咕泡 -人工智能深度学习系统班（第十期）

星***

总计: 579 个文件夹, 2998 个文件

咕泡-人工智能深度学习系统班（第十期）
├──  9 期资料
│　 ├──  1.第1章 直播课
│　 │　 ├──  1-1 节开班典礼
│　 │　 │　 └──  人工智能详情页7.1.pdf
│　 │　 ├──  1-10 节直播9：自监督任务
│　 │　 │　 └──  BEiT v2.pdf
│　 │　 ├──  1-11 节直播10：知识蒸馏
│　 │　 │　 ├──  9-LDA与PCA算法.pdf
│　 │　 │　 └──  蒸馏.pdf
│　 │　 ├──  1-12 节直播11：分割Mask2former算法
│　 │　 │　 └──  mask2former.pdf
│　 │　 ├──  1-13 节直播12：多模态与交叉注意力应用
│　 │　 │　 └──  Loftr.pdf
│　 │　 ├──  1-14节 直播13：时间序列timesnet与地理分类任务
│　 │　 │　 ├──  2210.02186.pdf
│　 │　 │　 └──  Time-Series-Library-main.zip
│　 │　 ├──  1-2 神经网络
│　 │　 │　 └──  神经网络.pdf
│　 │　 ├──  1-3 节直播2：卷积神经网络
│　 │　 │　 └──  卷积神经网络.pdf
│　 │　 ├──  1-4 节直播3：Transformer架构解读
│　 │　 │　 └──  transformer.pdf
│　 │　 ├──  1-5 节直播4：视觉Transformer- VIT源码解读
│　 │　 │　 ├──  Transformer在视觉中的应用VIT算法.pdf
│　 │　 │　 └──  ViT.zip
│　 │　 ├──  1-6 节直播5：图神经网络
│　 │　 │　 ├──  Temporal Graph Neural Networks.pdf
│　 │　 │　 ├──  图卷积.pdf
│　 │　 │　 ├──  图注意力机制.pdf
│　 │　 │　 ├──  图神经网络.pdf
│　 │　 │　 └──  异构图.pdf
│　 │　 ├──  1-7 节直播6：Transformer Decoder在视觉任务的应用
│　 │　 │　 ├──  AlignPS.pdf
│　 │　 │　 ├──  DETR课件.pdf
│　 │　 │　 ├──  Informer.pdf
│　 │　 │　 └──  可变形DETR.pdf
│　 │　 ├──  1-8 节直播7：对比学习与多模态任务
│　 │　 │　 ├──  CLIP及其应用.pdf
│　 │　 │　 └──  对比学习.pdf
│　 │　 └──  1-9节 直播8：GPT与Hugging face
│　 │　　　 ├──  GPT系列.pdf
│　 │　　　 └──  大模型.pdf
│　 ├──  10.第一十章 2022论必备-Transformer实战系列
│　 │　 ├──  基础补充-Resnet模型及其应用实例
│　 │　 │　 └──  Resnet.pdf
│　 │　 ├──  第十二，十三章
│　 │　 │　 ├──  2104.00680.pdf
│　 │　 │　 ├──  LoFTR.zip
│　 │　 │　 └──  Loftr.pdf
│　 │　 ├──  谷歌开源项目BERT源码解读与应用实例
│　 │　 │　 └──  BERT开源项目及数据.zip
│　 │　 ├──  2104.00680.pdf
│　 │　 ├──  BEV.pdf
│　 │　 ├──  Informer.pdf
│　 │　 ├──  Informer.zip
│　 │　 ├──  LoFTR.zip
│　 │　 ├──  Loftr.pdf
│　 │　 ├──  Medical-Transformer.zip
│　 │　 ├──  Transformer在视觉中的应用VIT算法.pdf
│　 │　 ├──  ViT.zip
│　 │　 ├── baiduyunguangjia_cfg_A900527E-5BA6-4d22-8E96-E40D5C6EDF61.cfg
│　 │　 ├──  mask2former.pdf
│　 │　 ├──  maskformer.pdf
│　 │　 ├──  mmdetection-master.zip
│　 │　 ├──  transformer.pdf
│　 │　 ├──  可变形DETR.pdf
│　 │　 ├──  第七章：detr目标检测源码解读.zip
│　 │　 ├──  第五章：swintransformer源码解读.zip
│　 │　 ├──  第六章：基于Transformer的detr目标检测算法.pdf
│　 │　 └──  第四章：swintransformer算法原理解析.pdf
│　 ├──  11.第一十一章 图神经络实战
│　 │　 ├──  3-图模型必备神器PyTorch Geometric安装与使用
│　 │　 │　 └──  工具包使用.zip
│　 │　 ├──  4-使用PyTorch Geometric构建自己的图数据集
│　 │　 │　 └──  创建自己的数据集.zip
│　 │　 ├──  5-图注意力机制与序列图模型
│　 │　 │　 ├──  Temporal Graph Neural Networks.pdf
│　 │　 │　 ├──  图注意力机制.pdf
│　 │　 │　 └──  时间序列CN.zip
│　 │　 ├──  6-图相似度论文解读
│　 │　 │　 └──  1808.05689.pdf
│　 │　 ├──  7-图相似度计算实战
│　 │　 │　 └──  Extended-SimGNN.zip
│　 │　 ├──  8-基于图模型的轨迹估计
│　 │　 │　 ├──  数据集Demo.mp4
│　 │　 │　 └──  轨迹轨迹.pdf
│　 │　 ├──  9-图模型轨迹估计实战
│　 │　 │　 └──  Vector.zip
│　 │　 ├──  基于图模型的时间序列预测
│　 │　 │　 ├──  2110.05357.pdf
│　 │　 │　 ├──  Raindrop-main.rar
│　 │　 │　 └──  raindrop-AAAI22.pdf
│　 │　 ├──  异构图神经网络
│　 │　 │　 ├──  HeterogeneousGraph.zip
│　 │　 │　 ├──  异构图.pdf
│　 │　 │　 └──  异构图神经网络.pdf
│　 │　 ├──  第一章：图神经网络基础
│　 │　 │　 └──  图神经网络.pdf
│　 │　 └──  第二章：图卷积GCN模型
│　 │　　　 └──  图卷积.pdf
│　 ├──  12.第一十二章 3D点云实战
│　 │　 ├──  第1节：3D点云应用领域分析
│　 │　 │　 ├──  激光雷达.mp4
│　 │　 │　 └──  点云.pdf
│　 │　 ├──  第2节：3D点云PointNet算法
│　 │　 │　 ├──  CloudCompare.zip
│　 │　 │　 └──  PointNet++.pdf
│　 │　 ├──  第3节：PointNet++算法解读
│　 │　 │　 └──  PointNet++.pdf
│　 │　 ├──  第4节：Pointnet++项目实战
│　 │　 │　 └──  Pointnet2.zip
│　 │　 ├──  第5节：点云补全PF-Net论文解读
│　 │　 │　 ├──  2003.00410.pdf
│　 │　 │　 └──  点云补全.pdf
│　 │　 ├──  第6节：点云补全实战解读
│　 │　 │　 └──  PF-Net-Point-Fractal-Network.zip
│　 │　 ├──  第7节：点云配准及其案例实战
│　 │　 │　 ├──  2003.13479.pdf
│　 │　 │　 ├──  RPMNet.zip
│　 │　 │　 └──  点云匹配.pdf
│　 │　 └──  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
│　 ├──  13.第一十二章 向深度学习的驾驶实战
│　 │　 ├──  1.深度估计算法解读
│　 │　 │　 ├──  Monocular_Depth_Estimation_Using_Laplacian_Pyramid-Based_Depth_Residuals.pdf
│　 │　 │　 └──  深度估计.pdf
│　 │　 ├──  10-NeuralRecon项目源码解读
│　 │　 │　 └──  NeuralRecon
│　 │　 │　　　 ├──  all_tsdf_9.zip
│　 │　 │　　　 ├──  data.py
│　 │　 │　　　 └──  train_demo.zip
│　 │　 ├──  11-TSDF算法与应用
│　 │　 │　 └──  TSDF.pdf
│　 │　 ├──  12-TSDF实战案例
│　 │　 │　 └──  TSDF实例
│　 │　 │　　　 └──  tsdf-fusion-python-master.zip
│　 │　 ├──  13-轨迹估计算法与论文解读
│　 │　 │　 └──  无人驾驶.pdf
│　 │　 ├──  14-轨迹估计预测实战
│　 │　 │　 └──  Vector.zip
│　 │　 ├──  15-特斯拉无人驾驶解读
│　 │　 │　 └──  Tesla无人驾驶.pdf
│　 │　 ├──  2.深度估计项目实战
│　 │　 │　 └──  LapDepth.zip
│　 │　 ├──  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
│　 │　 ├──  4-基于深度学习的车道线检测项目实战
│　 │　 │　 └──  Lane-Detection.zip
│　 │　 ├──  5-商汤LoFTR算法解读
│　 │　 │　 ├──  2104.00680.pdf
│　 │　 │　 └──  Loftr.pdf
│　 │　 ├──  6-局部特征关键点匹配实战
│　 │　 │　 └──  LoFTR.zip
│　 │　 ├──  7-三维重建应用与坐标系基础
│　 │　 │　 └──  三维重建.pdf
│　 │　 ├──  8-NeuralRecon算法解读
│　 │　 │　 ├──  NeuralRecon.pdf
│　 │　 │　 └──  三维重建.pdf
│　 │　 └──  9-NeuralRecon项目环境配置
│　 │　　　 └──  参考其GITHUB即可
│　 ├──  14.第一十三章 对比学习与多模态任务实战
│　 │　 ├──  ANINET源码解读
│　 │　 │　 └──  mmocr-main.zip
│　 │　 ├──  CLIP系列
│　 │　 │　 ├──  CLIP.zip
│　 │　 │　 └──  CLIP及其应用.pdf
│　 │　 ├──  多模态3D目标检测算法源码解读
│　 │　 │　 └──  mmdetection3d-1.0.0rc0.zip
│　 │　 ├──  多模态文字识别
│　 │　 │　 ├──  ABINET.pdf
│　 │　 │　 └──  DBNET.pdf
│　 │　 └──  对比学习算法与实例
│　 │　　　 ├──  trainCLIP.py
│　 │　　　 └──  对比学习.pdf
│　 ├──  15.第一十五章 缺陷检测实战
│　 │　 ├──  PyTorch基础
│　 │　 │　 ├──  1-PyTorch框架基本处理操作.zip
│　 │　 │　 ├──  2-神经网络实战分类与回归任务.zip
│　 │　 │　 └──  3-图像识别核心模块实战解读.zip
│　 │　 ├──  Resnet分类实战
│　 │　 │　 └──  Resnet.pdf
│　 │　 ├──  第1-4章：YOLOV5缺陷检测
│　 │　 │　 ├──  Defective_Insulators.zip
│　 │　 │　 ├──  NEU-DET.zip
│　 │　 │　 ├──  YOLO5.zip
│　 │　 │　 └──  YOLO新版.pdf
│　 │　 ├──  第11-12章：deeplab
│　 │　 │　 ├──  DeepLab.pdf
│　 │　 │　 └──  DeepLabV3Plus.zip
│　 │　 ├──  第6-8章：Opencv各函数使用实例
│　 │　 │　 ├──  第一部分notebook课件.zip
│　 │　 │　 └──  第二部分notebook课件.zip
│　 │　 ├──  DeepLab铁质材料缺陷检测与开源项目应用流程.zip
│　 │　 ├──  第10章：基于视频流水线的Opnecv缺陷检测项目.zip
│　 │　 ├──  第5章：Semi-supervised布料缺陷检测实战.zip
│　 │　 └──  第9章：基于Opencv缺陷检测项目实战.zip
│　 ├──  16.第一十六章 重识别实战
│　 │　 ├──  第1节：行人重识别原理及其应用
│　 │　 │　 └──  行人重识别.pdf
│　 │　 ├──  第2节：基于注意力机制的ReId模型论文解读
│　 │　 │　 └──  Relation-Aware Global Attention.pdf
│　 │　 ├──  第3节：基于Attention的行人重识别项目实战
│　 │　 │　 └──  Relation-Aware-Global-Attention-Networks.zip
│　 │　 ├──  第4节：经典会议算法精讲（特征融合）
│　 │　 │　 └──  Relation Network for Person Re-identification.pdf
│　 │　 ├──  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
│　 │　 ├──  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
│　 │　 └──  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
│　 ├──  17.第一十七章 对抗成络实战
│　 │　 ├──  第4节：stargan论文架构解析
│　 │　 │　 ├──  1912.01865.pdf
│　 │　 │　 └──  stargan.pdf
│　 │　 ├──  第6节：基于starganvc2的变声器论文原理解读
│　 │　 │　 ├──  1907.12279.pdf
│　 │　 │　 └──  stargan-vc2.pdf
│　 │　 ├──  第8节：图像超分辨率重构实战
│　 │　 │　 ├──  srdata.zip
│　 │　 │　 └──  srgan超分辨率重构.zip
│　 │　 ├──  第9节：基于GAN的图像补全实战
│　 │　 │　 ├──  glcic图像补全.zip
│　 │　 │　 └──  图像补全人脸数据.zip
│　 │　 ├──  cyclegan.pdf
│　 │　 ├──  static.zip
