人工智能深度学习系统班（13期）

课程目录：

├── 01 直播回放

│ ├── 01 开班典礼：如何学好人工智能学科.mp4

│ ├── 02 神经网络.mp4

│ ├── 06 GITHUB开源项目使用方法.mp4.mp4

│ ├── 04 transformer解读.mp4

│ ├── 03 卷积神经网络.mp4

│ ├── 05 transformer-VIT源码解读.mp4

│ ├── 07 从0-1：论文写作.mp4

│ ├── 08 大模型2025年最新算法论文解读.mp4

│ ├── 09 大模型结构化推理理论及实战.mp4

│ ├── 10 大模型结构化推理理论及实战-第二课.mp4

│ ├── 12 企业知识智能检索系统——从构建 到优化的RAG增强实践.mp4

│ ├── 11 时间序列经典算法解读.mp4

│ ├── 13 企业知识智能检索系统——从构建 到优化的RAG增强实践 第二课.mp4

│ ├── 14 大模型微调与应用和科研思路.mp4

│ ├── 17 遥感图像处理与高光谱图像智能解译.mp4

│ ├── 15 遥感图像处理与高光谱图像智能解译.mp4

│ ├── 16 遥感图像处理与高光谱图像智能解译.mp4

├── 02 AI课程所需安装软件教程

│ ├── 06 Python环境安装和搭建(1).mp4.mp4

│ ├── 05 第二章 AI课程所需安装软件教程~1.mp4.mp4

│ ├── 09 PyCharm安装和配置.mp4.mp4

│ ├── 07 ANACONDA使用(新手看下，老手忽略).mp4.mp4

│ ├── 08 torch（CPU版本安装）.mp4.mp4

├── 03 深度学习框架PyTorch

│ ├── 14 1-PyTorch框架与其他框架区别分析1~1.mp4.mp4

│ ├── 15 2-CPU与GPU版本安装方法解读1~1.mp4.mp4

│ ├── 17 2-基本模块应用测试2~1.mp4.mp4

│ ├── 16 1-数据集与任务概述2~1.mp4.mp4

│ ├── 18 3-网络结构定义方法2~1.mp4.mp4

│ ├── 19 4-数据源定义简介2~1.mp4.mp4

│ ├── 20 5-损失与训练模块分析2~1.mp4.mp4

│ ├── 21 6-训练一个基本的分类模型2~1.mp4.mp4

│ ├── 23 第三章神经网络回归任务-气温预测1~1.mp4.mp4

│ ├── 22 7-参数对结果的影响2~1.mp4.mp4

│ ├── 27 1-任务分析与图像数据基本处理2~1.mp4.mp4

│ ├── 25 2-卷积网络参数解读2~1.mp4.mp4

│ ├── 26 3-卷积网络模型训练2~1.mp4.mp4

│ ├── 24 1-输入特征通道分析2~1.mp4.mp4

│ ├── 28 2-数据增强模块2~1.mp4.mp4

│ ├── 32 6-输出类别个数修改1~1.mp4.mp4

│ ├── 31 5-输出层与梯度设置1~1.mp4.mp4

│ ├── 30 4-迁移学习方法解读1~1.mp4.mp4

│ ├── 29 3-数据集与模型选择1~1.mp4.mp4

│ ├── 33 7-优化器与学习率衰减1~1.mp4.mp4

│ ├── 35 9-重新训练全部模型1~1.mp4.mp4

│ ├── 36 10-测试结果演示分析1~1.mp4.mp4

│ ├── 34 8-模型训练方法1~1.mp4.mp4

│ ├── 37 1-Dataloader要完成的任务分析1~1.mp4.mp4

│ ├── 39 3-Dataloader中需要实现的方法分析1~1.mp4.mp4

│ ├── 40 4-实用Dataloader加载数据并训练模型1~1.mp4.mp4

│ ├── 41 1-数据集与任务目标分析.mp4.mp4

│ ├── 38 2-图像数据与标签路径处理1~1.mp4.mp4

│ ├── 44 4-训练模型所需基本配置参数分析.mp4.mp4

│ ├── 42 2-文本数据处理基本流程分析.mp4.mp4

│ ├── 45 5-预料表与字符切分.mp4.mp4

│ ├── 43 3-命令行参数与DEBUG.mp4.mp4

│ ├── 47 7-LSTM网络结构基本定义.mp4.mp4

│ ├── 46 6-字符预处理转换ID.mp4.mp4

│ ├── 48 8-网络模型预测结果输出.mp4.mp4

│ ├── 50 1-基本结构与训练好的模型加载.mp4.mp4

│ ├── 51 2-服务端处理与预测函数.mp4.mp4

│ ├── 52 3-基于Flask测试模型预测结果.mp4.mp4

├── 04 Opencv图像处理框架实战

│ ├── 101 2-基本数学原理.mp4.mp4

│ ├── 100 1-角点检测基本原理.mp4.mp4

│ ├── 104 5-opencv角点检测效果.mp4.mp4

│ ├── 103 4-特征归属划分.mp4.mp4

│ ├── 105 1-尺度空间定义.mp4.mp4

│ ├── 108 4-生成特征描述.mp4.mp4

│ ├── 106 2-高斯差分金字塔.mp4.mp4

│ ├── 109 5-特征向量生成.mp4.mp4

│ ├── 110 6-opencv中sift函数使用.mp4.mp4

│ ├── 112 2-RANSAC算法.mp4.mp4

│ ├── 111 1-特征匹配方法.mp4.mp4

│ ├── 113 2-图像拼接方法.mp4.mp4

│ ├── 116 2-所需数据介绍.mp4.mp4

│ ├── 115 1-任务整体流程.mp4.mp4

│ ├── 114 4-流程解读.mp4.mp4

│ ├── 117 3-图像数据预处理.mp4.mp4

│ ├── 122 8-基于视频的车位检测.mp4.mp4

│ ├── 126 4-选项判断识别.mp4.mp4

│ ├── 119 5-按列划分区域.mp4.mp4

│ ├── 124 2-预处理操作.mp4.mp4

│ ├── 123 1-整体流程与效果概述.mp4.mp4

│ ├── 129 3-学习步骤.mp4.mp4

│ ├── 130 4-背景建模实战.mp4.mp4

│ ├── 128 2-混合高斯模型.mp4.mp4

│ ├── 131 1-基本概念.mp4.mp4

│ ├── 135 1-dnn模块.mp4.mp4

│ ├── 133 3-推导求解.mp4.mp4

│ ├── 136 2-模型加载结果输出.mp4.mp4

│ ├── 132 2-Lucas-Kanade算法.mp4.mp4

│ ├── 140 4-基于dlib与ssd的追踪.mp4.mp4

│ ├── 138 2-多目标追踪实战.mp4.mp4

│ ├── 144 2-卷积层解释.mp4.mp4

│ ├── 137 1-目标追踪概述.mp4.mp4

│ ├── 146 4-pading与stride.mp4.mp4

│ ├── 145 3-卷积计算过程.mp4.mp4

│ ├── 149 1-卷积效果演示.mp4.mp4

│ ├── 148 6-池化层原理.mp4.mp4

│ ├── 147 5-卷积参数共享.mp4.mp4

│ ├── 151 1-关键点定位概述.mp4.mp4

│ ├── 153 3-定位效果演示.mp4.mp4

│ ├── 155 5-检测效果.mp4.mp4

│ ├── 152 2-获取人脸关键点.mp4.mp4

│ ├── 55 2-Python与Opencv配置安装~1.mp4.mp4

│ ├── 53 Pycharm环境配置与Debug演示(没用过的同学必看).mp4.mp4

│ ├── 54 0-课程简介2.mp4.mp4

│ ├── 57 1-计算机眼中的图像~1.mp4.mp4

│ ├── 56 3-Notebook与IDE环境~1.mp4.mp4

│ ├── 61 5-数值计算~1.mp4.mp4

│ ├── 60 4-边界填充~1.mp4.mp4

│ ├── 59 3-ROI区域~1.mp4.mp4

│ ├── 58 2-视频的读取与处理~1.mp4.mp4

│ ├── 66 2-膨胀操作.mp4.mp4

│ ├── 63 1-图像平滑处理.mp4.mp4

│ ├── 64 2-高斯与中值滤波.mp4.mp4

│ ├── 65 1-腐蚀操作.mp4.mp4

│ ├── 68 4-梯度计算.mp4.mp4

│ ├── 69 5-礼帽与黑帽.mp4.mp4

│ ├── 71 2-梯度计算方法.mp4.mp4

│ ├── 72 3-scharr与lapkacian算子.mp4.mp4

│ ├── 73 1-Canny边缘检测流程.mp4.mp4

│ ├── 75 3-边缘检测效果.mp4.mp4

│ ├── 76 1-图像金字塔定义.mp4.mp4

│ ├── 77 2-金字塔制作方法.mp4.mp4

