人工智能深度学习系统班（14期） 155773

 课程目录：

├──01-【直播课】直播回放

| ├──1.开班典礼：如何学好人工智能学科.mp4 765.16M

| ├──2.神经网络.mp4 1.17G

| ├──3.卷积神经网络.mp4 1.22G

| └──4.transformer解读.mp4 999.13M

├──02-【基础模块】Al课程所需安装软件教程

| ├──1.AI课程所需安装软件教程.mp4 16.18M

| ├──2.Python环境安装和搭建.mp4 48.10M

| ├──3.Anaconda基础讲解和使用的教程.mp4 44.39M

| ├──4.PyTorch框架与其他框架区别分析.mp4 39.26M

| └──5.CPU与GPU版本安装方法解读.mp4 58.20M

├──03-【基础模块】深度学习基础与框架

| ├──1.神经网络结构

| | └──神经网络结构.mp4 447.17M

| ├──2.PyTorch框架必备核心模块解读

| | ├──1-PyTorch实战课程简介.mp4 22.99M

| | ├──2-PyTorch框架发展趋势简介.mp4 26.60M

| | ├──3-框架安装方法（CPU与GPU版本）.mp4 13.24M

| | ├──4-PyTorch基本操作简介.mp4 28.01M

| | ├──5-自动求导机制.mp4 33.40M

| | ├──6-线性回归DEMO-数据与参数配置.mp4 22.66M

| | ├──7-线性回归DEMO-训练回归模型.mp4 39.44M

| | ├──8-补充：常见tensor格式.mp4 19.62M

| | └──9-补充：Hub模块简介.mp4 53.14M

| ├──3.神经网络分类任务

| | ├──1-数据集与任务概述.mp4 31.67M

| | ├──2-基本模块应用测试.mp4 32.55M

| | ├──3-网络结构定义方法.mp4 39.51M

| | ├──4-数据源定义简介.mp4 27.19M

| | ├──5-损失与训练模块分析.mp4 30.93M

| | ├──6-训练一个基本的分类模型.mp4 33.85M

| | └──7-参数对结果的影响.mp4 40.80M

| ├──4.神经网络回归：气温预测

| | └──神经网络回归任务-气温预测.mp4 136.41M

| └──5.Pycharm环境配置与Debug演示

| | └──Pycharm环境配置与Debug演示(没用过的同学必看).mp4 125.39M

├──04-【基础模块】深度学习核心算法与实践

| ├──1.卷积神经网络深度解析

| | └──卷积神经网络.mp4 1.33G

| ├──2.卷积网络参数分析与优化

| | ├──1-输入特征通道分析.mp4 28.28M

| | ├──2-卷积网络参数解读.mp4 20.91M

| | └──3-卷积网络模型训练.mp4 37.94M

| ├──3.ResNet模型及其应用

| | ├──1-医学疾病数据集介绍.mp4 18.87M

| | ├──2-Resnet网络架构原理分析.mp4 24.84M

| | ├──3-dataloader加载数据集.mp4 64.82M

| | ├──4-Resnet网络前向传播.mp4 35.84M

| | ├──5-残差网络的shortcut操作.mp4 47.37M

| | ├──6-特征图升维与降采样操作.mp4 26.91M

| | └──7-网络整体流程与训练演示.mp4 67.49M

| ├──4.图像识别模型与训练策略（重点）

| | ├──1-任务分析与图像数据基本处理.mp4 27.24M

| | ├──10-测试结果演示分析.mp4 86.64M

| | ├──2-数据增强模块.mp4 26.96M

| | ├──3-数据集与模型选择.mp4 28.64M

| | ├──4-迁移学习方法解读.mp4 30.59M

| | ├──5-输出层与梯度设置.mp4 36.50M

| | ├──6-输出类别个数修改.mp4 31.91M

| | ├──7-优化器与学习率衰减.mp4 32.95M

| | ├──8-模型训练方法.mp4 35.68M

| | └──9-重新训练全部模型.mp4 32.51M

| ├──5.DataLoader自定义数据集制作

| | ├──1-Dataloader要完成的任务分析.mp4 24.34M

| | ├──2-图像数据与标签路径处理.mp4 30.10M

| | ├──3-Dataloader中需要实现的方法分析.mp4 32.94M

| | └──4-实用Dataloader加载数据并训练模型.mp4 38.41M

| ├──6.RNN网络架构

| | └──RNN网络架构.mp4 29.37M

| ├──7.LSTM网络架构

| | └──LSTM网络架构.mp4 17.87M

| ├──8.LSTM文本分类

| | ├──1-数据集与任务目标分析.mp4 52.81M