│　 │　 ├──  第2节：对抗生成网络架构原理与实战解析.zip
│　 │　 ├──  第3节：基于CycleGan开源项目实战图像合成.zip
│　 │　 ├──  第5节：stargan项目实战及其源码解读.zip
│　 │　 └──  第7节：starganvc2变声器项目实战及其源码解读.zip
│　 ├──  18.第十八章 强化学习与AI黑科技实例
│　 │　 ├──  AI黑科技实例
│　 │　 │　 ├──  1 节GPT系列生成模型
│　 │　 │　 │　 ├──  GPT.zip
│　 │　 │　 │　 └──  GPT系列.pdf
│　 │　 │　 ├──  2 节GPT建模与预测流程
│　 │　 │　 │　 └──  ChinesePretrainedModels.zip
│　 │　 │　 ├──  3 节CLIP系列
│　 │　 │　 │　 ├──  CLIP.zip
│　 │　 │　 │　 └──  CLIP及其应用.pdf
│　 │　 │　 ├──  4 节Diffusion模型解读
│　 │　 │　 │　 └── annotated_diffusion.ipynb
│　 │　 │　 ├──  5 节Dalle2及其源码解读
│　 │　 │　 │　 ├──  DALLE2-pytorch-main.zip
│　 │　 │　 │　 └──  dalle2.pdf
│　 │　 │　 └──  6 节ChatGPT
│　 │　 │　　　 └──  GPT系列.pdf
│　 │　 ├──  第1节：强化学习简介及其应用.pdf
│　 │　 ├──  第2节：PPO算法与公式推导.pdf
│　 │　 ├──  第3节：策略梯度实战-月球登陆器训练实例.zip
│　 │　 ├──  第4节：DQN算法.pdf
│　 │　 ├──  第5节：DQN算法实例演示.zip
│　 │　 ├──  第7节：Actor-Critic算法分析(A3C).pdf
│　 │　 └──  第8节：A3C算法玩转超级马里奥.zip
│　 ├──  19.第一十九章 面向医学领域的深度学习实战
│　 │　 ├──  1-神经网络算法PPT
│　 │　 │　 └──  深度学习.pdf
│　 │　 ├──  10-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
│　 │　 ├──  11-YOLO系列物体检测算法原理解读
│　 │　 │　 ├──  YOLO.pdf
│　 │　 │　 └──  YOLOv4.pdf
│　 │　 ├──  12-基于YOLO5细胞检测实战
│　 │　 │　 └──  基于YOLO5细胞检测实战.zip
│　 │　 ├──  13-知识图谱原理解读
│　 │　 │　 └──  知识图谱.pdf
│　 │　 ├──  14-Neo4j数据库实战
│　 │　 │　 └──  NEO4J.pdf
│　 │　 ├──  15-基于知识图谱的医药问答系统实战
│　 │　 │　 └──  配置与安装.pdf
│　 │　 ├──  17-医学糖尿病数据命名实体识别
│　 │　 │　 ├──  eclipse-命名实体识别.zip
│　 │　 │　 └──  notebook-瑞金.zip
│　 │　 ├──  4-基于Resnet的医学数据集分类实战
│　 │　 │　 └──  Resnet.pdf
│　 │　 ├──  5-图像分割及其损失函数概述
│　 │　 │　 └──  深度学习分割任务.pdf
│　 │　 ├──  6-Unet系列算法讲解
│　 │　 │　 └──  深度学习分割任务.pdf
│　 │　 ├──  7-unet医学细胞分割实战
│　 │　 │　 ├──  新建文件夹
│　 │　 │　 └──  unet++.zip
│　 │　 ├──  8-deeplab系列算法
│　 │　 │　 └──  DeepLab.pdf
│　 │　 ├──  9-基于deeplabV3+版本进行VOC分割实战
│　 │　 │　 └──  DeepLabV3Plus.zip
│　 │　 ├──  16-词向量模型与RNN网络架构.zip
│　 │　 ├──  2-PyTorch框架基本处理操作.zip
│　 │　 └──  3-PyTorch框架必备核心模块解读.zip
│　 ├──  2.第二章 深度学习必备核心算法
│　 │　 ├──  Transformer在视觉中的应用VIT算法.pdf
│　 │　 ├──  ViT.zip
│　 │　 ├──  transformer.pdf
│　 │　 ├──  卷积神经网络.pdf
│　 │　 └──  神经网络.pdf
│　 ├──  20.第二十章 CV与NLP经典大模型解读
│　 │　 ├──  第七章：视觉大模型SAM
│　 │　 │　 └──  SAM.pdf
│　 │　 ├──  第三章：ChatGpt
│　 │　 │　 └──  GPT系列.pdf
│　 │　 ├──  第九章：扩散模型
│　 │　 │　 └── annotated_diffusion.ipynb
│　 │　 ├──  第五章：LLM下游任务
│　 │　 │　 └──  Huatuo-Llama-Med-Chinese-main.zip
│　 │　 ├──  第八章：视觉QA
│　 │　 │　 └──  From Images to Textual Prompts.pdf
│　 │　 ├──  第六章：langchain
│　 │　 │　 └──  langchain-tutorials-main.zip
│　 │　 ├──  第十一章：dalle2源码解读
│　 │　 │　 └──  DALLE2-pytorch-main.zip
│　 │　 ├──  第十七章：BEVFORMER源码
│　 │　 │　 └──  bevformer.zip
│　 │　 ├──  第十三章：BEIT
│　 │　 │　 └──  beit.pdf
│　 │　 ├──  第十二章：自监督任务对比学习
│　 │　 │　 └──  对比学习.pdf
│　 │　 ├──  第十五章：BEITV2源码
│　 │　 │　 └──  mmselfsup-1.x.zip
│　 │　 ├──  第十六章：BEV感知
│　 │　 │　 └──  BEV.pdf
│　 │　 ├──  第十四章：BEITV2
│　 │　 │　 └──  BEiT v2.pdf
│　 │　 ├──  第十章：dalle2论文解读
│　 │　 │　 └──  dalle2.pdf
│　 │　 ├──  第四章：LLM与LORA
│　 │　 │　 └──  大模型.pdf
│　 │　 ├──  第一章：GPT系列.pdf
│　 │　 ├──  第二章：ChinesePretrainedModels.zip
│　 │　 └──  课程介绍.pdf
│　 ├──  21-深度学习模型部署与剪枝优化实战
│　 │　 ├──  1-AIoT人工智能物联网之认识 jetson nano
│　 │　 │　 ├──  1- jetson nano 硬件介绍.mp4
│　 │　 │　 ├──  2-jetson nano 刷机.mp4
│　 │　 │　 ├──  3- jetson nano 系统安装过程.mp4
│　 │　 │　 ├──  4-感受nano的GPU算力.mp4
│　 │　 │　 └──  5-安装使用摄像头csi usb.mp4
│　 │　 ├──  10-模型剪枝-Network Slimming算法分析
│　 │　 │　 ├──  1-论文算法核心框架概述.mp4
│　 │　 │　 ├──  2-BatchNorm要解决的问题.mp4
│　 │　 │　 ├──  3-BN的本质作用.mp4
│　 │　 │　 ├──  4-额外的训练参数解读.mp4
│　 │　 │　 └──  5-稀疏化原理与效果.mp4
│　 │　 ├──  11-模型剪枝-Network Slimming实战解读
│　 │　 │　 ├──  1-整体案例流程解读.mp4
│　 │　 │　 ├──  2-加入L1正则化来进行更新.mp4
│　 │　 │　 ├──  3-剪枝模块介绍.mp4
│　 │　 │　 ├──  4-筛选需要的特征图.mp4
│　 │　 │　 ├──  5-剪枝后模型参数赋值.mp4
│　 │　 │　 └──  6-微调完成剪枝模型.mp4
│　 │　 ├──  12-Mobilenet三代网络模型架构
│　 │　 │　 ├──  1-模型剪枝分析.mp4
│　 │　 │　 ├──  10-V2整体架构与效果分析.mp4
│　 │　 │　 ├──  11-V3版本网络架构分析.mp4
│　 │　 │　 ├──  12-SE模块作用与效果解读.mp4
│　 │　 │　 ├──  13-代码实现mobilenetV3网络架构.mp4
│　 │　 │　 ├──  2-常见剪枝方法介绍.mp4
│　 │　 │　 ├──  3-mobilenet简介.mp4
│　 │　 │　 ├──  4-经典卷积计算量与参数量分析.mp4
│　 │　 │　 ├──  5-深度可分离卷积的作用与效果.mp4
│　 │　 │　 ├──  6-参数与计算量的比较.mp4
│　 │　 │　 ├──  7-V1版本效果分析.mp4
│　 │　 │　 ├──  8-V2版本改进以及Relu激活函数的问题.mp4
│　 │　 │　 └──  9-倒残差结构的作用.mp4
│　 │　 ├──  2-AIoT人工智能物联网之AI 实战
│　 │　 │　 ├──  1- jetson-inference 入门.mp4
│　 │　 │　 ├──  2-docker 的安装使用.mp4
│　 │　 │　 ├──  3-docker中运行分类模型.mp4
│　 │　 │　 ├──  4-训练自己的目标检测模型准备.mp4
│　 │　 │　 ├──  5- 训练出自己目标识别模型a.mp4
│　 │　 │　 ├──  6-训练出自己目标识别模型b.mp4
│　 │　 │　 └──  7-转换出onnx模型，并使用.mp4
│　 │　 ├──  3-AIoT人工智能物联网之NVIDIA TAO 实用级的训练神器
│　 │　 │　 ├──  1-NVIDIA TAO介绍和安装.mp4
│　 │　 │　 ├──  2-NVIDIA TAO数据准备和环境设置.mp4
│　 │　 │　 ├──  3-NVIDIA TAO数据转换.mp4
│　 │　 │　 ├──  4-NVIDIA TAO预训练模型和训练a.mp4
│　 │　 │　 ├──  5-NVIDIA TAO预训练模型和训练b.mp4
│　 │　 │　 ├──  6-NVIDIA TAO预训练模型和训练c..mp4
│　 │　 │　 └──  7-TAO 剪枝在训练推理验证.mp4
│　 │　 ├──  4- AIoT人工智能物联网之deepstream
│　 │　 │　 ├──  1-deepstream 介绍安装.mp4
│　 │　 │　 ├──  2-deepstream HelloWorld.mp4
│　 │　 │　 ├──  3-GStreamer RTP和RTSP1.mp4
│　 │　 │　 ├──  4-GStreamer RTP和RTSP2.mp4
│　 │　 │　 ├──  5-python实现RTP和RTSP.mp4
│　 │　 │　 ├──  6-deepstream推理.mp4
│　 │　 │　 └──  7-deepstream集成yolov4.mp4
│　 │　 ├──  6-pyTorch框架部署实践
│　 │　 │　 ├──  1-所需基本环境配置.mp4
│　 │　 │　 ├──  2-模型加载与数据预处理.mp4
│　 │　 │　 ├──  3-接收与预测模块实现.mp4
│　 │　 │　 ├──  4-效果实例演示.mp4
│　 │　 │　 └──  5-课程简介.mp4
│　 │　 ├──  7-YOLO-V3物体检测部署实例
│　 │　 │　 ├──  1-项目所需配置文件介绍.mp4
│　 │　 │　 ├──  2-加载参数与模型权重.mp4
│　 │　 │　 ├──  3-数据预处理.mp4
│　 │　 │　 └──  4-返回线性预测结果.mp4
│　 │　 ├──  8-docker实例演示
│　 │　 │　 ├──  1-docker简介.mp4
│　 │　 │　 ├──  2-docker安装与配置.mp4
│　 │　 │　 ├──  3-阿里云镜像配置.mp4
│　 │　 │　 ├──  4-基于docker配置pytorch环境.mp4
│　 │　 │　 ├──  5-安装演示环境所需依赖.mp4
│　 │　 │　 ├──  6-复制所需配置到容器中.mp4
│　 │　 │　 └──  7-上传与下载配置好的项目.mp4
│　 │　 ├──  9-tensorflow-serving实战
│　 │　 │　 ├──  1-tf-serving项目获取与配置.mp4
│　 │　 │　 ├──  2-加载并启动模型服务.mp4
│　 │　 │　 ├──  3-测试模型部署效果.mp4
│　 │　 │　 ├──  4-fashion数据集获取.mp4
│　 │　 │　 └──  5-加载fashion模型启动服务.mp4
│　 │　 ├──  咨询VX ETH22009.txt
│　 │　 └──  课程详细目录.txt
│　 ├──  22-自然语言处理经典案例实战
│　 │　 ├──  1-NLP常用工具包实战
│　 │　 │　 ├──  1-Python字符串处理.mp4
│　 │　 │　 ├──  10-名字实体匹配.mp4
│　 │　 │　 ├──  11-恐怖袭击分析.mp4
│　 │　 │　 ├──  12-统计分析结果.mp4
│　 │　 │　 ├──  13-结巴分词器.mp4
│　 │　 │　 ├──  14-词云展示.mp4
│　 │　 │　 ├──  2-正则表达式基本语法.mp4
│　 │　 │　 ├──  3-正则常用符号.mp4
│　 │　 │　 ├──  4-常用函数介绍.mp4
│　 │　 │　 ├──  5-NLTK工具包简介.mp4
│　 │　 │　 ├──  6-停用词过滤.mp4
│　 │　 │　 ├──  7-词性标注.mp4
│　 │　 │　 ├──  8-数据清洗实例.mp4
│　 │　 │　 └──  9-Spacy工具包.mp4
│　 │　 ├──  10-NLP-文本特征方法对比
│　 │　 │　 ├──  1-任务概述.mp4
│　 │　 │　 ├──  2-词袋模型.mp4
│　 │　 │　 ├──  3-词袋模型分析.mp4
│　 │　 │　 ├──  4-TFIDF模型.mp4
│　 │　 │　 ├──  5-word2vec词向量模型.mp4
│　 │　 │　 └──  6-深度学习模型.mp4
│　 │　 ├──  11-NLP-相似度模型
│　 │　 │　 ├──  1-任务概述.mp4
│　 │　 │　 ├──  2-数据展示.mp4
│　 │　 │　 ├──  3-正负样本制作.mp4
│　 │　 │　 ├──  4-数据预处理.mp4
│　 │　 │　 ├──  5-网络模型定义.mp4
│　 │　 │　 ├──  6-基于字符的训练.mp4
│　 │　 │　 └──  7-基于句子的相似度训练.mp4
│　 │　 ├──  12-LSTM情感分析