│ ├── 78 1-轮廓检测方法.mp4.mp4

│ ├── 79 2-轮廓检测结果.mp4.mp4

│ ├── 81 1-模板匹配方法.mp4.mp4

│ ├── 83 1-直方图定义.mp4.mp4

│ ├── 84 2-均衡化原理.mp4.mp4

│ ├── 86 4-傅里叶概述~1.mp4.mp4

│ ├── 85 3-均衡化效果.mp4.mp4

│ ├── 93 5-模板匹配得出识别结果.mp4.mp4

│ ├── 87 5-频域变换结果~1.mp4.mp4

│ ├── 91 3-模板处理方法.mp4.mp4

│ ├── 88 6-低通与高通滤波~1.mp4.mp4

│ ├── 89 总体流程与方法讲解.mp4.mp4

│ ├── 96 3-原始与变换坐标计算.mp4.mp4

│ ├── 99 6-文档扫描识别效果.mp4.mp4

│ ├── 98 5-tesseract-ocr安装配置.mp4.mp4

├── 05 物体检测经典算法实战

│ ├── 156 Pycharm环境配置与Debug演示(没用过的同学必看).mp4.mp4

│ ├── 158 YOLO系列：YOLOv12与YOLOv13.mp4

│ ├── 159 1-检测任务中阶段的意义.mp4.mp4

│ ├── 160 2-不同阶段算法优缺点分析.mp4.mp4

│ ├── 157 物体检测评估指标.mp4.mp4

│ ├── 161 3-IOU指标计算.mp4.mp4

│ ├── 164 YOLO算法整体思路解读.mp4.mp4

│ ├── 165 2-检测算法要得到的结果.mp4.mp4

│ ├── 162 4-评估所需参数计算.mp4.mp4

│ ├── 167 4-位置损失计算.mp4.mp4

│ ├── 170 2-网络结构特点.mp4.mp4

│ ├── 166 3-整体网络架构解读.mp4.mp4

│ ├── 169 V2版本细节升级概述.mp4.mp4

│ ├── 173 5-偏移量计算方法.mp4.mp4

│ ├── 171 3-架构细节解读.mp4.mp4

│ ├── 172 4-基于聚类来选择先验框尺寸.mp4.mp4

│ ├── 174 6-坐标映射与还原.mp4.mp4

│ ├── 176 8-特征融合改进.mp4.mp4

│ ├── 175 7-感受野的作用.mp4.mp4

│ ├── 178 2-多scale方法改进与特征融合.mp4.mp4

│ ├── 177 1-V3版本改进概述.mp4.mp4

│ ├── 180 4-残差连接方法解读.mp4.mp4

│ ├── 181 5-整体网络模型架构分析.mp4.mp4

│ ├── 184 1-数据与环境配置.mp4.mp4

│ ├── 183 7-sotfmax层改进.mp4.mp4

│ ├── 182 6-先验框设计改进.mp4.mp4

│ ├── 186 3-数据与标签读取.mp4.mp4

│ ├── 185 2-训练参数设置.mp4.mp4

│ ├── 187 4-标签文件读取与处理.mp4.mp4

│ ├── 189 6-基于配置文件构建网络模型.mp4.mp4

│ ├── 190 7-路由层与shortcut层的作用.mp4.mp4

│ ├── 191 8-YOLO层定义解析.mp4.mp4

│ ├── 188 5-debug模式介绍.mp4.mp4

│ ├── 194 11-模型要计算的损失概述.mp4.mp4

│ ├── 192 9-预测结果计算.mp4.mp4

│ ├── 193 10-网格偏移计算.mp4.mp4

│ ├── 195 12-标签值格式修改.mp4.mp4

│ ├── 196 13-坐标相对位置计算.mp4.mp4

│ ├── 199 16-预测效果展示.mp4.mp4

│ ├── 198 15-模型训练与总结.mp4.mp4

│ ├── 201 2-数据信息标注.mp4.mp4

│ ├── 197 14-完成所有损失函数所需计算指标.mp4.mp4

│ ├── 200 1-Labelme工具安装.mp4.mp4

│ ├── 202 3-完成标签制作.mp4.mp4

│ ├── 203 4-生成模型所需配置文件.mp4.mp4

│ ├── 204 5-json格式转换成yolo-v3所需输入.mp4.mp4

│ ├── 206 7-训练代码与参数配置更改.mp4.mp4

│ ├── 207 8-训练模型并测试效果.mp4.mp4

│ ├── 212 5-损失函数遇到的问题.mp4.mp4

│ ├── 208 1-V4版本整体概述.mp4.mp4

│ ├── 210 3-数据增强策略分析.mp4.mp4

│ ├── 209 2-V4版本贡献解读.mp4.mp4

│ ├── 213 6-CIOU损失函数定义.mp4.mp4

│ ├── 216 9-SAM注意力机制模块.mp4.mp4

│ ├── 218 11-激活函数与整体架构总结.mp4.mp4

│ ├── 214 7-NMS细节改进.mp4.mp4

│ ├── 222 4-测试DEMO演示~1.mp4.mp4

│ ├── 221 3-训练数据参数配置~1.mp4.mp4

│ ├── 220 2-训练自己的数据集方法~1.mp4.mp4

│ ├── 219 1-整体项目概述~1.mp4.mp4

│ ├── 229 7-网络架构图可视化工具安装~1.mp4.mp4

│ ├── 226 4-Mosaic数据增强方法.mp4.mp4

│ ├── 224 2-图像数据源配置.mp4.mp4

│ ├── 227 5-数据四合一方法与流程演示.mp4.mp4

│ ├── 228 6-getItem构建batch.mp4.mp4

│ ├── 223 1-数据源DEBUG流程解读.mp4.mp4

│ ├── 231 9-Focus模块流程分析~1.mp4.mp4

│ ├── 232 10-完成配置文件解析任务.mp4.mp4

│ ├── 233 11-前向传播计算.mp4.mp4

│ ├── 230 8-V5网络配置文件解读~1.mp4.mp4

│ ├── 234 12-BottleneckCSP层计算方法.mp4.mp4

│ ├── 242 19-各种训练策略概述.mp4.mp4

│ ├── 241 18-训练流程解读.mp4.mp4

│ ├── 243 20-模型迭代过程.mp4.mp4

│ ├── 238 15-输出结果分析.mp4.mp4

│ ├── 244 YOLOV7~21.mp4.mp4

│ ├── 247 训练参数-3-EMA等训练技巧解读.mp4.mp4

│ ├── 250 网络结构-3-输出层与配置文件其他模块解读.mp4.mp4

│ ├── 249 网络结构-2-各模块操作细节分析.mp4.mp4

│ ├── 246 训练参数-2-基本参数作用.mp4.mp4

│ ├── 245 训练参数-1-命令行参数介绍.mp4.mp4

│ ├── 251 标签分配-1-标签分配策略准备操作.mp4.mp4

│ ├── 252 标签分配-2-候选框偏移方法与find3p模块解读.mp4.mp4

│ ├── 253 标签分配-3-得到偏移点所在网格位置.mp4.mp4

│ ├── 254 标签分配-4-完成BuildTargets模块.mp4.mp4

│ ├── 255 标签分配-5-候选框筛选流程分析.mp4.mp4

│ ├── 257 标签分配-7-GT匹配正样本数量计算.mp4.mp4

│ ├── 258 标签分配-8-通过IOU与置信度分配正样本.mp4.mp4

│ ├── 259 损失函数-1-损失函数计算方法.mp4.mp4

│ ├── 256 标签分配-6-预测值各项指标获取与调整.mp4.mp4

│ ├── 260 辅助头AUX网络结构配置文件解析.mp4.mp4

│ ├── 262 RepConv-1-BN与卷积权重参数融合方法.mp4.mp4

│ ├── 264 V8.mp4.mp4

│ ├── 261 2-AUX部分-辅助头损失函数调整.mp4.mp4

│ ├── 263 RepConv-2-重参数化多分支合并加速.mp4.mp4

│ ├── 265 1-DETR目标检测基本思想解读.mp4.mp4

│ ├── 266 2-整体网络架构分析.mp4.mp4

│ ├── 267 3-位置信息初始化query向量.mp4.mp4

│ ├── 268 4-注意力机制的作用方法.mp4.mp4

│ ├── 273 4-backbone特征提取模块.mp4.mp4

│ ├── 270 1-项目环境配置解读.mp4.mp4

│ ├── 272 3-位置编码作用分析.mp4.mp4

│ ├── 269 5-训练过程的策略.mp4.mp4

│ ├── 276 7-Decoder层操作与计算.mp4.mp4

│ ├── 274 5-mask与编码模块.mp4.mp4

│ ├── 275 6-编码层作用方法.mp4.mp4