| | ├──2-文本数据处理基本流程分析.mp4 55.97M

| | ├──3-命令行参数与DEBUG.mp4 36.52M

| | ├──4-训练模型所需基本配置参数分析.mp4 40.92M

| | ├──5-预料表与字符切分.mp4 31.98M

| | ├──6-字符预处理转换ID.mp4 34.37M

| | ├──7-LSTM网络结构基本定义.mp4 34.73M

| | ├──8-网络模型预测结果输出.mp4 39.11M

| | └──9-模型训练任务与总结.mp4 45.16M

| └──9.Transformer基础

| | ├──1-Transformer.mp4 557.23M

| | ├──2-transformer-VIT源码解读.mp4 1.28G

| | └──3-GITHUB开源项目使用方法.mp4 407.21M

├──05-【方向A：CV方向】图像处理基础

| ├──1.课程介绍与环境配置

| | ├──1-课程简介.mp4 5.37M

| | ├──2-Python与Opencv配置安装.mp4 23.89M

| | └──3-Notebook与IDE环境.mp4 53.16M

| ├──10.OpenCV项目实战-停车场车位识别

| | ├──1-任务整体流程.mp4 71.42M

| | ├──2-所需数据介绍.mp4 34.33M

| | ├──3-图像数据预处理.mp4 56.78M

| | ├──4-车位直线检测.mp4 61.48M

| | ├──5-按列划分区域.mp4 54.71M

| | ├──6-车位区域划分.mp4 57.37M

| | ├──7-识别模型构建.mp4 41.21M

| | └──8-基于视频的车位检测.mp4 135.64M

| ├──11.OpenCV项目实战-答题卡识别判卷

| | ├──1-整体流程与效果概述.mp4 29.52M

| | ├──2-预处理操作.mp4 24.10M

| | ├──3-填涂轮廓检测.mp4 25.69M

| | └──4-选项判断识别.mp4 57.16M

| ├──12.OpenCV项目实战-目标追踪

| | ├──1-目标追踪概述.mp4 49.79M

| | ├──2-多目标追踪实战.mp4 34.65M

| | ├──3-深度学习检测框架加载.mp4 43.66M

| | ├──4-基于dlib与ssd的追踪.mp4 73.07M

| | ├──5-多进程目标追踪.mp4 25.74M

| | └──6-多进程效率提升对比.mp4 78.16M

| ├──13.OpenCV项目实战-疲劳检测

| | ├──1-关键点定位概述.mp4 28.48M

| | ├──2-获取人脸关键点.mp4 36.10M

| | ├──3-定位效果演示.mp4 45.46M

| | ├──4-闭眼检测.mp4 71.10M

| | └──5-检测效果.mp4 40.63M

| ├──2.OpenCV图像常⽤处理⽅法实例

| | ├──1-计算机眼中的图像.mp4 21.39M

| | ├──10-膨胀操作.mp4 12.26M

| | ├──11-开运算与闭运算.mp4 9.33M

| | ├──12-梯度计算.mp4 7.86M

| | ├──13-礼帽与黑帽.mp4 15.89M

| | ├──2-视频的读取与处理.mp4 23.99M

| | ├──3-ROI区域.mp4 10.13M

| | ├──4-边界填充.mp4 15.70M

| | ├──5-数值计算.mp4 23.48M

| | ├──6-图像阈值.mp4 30.88M

| | ├──7-图像平滑处理.mp4 24.79M

| | ├──8-高斯与中值滤波.mp4 20.63M

| | └──9-腐蚀操作.mp4 21.02M

| ├──3.OpenCV梯度计算与边缘检测实例

| | ├──1-Canny边缘检测流程.mp4 18.99M

| | ├──2-非极大值抑制.mp4 18.34M

| | ├──3-边缘检测效果.mp4 36.66M

| | ├──4-Sobel算子.mp4 27.04M

| | ├──5-梯度计算方法.mp4 30.32M

| | └──6-scharr与lapkacian算子.mp4 27.41M

| ├──4.OpenCV轮廓检测与直⽅图

| | ├──1-图像金字塔定义.mp4 19.70M

| | ├──10-均衡化效果.mp4 27.24M

| | ├──11-傅里叶概述.mp4 22.29M

| | ├──12-频域变换结果.mp4 17.35M

| | ├──13-低通与高通滤波.mp4 21.42M

| | ├──2-金字塔制作方法.mp4 25.50M

| | ├──3-轮廓检测方法.mp4 19.39M

| | ├──4-轮廓检测结果.mp4 34.46M

| | ├──5-轮廓特征与近似.mp4 37.67M

| | ├──6-模板匹配方法.mp4 47.49M

| | ├──7-匹配效果展示.mp4 21.22M

| | ├──8-直方图定义.mp4 23.66M