│　 │　 │　 ├──  1-RNN网络架构.mp4
│　 │　 │　 ├──  2-LSTM网络架构.mp4
│　 │　 │　 ├──  3-案例：使用LSTM进行情感分类.mp4
│　 │　 │　 ├──  4-情感数据集处理.mp4
│　 │　 │　 └──  5-基于word2vec的LSTM模型.mp4
│　 │　 ├──  13-机器人写唐诗
│　 │　 │　 ├──  1-任务概述与环境配置.mp4
│　 │　 │　 ├──  2-参数配置.mp4
│　 │　 │　 ├──  3-数据预处理模块.mp4
│　 │　 │　 ├──  4-batch数据制作.mp4
│　 │　 │　 ├──  5-RNN模型定义.mp4
│　 │　 │　 ├──  6-完成训练模块.mp4
│　 │　 │　 ├──  7-训练唐诗生成模型.mp4
│　 │　 │　 └──  8-测试唐诗生成效果.mp4
│　 │　 ├──  14-对话机器人
│　 │　 │　 ├──  1-效果演示.mp4
│　 │　 │　 ├──  2-参数配置与数据加载.mp4
│　 │　 │　 ├──  3-数据处理.mp4
│　 │　 │　 ├──  4-词向量与投影.mp4
│　 │　 │　 ├──  5-seq网络.mp4
│　 │　 │　 └──  6-网络训练.mp4
│　 │　 ├──  2-商品信息可视化与文本分析
│　 │　 │　 ├──  1-在线商城商品数据信息概述.mp4
│　 │　 │　 ├──  2-商品类别划分方式.mp4
│　 │　 │　 ├──  3-商品类别可视化展示.mp4
│　 │　 │　 ├──  4-商品描述长度对价格的影响分析.mp4
│　 │　 │　 ├──  5-关键词的词云可视化展示.mp4
│　 │　 │　 ├──  6-基于tf-idf提取关键词信息.mp4
│　 │　 │　 ├──  7-通过降维进行可视化展示.mp4
│　 │　 │　 └──  8-聚类分析与主题模型展示.mp4
│　 │　 ├──  3-贝叶斯算法
│　 │　 │　 ├──  1-贝叶斯算法概述.mp4
│　 │　 │　 ├──  2-贝叶斯推导实例.mp4
│　 │　 │　 ├──  3-贝叶斯拼写纠错实例.mp4
│　 │　 │　 ├──  4-垃圾邮件过滤实例.mp4
│　 │　 │　 └──  5-贝叶斯实现拼写检查器.mp4
│　 │　 ├──  4-新闻分类任务实战
│　 │　 │　 ├──  1-文本分析与关键词提取.mp4
│　 │　 │　 ├──  2-相似度计算.mp4
│　 │　 │　 ├──  3-新闻数据与任务简介.mp4
│　 │　 │　 ├──  4-TF-IDF关键词提取.mp4
│　 │　 │　 ├──  5-LDA建模.mp4
│　 │　 │　 └──  6-基于贝叶斯算法进行新闻分类.mp4
│　 │　 ├──  5-HMM隐马尔科夫模型
│　 │　 │　 ├──  1-马尔科夫模型.mp4
│　 │　 │　 ├──  10-维特比算法.mp4
│　 │　 │　 ├──  2-隐马尔科夫模型基本出发点.mp4
│　 │　 │　 ├──  3-组成与要解决的问题.mp4
│　 │　 │　 ├──  4-暴力求解方法.mp4
│　 │　 │　 ├──  5-复杂度计算.mp4
│　 │　 │　 ├──  6-前向算法.mp4
│　 │　 │　 ├──  7-前向算法求解实例.mp4
│　 │　 │　 ├──  8-Baum-Welch算法.mp4
│　 │　 │　 └──  9-参数求解.mp4
│　 │　 ├──  6-HMM工具包实战
│　 │　 │　 ├──  1-hmmlearn工具包.mp4
│　 │　 │　 ├──  2-工具包使用方法.mp4
│　 │　 │　 ├──  3-中文分词任务.mp4
│　 │　 │　 └──  4-实现中文分词.mp4
│　 │　 ├──  7-语言模型
│　 │　 │　 ├──  1-开篇.mp4
│　 │　 │　 ├──  10-负采样模型.mp4
│　 │　 │　 ├──  2-语言模型.mp4
│　 │　 │　 ├──  3-N-gram模型.mp4
│　 │　 │　 ├──  4-词向量.mp4
│　 │　 │　 ├──  5-神经网络模型.mp4
│　 │　 │　 ├──  6-Hierarchical Softmax.mp4
│　 │　 │　 ├──  7-CBOW模型实例.mp4
│　 │　 │　 ├──  8-CBOW求解目标.mp4
│　 │　 │　 └──  9-锑度上升求解.mp4
│　 │　 ├──  8-使用Gemsim构建词向量
│　 │　 │　 ├──  1-使用Gensim库构造词向量.mp4
│　 │　 │　 ├──  2-维基百科中文数据处理.mp4
│　 │　 │　 ├──  3-Gensim构造word2vec模型.mp4
│　 │　 │　 └──  4-测试模型相似度结果.mp4
│　 │　 ├──  9-基于word2vec的分类任务
│　 │　 │　 ├──  1-影评情感分类.mp4
│　 │　 │　 ├──  2-基于词袋模型训练分类器.mp4
│　 │　 │　 ├──  3-准备word2vec输入数据.mp4
│　 │　 │　 └──  4-使用gensim构建word2vec词向量（新）.mp4
│　 │　 ├──  咨询VX ETH22009.txt
│　 │　 └──  课程详细目录.txt
│　 ├──  23-自然语言处理必备神器Huggingface系列实战
│　 │　 ├──  1-Huggingface与NLP介绍解读
│　 │　 │　 └──  1-Huggingface与NLP介绍解读.mp4
│　 │　 ├──  10-图谱知识抽取实战
│　 │　 │　 ├──  1-应用场景概述分析.mp4
│　 │　 │　 ├──  2-数据标注格式样例分析.mp4
│　 │　 │　 ├──  3-数据处理与读取模块.mp4
│　 │　 │　 ├──  4-实体抽取模块分析.mp4
│　 │　 │　 ├──  5-标签与数据结构定义方法.mp4
│　 │　 │　 ├──  6-模型构建与计算流程.mp4
│　 │　 │　 ├──  7-网络模型前向计算方法.mp4
│　 │　 │　 └──  8-关系抽取模型训练.mp4
│　 │　 ├──  11-补充Huggingface数据集制作方法实例
│　 │　 │　 ├──  1-数据结构分析.mp4
│　 │　 │　 ├──  2-Huggingface中的预处理实例.mp4
│　 │　 │　 └──  3-数据处理基本流程.mp4
│　 │　 ├──  2-Transformer工具包基本操作实例解读
│　 │　 │　 ├──  1-工具包与任务整体介绍.mp4
│　 │　 │　 ├──  2-NLP任务常规流程分析.mp4
│　 │　 │　 ├──  3-文本切分方法实例解读.mp4
│　 │　 │　 ├──  4-AttentionMask配套使用方法.mp4
│　 │　 │　 ├──  5-数据集与模型.mp4
│　 │　 │　 ├──  6-数据Dataloader封装.mp4
│　 │　 │　 ├──  7-模型训练所需配置参数.mp4
│　 │　 │　 └──  8-模型训练DEMO.mp4
│　 │　 ├──  3-transformer原理解读
│　 │　 │　 └──  1-transformer原理解读.mp4
│　 │　 ├──  4-BERT系列算法解读
│　 │　 │　 ├──  1-BERT模型训练方法解读.mp4
│　 │　 │　 ├──  2-ALBERT基本定义.mp4
│　 │　 │　 ├──  3-ALBERT中的简化方法解读.mp4
│　 │　 │　 ├──  4-RoBerta模型训练方法解读.mp4
│　 │　 │　 └──  5-DistilBert模型解读.mp4
│　 │　 ├──  5-文本标注工具与NER实例
│　 │　 │　 ├──  1-文本标注工具Doccano配置方法.mp4
│　 │　 │　 ├──  2-命名实体识别任务标注方法实例.mp4
│　 │　 │　 ├──  3-标注导出与BIO处理.mp4
│　 │　 │　 ├──  4-标签处理并完成对齐操作.mp4
│　 │　 │　 ├──  5-预训练模型加载与参数配置.mp4
│　 │　 │　 └──  6-模型训练与输出结果预测.mp4
│　 │　 ├──  6-文本预训练模型构建实例
│　 │　 │　 ├──  1-预训练模型效果分析.mp4
│　 │　 │　 ├──  2-文本数据截断处理.mp4
│　 │　 │　 └──  3-预训练模型自定义训练.mp4
│　 │　 ├──  7-GPT系列算法
│　 │　 │　 ├──  1-GPT系列算法概述.mp4
│　 │　 │　 ├──  2-GPT三代版本分析.mp4
│　 │　 │　 ├──  3-GPT初代版本要解决的问题.mp4
│　 │　 │　 ├──  4-GPT第二代版本训练策略.mp4
│　 │　 │　 ├──  5-采样策略与多样性.mp4
│　 │　 │　 ├──  6-GPT3的提示与生成方法.mp4
│　 │　 │　 ├──  7-应用场景CODEX分析.mp4
│　 │　 │　 └──  8-DEMO应用演示.mp4
│　 │　 ├──  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
│　 │　 │　 ├──  2-数据样本生成方法.mp4
│　 │　 │　 ├──  3-训练所需参数解读.mp4
│　 │　 │　 ├──  4-模型训练过程.mp4
│　 │　 │　 └──  5-部署与网页预测展示.mp4
│　 │　 ├──  9-文本摘要建模
│　 │　 │　 ├──  1-中文商城评价数据处理方法.mp4
│　 │　 │　 ├──  2-模型训练与测试结果.mp4
│　 │　 │　 ├──  3-文本摘要数据标注方法.mp4
│　 │　 │　 └──  4-训练自己标注的数据并测试.mp4
│　 │　 ├──  咨询VX ETH22009.txt
│　 │　 └──  课程详细目录.txt
│　 ├──  24-时间序列预测
│　 │　 ├──  1-Informer原理解读
│　 │　 │　 ├──  1-时间序列预测要完成的任务.mp4
│　 │　 │　 ├──  2-常用模块分析.mp4
│　 │　 │　 ├──  3-论文要解决的问题分析.mp4
│　 │　 │　 ├──  4-Query采样方法解读.mp4
│　 │　 │　 ├──  5-probAttention计算流程.mp4
│　 │　 │　 ├──  6-编码器全部计算流程.mp4
│　 │　 │　 └──  7-解码器流程分析.mp4
│　 │　 ├──  2-Informer源码解读
│　 │　 │　 ├──  1-项目使用说明.mp4
│　 │　 │　 ├──  10-核心采样计算方法.mp4
│　 │　 │　 ├──  11-完成注意力机制计算模块.mp4
│　 │　 │　 ├──  12-平均向量的作用.mp4
│　 │　 │　 ├──  13-解码器预测输出.mp4
│　 │　 │　 ├──  2-数据集解读.mp4
│　 │　 │　 ├──  3-模型训练所需参数解读.mp4
│　 │　 │　 ├──  4-数据集构建与读取方式.mp4
│　 │　 │　 ├──  5-数据处理相关模块.mp4
│　 │　 │　 ├──  6-时间相关特征提取方法.mp4
│　 │　 │　 ├──  7-dataloader构建实例.mp4
│　 │　 │　 ├──  8-整体架构分析.mp4
│　 │　 │　 └──  9-编码器模块实现.mp4
│　 │　 ├──  3-Timesnet时序预测
│　 │　 │　 ├──  1-时序预测故事背景.mp4
│　 │　 │　 ├──  2-论文核心思想解读.mp4
│　 │　 │　 ├──  3-时序特征周期拆解.mp4
│　 │　 │　 ├──  4-计算公式流程拆解.mp4
│　 │　 │　 ├──  5-全部计算流程解读.mp4
│　 │　 │　 ├──  6-周期间特征分析.mp4
│　 │　 │　 ├──  7-源码流程解读.mp4
│　 │　 │　 └──  8-傅里叶变换流程.mp4
│　 │　 ├──  咨询VX ETH22009.txt
│　 │　 └──  课程详细目录.txt
│　 ├──  25-自然语言处理通用框架-BERT实战
│　 │　 ├──  1-自然语言处理通用框架BERT原理解读
│　 │　 │　 ├──  1-BERT课程简介.mp4
│　 │　 │　 ├──  10-BERT模型训练方法.mp4
│　 │　 │　 ├──  11-训练实例.mp4
│　 │　 │　 ├──  2-BERT任务目标概述.mp4
│　 │　 │　 ├──  3-传统解决方案遇到的问题.mp4
│　 │　 │　 ├──  4-注意力机制的作用.mp4
│　 │　 │　 ├──  5-self-attention计算方法.mp4
│　 │　 │　 ├──  6-特征分配与softmax机制.mp4
│　 │　 │　 ├──  7-Multi-head的作用.mp4
│　 │　 │　 ├──  8-位置编码与多层堆叠.mp4
│　 │　 │　 └──  9-transformer整体架构梳理.mp4
│　 │　 ├──  2-谷歌开源项目BERT源码解读与应用实例
│　 │　 │　 ├──  1-BERT开源项目简介.mp4
│　 │　 │　 ├──  10-构建QKV矩阵.mp4
│　 │　 │　 ├──  11-完成Transformer模块构建.mp4
│　 │　 │　 ├──  12-训练BERT模型.mp4
│　 │　 │　 ├──  2-项目参数配置.mp4
│　 │　 │　 ├──  3-数据读取模块.mp4
│　 │　 │　 ├──  4-数据预处理模块.mp4
│　 │　 │　 ├──  5-tfrecord数据源制作.mp4
│　 │　 │　 ├──  6-Embedding层的作用.mp4
│　 │　 │　 ├──  7-加入额外编码特征.mp4
│　 │　 │　 ├──  8-加入位置编码特征.mp4
│　 │　 │　 └──  9-mask机制的作用.mp4
│　 │　 ├──  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
│　 │　 │　 ├──  2-读取处理自己的数据集.mp4
│　 │　 │　 └──  3-训练BERT中文分类模型.mp4
│　 │　 ├──  4-项目实战-基于BERT的中文命名实体识别识别实战
│　 │　 │　 ├──  1-命名实体识别数据分析与任务目标.mp4
│　 │　 │　 ├──  2-NER标注数据处理与读取.mp4
│　 │　 │　 └──  3-构建BERT与CRF模型.mp4
│　 │　 ├──  5-必备基础知识点-woed2vec模型通俗解读
│　 │　 │　 ├──  1-词向量模型通俗解释.mp4
│　 │　 │　 ├──  2-模型整体框架.mp4
│　 │　 │　 ├──  3-训练数据构建.mp4
│　 │　 │　 ├──  4-CBOW与Skip-gram模型.mp4
│　 │　 │　 └──  5-负采样方案.mp4