│ ├── 278 9-损失函数与预测输出.mp4.mp4

│ ├── 277 8-输出预测结果.mp4.mp4

│ ├── 282 第十一章：EfficientDet检测算法.mp4.mp4

│ ├── 283 YOLO V9.mp4

│ ├── 279 DeformableDetr算法解读~1.mp4.mp4

│ ├── 281 第八课：EfficientNet网络模型.mp4.mp4

│ ├── 280 第八课：半监督物体检测SoftTeacher~11.mp4.mp4

├── 14 多模态与大模型应用综合实例

│ ├── 953 第一章第12节.mp4.mp4

│ ├── 952 第一章第十一节 多模态大模型.mp4.mp4

│ ├── 958 企业知识智能检索系统——从构建 到优化的RAG增强实践.mp4

│ ├── 955 大模型2025年最新算法论文解读.mp4

│ ├── 957 大模型结构化推理理论及实战-第二课.mp4

│ ├── 954 第一章第十15五节mp4.mp4.mp4

│ ├── 956 大模型结构化推理理论及实战.mp4

│ ├── 959 企业知识智能检索系统——从构建 到优化的RAG增强实践 第二课.mp4

│ ├── 960 recordmerge-20250315223625-76cf57.mp4.mp4

│ ├── 961 基于分层强化学习的机器人路径规划方法.mp4

│ ├── 962 融合大语言模型的人形机器人强化学习训练范式.mp4

│ ├── 964 第一章第八节 人形机器人模仿学习范式 mp4.mp4.mp4

│ ├── 963 融合具身智能的机器人学习范式.mp4

│ ├── 965 第一章第九节 人形机器人模仿学习复现与实操.mp4.mp4

├── 15 AI智能体零基础应用入门实战

│ ├── 1001 5-配置插件把分析结果存在excel里.mp4.mp4

│ ├── 1000 4-结合DeepSeek进行数据分析.mp4.mp4

│ ├── 1002 6-数据可视化配置方法与节点调试分析.mp4.mp4

│ ├── 1003 7-不同可视化图表配置方法.mp4.mp4

│ ├── 1004 8-输出与展示配置.mp4.mp4

│ ├── 1005 1-影刀RPA分析.mp4.mp4

│ ├── 1006 2-影刀安装方法 .mp4

│ ├── 1006 2-影刀安装方法.mp4.mp4

│ ├── 1010 十三期第一章第六节 langchain助攻RAG mp4.mp4.mp4

│ ├── 1008 4-执行循环操作.mp4.mp4

│ ├── 1009 5-完成文案采集的全部功能.mp4.mp4

│ ├── 1007 3-影刀流程配置方法实例.mp4.mp4

│ ├── 1011 第一章第十节 langrah建立旅游资讯agent.mp4.mp4

│ ├── 967 2-插件配置方法与参数.mp4.mp4

│ ├── 969 4-结束节点配置.mp4.mp4

│ ├── 966 1-工作流要完成的任务与节点定义.mp4.mp4

│ ├── 968 3-大模型节点配置方法.mp4.mp4

│ ├── 972 2-循环中参数的定义方法.mp4.mp4

│ ├── 970 5-智能体配置方法.mp4.mp4

│ ├── 973 3-续写新闻稿件方法(循环中间变量使用).mp4.mp4

│ ├── 971 1-循环节点方法解读.mp4.mp4

│ ├── 974 4-智能体测试与输出节点.mp4.mp4

│ ├── 975 5-批处理的作用与效果.mp4.mp4

│ ├── 977 2-做剧本节点系统提示词方法.mp4.mp4

│ ├── 976 1-做视频素材业务逻辑分析.mp4.mp4

│ ├── 978 3-完成剧本节点输出.mp4.mp4

│ ├── 981 6-视频节点构建与错误分析.mp4.mp4

│ ├── 982 7-图像生成节点错误调试并保险.mp4.mp4

│ ├── 979 4-画面描述与图像生成节点构建.mp4.mp4

│ ├── 983 8-视频生成节点容易违规的解决方法.mp4.mp4

│ ├── 980 5-图像违规词限制与运镜节点.mp4.mp4

│ ├── 984 9-选修（当作拓展知识）：配置外部视频软件成为插件.mp4.mp4

│ ├── 985 10-选修：自定义插件配置方法实例.mp4.mp4

│ ├── 987 1-时间线定义方法.mp4.mp4

│ ├── 986 11-选修：工作流中添加视频插件.mp4.mp4

│ ├── 988 2-剪映插件介绍.mp4.mp4

│ ├── 990 4-剪映草稿添加素材方法.mp4.mp4

│ ├── 992 1-对话流配置与创建.mp4.mp4

│ ├── 991 5-得到合成后的视频.mp4.mp4

│ ├── 989 3-时间线和素材绑定方法.mp4.mp4

│ ├── 994 3-数据库与大模型的匹配方法.mp4.mp4

│ ├── 993 2-选择器的使用方法.mp4.mp4

│ ├── 995 4-知识库构建与匹配方法.mp4.mp4

│ ├── 996 5-汇总输出与测试.mp4.mp4

│ ├── 997 1-效果演示与数据读取.mp4.mp4

│ ├── 999 3-结合DeepSeek构建代码节点.mp4.mp4

│ ├── 998 2-数据清洗与处理.mp4.mp4

├── 16 第一十六章 强化学习与AI黑科技实例

│ ├── 1013 2-强化学习的指导依据.mp4.mp4

│ ├── 1012 1-一张图通俗解释强化学习.mp4.mp4

│ ├── 1015 4-应用领域简介.mp4.mp4

│ ├── 1016 5-强化学习工作流程.mp4.mp4

│ ├── 1014 3-强化学习AI游戏DEMO.mp4.mp4

│ ├── 1017 6-计算机眼中的状态与行为.mp4.mp4

│ ├── 1019 2-与环境交互得到所需数据.mp4.mp4

│ ├── 1021 4-策略梯度推导.mp4.mp4

│ ├── 1018 1-基本情况介绍.mp4.mp4

│ ├── 1020 3-要完成的目标分析.mp4.mp4

│ ├── 1022 5-baseline方法.mp4.mp4

│ ├── 1023 6-OnPolicy与OffPolicy策略.mp4.mp4

│ ├── 1024 7-importance sampling的作用.mp4.mp4

│ ├── 1025 8-PPO算法整体思路解析.mp4.mp4

│ ├── 1026 1-Critic的作用与效果.mp4.mp4

│ ├── 1030 5-奖励获得与计算.mp4.mp4

│ ├── 1029 4-得到动作结果.mp4.mp4

│ ├── 1028 3-参数与网络结构定义.mp4.mp4

│ ├── 1032 1-整体任务流程演示.mp4.mp4

│ ├── 1033 2-探索与action获取.mp4.mp4

│ ├── 1031 6-参数迭代与更新.mp4.mp4

│ ├── 1034 3-计算target值.mp4.mp4

│ ├── 1037 2-目标函数与公式解析.mp4.mp4

│ ├── 1035 4-训练与更新.mp4.mp4

│ ├── 1036 1-算法原理通俗解读.mp4.mp4

│ ├── 1038 3-Qlearning算法实例解读.mp4.mp4

│ ├── 1039 4-Q值迭代求解.mp4.mp4

│ ├── 1042 2-DuelingDqn改进方法.mp4.mp4

│ ├── 1041 1-DoubleDqn要解决的问题.mp4.mp4

│ ├── 1040 5-DQN简介.mp4.mp4

│ ├── 1046 1-AC算法回顾与知识点总结.mp4.mp4

│ ├── 1043 3-Dueling整体网络架构分析.mp4.mp4

│ ├── 1045 5-连续动作处理方法.mp4.mp4

│ ├── 1044 4-MultiSetp策略.mp4.mp4

│ ├── 1047 2-优势函数解读与分析.mp4.mp4

│ ├── 1050 5-损失函数整理.mp4.mp4

│ ├── 1048 3-计算流程实例.mp4.mp4

│ ├── 1049 4-A3C整体架构分析.mp4.mp4

│ ├── 1051 1-整体流程与环境配置.mp4.mp4

│ ├── 1053 3-要计算的指标回顾.mp4.mp4

│ ├── 1052 2-启动游戏环境.mp4.mp4

│ ├── 1055 5-与环境交互得到训练数据.mp4.mp4

│ ├── 1056 6-训练网络模型.mp4.mp4

│ ├── 1054 4-初始化局部模型并加载参数.mp4.mp4

│ ├── 1057 第七课：GPT系列.mp4.mp4

│ ├── 1058 1-生成模型可以完成的任务概述.mp4.mp4

│ ├── 1059 2-数据样本生成方法.mp4.mp4

