mp4 - 44.3M
└─ 13-SPP层计算细节分析.mp4 - 29.2M
└─ 4-YOLO-V2改进细节详解 ->
├─ 6-坐标映射与还原.mp4 - 10.1M
├─ 3-架构细节解读.mp4 - 18.9M
├─ 8-特征融合改进.mp4 - 19.2M
├─ 5-偏移量计算方法.mp4 - 27.5M
├─ 1-V2版本细节升级概述.mp4 - 13.4M
├─ 4-基于聚类来选择先验框尺寸.mp4 - 24.2M
├─ 2-网络结构特点.mp4 - 15.7M
└─ 7-感受野的作用.mp4 - 28.1M
├─ 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
├─ 2-卷积神经网络 ->
└─ 1-卷积神经网络.mp4 - 676.2M
├─ 3-Transformer ->
└─ 1-Transformer.mp4 - 557.2M
└─ 1-神经网络结构 ->
└─ 1-神经网络结构.mp4 - 604.6M
├─ 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 ->
├─ 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
├─ 6-特征图升维与降采样操作.mp4 - 26.9M
├─ 2-Resnet网络架构原理分析.mp4 - 24.8M
├─ 4-Resnet网络前向传播.mp4 - 35.8M
├─ 5-残差网络的shortcut操作.mp4 - 47.3M
└─ 3-dataloader加载数据集.mp4 - 64.8M
├─ 9-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
├─ 1-卷积神经网络原理与参数解读 ->
├─ 6-边缘填充方法.mp4 - 17.3M
├─ 9-整体网络架构.mp4 - 17M
├─ 12-感受野的作用.mp4 - 16.9M
├─ 8-池化层的作用.mp4 - 11.3M
├─ 11-残差网络Resnet.mp4 - 18M
├─ 2-卷积的作用.mp4 - 22.7M
├─ 1-卷积神经网络应用领域.mp4 - 21.2M
├─ 3-卷积特征值计算方法.mp4 - 21.2M
├─ 5-步长与卷积核大小对结果的影响.mp4 - 19.9M
├─ 4-得到特征图表示.mp4 - 18.2M
├─ 10-VGG网络架构.mp4 - 19.3M
└─ 7-特征图尺寸计算与参数共享.mp4 - 22M
├─ 3-PyTorch框架必备核心模块解读 ->
├─ 2-网络流程解读.mp4 - 37.5M
├─ 1-卷积网络参数定义.mp4 - 26.5M
├─ 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
├─ 11-优化器模块配置.mp4 - 24.6M
├─ 8-迁移学习的目标.mp4 - 11.7M
├─ 9-迁移学习策略.mp4 - 15.5M
├─ 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
├─ 15-额外补充-Resnet论文解读.mp4 - 118M
├─ 5-图像增强的作用.mp4 - 14.7M
├─ 3-Vision模块功能解读.mp4 - 23.5M
├─ 13-训练结果与模型保存.mp4 - 41.2M
├─ 6-数据预处理与数据增强模块.mp4 - 37.2M
├─ 7-Batch数据制作.mp4 - 43.7M
└─ 16-额外补充-Resnet网络架构解读.mp4 - 18.3M
├─ 2-PyTorch框架基本处理操作 ->
├─ 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
├─ 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
├─ 1-PyTorch实战课程简介.mp4 - 23M
├─ 5-自动求导机制.mp4 - 33.4M
├─ 8-补充：常见tensor格式.mp4 - 19.6M
├─ 6-线性回归DEMO-数据与参数配置.mp4 - 22.6M
└─ 2-PyTorch框架发展趋势简介.mp4 - 25.2M
├─ 15-基于知识图谱的医药问答系统实战 ->
├─ 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
├─ 6-创建关系边.mp4 - 39.4M
├─ 5-提取数据中的关键字段信息.mp4 - 61.3M
├─ 7-打造医疗知识图谱模型.mp4 - 59.1M
├─ 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
├─ 2-医疗数据介绍及其各字段含义.mp4 - 62.6M
└─ 1-项目概述与整体架构分析.mp4 - 37M
├─ 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
├─ 2-整体模型架构.mp4 - 15M
├─ 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
├─ 5-训练网络模型.mp4 - 40.4M
└─ 3-数据-标签-语料库处理.mp4 - 40M
├─ 7-unet医学细胞分割实战 ->
├─ 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
├─ 6-模型效果验证.mp4 - 47.3M
├─ 4-特征融合方法演示.mp4 - 30M
├─ 3-Debug模式演示网络计算流程.mp4 - 41.4M
└─ 1-医学细胞数据集介绍与参数配置.mp4 - 71.2M
├─ 16-词向量模型与RNN网络架构 ->
├─ 5-负采样方案.mp4 - 29.5M
├─ 2-模型整体框架.mp4 - 28.2M
├─ 1-词向量模型通俗解释.mp4 - 21.7M
├─ 4-CBOW与Skip-gram模型.mp4 - 23.8M
├─ 3-训练数据构建.mp4 - 15.9M
└─ 6-额外补充-RNN网络模型解读.mp4 - 23.8M
├─ 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
├─ 14-Neo4j数据库实战 ->
├─ 3-可视化例子演示.mp4 - 43.6M
├─ 1-Neo4j图数据库介绍.mp4 - 63.5M
├─ 4-创建与删除操作演示.mp4 - 25.3M
├─ 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
微信视频投屏：
1、在手机端微信中会拦截投屏功能，需要首先点击视频页面右上角“...”图标，选择“在浏览器中打开”，在列表中选取具备投屏功能的浏览器，推荐使用QQ浏览器
2、在新打开的浏览器视频页面里，点击播放按钮，可在视频框右上角看到一个“TV”投屏小图标，只要电视和手机在同一WiFi环境下，点击按钮即刻享受大屏观感！
本站资源声明：
1、如需免费下载云盘资源，请先点击页面右上角的“登录”按钮，注册并登录您的账号后即可查看到网盘资源下载地址；
2、本站所有资源信息均由网络爬虫自动抓取，以非人工方式自动筛选长效资源并更新发布，资源内容只作交流和学习使用，本站不储存、复制、传播任何文件，其资源的有效性和安全性需要您自行判断；
3、本站高度重视知识产权保护，如有侵犯您的合法权益或违法违规，请立即向网盘官方举报反馈，并提供相关有效书面证明与侵权页面链接联系我们处理；
4、作为非盈利性质网站，仅提供网络资源的免费搜索和检测服务，无需额外支付其他任何费用，学习和交流的同时请小心防范网络诈骗。