│　 │　 ├──  6-必备基础-掌握Tensorflow如何实现word2vec模型
│　 │　 │　 ├──  1-数据与任务流程.mp4
│　 │　 │　 ├──  2-数据清洗.mp4
│　 │　 │　 ├──  3-batch数据制作.mp4
│　 │　 │　 ├──  4-网络训练.mp4
│　 │　 │　 └──  5-可视化展示.mp4
│　 │　 ├──  7-必备基础知识点-RNN网络架构与情感分析应用实例
│　 │　 │　 ├──  1-RNN网络模型解读.mp4
│　 │　 │　 ├──  2-NLP应用领域与任务简介.mp4
│　 │　 │　 ├──  3-项目流程解读.mp4
│　 │　 │　 ├──  4-加载词向量特征.mp4
│　 │　 │　 ├──  5-正负样本数据读取.mp4
│　 │　 │　 ├──  6-构建LSTM网络模型.mp4
│　 │　 │　 ├──  7-训练与测试效果.mp4
│　 │　 │　 └──  8-LSTM情感分析.mp4
│　 │　 ├──  8-医学糖尿病数据命名实体识别
│　 │　 │　 ├──  1-数据与任务介绍.mp4
│　 │　 │　 ├──  2-整体模型架构.mp4
│　 │　 │　 ├──  3-数据-标签-语料库处理.mp4
│　 │　 │　 ├──  4-训练网络模型.mp4
│　 │　 │　 ├──  5-医疗数据集（糖尿病）实体识别.mp4
│　 │　 │　 └──  6-输入样本填充补齐.mp4
│　 │　 ├──  咨询VX ETH22009.txt
│　 │　 └──  课程详细目录.txt
│　 ├──  26-知识图谱实战系列
│　 │　 ├──  1-知识图谱介绍及其应用领域分析
│　 │　 │　 ├──  1-知识图谱通俗解读.mp4
│　 │　 │　 ├──  2-知识图谱在搜索引擎中的应用.mp4
│　 │　 │　 ├──  3-知识图谱在医疗领域应用实例.mp4
│　 │　 │　 ├──  4-金融与推荐领域的应用.mp4
│　 │　 │　 └──  5-数据获取分析.mp4
│　 │　 ├──  2-知识图谱涉及技术点分析
│　 │　 │　 ├──  1-数据关系抽取分析.mp4
│　 │　 │　 ├──  2-常用NLP技术点分析.mp4
│　 │　 │　 ├──  3-graph-embedding的作用与效果.mp4
│　 │　 │　 ├──  4-金融领域图编码实例.mp4
│　 │　 │　 ├──  5-视觉领域图编码实例.mp4
│　 │　 │　 └──  6-图谱知识融合与总结分析.mp4
│　 │　 ├──  3-Neo4j数据库实战
│　 │　 │　 ├──  1-Neo4j图数据库介绍.mp4
│　 │　 │　 ├──  2-Neo4j数据库安装流程演示.mp4
│　 │　 │　 ├──  3-可视化例子演示.mp4
│　 │　 │　 ├──  4-创建与删除操作演示.mp4
│　 │　 │　 └──  5-数据库更改查询操作演示.mp4
│　 │　 ├──  4-使用python操作neo4j实例
│　 │　 │　 ├──  1-使用Py2neo建立连接.mp4
│　 │　 │　 ├──  2-提取所需的指标信息.mp4
│　 │　 │　 ├──  3-在图中创建实体.mp4
│　 │　 │　 └──  4-根据给定实体创建关系.mp4
│　 │　 ├──  5-基于知识图谱的医药问答系统实战
│　 │　 │　 ├──  1-项目概述与整体架构分析.mp4
│　 │　 │　 ├──  10-完成对话系统构建.mp4
│　 │　 │　 ├──  2-医疗数据介绍及其各字段含义.mp4
│　 │　 │　 ├──  3-任务流程概述.mp4
│　 │　 │　 ├──  4-环境配置与所需工具包安装.mp4
│　 │　 │　 ├──  5-提取数据中的关键字段信息.mp4
│　 │　 │　 ├──  6-创建关系边.mp4
│　 │　 │　 ├──  7-打造医疗知识图谱模型.mp4
│　 │　 │　 ├──  8-加载所有实体数据.mp4
│　 │　 │　 └──  9-实体关键词字典制作.mp4
│　 │　 ├──  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
│　 │　 │　 ├──  2-LTP工具包概述介绍.mp4
│　 │　 │　 ├──  3-pyltp安装与流程演示.mp4
│　 │　 │　 ├──  4-得到分词与词性标注结果.mp4
│　 │　 │　 ├──  5-依存句法概述.mp4
│　 │　 │　 ├──  6-句法分析结果整理.mp4
│　 │　 │　 ├──  7-语义角色构建与分析.mp4
│　 │　 │　 └──  8-设计规则完成关系抽取.mp4
│　 │　 ├──  7-金融平台风控模型实践
│　 │　 │　 ├──  1-竞赛任务目标.mp4
│　 │　 │　 ├──  2-图模型信息提取.mp4
│　 │　 │　 ├──  3-节点权重特征提取(PageRank).mp4
│　 │　 │　 ├──  4-deepwalk构建图顶点特征.mp4
│　 │　 │　 ├──  5-各项统计特征.mp4
│　 │　 │　 ├──  6-app安装特征.mp4
│　 │　 │　 └──  7-图中联系人特征.mp4
│　 │　 ├──  8-医学糖尿病数据命名实体识别
│　 │　 │　 ├──  1-数据与任务介绍.mp4
│　 │　 │　 ├──  2-整体模型架构.mp4
│　 │　 │　 ├──  3-数据-标签-语料库处理.mp4
│　 │　 │　 ├──  4-输入样本填充补齐.mp4
│　 │　 │　 ├──  5-训练网络模型.mp4
│　 │　 │　 └──  6-医疗数据集（糖尿病）实体识别.mp4
│　 │　 ├──  咨询VX ETH22009.txt
│　 │　 └──  课程详细目录.txt
│　 ├──  27-语音识别实战系列
│　 │　 ├──  1-seq2seq序列网络模型
│　 │　 │　 ├──  1-序列网络模型概述分析.mp4
│　 │　 │　 ├──  2-工作原理概述.mp4
│　 │　 │　 ├──  3-注意力机制的作用.mp4
│　 │　 │　 ├──  4-加入attention的序列模型整体架构.mp4
│　 │　 │　 ├──  5-TeacherForcing的作用与训练策略.mp4
│　 │　 │　 └──  6-额外补充-RNN网络模型解读.mp4
│　 │　 ├──  2-LAS模型语音识别实战
│　 │　 │　 ├──  1-数据源与环境配置.mp4
│　 │　 │　 ├──  2-语料表制作方法.mp4
│　 │　 │　 ├──  3-制作json标注数据.mp4
│　 │　 │　 ├──  4-声音数据处理模块解读.mp4
│　 │　 │　 ├──  5-Pack与Pad操作解析.mp4
│　 │　 │　 ├──  6-编码器模块整体流程.mp4
│　 │　 │　 ├──  7-加入注意力机制.mp4
│　 │　 │　 ├──  8-计算得到每个输出的attention得分.mp4
│　 │　 │　 └──  9-解码器与训练过程演示.mp4
│　 │　 ├──  3-starganvc2变声器论文原理解读
│　 │　 │　 ├──  1-论文整体思路与架构解读.mp4
│　 │　 │　 ├──  2-VCC2016输入数据.mp4
│　 │　 │　 ├──  3-语音特征提取.mp4
│　 │　 │　 ├──  4-生成器模型架构分析.mp4
│　 │　 │　 ├──  5-InstanceNorm的作用解读.mp4
│　 │　 │　 ├──  6-AdaIn的目的与效果.mp4
│　 │　 │　 └──  7-判别器模块分析.mp4
│　 │　 ├──  4-staeganvc2变声器源码实战
│　 │　 │　 ├──  1-数据与项目文件解读.mp4
│　 │　 │　 ├──  10-源码损失计算流程.mp4
│　 │　 │　 ├──  11-测试模块-生成转换语音.mp4
│　 │　 │　 ├──  2-环境配置与工具包安装.mp4
│　 │　 │　 ├──  3-数据预处理与声音特征提取.mp4
│　 │　 │　 ├──  4-生成器构造模块解读.mp4
│　 │　 │　 ├──  5-下采样与上采样操作.mp4
│　 │　 │　 ├──  6-starganvc2版本标签输入分析.mp4
│　 │　 │　 ├──  7-生成器前向传播维度变化.mp4
│　 │　 │　 ├──  8-判别器模块解读.mp4
│　 │　 │　 └──  9-论文损失函数.mp4
│　 │　 ├──  5-语音分离ConvTasnet模型
│　 │　 │　 ├──  1-语音分离任务分析.mp4
│　 │　 │　 ├──  2-经典语音分离模型概述.mp4
│　 │　 │　 ├──  3-DeepClustering论文解读.mp4
│　 │　 │　 ├──  4-TasNet编码器结构分析.mp4
│　 │　 │　 ├──  5-DW卷积的作用与效果.mp4
│　 │　 │　 └──  6-基于Mask得到分离结果.mp4
│　 │　 ├──  6-ConvTasnet语音分离实战
│　 │　 │　 ├──  1-数据准备与环境配置.mp4
│　 │　 │　 ├──  2-训练任务所需参数介绍.mp4
│　 │　 │　 ├──  3-DataLoader定义.mp4
│　 │　 │　 ├──  4-采样数据特征编码.mp4
│　 │　 │　 ├──  5-编码器特征提取.mp4
│　 │　 │　 ├──  6-构建更大的感受区域.mp4
│　 │　 │　 ├──  7-解码得到分离后的语音.mp4
│　 │　 │　 └──  8-测试模块所需参数.mp4
│　 │　 ├──  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
│　 │　 │　 ├──  10-得到加权的编码向量.mp4
│　 │　 │　 ├──  11-模型输出结果.mp4
│　 │　 │　 ├──  12-损失函数与预测.mp4
│　 │　 │　 ├──  2-所需数据集介绍.mp4
│　 │　 │　 ├──  3-路径配置与整体流程解读.mp4
│　 │　 │　 ├──  4-Dataloader构建数据与标签.mp4
│　 │　 │　 ├──  5-编码层要完成的任务.mp4
│　 │　 │　 ├──  6-得到编码特征向量.mp4
│　 │　 │　 ├──  7-解码器输入准备.mp4
│　 │　 │　 ├──  8-解码器流程梳理.mp4
│　 │　 │　 └──  9-注意力机制应用方法.mp4
│　 │　 ├──  咨询VX ETH22009.txt
│　 │　 └──  课程详细目录.txt
│　 ├──  28-推荐系统实战系列
│　 │　 ├──  1-推荐系统介绍及其应用
│　 │　 │　 ├──  1-1-推荐系统通俗解读.mp4
│　 │　 │　 ├──  2-2-推荐系统发展简介.mp4
│　 │　 │　 ├──  3-3-应用领域与多方位评估指标.mp4
│　 │　 │　 ├──  4-4-任务流程与挑战概述.mp4
│　 │　 │　 ├──  5-5-常用技术点分析.mp4
│　 │　 │　 └──  6-6-与深度学习的结合.mp4
│　 │　 ├──  10-基本统计分析的电影推荐
│　 │　 │　 ├──  1-1-电影数据与环境配置.mp4
│　 │　 │　 ├──  2-2-数据与关键词信息展示.mp4
│　 │　 │　 ├──  3-3-关键词云与直方图展示.mp4
│　 │　 │　 ├──  4-4-特征可视化.mp4
│　 │　 │　 ├──  5-5-数据清洗概述.mp4
│　 │　 │　 ├──  6-6-缺失值填充方法.mp4
│　 │　 │　 ├──  7-7-推荐引擎构造.mp4
│　 │　 │　 ├──  8-8-数据特征构造.mp4
│　 │　 │　 └──  9-9-得出推荐结果.mp4
│　 │　 ├──  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
│　 │　 │　 ├──  2-2-文本词频统计.mp4
│　 │　 │　 ├──  3-3-ngram结果可视化展示.mp4
│　 │　 │　 ├──  4-4-文本清洗.mp4
│　 │　 │　 ├──  5-5-相似度计算.mp4
│　 │　 │　 └──  6-6-得出推荐结果.mp4
│　 │　 ├──  2-协同过滤与矩阵分解
│　 │　 │　 ├──  1-1-协同过滤与矩阵分解简介.mp4
│　 │　 │　 ├──  2-2-基于用户与商品的协同过滤.mp4
│　 │　 │　 ├──  3-3-相似度计算与推荐实例.mp4
│　 │　 │　 ├──  4-4-矩阵分解的目的与效果.mp4
│　 │　 │　 ├──  5-5-矩阵分解中的隐向量.mp4
│　 │　 │　 ├──  6-6-目标函数简介.mp4
│　 │　 │　 ├──  7-7-隐式情况分析.mp4
│　 │　 │　 └──  8-8-Embedding的作用.mp4
│　 │　 ├──  3-音乐推荐系统实战
│　 │　 │　 ├──  1-1-音乐推荐任务概述.mp4
│　 │　 │　 ├──  2-2-数据集整合.mp4
│　 │　 │　 ├──  3-3-基于物品的协同过滤.mp4
│　 │　 │　 ├──  4-4-物品相似度计算与推荐.mp4
│　 │　 │　 ├──  5-5-SVD矩阵分解.mp4
│　 │　 │　 └──  6-6-基于矩阵分解的音乐推荐.mp4
│　 │　 ├──  4-知识图谱与Neo4j数据库实例
│　 │　 │　 ├──  1-1-知识图谱通俗解读.mp4
│　 │　 │　 ├──  10-5-数据库更改查询操作演示.mp4
│　 │　 │　 ├──  2-2-知识图谱在搜索引擎中的应用.mp4
│　 │　 │　 ├──  3-3-知识图谱在医疗领域应用实例.mp4
│　 │　 │　 ├──  4-4-金融与推荐领域的应用.mp4
│　 │　 │　 ├──  5-5-数据获取分析.mp4
│　 │　 │　 ├──  6-1-Neo4j图数据库介绍.mp4
│　 │　 │　 ├──  7-2-Neo4j数据库安装流程演示.mp4
│　 │　 │　 ├──  8-3-可视化例子演示.mp4
│　 │　 │　 └──  9-4-创建与删除操作演示.mp4
│　 │　 ├──  5-基于知识图谱的电影推荐实战
│　 │　 │　 ├──  1-1-知识图谱推荐系统效果演示.mp4
│　 │　 │　 ├──  2-2-kaggle电影数据集下载与配置.mp4
│　 │　 │　 ├──  3-3-图谱需求与任务流程解读.mp4
│　 │　 │　 ├──  4-4-项目所需环境配置安装.mp4
│　 │　 │　 ├──  5-5-构建用户电影知识图谱.mp4
│　 │　 │　 ├──  6-6-图谱查询与匹配操作.mp4
│　 │　 │　 └──  7-7-相似度计算与推荐引擎构建.mp4
│　 │　 ├──  6-点击率估计FM与DeepFM算法
│　 │　 │　 ├──  1-1-CTR估计及其经典方法概述.mp4