│ ├── 1060 3-训练所需参数解读.mp4.mp4

│ ├── 1063 第九课：CLIP系列.mp4.mp4

│ ├── 1061 4-模型训练过程.mp4.mp4

│ ├── 1062 5-部署与网页预测展示.mp4.mp4

│ ├── 1064 1-Diffusion模型解读~1.mp4.mp4

│ ├── 1065 Dalle2源码解读.mp4.mp4

│ ├── 1066 ChatGPT解读~1.mp4.mp4

│ ├── 1067 强化学习的基础原理与应用等.mp4

├── 17 时间序列预测

│ ├── 1917_1918 时间序列预测_数据集解读.mp4

│ ├── 1916_1917 时间序列预测_项目使用说明.mp4

│ ├── 1910_1911 时间序列预测_常用模块分析.mp4

│ ├── 1912_1913 时间序列预测_Query采样方法解读.mp4

│ ├── 1914_1915 时间序列预测_编码器全部计算流程.mp4

│ ├── 1920_1921 时间序列预测_数据处理相关模块.mp4

│ ├── 1919_1920 时间序列预测_数据集构建与读取方式.mp4

│ ├── 1921_1922 时间序列预测_时间相关特征提取方法.mp4

│ ├── 1924_1925 时间序列预测_编码器模块实现.mp4

│ ├── 1930_1931 时间序列预测_论文核心思想解读.mp4

│ ├── 1926_1927 时间序列预测_完成注意力机制计算模块.mp4

│ ├── 1925_1926 时间序列预测_核心采样计算方法.mp4

│ ├── 1928_1929 时间序列预测_解码器预测输出.mp4

│ ├── 1929_1930 时间序列预测_时序预测故事背景.mp4

│ ├── 9-整体计算流程.mp4.mp4

│ ├── 1935_1936 时间序列预测_源码流程解读.mp4

│ ├── 1933_1934 时间序列预测_全部计算流程解读.mp4

├── 18 图神经网络实战

│ ├── 705 第十二课：KIE关键信息抽取与视频超分辨率重构.mp4.mp4

│ ├── 706 1-配置文件以及要完成的任务解读.mp4.mp4

│ ├── 711 6-特征合并处理.mp4.mp4

│ ├── 709 4-边框要计算的特征分析.mp4.mp4

│ ├── 707 2-KIE数据集格式调整方法.mp4.mp4

│ ├── 710 5-标签数据处理与关系特征提取.mp4.mp4

│ ├── 708 3-配置文件与标签要进行处理操作.mp4.mp4

│ ├── 713 8-整合得到图模型输入特征.mp4.mp4

│ ├── 712 7-准备拼接边与点特征.mp4.mp4

├── 23 论文创新点常用方法及其应用实例

│ ├── 1542 ACMIX（卷积与注意力融合）~1.mp4.mp4

│ ├── 1546 SPP改进~1.mp4.mp4

│ ├── 1545 SPD（可替换下采样）~1.mp4.mp4

│ ├── 1543 GCnet(全局特征融合)~1.mp4.mp4

│ ├── 1544 Coordinate_attention~1.mp4.mp4

│ ├── 1547 mobileOne(加速)~2.mp4.mp4

│ ├── 1549 ProbAttention(采样策略)~2.mp4.mp4

│ ├── 1550 CrossAttention融合特征~2.mp4.mp4

│ ├── 1548 Deformable(替换selfAttention)~2.mp4.mp4

│ ├── 1552 结合GNN构建局部特征~2.mp4.mp4

│ ├── 1551 Attention额外加入先验知识~1.mp4.mp4

│ ├── 1555 Coarse2Fine大框架~1.mp4.mp4

│ ├── 1554 自适应可学习参数~1.mp4.mp4

│ ├── 1553 损失函数约束项~2.mp4.mp4

│ ├── 1556 只能机器学习模型时凑工作量（特征工程）~1.mp4.mp4

│ ├── 1557 自己数据集如何发的好(要开源)~1.mp4.mp4

│ ├── 1561 2-网络模型基本组件分析.mp4.mp4

│ ├── 1560 1-论文要完成的核心架构分析.mp4.mp4

│ ├── 1558 可变形卷积加入方法~1.mp4.mp4

│ ├── 1562 3-流程概述分析.mp4.mp4

│ ├── 1559 在源码中加入各种注意力机制方法.mp4.mp4

│ ├── 1565 6-源码结果总结.mp4.mp4

│ ├── 1566 1-任务概述与工具使用.mp4.mp4

│ ├── 1564 5-源码实现细节解读.mp4.mp4

│ ├── 1563 4-实验结果分析.mp4.mp4

│ ├── 1569 4-开始模型训练过程与问题修正.mp4.mp4

│ ├── 1568 3-训练T与S得到蒸馏模型.mp4.mp4

│ ├── 1567 2-Teacher与Student网络结构定义.mp4.mp4

│ ├── 1570 5-日志输出与模型分离.mp4.mp4

│ ├── 1571 6-分别得到Teacher与Student模型.mp4.mp4

│ ├── 1572 7-实际测试效果演示.mp4.mp4

│ ├── 1574 2-搜索匹配到符合计算量的模型并训练.mp4.mp4

│ ├── 1573 1-SuperNet网络结构分析与剪枝概述.mp4.mp4

│ ├── 1575 在源码中加入各种注意力机制方法.mp4.mp4

├── 24 深度学习必备核⼼算法

│ ├── 13 第三章 第四节课 VIT源码解读~2.mp4.mp4

│ ├── 11 第三章 第二节课 卷积神经网络~2.mp4.mp4

│ ├── 10 第三章 第一节课 神经网络结构~1.mp4.mp4

│ ├── 12 VIP课-人工智能深度学习系统班（第七期）-1944.mp4

├── 26 深度学习模型部署与剪枝优化实战

│ ├── 22 第二十二章 深度学习模型部署与剪枝优化实战

│ │ ├── 1510_1511 深度学习模型部署与剪枝优化实战_jetson nano 刷机.mp4

│ │ ├── 1512_1513 深度学习模型部署与剪枝优化实战_感受nano的GPU算力.mp4

│ │ ├── 1511_1512 深度学习模型部署与剪枝优化实战_ jetson nano 系统安装过程.mp4

│ │ ├── 1515_1516 深度学习模型部署与剪枝优化实战_docker 的安装使用.mp4

│ │ ├── 1517_1518 深度学习模型部署与剪枝优化实战_训练自己的目标检测模型准备.mp4

│ │ ├── 1514_1515 深度学习模型部署与剪枝优化实战_ jetson-inference 入门.mp4

│ │ ├── 1518_1519 深度学习模型部署与剪枝优化实战_ 训练出自己目标识别模型a.mp4

│ │ ├── 1519_1520 深度学习模型部署与剪枝优化实战_训练出自己目标识别模型b.mp4

│ │ ├── 1520_1521 深度学习模型部署与剪枝优化实战_转换出onnx模型，并使用.mp4

│ │ ├── 1525_1526 深度学习模型部署与剪枝优化实战_NVIDIA TAO预训练模型和训练b.mp4

│ │ ├── 1523_1524 深度学习模型部署与剪枝优化实战_NVIDIA TAO数据转换.mp4

│ │ ├── 1521_1522 深度学习模型部署与剪枝优化实战_NVIDIA TAO介绍和安装.mp4

│ │ ├── 1524_1525 深度学习模型部署与剪枝优化实战_NVIDIA TAO预训练模型和训练a.mp4

│ │ ├── 1529_1530 深度学习模型部署与剪枝优化实战_deepstream HelloWorld.mp4

│ │ ├── 1530_1531 深度学习模型部署与剪枝优化实战_GStreamer RTP和RTSP1.mp4

│ │ ├── 1528_1529 深度学习模型部署与剪枝优化实战_deepstream 介绍安装.mp4

│ │ ├── 1532_1533 深度学习模型部署与剪枝优化实战_python实现RTP和RTSP.mp4

│ │ ├── 1535_1536 深度学习模型部署与剪枝优化实战_所需基本环境配置.mp4

│ │ ├── 1536_1537 深度学习模型部署与剪枝优化实战_模型加载与数据预处理.mp4

│ │ ├── 1533_1534 深度学习模型部署与剪枝优化实战_deepstream推理.mp4

│ │ ├── 1534_1535 深度学习模型部署与剪枝优化实战_deepstream集成yolov4.mp4

│ │ ├── 1538_1539 深度学习模型部署与剪枝优化实战_效果实例演示.mp4

│ │ ├── 1537_1538 深度学习模型部署与剪枝优化实战_接收与预测模块实现.mp4