| | └──9-均衡化原理.mp4 31.39M

| ├──5.OpenCV角点检测

| | ├──1-角点检测基本原理.mp4 15.55M

| | ├──2-基本数学原理.mp4 30.61M

| | ├──3-求解化简.mp4 31.83M

| | ├──4-特征归属划分.mp4 43.27M

| | └──5-opencv角点检测效果.mp4 31.06M

| ├──6.OpenCV尺度空间

| | ├──1-尺度空间定义.mp4 20.06M

| | ├──2-高斯差分金字塔.mp4 21.70M

| | ├──3-特征关键点定位.mp4 48.20M

| | ├──4-生成特征描述.mp4 24.68M

| | ├──5-特征向量生成.mp4 43.77M

| | └──6-opencv中sift函数使用.mp4 28.83M

| ├──7.OpenCV高级图像处理技术

| | ├──1-特征匹配方法.mp4 28.59M

| | ├──10-Lucas-Kanade算法.mp4 19.70M

| | ├──11-推导求解.mp4 25.97M

| | ├──12-光流估计实战.mp4 64.27M

| | ├──13-dnn模块.mp4 28.62M

| | ├──14-模型加载结果输出.mp4 40.53M

| | ├──2-RANSAC算法.mp4 34.53M

| | ├──3-图像拼接方法.mp4 44.96M

| | ├──4-流程解读.mp4 21.67M

| | ├──5-背景消除-帧差法.mp4 20.82M

| | ├──6-混合高斯模型.mp4 26.41M

| | ├──7-学习步骤.mp4 31.78M

| | ├──8-背景建模实战.mp4 51.19M

| | └──9-基本概念.mp4 20.23M

| ├──8.OpenCV项目实战-信用卡数字识别

| | ├──1-总体流程与方法讲解.mp4 20.65M

| | ├──2-环境配置与预处理.mp4 34.88M

| | ├──3-模板处理方法.mp4 23.71M

| | ├──4-输入数据处理方法.mp4 28.92M

| | └──5-模板匹配得出识别结果.mp4 47.76M

| └──9.OpenCV项目实战-文档扫描OCR识别

| | ├──1-整体流程演示.mp4 21.52M

| | ├──2-文档轮廓提取.mp4 27.84M

| | ├──3-原始与变换坐标计算.mp4 26.26M

| | ├──4-透视变换结果.mp4 32.90M

| | ├──5-tesseract-ocr安装配置.mp4 41.26M

| | └──6-文档扫描识别效果.mp4 28.88M

├──06-【方向A：CV方向】目标检测算法

| ├──1.物体检测评估指标

| | └──物体检测评估指标.mp4 84.11M

| ├──10.YOLOv7检测算法深度解析

| | ├──1-YOLO系列（V7）算法解读.mp4 259.63M

| | ├──10-得到偏移点所在网格位置.mp4 42.85M

| | ├──11-完成BuildTargets模块.mp4 51.40M

| | ├──12-候选框筛选流程分析.mp4 31.75M

| | ├──13-预测值各项指标获取与调整.mp4 47.03M

| | ├──14-GT匹配正样本数量计算.mp4 42.07M

| | ├──15-通过IOU与置信度分配正样本.mp4 60.44M

| | ├──16-损失函数计算方法.mp4 46.08M

| | ├──17-辅助头AUX网络结构配置文件解析.mp4 31.05M

| | ├──18-辅助头损失函数调整.mp4 39.28M

| | ├──19-BN与卷积权重参数融合方法.mp4 53.77M

| | ├──2-命令行参数介绍.mp4 25.02M

| | ├──20-重参数化多分支合并加速.mp4 43.19M

| | ├──3-基本参数作用.mp4 40.80M

| | ├──4-EMA等训练技巧解读.mp4 49.31M

| | ├──5-网络结构配置文件解读.mp4 36.94M

| | ├──6-各模块操作细节分析.mp4 49.07M

| | ├──7-输出层与配置文件其他模块解读.mp4 60.88M

| | ├──8-标签分配策略准备操作.mp4 34.72M

| | └──9-候选框偏移方法与find3p模块解读.mp4 33.70M

| ├──11.YOLOv8检测算法深度解析

| | └──YOLO V8.mp4 250.98M

| ├──12.YOLOv9检测算法深度解析

| | └──YOLO V9.mp4 1.42G

| ├──13.YOLO-World 检测算法

| | └──YOLO-World.mp4 1.55G

| ├──14.YOLOv12与YOLOv13最新检测算法

| | └──YOLO V12与YOLO V13.mp4 1.48G

| ├──2.YOLO系列大串讲(可刷这个快速过)