│　 │　 │　 ├──  2-2-高维特征带来的问题.mp4
│　 │　 │　 ├──  3-3-二项式特征的作用与挑战.mp4
│　 │　 │　 ├──  4-4-二阶公式推导与化简.mp4
│　 │　 │　 ├──  5-5-FM算法解析.mp4
│　 │　 │　 ├──  6-6-DeepFm整体架构解读.mp4
│　 │　 │　 ├──  7-7-输入层所需数据样例.mp4
│　 │　 │　 └──  8-8-Embedding层的作用与总结.mp4
│　 │　 ├──  7-DeepFM算法实战
│　 │　 │　 ├──  1-1-数据集介绍与环境配置.mp4
│　 │　 │　 ├──  2-2-广告点击数据预处理实例.mp4
│　 │　 │　 ├──  3-3-数据处理模块Embedding层.mp4
│　 │　 │　 ├──  4-4-Index与Value数据制作.mp4
│　 │　 │　 ├──  5-5-一阶权重参数设计.mp4
│　 │　 │　 ├──  6-6-二阶特征构建方法.mp4
│　 │　 │　 ├──  7-7-特征组合方法实例分析.mp4
│　 │　 │　 ├──  8-8-完成FM模块计算.mp4
│　 │　 │　 └──  9-9-DNN模块与训练过程.mp4
│　 │　 ├──  8-推荐系统常用工具包演示
│　 │　 │　 ├──  1-1-环境配置与数据集介绍.mp4
│　 │　 │　 ├──  2-2-电影数据集预处理分析.mp4
│　 │　 │　 ├──  3-3-surprise工具包基本使用.mp4
│　 │　 │　 ├──  4-4-模型测试集结果.mp4
│　 │　 │　 └──  5-5-评估指标概述.mp4
│　 │　 ├──  9-基于文本数据的推荐实例
│　 │　 │　 ├──  1-1-数据与环境配置介绍.mp4
│　 │　 │　 ├──  2-2-数据科学相关数据介绍.mp4
│　 │　 │　 ├──  3-3-文本数据预处理.mp4
│　 │　 │　 ├──  4-4-TFIDF构建特征矩阵.mp4
│　 │　 │　 ├──  5-5-矩阵分解演示.mp4
│　 │　 │　 ├──  6-6-LDA主题模型效果演示.mp4
│　 │　 │　 └──  7-7-推荐结果分析.mp4
│　 │　 ├──  咨询VX ETH22009.txt
│　 │　 └──  课程详细目录.txt
│　 ├──  29-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
│　 │　 │　 ├──  10-Attention额外加入先验知识.mp4
│　 │　 │　 ├──  11-结合GNN构建局部特征.mp4
│　 │　 │　 ├──  12-损失函数约束项.mp4
│　 │　 │　 ├──  13-自适应可学习参数.mp4
│　 │　 │　 ├──  14-Coarse2Fine大框架.mp4
│　 │　 │　 ├──  15-只能机器学习模型时凑工作量（特征工程）.mp4
│　 │　 │　 ├──  16-自己数据集如何发的好(要开源).mp4
│　 │　 │　 ├──  17-可变形卷积加入方法.mp4
│　 │　 │　 ├──  18-在源码中加入各种注意力机制方法.mp4
│　 │　 │　 ├──  2-GCnet(全局特征融合).mp4
│　 │　 │　 ├──  3-Coordinate_attention.mp4
│　 │　 │　 ├──  4-SPD（可替换下采样）.mp4
│　 │　 │　 ├──  5-SPP改进.mp4
│　 │　 │　 ├──  6-mobileOne(加速).mp4
│　 │　 │　 ├──  7-Deformable(替换selfAttention).mp4
│　 │　 │　 ├──  8-ProbAttention(采样策略).mp4
│　 │　 │　 └──  9-CrossAttention融合特征.mp4
│　 │　 ├──  咨询VX ETH22009.txt
│　 │　 └──  课程详细目录.txt
│　 ├──  3.第三章 深度学习框架PyTorch
│　 │　 ├──  PyTorch.pdf
│　 │　 ├──  flask预测.zip
│　 │　 ├──  深度学习.pdf
│　 │　 ├──  第七章：LSTM文本分类实战.zip
│　 │　 ├──  第二,三章：神经网络实战分类与回归任务.zip
│　 │　 ├──  第五章：图像识别模型与训练策略（重点）.zip
│　 │　 ├──  第六章：DataLoader自定义数据集制作.zip
│　 │　 └──  第四章：卷积网络参数解读.zip
│　 ├──  30-2024Ai必会Agent(应用解读+项目实战)
│　 │　 ├──  001-课程介绍 .mp4
│　 │　 ├──  002-1-Agent要解决的问题分析 .mp4
│　 │　 ├──  003-2-Agent需要具备的基本能力 .mp4
│　 │　 ├──  004-3-与大模型的关系分析 .mp4
│　 │　 ├──  005-4-多智能体定义分析 .mp4
│　 │　 ├──  006-5-框架的作用和能解决的问题 .mp4
│　 │　 ├──  007-6-整体总结分析 .mp4
│　 │　 ├──  008-7-GPTS分析一波 .mp4
│　 │　 ├──  009-8-经典任务分析 .mp4
│　 │　 ├──  010-1-GPTS任务流程概述分析 .mp4
│　 │　 ├──  011-2-调用API的控制方式 .mp4
│　 │　 ├──  012-3-API相关配置完成 .mp4
│　 │　 ├──  013-4-完成指令与脚本并生成 .mp4
│　 │　 ├──  014-1-DEMO演示与整体架构分析 .mp4
│　 │　 ├──  015-2-后端GPT项目部署启动 .mp4
│　 │　 ├──  016-3-前端助手API与流程图配置 .mp4
│　 │　 ├──  017-4-接入外部API的方法与流程 .mp4
│　 │　 ├──  018-5-GPT中加入外部API调用方法 .mp4
│　 │　 ├──  019-6-指令提示构建 .mp4
│　 │　 ├──  020-1-论文概述分析 .mp4
│　 │　 ├──  021-2-整体框架逻辑介绍 .mp4
│　 │　 ├──  022-3-项目环境配置 .mp4
│　 │　 ├──  023-4-基础解读-动作定义方式 .mp4
│　 │　 ├──  024-5-基础解读-角色定义 .mp4
│　 │　 ├──  025-6-单动作智能体实现方法 .mp4
│　 │　 ├──  026-7-多动作配置方法 .mp4
│　 │　 ├──  027-8-定时器任务环境配置 .mp4
│　 │　 ├──  028-9-定时器任务流程解读分析 .mp4
│　 │　 ├──  029-0-基本Agent的组成 .mp4
│　 │　 ├──  030-1-Agent要完成的任务和业务逻辑定义 .mp4
│　 │　 ├──  031-2-问题拆解与执行流程 .mp4
│　 │　 ├──  032-3-检索得到重要的URL .mp4
│　 │　 ├──  033-4-子问题生成总结结果 .mp4
│　 │　 ├──  034-5-总结与结果输出 .mp4
│　 │　 ├──  035-1-RAG要完成的任务解读 .mp4
│　 │　 ├──  036-2-RAG整体流程解读 .mp4
│　 │　 ├──  037-3-召回优化策略分析 .mp4
│　 │　 ├──  038-4-召回改进方案解读 .mp4
│　 │　 ├──  039-5-评估工具RAGAS .mp4
│　 │　 ├──  040-6-外接本地数据库工具 .mp4
│　 │　 ├──  041-1-整体故事解读 .mp4
│　 │　 ├──  042-2-要解决的问题和整体框架分析 .mp4
│　 │　 ├──  043-3-论文基本框架分析 .mp4
│　 │　 ├──  044-4-Agent的记忆信息 .mp4
│　 │　 ├──  045-5-感知与反思模块构建流程 .mp4
│　 │　 ├──  046-6-计划模块实现细节 .mp4
│　 │　 ├──  047-7-整体流程框架图 .mp4
│　 │　 ├──  048-8-感知模块解读 .mp4
│　 │　 ├──  049-9-思考模块解读 .mp4
│　 │　 ├──  050-10-项目环境配置方法解读 .mp4
│　 │　 ├──  051-1-langchain框架解读 .mp4
│　 │　 ├──  052-2-基本API调用方法 .mp4
│　 │　 ├──  053-3-数据文档切分操作 .mp4
│　 │　 ├──  054-4-样本索引与向量构建 .mp4
│　 │　 ├──  055-5-数据切块方法 .mp4
│　 │　 ├──  056-1-MOE概述分析 .mp4
│　 │　 ├──  057-2-MOE模块实现方法解读 .mp4
│　 │　 ├──  058-3-效果分析与总结 .mp4
│　 │　 ├──  059-1-大模型如何做下游任务 .mp4
│　 │　 ├──  060-2-LLM落地微调分析 .mp4
│　 │　 ├──  061-3-LLAMA与LORA介绍 .mp4
│　 │　 ├──  062-4-LORA微调的核心思想 .mp4
│　 │　 ├──  063-5-LORA模型实现细节 .mp4
│　 │　 ├──  064-1-提示工程的作用 .mp4
│　 │　 ├──  065-2-项目数据解读 .mp4
│　 │　 ├──  066-3-源码调用DEBUG解读 .mp4
│　 │　 ├──  067-4-训练流程演示 .mp4
│　 │　 ├──  068-5-效果演示与总结分析 .mp4
│　 │　 ├──  069-1-RAG与微调可以解决与无法解决的问题 .mp4
│　 │　 ├──  070-2-RAG实践策略 .mp4
│　 │　 ├──  071-3-微调要解决的问题 .mp4
│　 │　 ├──  咨询VX ETH22009.txt
│　 │　 └──  课程详细目录.txt
│　 ├──  5.第五章 Opencv图像处理框架实战
│　 │　 ├──  源码资料
│　 │　 │　 ├──  第10节：项目实战-文档扫描OCR识别.zip
│　 │　 │　 ├──  第13节：案例实战-全景图像拼接.zip
│　 │　 │　 ├──  第14节：项目实战-停车场车位识别.zip
│　 │　 │　 ├──  第15节：项目实战-答题卡识别判卷.zip
│　 │　 │　 ├──  第18节：Opencv的DNN模块.zip
│　 │　 │　 ├──  第19节：项目实战-目标追踪.zip
│　 │　 │　 ├──  第20节：卷积原理与操作.zip
│　 │　 │　 ├──  第21节：人脸关键点定位.zip
│　 │　 │　 ├──  第21节：项目实战-疲劳检测.zip
│　 │　 │　 └──  第9节：项目实战-信用卡数字识别.zip
│　 │　 └──  课件
│　 │　　　 ├──  第2-8节课件
│　 │　　　 │　 ├──  第2-7节notebook课件.zip
│　 │　　　 │　 └──  第8节notebook课件.zip
│　 │　　　 ├──  第11-12节notebook课件.zip
│　 │　　　 └──  第16-17节notebook课件.zip
│　 ├──  6.第六章 综合项-物体检测经典算法实战
│　 │　 ├──  YOLO系列（PyTorch）
│　 │　 │　 ├──  COCO-DATA
│　 │　 │　 │　 └──  COCO数据集.txt
│　 │　 │　 ├──  训练自己的数据集
│　 │　 │　 │　 ├──  json2yolo.py
│　 │　 │　 │　 └──  构建自己的数据集.pdf
│　 │　 │　 ├──  NEU-DET.zip
│　 │　 │　 ├──  PyTorch-YOLOv3.zip
│　 │　 │　 ├──  YOLO5.zip
│　 │　 │　 └──  YOLO新版.pdf
│　 │　 ├──  CenterNet.pdf
│　 │　 ├──  EfficientDet.pdf
│　 │　 ├──  EfficientDet.zip
│　 │　 ├──  EfficientNet.pdf
│　 │　 ├──  YOLOV7.pdf
│　 │　 ├── Yolov7结构图.pptx
│　 │　 ├──  detr目标检测源码解读.zip
│　 │　 ├──  json2yolo.py
│　 │　 ├──  mmdetection-3.x.zip
│　 │　 ├──  yolov7-main.zip
│　 │　 ├──  可变形DETR.pdf
│　 │　 ├──  物体检测.pdf
│　 │　 └──  第十二章：基于Transformer的detr目标检测算法.pdf
│　 ├──  7.第七章 图像分割实战
│　 │　 ├──  Unet系列算法讲解
│　 │　 │　 └──  深度学习分割任务.pdf
│　 │　 ├──  deeplab系列算法
│　 │　 │　 └──  DeepLab.pdf
│　 │　 ├──  unet医学细胞分割实战
│　 │　 │　 ├──  新建文件夹
│　 │　 │　 └──  unet++.zip
│　 │　 ├──  分割模型Maskformer系列
│　 │　 │　 ├──  mask2former.pdf
│　 │　 │　 └──  maskformer.pdf
│　 │　 ├──  图像分割算法
│　 │　 │　 └──  深度学习分割任务.pdf
│　 │　 ├──  基于Resnet的医学数据集分类实战
│　 │　 │　 └──  Resnet.pdf
│　 │　 ├──  基于deeplabV3+版本进行VOC分割实战
│　 │　 │　 └──  DeepLabV3Plus.zip
│　 │　 ├──  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
│　 │　 ├──  补充：Mask2former源码解读
│　 │　 │　 └──  mask2former(mmdetection).zip
│　 │　 ├──  MaskRcnn网络框架源码详解.zip
│　 │　 ├──  PyTorch框架基本处理操作.zip
│　 │　 ├──  R(2+1)D网络.pdf
│　 │　 ├──  f112c9fda85536ee3eba662c9043e683.bat
│　 │　 ├──  mask-rcnn.pdf
│　 │　 ├──  图像识别核心模块实战解读.zip
│　 │　 ├──  基于MASK-RCNN框架训练自己的数据与任务.zip
│　 │　 └──  第5节：U-2-Net.zip
│　 ├──  8.第八章 走向AI论文实验与项目实战的捷径-MMLAB实战系列
│　 │　 ├──  DeformableDetr算法解读
│　 │　 │　 └──  可变形DETR.pdf
│　 │　 ├──  KIE关键信息抽取与视频超分辨率重构
│　 │　 │　 ├──  BasicVSR++.pdf
│　 │　 │　 ├──  KIE.pdf