│ │ ├── 1539_1540 深度学习模型部署与剪枝优化实战_课程简介.mp4

│ │ ├── 1540_1541 深度学习模型部署与剪枝优化实战_项目所需配置文件介绍.mp4

│ │ ├── 1541_1542 深度学习模型部署与剪枝优化实战_加载参数与模型权重.mp4

│ │ ├── 1543_1544 深度学习模型部署与剪枝优化实战_返回线性预测结果.mp4

│ │ ├── 1544_1545 深度学习模型部署与剪枝优化实战_docker简介.mp4

│ │ ├── 1542_1543 深度学习模型部署与剪枝优化实战_数据预处理.mp4

│ │ ├── 1545_1546 深度学习模型部署与剪枝优化实战_docker安装与配置.mp4

│ │ ├── 1548_1549 深度学习模型部署与剪枝优化实战_安装演示环境所需依赖.mp4

│ │ ├── 1551_1552 深度学习模型部署与剪枝优化实战_tf-serving项目获取与配置.mp4

│ │ ├── 1546_1547 深度学习模型部署与剪枝优化实战_阿里云镜像配置.mp4

│ │ ├── 1547_1548 深度学习模型部署与剪枝优化实战_基于docker配置pytorch环境.mp4

│ │ ├── 1553_1554 深度学习模型部署与剪枝优化实战_测试模型部署效果.mp4

│ │ ├── 1552_1553 深度学习模型部署与剪枝优化实战_加载并启动模型服务.mp4

│ │ ├── 1554_1555 深度学习模型部署与剪枝优化实战_fashion数据集获取.mp4

│ │ ├── 1557_1558 深度学习模型部署与剪枝优化实战_BatchNorm要解决的问题.mp4

│ │ ├── 1556_1557 深度学习模型部署与剪枝优化实战_论文算法核心框架概述.mp4

│ │ ├── 1555_1556 深度学习模型部署与剪枝优化实战_加载fashion模型启动服务.mp4

│ │ ├── 1558_1559 深度学习模型部署与剪枝优化实战_BN的本质作用.mp4

│ │ ├── 1562_1563 深度学习模型部署与剪枝优化实战_加入L1正则化来进行更新.mp4

│ │ ├── 1559_1560 深度学习模型部署与剪枝优化实战_额外的训练参数解读.mp4

│ │ ├── 1563_1564 深度学习模型部署与剪枝优化实战_剪枝模块介绍.mp4

│ │ ├── 1560_1561 深度学习模型部署与剪枝优化实战_稀疏化原理与效果.mp4

│ │ ├── 1561_1562 深度学习模型部署与剪枝优化实战_整体案例流程解读.mp4

│ │ ├── 1565_1566 深度学习模型部署与剪枝优化实战_剪枝后模型参数赋值.mp4

│ │ ├── 1564_1565 深度学习模型部署与剪枝优化实战_筛选需要的特征图.mp4

│ │ ├── 1569_1570 深度学习模型部署与剪枝优化实战_mobilenet简介.mp4

│ │ ├── 1568_1569 深度学习模型部署与剪枝优化实战_常见剪枝方法介绍.mp4

│ │ ├── 1575_1576 深度学习模型部署与剪枝优化实战_倒残差结构的作用.mp4

│ │ ├── 1579_1580 深度学习模型部署与剪枝优化实战_代码实现mobilenetV3网络架构.mp4

│ │ ├── 1573_1574 深度学习模型部署与剪枝优化实战_V1版本效果分析.mp4

│ │ ├── 1572_1573 深度学习模型部署与剪枝优化实战_参数与计算量的比较.mp4

│ │ ├── 1578_1579 深度学习模型部署与剪枝优化实战_SE模块作用与效果解读.mp4

│ ├── 1580 模型部署.mp4

├── 28 对比学习与多模态任务实战

│ ├── 971_972 对比学习与多模态任务实战_对比学习算法与实例.mp4

│ ├── 975_976 对比学习与多模态任务实战_基本流程梳理并进入debug模式.mp4

│ ├── 973_974 对比学习与多模态任务实战_环境配置与数据集概述.mp4

│ ├── 974_975 对比学习与多模态任务实战_数据与标注文件介绍.mp4

│ ├── 976_977 对比学习与多模态任务实战_数据与图像特征提取模块.mp4

│ ├── 972_973 对比学习与多模态任务实战_CLIP系列.mp4

│ ├── 977_978 对比学习与多模态任务实战_体素索引位置获取.mp4

│ ├── 978_979 对比学习与多模态任务实战_体素特征提取方法解读.mp4

│ ├── 981_982 对比学习与多模态任务实战_多模态特征融合.mp4

│ ├── 980_981 对比学习与多模态任务实战_全局体素特征提取.mp4

│ ├── 983_984 对比学习与多模态任务实战_输出层预测结果.mp4

│ ├── 984_985 对比学习与多模态任务实战_多模态文字识别.mp4

│ ├── 986_987 对比学习与多模态任务实战_配置文件修改方法.mp4

│ ├── 987_988 对比学习与多模态任务实战_Bakbone模块得到特征.mp4

│ ├── 990_991 对比学习与多模态任务实战_文本模型中的结构分析.mp4

│ ├── 991_992 对比学习与多模态任务实战_迭代修正模块.mp4

│ ├── 992_993 对比学习与多模态任务实战_输出层与损失计算.mp4

├── 31 语音识别实战

│ ├── 2044_2045 语音识别实战系列_加入attention的序列模型整体架构.mp4

│ ├── 2043_2044 语音识别实战系列_注意力机制的作用.mp4

│ ├── 2045_2046 语音识别实战系列_TeacherForcing的作用与训练策略.mp4

│ ├── 2047_2048 语音识别实战系列_数据源与环境配置.mp4

│ ├── 2048_2049 语音识别实战系列_语料表制作方法.mp4

│ ├── 2049_2050 语音识别实战系列_制作json标注数据.mp4

│ ├── 2046_2047 语音识别实战系列_额外补充-RNN网络模型解读.mp4

│ ├── 2052_2053 语音识别实战系列_编码器模块整体流程.mp4

│ ├── 2053_2054 语音识别实战系列_加入注意力机制.mp4

│ ├── 2051_2052 语音识别实战系列_Pack与Pad操作解析.mp4

│ ├── 2055_2056 语音识别实战系列_解码器与训练过程演示.mp4

│ ├── 2050_2051 语音识别实战系列_声音数据处理模块解读.mp4

│ ├── 2057_2058 语音识别实战系列_VCC2016输入数据.mp4

│ ├── 2058_2059 语音识别实战系列_语音特征提取.mp4

│ ├── 2060_2061 语音识别实战系列_InstanceNorm的作用解读.mp4

│ ├── 2056_2057 语音识别实战系列_论文整体思路与架构解读.mp4

│ ├── 2061_2062 语音识别实战系列_AdaIn的目的与效果.mp4

│ ├── 2065_2066 语音识别实战系列_数据预处理与声音特征提取.mp4

│ ├── 2062_2063 语音识别实战系列_判别器模块分析.mp4

│ ├── 2063_2064 语音识别实战系列_数据与项目文件解读.mp4

│ ├── 2070_2071 语音识别实战系列_判别器模块解读.mp4

│ ├── 2075_2076 语音识别实战系列_经典语音分离模型概述.mp4

│ ├── 2074_2075 语音识别实战系列_语音分离任务分析.mp4

│ ├── 2072_2073 语音识别实战系列_源码损失计算流程.mp4

│ ├── 2077_2078 语音识别实战系列_TasNet编码器结构分析.mp4

│ ├── 2076_2077 语音识别实战系列_DeepClustering论文解读.mp4

│ ├── 2078_2079 语音识别实战系列_DW卷积的作用与效果.mp4

│ ├── 2080_2081 语音识别实战系列_数据准备与环境配置.mp4

│ ├── 2079_2080 语音识别实战系列_基于Mask得到分离结果.mp4

│ ├── 2081_2082 语音识别实战系列_训练任务所需参数介绍.mp4

│ ├── 2083_2084 语音识别实战系列_采样数据特征编码.mp4

│ ├── 2084_2085 语音识别实战系列_编码器特征提取.mp4

│ ├── 2087_2088 语音识别实战系列_测试模块所需参数.mp4

│ ├── 2082_2083 语音识别实战系列_DataLoader定义.mp4

│ ├── 2088_2089 语音识别实战系列_语音合成项目所需环境配置.mp4

│ ├── 2092_2093 语音识别实战系列_编码层要完成的任务.mp4

│ ├── 2091_2092 语音识别实战系列_Dataloader构建数据与标签.mp4