| | └──YOLO系列大串讲(可刷这个快速过).mp4 955.55M

| ├──3.经典物体检测算法

| | ├──1-半监督物体检测.mp4 362.59M

| | ├──2-EfficientNet网络模型.mp4 538.91M

| | └──3-EfficientDet检测算法.mp4 448.01M

| ├──4.YOLOv1检测算法深度解析

| | ├──1-YOLO算法整体思路解读.mp4 14.68M

| | ├──2-检测算法要得到的结果.mp4 13.65M

| | ├──3-整体网络架构解读.mp4 30.71M

| | ├──4-位置损失计算.mp4 19.00M

| | └──5-置信度误差与优缺点分析.mp4 26.90M

| ├──5.YOLOv2检测算法深度解析

| | ├──1-V2版本细节升级概述.mp4 13.38M

| | ├──2-网络结构特点.mp4 15.72M

| | ├──3-架构细节解读.mp4 18.94M

| | ├──4-基于聚类来选择先验框尺寸.mp4 24.27M

| | ├──5-偏移量计算方法.mp4 27.58M

| | ├──6-坐标映射与还原.mp4 10.09M

| | ├──7-感受野的作用.mp4 28.15M

| | └──8-特征融合改进.mp4 19.23M

| ├──6.YOLOv3检测算法深度解析

| | ├──1-V3版本改进概述.mp4 18.30M

| | ├──10-COCO图像数据读取与处理.mp4 42.54M

| | ├──11-标签文件读取与处理.mp4 27.50M

| | ├──12-debug模式介绍.mp4 27.27M

| | ├──13-基于配置文件构建网络模型.mp4 42.07M

| | ├──14-路由层与shortcut层的作用.mp4 33.75M

| | ├──15-YOLO层定义解析.mp4 61.12M

| | ├──16-预测结果计算.mp4 46.04M

| | ├──17-网格偏移计算.mp4 33.95M

| | ├──18-模型要计算的损失概述.mp4 23.16M

| | ├──19-标签值格式修改.mp4 28.29M

| | ├──2-多scale方法改进与特征融合.mp4 17.10M

| | ├──20-坐标相对位置计算.mp4 32.83M

| | ├──21-完成所有损失函数所需计算指标.mp4 35.35M

| | ├──22-模型训练与总结.mp4 72.96M

| | ├──23-预测效果展示.mp4 34.53M

| | ├──3-经典变换方法对比分析.mp4 10.85M

| | ├──4-残差连接方法解读.mp4 18.67M

| | ├──5-整体网络模型架构分析.mp4 12.95M

| | ├──6-先验框设计改进.mp4 13.06M

| | ├──7-sotfmax层改进.mp4 10.62M

| | ├──8-数据与环境配置.mp4 65.57M

| | └──9-训练参数设置.mp4 23.87M

| ├──7.YOLO模型数据标注与训练

| | ├──1-Labelme工具安装.mp4 14.30M

| | ├──2-数据信息标注.mp4 32.11M

| | ├──3-完成标签制作.mp4 31.77M

| | ├──4-生成模型所需配置文件.mp4 36.74M

| | ├──5-json格式转换成yolo-v3所需输入.mp4 20.98M

| | ├──6-完成输入数据准备工作.mp4 40.13M

| | ├──7-训练代码与参数配置更改.mp4 44.33M

| | └──8-训练模型并测试效果.mp4 38.52M

| ├──8.YOLOv4版本算法解读

| | ├──1-V4版本整体概述.mp4 15.08M

| | ├──10-PAN模块解读.mp4 20.67M

| | ├──11-激活函数与整体架构总结.mp4 19.21M

| | ├──2-V4版本贡献解读.mp4 10.07M

| | ├──3-数据增强策略分析.mp4 24.73M

| | ├──4-DropBlock与标签平滑方法.mp4 19.39M