│　 │　 │　 └──  spynet.pdf
│　 │　 ├──  OCR算法解读
│　 │　 │　 ├──  ABINET.pdf
│　 │　 │　 └──  DBNET.pdf
│　 │　 ├──  mask2former(mmdetection).zip
│　 │　 ├──  ner.zip
│　 │　 ├──  第一模块：mmclassification-master.zip
│　 │　 ├──  第七模块：mmdetection3d-1.0.0rc0.zip
│　 │　 ├──  第三模块：mmdetection-master.zip
│　 │　 ├──  第九模块：mmaction2-master.zip
│　 │　 ├──  第二模块：MPViT-main.zip
│　 │　 ├──  第二模块：mmsegmentation-0.20.2.zip
│　 │　 ├──  第五模块：mmgeneration-master.zip
│　 │　 ├──  第八模块：mmrazor-模型蒸馏.zip
│　 │　 ├──  第六模块：mmediting-master.zip
│　 │　 └──  第四模块：mmocr-main.zip
│　 └──  9.第九章 经典视觉项目实战：行为识别、姿态估计、目标追踪
│　　　 ├──  YOLO目标检测
│　　　 │　 ├──  COCO-DATA
│　　　 │　 │　 └──  COCO数据集.txt
│　　　 │　 ├──  训练自己的数据集
│　　　 │　 │　 ├──  json2yolo.py
│　　　 │　 │　 └──  构建自己的数据集.pdf
│　　　 │　 ├──  NEU-DET.zip
│　　　 │　 ├──  YOLO5.zip
│　　　 │　 └──  YOLO新版.pdf
│　　　 ├──  slowfast-add
│　　　 │　 ├──  download
│　　　 │　 │　 ├──  ava_annotations
│　　　 │　 │　 │　 ├──  person_box_67091280_iou90
│　　　 │　 │　 │　 │　 ├── ava_action_list_v2.1_for_activitynet_2018.pbtxt
│　　　 │　 │　 │　 │　 ├──  ava_detection_test_boxes_and_labels.csv
│　　　 │　 │　 │　 │　 ├──  ava_detection_train_boxes_and_labels_include_negative.csv
│　　　 │　 │　 │　 │　 ├──  ava_detection_train_boxes_and_labels_include_negative_v2.1.csv
│　　　 │　 │　 │　 │　 ├──  ava_detection_train_boxes_and_labels_include_negative_v2.2.csv
│　　　 │　 │　 │　 │　 ├──  ava_detection_val_boxes_and_labels.csv
│　　　 │　 │　 │　 │　 ├──  ava_detection_val_for_training_boxes_and_labels_include_negative.csv
│　　　 │　 │　 │　 │　 ├──  ava_detection_val_for_training_boxes_and_labels_include_negative_v2.1.csv
│　　　 │　 │　 │　 │　 ├──  ava_detection_val_for_training_boxes_and_labels_include_negative_v2.2.csv
│　　　 │　 │　 │　 │　 ├──  ava_train_predicted_boxes.csv
│　　　 │　 │　 │　 │　 ├──  ava_train_v2.1.csv
│　　　 │　 │　 │　 │　 ├──  ava_val_excluded_timestamps_v2.1.csv
│　　　 │　 │　 │　 │　 ├──  ava_val_predicted_boxes.csv
│　　　 │　 │　 │　 │　 ├──  ava_val_v2.1.csv
│　　　 │　 │　 │　 │　 ├──  test.csv
│　　　 │　 │　 │　 │　 ├──  train.csv
│　　　 │　 │　 │　 │　 └──  val.csv
│　　　 │　 │　 │　 ├──  ava_train_v2.1.csv
│　　　 │　 │　 │　 ├──  ava_train_v2.2.csv
│　　　 │　 │　 │　 └──  ava_val_v2.2.csv
│　　　 │　 │　 ├──  -5KQ66BBWC4.mkv
│　　　 │　 │　 ├── -5KQ66BBWC4.mkv.1
│　　　 │　 │　 ├──  1j20qq1JyX4.mp4
│　　　 │　 │　 ├──  _145Aa_xkuE.mp4
│　　　 │　 │　 ├──  _Ca3gOdOHxU.mp4
│　　　 │　 │　 ├──  train.csv
│　　　 │　 │　 └──  val.csv
│　　　 │　 └──  avademo.zip
│　　　 ├──  基础补充-Resnet模型及其应用实例
│　　　 │　 └──  Resnet.pdf
│　　　 ├──  1-slowfast算法知识点通俗解读.pdf
│　　　 ├──  5-视频异常检测算法与元学习.pdf
│　　　 ├──  Deepsort源码解读.zip
│　　　 ├──  Deepsort算法知识点解读.pdf
│　　　 ├──  OpenPose算法源码分析.zip
│　　　 ├──  slowfast论文.pdf
│　　　 ├──  基于3D卷积的视频分析与动作识别.zip
│　　　 ├──  基础补充-PyTorch框架基本处理操作.zip
│　　　 ├──  基础补充-PyTorch框架必备核心模块解读.zip
│　　　 ├──  第一章：姿态估计OpenPose系列算法解读.pdf
│　　　 └──  视频异常检测CVPR2021论文及其源码解读.zip
├──  视频
│　 ├──  1-AI课程所需安装软件教程
│　 │　 ├──  1-AI课程所需安装软件教程
│　 │　 │　 └──  1-AI课程所需安装软件教程.mp4
│　 │　 ├──  咨询VX ETH22009.txt
│　 │　 └──  课程详细目录.txt
│　 ├──  10-2022论必备-Transformer实战系列
│　 │　 ├──  1-Transformer算法解读
│　 │　 │　 └──  1-Transformer算法解读.mp4
│　 │　 ├──  10-MedicalTrasnformer论文解读
│　 │　 │　 ├──  1-论文整体分析.mp4
│　 │　 │　 ├──  2-核心思想分析.mp4
│　 │　 │　 ├──  3-网络结构计算流程概述.mp4
│　 │　 │　 ├──  4-论文公式计算分析.mp4
│　 │　 │　 ├──  5-位置编码的作用与效果.mp4
│　 │　 │　 └──  6-拓展应用分析.mp4
│　 │　 ├──  11-MedicalTransformer源码解读
│　 │　 │　 ├──  1-项目环境配置.mp4
│　 │　 │　 ├──  2-医学数据介绍与分析.mp4
│　 │　 │　 ├──  3-基本处理操作.mp4
│　 │　 │　 ├──  4-AxialAttention实现过程.mp4
│　 │　 │　 ├──  5-位置编码向量解读.mp4
│　 │　 │　 ├──  6-注意力计算过程与方法.mp4
│　 │　 │　 └──  7-局部特征提取与计算.mp4
│　 │　 ├──  12-商汤LoFTR算法解读
│　 │　 │　 ├──  1-特征匹配的应用场景.mp4
│　 │　 │　 ├──  10-总结分析.mp4
│　 │　 │　 ├──  2-特征匹配的基本流程分析.mp4
│　 │　 │　 ├──  3-整体流程梳理分析.mp4
│　 │　 │　 ├──  4-CrossAttention的作用与效果.mp4
│　 │　 │　 ├──  5-transformer构建匹配特征.mp4
│　 │　 │　 ├──  6-粗粒度匹配过程与作用.mp4
│　 │　 │　 ├──  7-特征图拆解操作.mp4
│　 │　 │　 ├──  8-细粒度匹配的作用与方法.mp4
│　 │　 │　 └──  9-基于期望预测最终位置.mp4
│　 │　 ├──  13-局部特征关键点匹配实战
│　 │　 │　 ├──  1-项目与参数配置解读.mp4
│　 │　 │　 ├──  10-得到精细化输出结果.mp4
│　 │　 │　 ├──  11-通过期望计算最终输出.mp4
│　 │　 │　 ├──  2-DEMO效果演示.mp4
│　 │　 │　 ├──  3-backbone特征提取模块.mp4
│　 │　 │　 ├──  4-注意力机制的作用与效果分析.mp4
│　 │　 │　 ├──  5-特征融合模块实现方法.mp4
│　 │　 │　 ├──  6-cross关系计算方法实例.mp4
│　 │　 │　 ├──  7-粗粒度匹配过程.mp4
│　 │　 │　 ├──  8-完成基础匹配模块.mp4
│　 │　 │　 └──  9-精细化调整方法与实例.mp4
│　 │　 ├──  14-分割模型Maskformer系列
│　 │　 │　 └──  1-分割模型Maskformer系列.mp4
│　 │　 ├──  15-Mask2former源码解读
│　 │　 │　 ├──  1-Backbone获取多层级特征.mp4
│　 │　 │　 ├──  10-正样本筛选损失计算.mp4
│　 │　 │　 ├──  11-标签分类匹配结果分析.mp4
│　 │　 │　 ├──  12-最终损失计算流程.mp4
│　 │　 │　 ├──  13-汇总所有损失完成迭代.mp4
│　 │　 │　 ├──  2-多层级采样点初始化构建.mp4
│　 │　 │　 ├──  3-多层级输入特征序列创建方法.mp4
│　 │　 │　 ├──  4-偏移量与权重计算并转换.mp4
│　 │　 │　 ├──  5-Encoder特征构建方法实例.mp4
│　 │　 │　 ├──  6-query要预测的任务解读.mp4
│　 │　 │　 ├──  7-Decoder中的AttentionMask方法.mp4
│　 │　 │　 ├──  8-损失模块输入参数分析.mp4
│　 │　 │　 └──  9-标签分配策略解读.mp4
│　 │　 ├──  16-BEV特征空间
│　 │　 │　 └──  1-BEV特征空间.mp4
│　 │　 ├──  17-BevFormer源码解读
│　 │　 │　 ├──  1-环境配置方法解读.mp4
│　 │　 │　 ├──  10-获取当前BEV特征.mp4
│　 │　 │　 ├──  11-Decoder级联校正模块.mp4
│　 │　 │　 ├──  12-损失函数与预测可视化.mp4
│　 │　 │　 ├──  2-数据集下载与配置方法.mp4
│　 │　 │　 ├──  3-特征提取以及BEV空间初始化.mp4
│　 │　 │　 ├──  4-特征对齐与位置编码初始化.mp4
│　 │　 │　 ├──  5-Reference初始点构建.mp4
│　 │　 │　 ├──  6-BEV空间与图像空间位置对应.mp4
│　 │　 │　 ├──  7-注意力机制模块计算方法.mp4
│　 │　 │　 ├──  8-BEV空间特征构建.mp4
│　 │　 │　 └──  9-Decoder要完成的任务分析.mp4
│　 │　 ├──  18-时间序列预测
│　 │　 │　 └──  1-时间序列预测.mp4
│　 │　 ├──  19-Informer时间序列源码解读
│　 │　 │　 └──  1-Informer时间序列源码解读.mp4
│　 │　 ├──  2-视觉Transformer及其源码分析
│　 │　 │　 └──  1-视觉Transformer及其源码分析.mp4
│　 │　 ├──  20-Huggingface与NLP（讲故事）
│　 │　 │　 └──  1-Huggingface与NLP（讲故事）.mp4
│　 │　 ├──  3-VIT算法模型源码解读
│　 │　 │　 ├──  1-项目配置说明.mp4
│　 │　 │　 ├──  2-输入序列构建方法解读.mp4
│　 │　 │　 ├──  3-注意力机制计算.mp4
│　 │　 │　 └──  4-输出层计算结果.mp4
│　 │　 ├──  4-swintransformer算法原理解析
│　 │　 │　 ├──  1-swintransformer整体概述.mp4
│　 │　 │　 ├──  10-分层计算方法.mp4
│　 │　 │　 ├──  2-要解决的问题及其优势分析.mp4
│　 │　 │　 ├──  3-一个block要完成的任务.mp4
│　 │　 │　 ├──  4-获取各窗口输入特征.mp4
│　 │　 │　 ├──  5-基于窗口的注意力机制解读.mp4
│　 │　 │　 ├──  6-窗口偏移操作的实现.mp4
│　 │　 │　 ├──  7-偏移细节分析及其计算量概述.mp4
│　 │　 │　 ├──  8-整体网络架构整合.mp4
│　 │　 │　 └──  9-下采样操作实现方法.mp4
│　 │　 ├──  5-swintransformer源码解读
│　 │　 │　 ├──  1-数据与环境配置解读.mp4
│　 │　 │　 ├──  2-图像数据patch编码.mp4
│　 │　 │　 ├──  3-数据按window进行划分计算.mp4
│　 │　 │　 ├──  4-基础attention计算模块.mp4
│　 │　 │　 ├──  5-窗口位移模块细节分析.mp4
│　 │　 │　 ├──  6-patchmerge下采样操作.mp4
│　 │　 │　 ├──  7-各block计算方法解读.mp4
│　 │　 │　 └──  8-输出层概述.mp4
│　 │　 ├──  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
│　 │　 │　 ├──  2-整体网络架构分析.mp4
│　 │　 │　 ├──  3-位置信息初始化query向量.mp4
│　 │　 │　 ├──  4-注意力机制的作用方法.mp4
│　 │　 │　 └──  5-训练过程的策略.mp4
│　 │　 ├──  7-detr目标检测源码解读
│　 │　 │　 ├──  1-项目环境配置解读.mp4
│　 │　 │　 ├──  2-数据处理与dataloader.mp4
│　 │　 │　 ├──  3-位置编码作用分析.mp4
│　 │　 │　 ├──  4-backbone特征提取模块.mp4
│　 │　 │　 ├──  5-mask与编码模块.mp4
│　 │　 │　 ├──  6-编码层作用方法.mp4
│　 │　 │　 ├──  7-Decoder层操作与计算.mp4