│ ├── 2093_2094 语音识别实战系列_得到编码特征向量.mp4

│ ├── 2096_2097 语音识别实战系列_注意力机制应用方法.mp4

│ ├── 2097_2098 语音识别实战系列_得到加权的编码向量.mp4

│ ├── 2098_2099 语音识别实战系列_模型输出结果.mp4

│ ├── 2099_2100 语音识别实战系列_损失函数与预测.mp4

├── 32 推荐系统实战

│ ├── 2102_2103 推荐系统实战系列_3-应用领域与多方位评估指标.mp4

│ ├── 2103_2104 推荐系统实战系列_4-任务流程与挑战概述.mp4

│ ├── 2105_2106 推荐系统实战系列_6-与深度学习的结合.mp4

│ ├── 2107_2108 推荐系统实战系列_2-基于用户与商品的协同过滤.mp4

│ ├── 2110_2111 推荐系统实战系列_5-矩阵分解中的隐向量.mp4

│ ├── 2108_2109 推荐系统实战系列_3-相似度计算与推荐实例.mp4

│ ├── 2109_2110 推荐系统实战系列_4-矩阵分解的目的与效果.mp4

│ ├── 2114_2115 推荐系统实战系列_1-音乐推荐任务概述.mp4

│ ├── 2113_2114 推荐系统实战系列_8-Embedding的作用.mp4

│ ├── 2112_2113 推荐系统实战系列_7-隐式情况分析.mp4

│ ├── 2115_2116 推荐系统实战系列_2-数据集整合.mp4

│ ├── 2118_2119 推荐系统实战系列_5-SVD矩阵分解.mp4

│ ├── 2117_2118 推荐系统实战系列_4-物品相似度计算与推荐.mp4

│ ├── 2116_2117 推荐系统实战系列_3-基于物品的协同过滤.mp4

│ ├── 2123_2124 推荐系统实战系列_4-金融与推荐领域的应用.mp4

│ ├── 2121_2122 推荐系统实战系列_2-知识图谱在搜索引擎中的应用.mp4

│ ├── 2125_2126 推荐系统实战系列_1-Neo4j图数据库介绍.mp4

│ ├── 2127_2128 推荐系统实战系列_3-可视化例子演示.mp4

│ ├── 2124_2125 推荐系统实战系列_5-数据获取分析.mp4

│ ├── 2126_2127 推荐系统实战系列_2-Neo4j数据库安装流程演示.mp4

│ ├── 2131_2132 推荐系统实战系列_2-kaggle电影数据集下载与配置.mp4

│ ├── 2128_2129 推荐系统实战系列_4-创建与删除操作演示.mp4

│ ├── 2132_2133 推荐系统实战系列_3-图谱需求与任务流程解读.mp4

│ ├── 2133_2134 推荐系统实战系列_4-项目所需环境配置安装.mp4

│ ├── 2134_2135 推荐系统实战系列_5-构建用户电影知识图谱.mp4

│ ├── 2137_2138 推荐系统实战系列_1-CTR估计及其经典方法概述.mp4

│ ├── 2135_2136 推荐系统实战系列_6-图谱查询与匹配操作.mp4

│ ├── 2136_2137 推荐系统实战系列_7-相似度计算与推荐引擎构建.mp4

│ ├── 2143_2144 推荐系统实战系列_7-输入层所需数据样例.mp4

│ ├── 2139_2140 推荐系统实战系列_3-二项式特征的作用与挑战.mp4

│ ├── 2140_2141 推荐系统实战系列_4-二阶公式推导与化简.mp4

│ ├── 2138_2139 推荐系统实战系列_2-高维特征带来的问题.mp4

│ ├── 2141_2142 推荐系统实战系列_5-FM算法解析.mp4

│ ├── 2144_2145 推荐系统实战系列_8-Embedding层的作用与总结.mp4

│ ├── 2146_2147 推荐系统实战系列_2-广告点击数据预处理实例.mp4

│ ├── 2147_2148 推荐系统实战系列_3-数据处理模块Embedding层.mp4

│ ├── 2145_2146 推荐系统实战系列_1-数据集介绍与环境配置.mp4

│ ├── 2152_2153 推荐系统实战系列_8-完成FM模块计算.mp4

│ ├── 2151_2152 推荐系统实战系列_7-特征组合方法实例分析.mp4

│ ├── 2149_2150 推荐系统实战系列_5-一阶权重参数设计.mp4

│ ├── 2156_2157 推荐系统实战系列_3-surprise工具包基本使用.mp4

│ ├── 2157_2158 推荐系统实战系列_4-模型测试集结果.mp4

│ ├── 2155_2156 推荐系统实战系列_2-电影数据集预处理分析.mp4

│ ├── 2153_2154 推荐系统实战系列_9-DNN模块与训练过程.mp4

│ ├── 2159_2160 推荐系统实战系列_1-数据与环境配置介绍.mp4

│ ├── 2160_2161 推荐系统实战系列_2-数据科学相关数据介绍.mp4

│ ├── 2162_2163 推荐系统实战系列_4-TFIDF构建特征矩阵.mp4

│ ├── 2165_2166 推荐系统实战系列_7-推荐结果分析.mp4

│ ├── 2164_2165 推荐系统实战系列_6-LDA主题模型效果演示.mp4

│ ├── 2163_2164 推荐系统实战系列_5-矩阵分解演示.mp4

│ ├── 2166_2167 推荐系统实战系列_1-电影数据与环境配置.mp4

│ ├── 2168_2169 推荐系统实战系列_3-关键词云与直方图展示.mp4

│ ├── 2167_2168 推荐系统实战系列_2-数据与关键词信息展示.mp4

│ ├── 2169_2170 推荐系统实战系列_4-特征可视化.mp4

│ ├── 2170_2171 推荐系统实战系列_5-数据清洗概述.mp4

│ ├── 2172_2173 推荐系统实战系列_7-推荐引擎构造.mp4

│ ├── 2174_2175 推荐系统实战系列_9-得出推荐结果.mp4

│ ├── 2176_2177 推荐系统实战系列_2-文本词频统计.mp4

│ ├── 2175_2176 推荐系统实战系列_1-酒店数据与任务介绍.mp4

│ ├── 2173_2174 推荐系统实战系列_8-数据特征构造.mp4

│ ├── 2180_2181 推荐系统实战系列_6-得出推荐结果.mp4

├── 33 文字检测与识别

│ ├── 2159 2-配置文件参数设置.mp4.mp4

│ ├── 2158 1-文字检测数据概述与配置文件~1.mp4.mp4

│ ├── 2160 3-Neck层特征组合.mp4.mp4

│ ├── 2162 5-损失计算方法.mp4.mp4

│ ├── 2170 8-输出层与损失计算.mp4.mp4

│ ├── 2169 7-迭代修正模块.mp4.mp4

│ ├── 2166 4-视觉Transformer模块的作用.mp4.mp4

│ ├── 2165 3-Bakbone模块得到特征.mp4.mp4

│ ├── 2168 6-文本模型中的结构分析.mp4.mp4

│ ├── 2171 OCR算法解读.mp4

├── 10 3D点云实战

│ ├── 12 第十二章-3D点云实战

│ │ ├── 704_706 3D点云实战_点云应用领域与发展分析.mp4

│ │ ├── 703_705 3D点云实战_点云数据概述.mp4

│ │ ├── 705_707 3D点云实战_点云分割任务.mp4

│ │ ├── 707_709 3D点云实战_点云检测与配准任务.mp4

│ │ ├── 706_708 3D点云实战_点云补全任务.mp4

│ │ ├── 710_712 3D点云实战_点云数据可视化展示.mp4

│ │ ├── 713_715 3D点云实战_PointNet算法网络架构解读.mp4

│ │ ├── 708_710 3D点云实战_点云数据特征提取概述与预告.mp4

│ │ ├── 716_718 3D点云实战_分组Group方法原理解读.mp4

│ │ ├── 715_717 3D点云实战_最远点采样方法.mp4

│ │ ├── 717_719 3D点云实战_整体流程概述分析.mp4

│ │ ├── 718_720 3D点云实战_分类与分割问题解决方案.mp4

│ │ ├── 714_716 3D点云实战_PointNet升级版算法要解决的问题.mp4

│ │ ├── 720_722 3D点云实战_项目文件概述.mp4

│ │ ├── 719_721 3D点云实战_遇到的问题及改进方法分析.mp4

│ │ ├── 723_725 3D点云实战_最远点采样介绍.mp4

│ │ ├── 722_724 3D点云实战_DEBUG解读网络模型架构.mp4

│ │ ├── 721_723 3D点云实战_数据读取模块配置.mp4

│ │ ├── 726_728 3D点云实战_实现group操作得到各中心簇.mp4

│ │ ├── 730_732 3D点云实战_分割任务数据与配置概述.mp4