| | ├──5-损失函数遇到的问题.mp4 14.28M

| | ├──6-CIOU损失函数定义.mp4 10.84M

| | ├──7-NMS细节改进.mp4 16.68M

| | ├──8-SPP与CSP网络结构.mp4 14.84M

| | └──9-SAM注意力机制模块.mp4 22.51M

| └──9.YOLOv5检测算法深度解析

| | ├──1-整体项目概述.mp4 15.15M

| | ├──10-getItem构建batch.mp4 33.06M

| | ├──11-网络架构图可视化工具安装.mp4 23.35M

| | ├──12-V5网络配置文件解读.mp4 23.35M

| | ├──13-Focus模块流程分析.mp4 14.14M

| | ├──14-完成配置文件解析任务.mp4 58.84M

| | ├──15-前向传播计算.mp4 30.82M

| | ├──16-BottleneckCSP层计算方法.mp4 33.84M

| | ├──17-SPP层计算细节分析.mp4 29.19M

| | ├──18-Head层流程解读.mp4 29.12M

| | ├──19-上采样与拼接操作.mp4 21.49M

| | ├──2-训练自己的数据集方法.mp4 21.58M

| | ├──20-输出结果分析.mp4 41.74M

| | ├──21-超参数解读.mp4 34.96M

| | ├──22-命令行参数介绍.mp4 44.28M

| | ├──23-训练流程解读.mp4 46.85M

| | ├──24-各种训练策略概述.mp4 38.46M

| | ├──25-模型迭代过程.mp4 38.44M

| | ├──3-训练数据参数配置.mp4 29.67M

| | ├──4-测试DEMO演示.mp4 21.52M

| | ├──5-数据源DEBUG流程解读.mp4 48.16M

| | ├──6-图像数据源配置.mp4 34.68M

| | ├──7-加载标签数据.mp4 26.36M

| | ├──8-Mosaic数据增强方法.mp4 28.21M

| | └──9-数据四合一方法与流程演示.mp4 41.72M

├──07-【方向A：CV方向】图像分割算法

| ├──1.图像分割与损失函数

| | ├──1-语义分割与实例分割概述.mp4 20.27M

| | ├──2-分割任务中的目标函数定义.mp4 20.02M

| | └──3-MIOU评估标准.mp4 9.04M

| ├──10.Mask R-CNN 训练自己的数据与任务

| | ├──1-Labelme工具安装.mp4 9.23M

| | ├──2-使用labelme进行数据与标签标注.mp4 26.32M

| | ├──3-完成训练数据准备工作.mp4 26.64M

| | ├──4-maskrcnn源码修改方法.mp4 63.60M

| | ├──5-基于标注数据训练所需任务.mp4 39.75M

| | └──6-测试与展示模块.mp4 38.63M

| ├──11.SAM 图像分割算法

| | ├──1-DEMO效果演示.mp4 57.83M

| | ├──2-论文解读分析.mp4 74.48M

| | ├──3-完成的任务分析.mp4 31.21M

| | ├──4-数据闭环方法.mp4 45.68M

| | ├──5-预训练模型的作用.mp4 95.29M

| | ├──6-Decoder的作用与项目源码.mp4 48.97M

| | ├──7-分割任务模块设计.mp4 40.67M

| | ├──8-实现细节分析.mp4 27.76M

| | └──9-总结分析.mp4 32.19M

| ├──12.SAM2视频分割

| | └──SAM2视频分割.mp4 1.28G

| ├──13.EfficientSam分割算法

| | └──EfficientSam.mp4 1.37G

| ├──14.遥感图像处理与高光谱图像智能解译

| | └──遥感图像处理与高光谱图像智能解译.mp4 1.46G

| ├──2.Unet系列算法

| | ├──1-Unet网络编码与解码过程.mp4 18.32M

| | ├──2-网络计算流程.mp4 16.16M