│　 │　 │　 ├──  8-输出预测结果.mp4
│　 │　 │　 └──  9-损失函数与预测输出.mp4
│　 │　 ├──  8-DeformableDetr算法解读
│　 │　 │　 └──  1-DeformableDetr算法解读.mp4
│　 │　 ├──  9-DeformableDetr物体检测源码分析
│　 │　 │　 ├──  1-特征提取与位置编码.mp4
│　 │　 │　 ├──  10-分类与回归输出模块.mp4
│　 │　 │　 ├──  11-预测输出结果与标签匹配模块.mp4
│　 │　 │　 ├──  2-序列特征展开并叠加.mp4
│　 │　 │　 ├──  3-得到相对位置点编码.mp4
│　 │　 │　 ├──  4-准备Encoder编码层所需全部输入.mp4
│　 │　 │　 ├──  5-编码层中的序列分析.mp4
│　 │　 │　 ├──  6-偏移量offset计算.mp4
│　 │　 │　 ├──  7-偏移量对齐操作.mp4
│　 │　 │　 ├──  8-Encoder层完成特征对齐.mp4
│　 │　 │　 └──  9-Decoder要完成的操作.mp4
│　 │　 ├──  咨询VX ETH22009.txt
│　 │　 └──  课程详细目录.txt
│　 ├──  11-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
│　 │　 │　 ├──  2-图基本模块定义.mp4
│　 │　 │　 ├──  3-邻接矩阵的定义.mp4
│　 │　 │　 ├──  4-GNN中常见任务.mp4
│　 │　 │　 ├──  5-消息传递计算方法.mp4
│　 │　 │　 └──  6-多层GCN的作用.mp4
│　 │　 ├──  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
│　 │　 ├──  11-异构图神经网络
│　 │　 │　 └──  1-异构图神经网络.mp4
│　 │　 ├──  2-图卷积GCN模型
│　 │　 │　 ├──  1-GCN基本模型概述.mp4
│　 │　 │　 ├──  2-图卷积的基本计算方法.mp4
│　 │　 │　 ├──  3-邻接的矩阵的变换.mp4
│　 │　 │　 └──  4-GCN变换原理解读.mp4
│　 │　 ├──  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
│　 │　 │　 ├──  2-数据集与邻接矩阵格式.mp4
│　 │　 │　 ├──  3-模型定义与训练方法.mp4
│　 │　 │　 └──  4-文献引用数据集分类案例实战.mp4
│　 │　 ├──  4-使用PyTorch Geometric构建自己的图数据集
│　 │　 │　 ├──  1-构建数据集基本方法.mp4
│　 │　 │　 ├──  2-数据集与任务背景概述.mp4
│　 │　 │　 ├──  3-数据集基本预处理.mp4
│　 │　 │　 ├──  4-用户行为图结构创建.mp4
│　 │　 │　 ├──  5-数据集创建函数介绍.mp4
│　 │　 │　 ├──  6-网络结构定义模块.mp4
│　 │　 │　 ├──  7-TopkPooling进行下采样任务.mp4
│　 │　 │　 ├──  8-获取全局特征.mp4
│　 │　 │　 └──  9-模型训练与总结.mp4
│　 │　 ├──  5-图注意力机制与序列图模型
│　 │　 │　 ├──  1-图注意力机制的作用与方法.mp4
│　 │　 │　 ├──  2-邻接矩阵计算图Attention.mp4
│　 │　 │　 ├──  3-序列图神经网络CN应用.mp4
│　 │　 │　 └──  4-序列图神经网络细节.mp4
│　 │　 ├──  6-图相似度论文解读
│　 │　 │　 ├──  1-要完成的任务分析.mp4
│　 │　 │　 ├──  2-基本方法概述解读.mp4
│　 │　 │　 ├──  3-图模型提取全局与局部特征.mp4
│　 │　 │　 ├──  4-NTN模块的作用与效果.mp4
│　 │　 │　 ├──  5-点之间的对应关系计算.mp4
│　 │　 │　 └──  6-结果输出与总结.mp4
│　 │　 ├──  7-图相似度计算实战
│　 │　 │　 ├──  1-数据集与任务概述.mp4
│　 │　 │　 ├──  2-图卷积特征提取模块.mp4
│　 │　 │　 ├──  3-分别计算不同Batch点的分布.mp4
│　 │　 │　 ├──  4-获得直方图特征结果.mp4
│　 │　 │　 ├──  5-图的全局特征构建.mp4
│　 │　 │　 ├──  6-NTN图相似特征提取.mp4
│　 │　 │　 └──  7-预测得到相似度结果.mp4
│　 │　 ├──  8-基于图模型的轨迹估计
│　 │　 │　 ├──  1-数据集与标注信息解读.mp4
│　 │　 │　 ├──  2-整体三大模块分析.mp4
│　 │　 │　 ├──  3-特征工程的作用与效果.mp4
│　 │　 │　 ├──  4-传统方法与现在向量空间对比.mp4
│　 │　 │　 ├──  5-输入细节分析.mp4
│　 │　 │　 ├──  6-子图模块构建方法.mp4
│　 │　 │　 ├──  7-特征融合模块分析.mp4
│　 │　 │　 └──  8-VectorNet输出层分析.mp4
│　 │　 ├──  9-图模型轨迹估计实战
│　 │　 │　 ├──  1-数据与环境配置.mp4
│　 │　 │　 ├──  2-训练数据准备.mp4
│　 │　 │　 ├──  3-Agent特征提取方法.mp4
│　 │　 │　 ├──  4-DataLoader构建图结构.mp4
│　 │　 │　 └──  5-SubGraph与Attention模型流程.mp4
│　 │　 ├──  咨询VX ETH22009.txt
│　 │　 └──  课程详细目录.txt
│　 ├──  12-3D点云实战
│　 │　 ├──  1-3D点云实战 3D点云应用领域分析
│　 │　 │　 ├──  1-点云数据概述.mp4
│　 │　 │　 ├──  2-点云应用领域与发展分析.mp4
│　 │　 │　 ├──  3-点云分割任务.mp4
│　 │　 │　 ├──  4-点云补全任务.mp4
│　 │　 │　 ├──  5-点云检测与配准任务.mp4
│　 │　 │　 └──  6-点云数据特征提取概述与预告.mp4
│　 │　 ├──  2-3D点云PointNet算法
│　 │　 │　 ├──  1-3D数据应用领域与点云介绍.mp4
│　 │　 │　 ├──  2-点云数据可视化展示.mp4
│　 │　 │　 ├──  3-点云数据特性和及要解决的问题.mp4
│　 │　 │　 ├──  4-PointNet算法出发点解读.mp4
│　 │　 │　 └──  5-PointNet算法网络架构解读.mp4
│　 │　 ├──  3-PointNet++算法解读
│　 │　 │　 ├──  1-PointNet升级版算法要解决的问题.mp4
│　 │　 │　 ├──  2-最远点采样方法.mp4
│　 │　 │　 ├──  3-分组Group方法原理解读.mp4
│　 │　 │　 ├──  4-整体流程概述分析.mp4
│　 │　 │　 ├──  5-分类与分割问题解决方案.mp4
│　 │　 │　 └──  6-遇到的问题及改进方法分析.mp4
│　 │　 ├──  4-Pointnet++项目实战
│　 │　 │　 ├──  1-项目文件概述.mp4
│　 │　 │　 ├──  11-分割任务数据与配置概述.mp4
│　 │　 │　 ├──  12-分割需要解决的任务概述.mp4
│　 │　 │　 ├──  13-上采样完成分割任务.mp4
│　 │　 │　 ├──  2-数据读取模块配置.mp4
│　 │　 │　 ├──  3-DEBUG解读网络模型架构.mp4
│　 │　 │　 ├──  4-最远点采样介绍.mp4
│　 │　 │　 ├──  5-采样得到中心点.mp4
│　 │　 │　 ├──  6-组区域划分方法.mp4
│　 │　 │　 ├──  7-实现group操作得到各中心簇.mp4
│　 │　 │　 ├──  8-特征提取模块整体流程.mp4
│　 │　 │　 └──  9-预测结果输出模块.mp4
│　 │　 ├──  5-点云补全PF-Net论文解读
│　 │　 │　 ├──  1-点云补全要解决的问题.mp4
│　 │　 │　 ├──  2-基本解决方案概述.mp4
│　 │　 │　 ├──  3-整体网络概述.mp4
│　 │　 │　 ├──  4-网络计算流程.mp4
│　 │　 │　 └──  5-输入与计算结果.mp4
│　 │　 ├──  6-点云补全实战解读
│　 │　 │　 ├──  1-数据与项目配置解读.mp4
│　 │　 │　 ├──  2-待补全数据准备方法.mp4
│　 │　 │　 ├──  3-整体框架概述.mp4
│　 │　 │　 ├──  4-MRE特征提取模块.mp4
│　 │　 │　 ├──  5-分层预测输出模块.mp4
│　 │　 │　 ├──  6-补全点云数据.mp4
│　 │　 │　 └──  7-判别模块.mp4
│　 │　 ├──  7-点云配准及其案例实战
│　 │　 │　 ├──  1-点云配准任务概述.mp4
│　 │　 │　 ├──  2-配准要完成的目标解读.mp4
│　 │　 │　 ├──  3-训练数据构建.mp4
│　 │　 │　 ├──  4-任务基本流程.mp4
│　 │　 │　 ├──  5-数据源配置方法.mp4
│　 │　 │　 ├──  6-参数计算模块解读.mp4
│　 │　 │　 ├──  7-基于模型预测输出参数.mp4
│　 │　 │　 ├──  8-特征构建方法分析.mp4
│　 │　 │　 └──  9-任务总结.mp4
│　 │　 ├──  8-基础补充-对抗生成网络架构原理与实战解析
│　 │　 │　 ├──  1-对抗生成网络通俗解释.mp4
│　 │　 │　 ├──  2-GAN网络组成.mp4
│　 │　 │　 ├──  3-损失函数解释说明.mp4
│　 │　 │　 ├──  4-数据读取模块.mp4
│　 │　 │　 └──  5-生成与判别网络定义.mp4
│　 │　 ├──  咨询VX ETH22009.txt
│　 │　 └──  课程详细目录.txt
│　 ├──  13-面向深度学习的无人驾驶实战
│　 │　 ├──  1-深度估计算法原理解读
│　 │　 │　 ├──  1-深度估计效果与应用.mp4
│　 │　 │　 ├──  10-损失计算.mp4
│　 │　 │　 ├──  2-kitti数据集介绍.mp4
│　 │　 │　 ├──  3-使用backbone获取层级特征.mp4
│　 │　 │　 ├──  4-差异特征计算边界信息.mp4
│　 │　 │　 ├──  5-SPP层的作用.mp4
│　 │　 │　 ├──  6-空洞卷积与ASPP.mp4
│　 │　 │　 ├──  7-特征拼接方法分析.mp4
│　 │　 │　 ├──  8-网络coarse-to-fine过程.mp4
│　 │　 │　 └──  9-权重参数预处理.mp4
│　 │　 ├──  10-NeuralRecon项目源码解读
│　 │　 │　 ├──  1-Backbone得到特征图.mp4
│　 │　 │　 ├──  2-初始化体素位置.mp4
│　 │　 │　 ├──  3-坐标映射方法实现.mp4
│　 │　 │　 ├──  4-得到体素所对应特征图.mp4
│　 │　 │　 ├──  5-插值得到对应特征向量.mp4
│　 │　 │　 ├──  6-得到一阶段输出结果.mp4
│　 │　 │　 ├──  7-完成三个阶段预测结果.mp4
│　 │　 │　 └──  8-项目总结.mp4
│　 │　 ├──  11-TSDF算法与应用
│　 │　 │　 ├──  1-TSDF整体概述分析.mp4
│　 │　 │　 ├──  2-合成过程DEMO演示.mp4
│　 │　 │　 ├──  3-布局初始化操作.mp4
│　 │　 │　 ├──  4-TSDF计算基本流程解读.mp4
│　 │　 │　 ├──  5-坐标转换流程分析.mp4
│　 │　 │　 └──  6-输出结果融合更新.mp4
│　 │　 ├──  12-TSDF实战案例
│　 │　 │　 ├──  1-环境配置概述.mp4
│　 │　 │　 ├──  2-初始化与数据读取.mp4
│　 │　 │　 └──  3-计算得到TSDF输出.mp4
│　 │　 ├──  13-轨迹估计算法与论文解读
│　 │　 │　 ├──  1-数据集与标注信息解读.mp4
│　 │　 │　 ├──  2-整体三大模块分析.mp4
│　 │　 │　 ├──  3-特征工程的作用与效果.mp4
│　 │　 │　 ├──  4-传统方法与现在向量空间对比.mp4
│　 │　 │　 ├──  5-输入细节分析.mp4
│　 │　 │　 ├──  6-子图模块构建方法.mp4
│　 │　 │　 ├──  7-特征融合模块分析.mp4
│　 │　 │　 └──  8-VectorNet输出层分析.mp4
│　 │　 ├──  14-轨迹估计预测实战
│　 │　 │　 ├──  1-数据与环境配置.mp4
│　 │　 │　 ├──  2-训练数据准备.mp4
│　 │　 │　 ├──  3-Agent特征提取方法.mp4
│　 │　 │　 ├──  4-DataLoader构建图结构.mp4
│　 │　 │　 └──  5-SubGraph与Attention模型流程.mp4
│　 │　 ├──  15-特斯拉无人驾驶解读
│　 │　 │　 └──  1-特斯拉无人驾驶解读.mp4
│　 │　 ├──  2-深度估计项目实战
│　 │　 │　 ├──  1-项目环境配置解读.mp4
│　 │　 │　 ├──  10-损失函数通俗解读.mp4
│　 │　 │　 ├──  11-模型DEMO输出结果.mp4
│　 │　 │　 ├──  2-数据与标签定义方法.mp4
│　 │　 │　 ├──  3-数据集dataloader制作.mp4
│　 │　 │　 ├──  4-使用backbone进行特征提取.mp4
│　 │　 │　 ├──  5-计算差异特征.mp4
│　 │　 │　 ├──  6-权重参数标准化操作.mp4
│　 │　 │　 ├──  7-网络结构ASPP层.mp4
│　 │　 │　 ├──  8-特征拼接方法解读.mp4
│　 │　 │　 └──  9-输出深度估计结果.mp4
│　 │　 ├──  3-车道线检测算法与论文解读
│　 │　 │　 ├──  1-数据标签与任务分析.mp4
│　 │　 │　 ├──  2-网络整体框架分析.mp4
│　 │　 │　 ├──  3-输出结果分析.mp4
│　 │　 │　 ├──  4-损失函数计算方法.mp4
│　 │　 │　 └──  5-论文概述分析.mp4
│　 │　 ├──  4-基于深度学习的车道线检测项目实战
│　 │　 │　 ├──  1-车道数据与标签解读.mp4
│　 │　 │　 ├──  10-车道线规则损失函数限制.mp4