│ │ ├── 724_726 3D点云实战_采样得到中心点.mp4

│ │ ├── 725_727 3D点云实战_组区域划分方法.mp4

│ │ ├── 732_734 3D点云实战_上采样完成分割任务.mp4

│ │ ├── 731_733 3D点云实战_分割需要解决的任务概述.mp4

│ │ ├── 734_736 3D点云实战_基本解决方案概述.mp4

│ │ ├── 735_737 3D点云实战_整体网络概述.mp4

│ │ ├── 736_738 3D点云实战_网络计算流程.mp4

│ │ ├── 740_742 3D点云实战_整体框架概述.mp4

│ │ ├── 739_741 3D点云实战_待补全数据准备方法.mp4

│ │ ├── 737_739 3D点云实战_输入与计算结果.mp4

│ │ ├── 738_740 3D点云实战_数据与项目配置解读.mp4

│ │ ├── 743_745 3D点云实战_补全点云数据.mp4

│ │ ├── 744_746 3D点云实战_判别模块.mp4

│ │ ├── 746_748 3D点云实战_配准要完成的目标解读.mp4

│ │ ├── 747_749 3D点云实战_训练数据构建.mp4

│ │ ├── 748_750 3D点云实战_任务基本流程.mp4

│ │ ├── 751_753 3D点云实战_基于模型预测输出参数.mp4

│ │ ├── 754_756 3D点云实战_对抗生成网络通俗解释.mp4

│ │ ├── 755_757 3D点云实战_GAN网络组成.mp4

│ │ ├── 752_754 3D点云实战_特征构建方法分析.mp4

│ │ ├── 753_755 3D点云实战_任务总结.mp4

│ │ ├── 757_759 3D点云实战_数据读取模块.mp4

│ │ ├── 758_760 3D点云实战_生成与判别网络定义.mp4

│ │ ├── 756_758 3D点云实战_损失函数解释说明.mp4

├── 25 面向深度学习的无人驾驶实战

│ ├── 13 第十三章-面向深度学习的无人驾驶实战

│ │ ├── 865_866 面向深度学习的无人驾驶实战_kitti数据集介绍.mp4

│ │ ├── 866_867 面向深度学习的无人驾驶实战_使用backbone获取层级特征.mp4

│ │ ├── 864_865 面向深度学习的无人驾驶实战_深度估计效果与应用.mp4

│ │ ├── 867_868 面向深度学习的无人驾驶实战_差异特征计算边界信息.mp4

│ │ ├── 871_872 面向深度学习的无人驾驶实战_网络coarse-to-fine过程.mp4

│ │ ├── 869_870 面向深度学习的无人驾驶实战_空洞卷积与ASPP.mp4

│ │ ├── 872_873 面向深度学习的无人驾驶实战_权重参数预处理.mp4

│ │ ├── 873_874 面向深度学习的无人驾驶实战_损失计算.mp4

│ │ ├── 875_876 面向深度学习的无人驾驶实战_数据与标签定义方法.mp4

│ │ ├── 876_877 面向深度学习的无人驾驶实战_数据集dataloader制作.mp4

│ │ ├── 877_878 面向深度学习的无人驾驶实战_使用backbone进行特征提取.mp4

│ │ ├── 878_879 面向深度学习的无人驾驶实战_计算差异特征.mp4

│ │ ├── 881_882 面向深度学习的无人驾驶实战_特征拼接方法解读.mp4

│ │ ├── 882_883 面向深度学习的无人驾驶实战_输出深度估计结果.mp4

│ │ ├── 883_884 面向深度学习的无人驾驶实战_损失函数通俗解读.mp4

│ │ ├── 884_885 面向深度学习的无人驾驶实战_模型DEMO输出结果.mp4

│ │ ├── 887_888 面向深度学习的无人驾驶实战_输出结果分析.mp4

│ │ ├── 888_889 面向深度学习的无人驾驶实战_损失函数计算方法.mp4

│ │ ├── 886_887 面向深度学习的无人驾驶实战_网络整体框架分析.mp4

│ │ ├── 891_892 面向深度学习的无人驾驶实战_项目环境配置演示.mp4

│ │ ├── 889f6a42e176499f803af29393312bd7.mp4

│ │ ├── 894_895 面向深度学习的无人驾驶实战_四条车道线标签位置矩阵.mp4

│ │ ├── 892_893 面向深度学习的无人驾驶实战_制作数据集dataloader.mp4

│ │ ├── 890_891 面向深度学习的无人驾驶实战_车道数据与标签解读.mp4

│ │ ├── 899_900 面向深度学习的无人驾驶实战_车道线规则损失函数限制.mp4

│ │ ├── 902_903 面向深度学习的无人驾驶实战_特征匹配的基本流程分析.mp4

│ │ ├── 895_896 面向深度学习的无人驾驶实战_grid设置方法.mp4

│ │ ├── 898_899 面向深度学习的无人驾驶实战_损失函数计算模块分析.mp4

│ │ ├── 903_904 面向深度学习的无人驾驶实战_整体流程梳理分析.mp4

│ │ ├── 907_908 面向深度学习的无人驾驶实战_特征图拆解操作.mp4

│ │ ├── 904_905 面向深度学习的无人驾驶实战_CrossAttention的作用与效果.mp4

│ │ ├── 906_907 面向深度学习的无人驾驶实战_粗粒度匹配过程与作用.mp4

│ │ ├── 908_909 面向深度学习的无人驾驶实战_细粒度匹配的作用与方法.mp4

│ │ ├── 909_910 面向深度学习的无人驾驶实战_基于期望预测最终位置.mp4

│ │ ├── 911_912 面向深度学习的无人驾驶实战_项目与参数配置解读.mp4

│ │ ├── 910_911 面向深度学习的无人驾驶实战_总结分析.mp4

│ │ ├── 912_913 面向深度学习的无人驾驶实战_DEMO效果演示.mp4

│ │ ├── 913_914 面向深度学习的无人驾驶实战_backbone特征提取模块.mp4

│ │ ├── 915_916 面向深度学习的无人驾驶实战_特征融合模块实现方法.mp4

│ │ ├── 914_915 面向深度学习的无人驾驶实战_注意力机制的作用与效果分析.mp4

│ │ ├── 916_917 面向深度学习的无人驾驶实战_cross关系计算方法实例.mp4

│ │ ├── 919_920 面向深度学习的无人驾驶实战_精细化调整方法与实例.mp4

│ │ ├── 917_918 面向深度学习的无人驾驶实战_粗粒度匹配过程.mp4

│ │ ├── 918_919 面向深度学习的无人驾驶实战_完成基础匹配模块.mp4

│ │ ├── 920_921 面向深度学习的无人驾驶实战_得到精细化输出结果.mp4

│ │ ├── 921_922 面向深度学习的无人驾驶实战_通过期望计算最终输出.mp4

│ │ ├── 923_924 面向深度学习的无人驾驶实战_三维重建应用领域概述.mp4

│ │ ├── 924_925 面向深度学习的无人驾驶实战_成像方法概述.mp4

│ │ ├── 922_923 面向深度学习的无人驾驶实战_三维重建概述分析.mp4

│ │ ├── 925_926 面向深度学习的无人驾驶实战_相机坐标系.mp4

│ │ ├── 926_927 面向深度学习的无人驾驶实战_坐标系转换方法解读.mp4

│ │ ├── 929_930 面向深度学习的无人驾驶实战_相机标定简介.mp4

│ │ ├── 927_928 面向深度学习的无人驾驶实战_相机内外参.mp4

│ │ ├── 928_929 面向深度学习的无人驾驶实战_通过内外参数进行坐标变换.mp4

│ │ ├── 930_931 面向深度学习的无人驾驶实战_任务流程分析.mp4

│ │ ├── 936_937 面向深度学习的无人驾驶实战_Scannet数据集内容概述.mp4

│ │ ├── 932_933 面向深度学习的无人驾驶实战_特征映射方法解读.mp4

│ │ ├── 934_935 面向深度学习的无人驾驶实战_整体架构重构方法.mp4

│ │ ├── 931_932 面向深度学习的无人驾驶实战_基本框架熟悉.mp4

│ │ ├── 939_940 面向深度学习的无人驾驶实战_完成依赖环境配置.mp4

│ │ ├── 938_939 面向深度学习的无人驾驶实战_ISSUE的作用.mp4

│ │ ├── 937_938 面向深度学习的无人驾驶实战_TSDF标签生成方法.mp4

│ │ ├── 940_941 面向深度学习的无人驾驶实战_Backbone得到特征图.mp4

│ │ ├── 941_942 面向深度学习的无人驾驶实战_初始化体素位置.mp4

│ │ ├── 943_944 面向深度学习的无人驾驶实战_得到体素所对应特征图.mp4

│ │ ├── 942_943 面向深度学习的无人驾驶实战_坐标映射方法实现.mp4