| | ├──3-Unet升级版本改进.mp4 15.77M

| | └──4-后续升级版本介绍.mp4 18.40M

| ├──3.Unet医学细胞分割实战

| | ├──1-医学细胞数据集介绍与参数配置.mp4 71.23M

| | ├──2-数据增强工具.mp4 61.50M

| | ├──3-Debug模式演示网络计算流程.mp4 41.39M

| | ├──4-特征融合方法演示.mp4 30.07M

| | ├──5-迭代完成整个模型计算任务.mp4 33.58M

| | └──6-模型效果验证.mp4 47.31M

| ├──4.U2NET显著性检测实战

| | ├──1-任务目标与网络整体介绍.mp4 58.70M

| | ├──2-显著性检测任务与目标概述.mp4 53.98M

| | ├──3-编码器模块解读.mp4 43.69M

| | ├──4-解码器输出结果.mp4 27.93M

| | └──5-损失函数与应用效果.mp4 34.37M

| ├──5.DeepLab 语义分割算法

| | ├──1-deeplab分割算法概述.mp4 13.83M

| | ├──2-空洞卷积的作用.mp4 16.76M

| | ├──3-感受野的意义.mp4 19.40M

| | ├──4-SPP层的作用.mp4 19.05M

| | ├──5-ASPP特征融合策略.mp4 13.47M

| | └──6-deeplabV3Plus版本网络架构.mp4 24.11M

| ├──6.基于deeplabV3+版本进⾏VOC分割实战

| | ├──1-PascalVoc数据集介绍.mp4 70.16M

| | ├──2-项目参数与数据集读取.mp4 60.36M

| | ├──3-网络前向传播流程.mp4 33.12M

| | ├──4-ASPP层特征融合.mp4 51.23M

| | └──5-分割模型训练.mp4 34.99M

| ├──7.基于deeplabV3⼼脏视频数据集分割建模实战

| | ├──1-数据集与任务概述.mp4 45.58M

| | ├──2-项目基本配置参数.mp4 33.34M

| | ├──3-任务流程解读.mp4 69.15M

| | ├──4-文献报告分析.mp4 122.70M

| | ├──5-补充：视频数据源特征处理方法概述.mp4 26.36M

| | └──6-补充：R(2plus1)D处理方法分析.mp4 18.90M

| ├──8.Mask R-CNN 实例分割算法

| | ├──1-Mask-Rcnn开源项目简介.mp4 88.18M

| | ├──2-开源项目数据集.mp4 42.48M

| | └──3-开源项目数据集.mp4 97.85M

| └──9.MaskRcnn网络框架源码详解

| | ├──1-FPN层特征提取原理解读.mp4 42.36M

| | ├──10-RoiPooling层的作用与目的.mp4 33.48M

| | ├──11-RorAlign操作的效果.mp4 25.73M

| | ├──12-整体框架回顾.mp4 28.89M

| | ├──2-FPN网络架构实现解读.mp4 55.81M

| | ├──3-生成框比例设置.mp4 28.27M

| | ├──4-基于不同尺度特征图生成所有框.mp4 32.96M

| | ├──5-RPN层的作用与实现解读.mp4 30.93M

| | ├──6-候选框过滤方法.mp4 15.61M

| | ├──7-Proposal层实现方法.mp4 33.34M

| | ├──8-DetectionTarget层的作用.mp4 25.72M

| | └──9-正负样本选择与标签定义.mp4 27.61M

├──08-【方向A：CV方向】MMLAB框架与数据集制作实战

| ├──1.MMCV安装方法

| | └──MMCV安装方法.mp4 55.75M

| ├──2.分类任务操作（分类）

| | ├──1-MMCLS问题修正.mp4 23.50M

| | ├──2-准备MMCLS项目.mp4 20.84M

| | ├──3-基本参数配置解读.mp4 34.52M

| | ├──4-各模块配置文件组成.mp4 35.81M