│　 │　 │　 ├──  11-DEMO制作与配置.mp4
│　 │　 │　 ├──  2-项目环境配置演示.mp4
│　 │　 │　 ├──  3-制作数据集dataloader.mp4
│　 │　 │　 ├──  4-车道线标签数据处理.mp4
│　 │　 │　 ├──  5-四条车道线标签位置矩阵.mp4
│　 │　 │　 ├──  6-grid设置方法.mp4
│　 │　 │　 ├──  7-完成数据与标签制作.mp4
│　 │　 │　 ├──  8-算法网络结构解读.mp4
│　 │　 │　 └──  9-损失函数计算模块分析.mp4
│　 │　 ├──  5-商汤LoFTR算法解读
│　 │　 │　 ├──  1-特征匹配的应用场景.mp4
│　 │　 │　 ├──  10-总结分析.mp4
│　 │　 │　 ├──  2-特征匹配的基本流程分析.mp4
│　 │　 │　 ├──  3-整体流程梳理分析.mp4
│　 │　 │　 ├──  4-CrossAttention的作用与效果.mp4
│　 │　 │　 ├──  5-transformer构建匹配特征.mp4
│　 │　 │　 ├──  6-粗粒度匹配过程与作用.mp4
│　 │　 │　 ├──  7-特征图拆解操作.mp4
│　 │　 │　 ├──  8-细粒度匹配的作用与方法.mp4
│　 │　 │　 └──  9-基于期望预测最终位置.mp4
│　 │　 ├──  6-局部特征关键点匹配实战
│　 │　 │　 ├──  1-项目与参数配置解读.mp4
│　 │　 │　 ├──  10-得到精细化输出结果.mp4
│　 │　 │　 ├──  11-通过期望计算最终输出.mp4
│　 │　 │　 ├──  2-DEMO效果演示.mp4
│　 │　 │　 ├──  3-backbone特征提取模块.mp4
│　 │　 │　 ├──  4-注意力机制的作用与效果分析.mp4
│　 │　 │　 ├──  5-特征融合模块实现方法.mp4
│　 │　 │　 ├──  6-cross关系计算方法实例.mp4
│　 │　 │　 ├──  7-粗粒度匹配过程.mp4
│　 │　 │　 ├──  8-完成基础匹配模块.mp4
│　 │　 │　 └──  9-精细化调整方法与实例.mp4
│　 │　 ├──  7-三维重建应用与坐标系基础
│　 │　 │　 ├──  1-三维重建概述分析.mp4
│　 │　 │　 ├──  2-三维重建应用领域概述.mp4
│　 │　 │　 ├──  3-成像方法概述.mp4
│　 │　 │　 ├──  4-相机坐标系.mp4
│　 │　 │　 ├──  5-坐标系转换方法解读.mp4
│　 │　 │　 ├──  6-相机内外参.mp4
│　 │　 │　 ├──  7-通过内外参数进行坐标变换.mp4
│　 │　 │　 └──  8-相机标定简介.mp4
│　 │　 ├──  8-NeuralRecon算法解读
│　 │　 │　 ├──  1-任务流程分析.mp4
│　 │　 │　 ├──  2-基本框架熟悉.mp4
│　 │　 │　 ├──  3-特征映射方法解读.mp4
│　 │　 │　 ├──  4-片段融合思想.mp4
│　 │　 │　 └──  5-整体架构重构方法.mp4
│　 │　 ├──  9-NeuralRecon项目环境配置
│　 │　 │　 ├──  1-数据集下载与配置方法.mp4
│　 │　 │　 ├──  2-Scannet数据集内容概述.mp4
│　 │　 │　 ├──  3-TSDF标签生成方法.mp4
│　 │　 │　 ├──  4-ISSUE的作用.mp4
│　 │　 │　 └──  5-完成依赖环境配置.mp4
│　 │　 ├──  咨询VX ETH22009.txt
│　 │　 └──  课程详细目录.txt
│　 ├──  14-对比学习与多模态任务实战
│　 │　 ├──  1-对比学习算法与实例
│　 │　 │　 └──  1-对比学习算法与实例.mp4
│　 │　 ├──  2-CLIP系列
│　 │　 │　 └──  1-CLIP系列.mp4
│　 │　 ├──  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
│　 │　 │　 ├──  10-3D卷积特征融合.mp4
│　 │　 │　 ├──  11-输出层预测结果.mp4
│　 │　 │　 ├──  2-数据与标注文件介绍.mp4
│　 │　 │　 ├──  3-基本流程梳理并进入debug模式.mp4
│　 │　 │　 ├──  4-数据与图像特征提取模块.mp4
│　 │　 │　 ├──  5-体素索引位置获取.mp4
│　 │　 │　 ├──  6-体素特征提取方法解读.mp4
│　 │　 │　 ├──  7-体素特征计算方法分析.mp4
│　 │　 │　 ├──  8-全局体素特征提取.mp4
│　 │　 │　 └──  9-多模态特征融合.mp4
│　 │　 ├──  4-多模态文字识别
│　 │　 │　 └──  1-多模态文字识别.mp4
│　 │　 ├──  5-ANINET源码解读
│　 │　 │　 ├──  1-数据集与环境概述.mp4
│　 │　 │　 ├──  2-配置文件修改方法.mp4
│　 │　 │　 ├──  3-Bakbone模块得到特征.mp4
│　 │　 │　 ├──  4-视觉Transformer模块的作用.mp4
│　 │　 │　 ├──  5-视觉模型中的编码与解码的效果.mp4
│　 │　 │　 ├──  6-文本模型中的结构分析.mp4
│　 │　 │　 ├──  7-迭代修正模块.mp4
│　 │　 │　 └──  8-输出层与损失计算.mp4
│　 │　 ├──  咨询VX ETH22009.txt
│　 │　 └──  课程详细目录.txt
│　 ├──  15-缺陷检测实战
│　 │　 ├──  1-课程介绍
│　 │　 │　 └──  1-课程介绍.mp4
│　 │　 ├──  10-基于Opencv缺陷检测项实战
│　 │　 │　 ├──  1-任务需求与环境配置.mp4
│　 │　 │　 ├──  2-数据读取与基本处理.mp4
│　 │　 │　 ├──  3-缺陷形态学操作.mp4
│　 │　 │　 ├──  4-整体流程解读.mp4
│　 │　 │　 └──  5-缺陷检测效果演示.mp4
│　 │　 ├──  11-基于视频流线的Opencv缺陷检测项
│　 │　 │　 ├──  1-数据与任务概述.mp4
│　 │　 │　 ├──  2-视频数据读取与轮廓检测.mp4
│　 │　 │　 ├──  3-目标质心计算.mp4
│　 │　 │　 ├──  4-视频数据遍历方法.mp4
│　 │　 │　 ├──  5-缺陷区域提取.mp4
│　 │　 │　 ├──  6-不同类型的缺陷检测方法.mp4
│　 │　 │　 └──  7-检测效果演示.mp4
│　 │　 ├──  12-图像分割deeplab系列算法
│　 │　 │　 ├──  1-deeplab分割算法概述.mp4
│　 │　 │　 ├──  2-空洞卷积的作用.mp4
│　 │　 │　 ├──  3-感受野的意义.mp4
│　 │　 │　 ├──  4-SPP层的作用.mp4
│　 │　 │　 ├──  5-ASPP特征融合策略.mp4
│　 │　 │　 └──  6-deeplabV3Plus版本网络架构.mp4
│　 │　 ├──  13-基于deeplabV3+版本进VOC分割实战
│　 │　 │　 ├──  1-PascalVoc数据集介绍.mp4
│　 │　 │　 ├──  2-项目参数与数据集读取.mp4
│　 │　 │　 ├──  3-网络前向传播流程.mp4
│　 │　 │　 ├──  4-ASPP层特征融合.mp4
│　 │　 │　 └──  5-分割模型训练.mp4
│　 │　 ├──  14-Deeplab铁质材料缺陷检测与开源项应流程
│　 │　 │　 ├──  1-数据集与任务概述.mp4
│　 │　 │　 ├──  2-开源项目应用方法.mp4
│　 │　 │　 ├──  3-github与kaggle中需要注意的点.mp4
│　 │　 │　 ├──  4-源码的利用方法.mp4
│　 │　 │　 ├──  5-数据集制作方法.mp4
│　 │　 │　 ├──  6-数据路径配置.mp4
│　 │　 │　 ├──  7-训练模型.mp4
│　 │　 │　 └──  8-任务总结.mp4
│　 │　 ├──  2-物体检框架YOLO-V4版本算法解读
│　 │　 │　 ├──  1-V4版本整体概述.mp4
│　 │　 │　 ├──  10-PAN模块解读.mp4
│　 │　 │　 ├──  11-激活函数与整体架构总结.mp4
│　 │　 │　 ├──  2-V4版本贡献解读.mp4
│　 │　 │　 ├──  3-数据增强策略分析.mp4
│　 │　 │　 ├──  4-DropBlock与标签平滑方法.mp4
│　 │　 │　 ├──  5-损失函数遇到的问题.mp4
│　 │　 │　 ├──  6-CIOU损失函数定义.mp4
│　 │　 │　 ├──  7-NMS细节改进.mp4
│　 │　 │　 ├──  8-SPP与CSP网络结构.mp4
│　 │　 │　 └──  9-SAM注意力机制模块.mp4
│　 │　 ├──  3-物体检测框架YOLOV5版本项目配置
│　 │　 │　 ├──  1-整体项目概述.mp4
│　 │　 │　 ├──  2-训练自己的数据集方法.mp4
│　 │　 │　 ├──  3-训练数据参数配置.mp4
│　 │　 │　 └──  4-测试DEMO演示.mp4
│　 │　 ├──  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
│　 │　 │　 ├──  10-完成配置文件解析任务.mp4
│　 │　 │　 ├──  11-前向传播计算.mp4
│　 │　 │　 ├──  12-BottleneckCSP层计算方法.mp4
│　 │　 │　 ├──  13-SPP层计算细节分析.mp4
│　 │　 │　 ├──  14-Head层流程解读.mp4
│　 │　 │　 ├──  15-上采样与拼接操作.mp4
│　 │　 │　 ├──  16-输出结果分析.mp4
│　 │　 │　 ├──  17-超参数解读.mp4
│　 │　 │　 ├──  18-命令行参数介绍.mp4
│　 │　 │　 ├──  19-训练流程解读.mp4
│　 │　 │　 ├──  2-图像数据源配置.mp4
│　 │　 │　 ├──  20-各种训练策略概述.mp4
│　 │　 │　 ├──  21-模型迭代过程.mp4
│　 │　 │　 ├──  3-加载标签数据.mp4
│　 │　 │　 ├──  4-Mosaic数据增强方法.mp4
│　 │　 │　 ├──  5-数据四合一方法与流程演示.mp4
│　 │　 │　 ├──  6-getItem构建batch.mp4
│　 │　 │　 ├──  7-网络架构图可视化工具安装.mp4
│　 │　 │　 ├──  8-V5网络配置文件解读.mp4
│　 │　 │　 └──  9-Focus模块流程分析.mp4
│　 │　 ├──  5-基于YOLOV5的钢材缺陷检测实战
│　 │　 │　 ├──  1-任务需求与项目概述.mp4
│　 │　 │　 ├──  2-数据与标签配置方法.mp4
│　 │　 │　 ├──  3-标签转换格式脚本制作.mp4
│　 │　 │　 ├──  4-各版本模型介绍分析.mp4
│　 │　 │　 ├──  5-项目参数配置.mp4
│　 │　 │　 ├──  6-缺陷检测模型训练.mp4
│　 │　 │　 └──  7-输出结果与项目总结.mp4
│　 │　 ├──  6-Semi-supervised布料缺陷检测实战
│　 │　 │　 ├──  1-任务目标与流程概述.mp4
│　 │　 │　 ├──  2-论文思想与模型分析.mp4
│　 │　 │　 ├──  3-项目配置解读.mp4
│　 │　 │　 ├──  4-网络流程分析.mp4
│　 │　 │　 └──  5-输出结果展示.mp4
│　 │　 ├──  7-Opencv图像常处理法实例
│　 │　 │　 ├──  1-计算机眼中的图像.mp4
│　 │　 │　 ├──  10-膨胀操作.mp4
│　 │　 │　 ├──  11-开运算与闭运算.mp4
│　 │　 │　 ├──  12-梯度计算.mp4
│　 │　 │　 ├──  13-礼帽与黑帽.mp4
│　 │　 │　 ├──  2-视频的读取与处理.mp4
│　 │　 │　 ├──  3-ROI区域.mp4
│　 │　 │　 ├──  4-边界填充.mp4
│　 │　 │　 ├──  5-数值计算.mp4
│　 │　 │　 ├──  6-图像阈值.mp4
│　 │　 │　 ├──  7-图像平滑处理.mp4
│　 │　 │　 ├──  8-高斯与中值滤波.mp4
│　 │　 │　 └──  9-腐蚀操作.mp4
│　 │　 ├──  8-Opencv梯度计算与边缘检测实例
│　 │　 │　 ├──  1-Canny边缘检测流程.mp4
│　 │　 │　 ├──  2-非极大值抑制.mp4
│　 │　 │　 ├──  3-边缘检测效果.mp4
│　 │　 │　 ├──  4-Sobel算子.mp4
│　 │　 │　 ├──  5-梯度计算方法.mp4
│　 │　 │　 └──  6-scharr与lapkacian算子.mp4
│　 │　 ├──  9-Opencv轮廓检测与直图
│　 │　 │　 ├──  1-图像金字塔定义.mp4
│　 │　 │　 ├──  10-均衡化效果.mp4
│　 │　 │　 ├──  11-傅里叶概述.mp4
│　 │　 │　 ├──  12-频域变换结果.mp4
│　 │　 │　 ├──  13-低通与高通滤波.mp4
│　 │　 │　 ├──  2-金字塔制作方法.mp4
│　 │　 │　 ├──  3-轮廓检测方法.mp4
│　 │　 │　 ├──  4-轮廓检测结果.mp4
│　 │　 │　 ├──  5-轮廓特征与近似.mp4
│　 │　 │　 ├──  6-模板匹配方法.mp4
│　 │　 │　 ├──  7-匹配效果展示.mp4
│　 │　 │　 ├──  8-直方图定义.mp4
│　 │　 │　 └──  9-均衡化原理.mp4
│　 │　 ├──  咨询VX ETH22009.txt
│　 │　 └──  课程详细目录.txt
│　 ├──  16-行人重识别实战
│　 │　 ├──  1-行人重识别原理及其应用
│　 │　 │　 ├──  1-行人重识别要解决的问题.mp4
│　 │　 │　 ├──  2-挑战与困难分析.mp4
│　 │　 │　 ├──  3-评估标准rank1指标.mp4
│　 │　 │　 ├──  4-map值计算方法.mp4
│　 │　 │　 ├──  5-triplet损失计算实例.mp4
│　 │　 │　 └──  6-Hard-Negative方法应用.mp4
我用夸克网盘分享了「咕泡-人工智能深度学习系统班（第十期）」，点击链接即可保存。打开「夸克APP」，无需下载在线播放视频，畅享原画5倍速，支持电视投屏。

下载地址:

游客，如果您要查看本帖隐藏内容请回复