│ │ ├── 946_947 面向深度学习的无人驾驶实战_完成三个阶段预测结果.mp4

│ │ ├── 948_949 面向深度学习的无人驾驶实战_TSDF整体概述分析.mp4

│ │ ├── 947_948 面向深度学习的无人驾驶实战_项目总结.mp4

│ │ ├── 944_945 面向深度学习的无人驾驶实战_插值得到对应特征向量.mp4

│ │ ├── 954_955 面向深度学习的无人驾驶实战_环境配置概述.mp4

│ │ ├── 955_956 面向深度学习的无人驾驶实战_初始化与数据读取.mp4

│ │ ├── 949_950 面向深度学习的无人驾驶实战_合成过程DEMO演示.mp4

│ │ ├── 951_952 面向深度学习的无人驾驶实战_TSDF计算基本流程解读.mp4

│ │ ├── 956_957 面向深度学习的无人驾驶实战_计算得到TSDF输出.mp4

│ │ ├── 962_963 面向深度学习的无人驾驶实战_子图模块构建方法.mp4

│ │ ├── 961_962 面向深度学习的无人驾驶实战_输入细节分析.mp4

│ │ ├── 957_958 面向深度学习的无人驾驶实战_数据集与标注信息解读.mp4

│ │ ├── 959_960 面向深度学习的无人驾驶实战_特征工程的作用与效果.mp4

│ │ ├── 960_961 面向深度学习的无人驾驶实战_传统方法与现在向量空间对比.mp4

│ │ ├── 963_964 面向深度学习的无人驾驶实战_特征融合模块分析.mp4

│ │ ├── 966_967 面向深度学习的无人驾驶实战_训练数据准备.mp4

│ │ ├── 964_965 面向深度学习的无人驾驶实战_VectorNet输出层分析.mp4

│ │ ├── 965_966 面向深度学习的无人驾驶实战_数据与环境配置.mp4

│ │ ├── 969_970 面向深度学习的无人驾驶实战_SubGraph与Attention模型流程.mp4

│ │ ├── 967_968 面向深度学习的无人驾驶实战_Agent特征提取方法.mp4

├── 30 自然语言处理通用框架-BERT实战

│ ├── 26 第二十六章 自然语言处理通用框架-BERT实战

│ │ ├── 1940_1941 自然语言处理通用框架-BERT实战_注意力机制的作用.mp4

│ │ ├── 1939_1940 自然语言处理通用框架-BERT实战_传统解决方案遇到的问题.mp4

│ │ ├── 1937_1938 自然语言处理通用框架-BERT实战_BERT课程简介.mp4

│ │ ├── 1938_1939 自然语言处理通用框架-BERT实战_BERT任务目标概述.mp4

│ │ ├── 1941_1942 自然语言处理通用框架-BERT实战_self-attention计算方法.mp4

│ │ ├── 1942_1943 自然语言处理通用框架-BERT实战_特征分配与softmax机制.mp4

│ │ ├── 1943_1944 自然语言处理通用框架-BERT实战_Multi-head的作用.mp4

│ │ ├── 1944_1945 自然语言处理通用框架-BERT实战_位置编码与多层堆叠.mp4

│ │ ├── 1945_1946 自然语言处理通用框架-BERT实战_transformer整体架构梳理.mp4

│ │ ├── 1946_1947 自然语言处理通用框架-BERT实战_BERT模型训练方法.mp4

│ │ ├── 1950_1951 自然语言处理通用框架-BERT实战_数据读取模块.mp4

│ │ ├── 1948_1949 自然语言处理通用框架-BERT实战_BERT开源项目简介.mp4

│ │ ├── 1954_1955 自然语言处理通用框架-BERT实战_加入额外编码特征.mp4

│ │ ├── 1955_1956 自然语言处理通用框架-BERT实战_加入位置编码特征.mp4

│ │ ├── 1956_1957 自然语言处理通用框架-BERT实战_mask机制的作用.mp4

│ │ ├── 1958_1959 自然语言处理通用框架-BERT实战_完成Transformer模块构建.mp4

│ │ ├── 1957_1958 自然语言处理通用框架-BERT实战_构建QKV矩阵.mp4

│ │ ├── 1962_1963 自然语言处理通用框架-BERT实战_训练BERT中文分类模型.mp4

│ │ ├── 1963_1964 自然语言处理通用框架-BERT实战_命名实体识别数据分析与任务目标.mp4

│ │ ├── 1960_1961 自然语言处理通用框架-BERT实战_中文分类数据与任务概述.mp4

│ │ ├── 1964_1965 自然语言处理通用框架-BERT实战_NER标注数据处理与读取.mp4

│ │ ├── 1965_1966 自然语言处理通用框架-BERT实战_构建BERT与CRF模型.mp4

│ │ ├── 1967_1968 自然语言处理通用框架-BERT实战_模型整体框架.mp4

│ │ ├── 1968_1969 自然语言处理通用框架-BERT实战_训练数据构建.mp4

│ │ ├── 1969_1970 自然语言处理通用框架-BERT实战_CBOW与Skip-gram模型.mp4

│ │ ├── 1966_1967 自然语言处理通用框架-BERT实战_词向量模型通俗解释.mp4

│ │ ├── 1970_1971 自然语言处理通用框架-BERT实战_负采样方案.mp4

│ │ ├── 1972_1973 自然语言处理通用框架-BERT实战_数据清洗.mp4

│ │ ├── 1974_1975 自然语言处理通用框架-BERT实战_网络训练.mp4

│ │ ├── 1973_1974 自然语言处理通用框架-BERT实战_batch数据制作.mp4

│ │ ├── 1976_1977 自然语言处理通用框架-BERT实战_RNN网络模型解读.mp4

│ │ ├── 1981_1982 自然语言处理通用框架-BERT实战_构建LSTM网络模型.mp4

│ │ ├── 1979_1980 自然语言处理通用框架-BERT实战_加载词向量特征.mp4

│ │ ├── 1978_1979 自然语言处理通用框架-BERT实战_项目流程解读.mp4

│ │ ├── 1977_1978 自然语言处理通用框架-BERT实战_NLP应用领域与任务简介.mp4

│ │ ├── 1982_1983 自然语言处理通用框架-BERT实战_训练与测试效果.mp4

│ │ ├── 1985_1986 自然语言处理通用框架-BERT实战_整体模型架构.mp4

│ │ ├── 1984_1985 自然语言处理通用框架-BERT实战_数据与任务介绍.mp4

│ │ ├── 1983_1984 自然语言处理通用框架-BERT实战_LSTM情感分析.mp4

│ │ ├── 1986_1987 自然语言处理通用框架-BERT实战_数据-标签-语料库处理.mp4

│ │ ├── 1988_1989 自然语言处理通用框架-BERT实战_医疗数据集（糖尿病）实体识别.mp4

│ │ ├── 1987_1988 自然语言处理通用框架-BERT实战_训练网络模型.mp4

├── 21 行人重识别实战

│ ├── 16 第十六章-行人重识别实战

│ │ ├── 1105_1106 行人重识别实战_行人重识别要解决的问题.mp4

│ │ ├── 1106_1107 行人重识别实战_挑战与困难分析.mp4

│ │ ├── 1111_1112 行人重识别实战_论文整体思想及注意力机制的作用解读.mp4

│ │ ├── 1110_1111 行人重识别实战_Hard-Negative方法应用.mp4

│ │ ├── 1109_1110 行人重识别实战_triplet损失计算实例.mp4

│ │ ├── 1107_1108 行人重识别实战_评估标准rank1指标.mp4

│ │ ├── 1112_1113 行人重识别实战_空间权重值计算流程分析.mp4

│ │ ├── 1113_1114 行人重识别实战_融合空间注意力所需特征.mp4

│ │ ├── 1117_1118 行人重识别实战_进入debug模式解读网络计算流程.mp4

│ │ ├── 1116_1117 行人重识别实战_参数配置与整体架构分析.mp4

│ │ ├── 1115_1116 行人重识别实战_项目环境与数据集配置.mp4

│ │ ├── 1114_1115 行人重识别实战_基于特征图的注意力计算.mp4

│ │ ├── 1119_1120 行人重识别实战_组合关系特征图.mp4

│ │ ├── 1121_1122 行人重识别实战_基于特征图的权重计算.mp4

│ │ ├── 1124_1125 行人重识别实战_论文整体框架概述.mp4

│ │ ├── 1120_1121 行人重识别实战_计算得到位置权重值.mp4

│ │ ├── 1123_1124 行人重识别实战_训练与测试模块演示.mp4

...