| | ├──5-生成完整配置文件.mp4 24.45M

| | ├──6-根据文件夹定义数据集.mp4 40.27M

| | ├──7-构建自己的数据集.mp4 36.33M

| | └──8-训练自己的任务.mp4 39.32M

| ├──3.训练结果测试与验证（分类）

| | ├──1-测试DEMO效果.mp4 25.49M

| | ├──2-测试评估模型效果.mp4 27.58M

| | ├──3-MMCLS中增加一个新的模块.mp4 62.61M

| | ├──4-修改配置文件中的参数.mp4 41.80M

| | ├──5-数据增强流程可视化展示.mp4 37.40M

| | ├──6-Grad-Cam可视化方法.mp4 41.17M

| | ├──7-可视化细节与效果分析.mp4 124.19M

| | ├──8-MMCLS可视化模块应用.mp4 72.07M

| | └──9-模型分析脚本使用.mp4 36.37M

| ├──4.模型源码调试（分类）

| | ├──1-VIT任务概述.mp4 29.96M

| | ├──2-数据增强模块概述分析.mp4 49.58M

| | ├──3-PatchEmbedding层.mp4 25.30M

| | ├──4-前向传播基本模块.mp4 38.87M

| | └──5-CLS与输出模块.mp4 44.04M

| ├──5.分割模块自定义数据集训练（分割）

| | ├──1-项目配置基本介绍.mp4 35.78M

| | ├──2-数据集标注与制作方法.mp4 56.84M

| | ├──3-根据预测类别数修改配置文件.mp4 39.48M

| | ├──4-加载预训练模型开始训练.mp4 86.52M

| | └──5-预测DEMO演示.mp4 21.88M

| ├──6.Unet策略修改（分割）

| | ├──1-配置文件解读.mp4 32.12M

| | ├──2-编码层模块.mp4 32.47M

| | ├──3-上采样与输出层.mp4 28.25M

| | ├──4-辅助层的作用.mp4 19.83M

| | ├──5-给Unet添加一个neck层.mp4 30.37M

| | ├──6-如何修改参数适配网络结构.mp4 21.73M

| | ├──7-将Unet特征提取模块替换成transformer.mp4 22.41M

| | └──8-VIT模块源码分析.mp4 45.48M

| ├──7.分割任务CVPR最新Backbone设计及其应用（分割）

| | ├──1-注册自己的Backbone模块.mp4 34.30M

| | ├──10-汇总多层级特征进行输出.mp4 43.35M

| | ├──2-配置文件指定.mp4 35.84M

| | ├──3-DEBUG解读Backbone设计.mp4 40.45M

| | ├──4-PatchEmbedding的作用与实现.mp4 44.88M

| | ├──5-卷积位置编码计算方法.mp4 53.89M

| | ├──6-近似Attention模块实现.mp4 79.49M

| | ├──7-完成特征提取与融合模块.mp4 55.69M

| | ├──8-分割输出模块.mp4 57.72M

| | └──9-全局特征的作用与实现.mp4 56.34M

| ├──8.MMDetection自定义数据训练（检测）

| | ├──1-数据集标注与标签获取.mp4 23.13M

| | ├──2-COCO数据标注格式.mp4 22.21M

| | ├──3-通过脚本生成COCO数据格式.mp4 23.90M

| | ├──4-配置文件数据增强策略分析.mp4 34.27M

| | ├──5-训练所需配置说明.mp4 38.00M

| | ├──6-模型训练与DEMO演示.mp4 25.42M

| | ├──7-模型测试与可视化分析模块.mp4 51.07M

| | └──8-补充：评估指标.mp4 9.95M

| └──9. MMAction自定义数据训练（行为识别）

| | └──创建自己的行为识别标注数据集.mp4 232.73M

├──09-【方向A：CV方向】Transformer与视觉应用

| ├──1.Vision Transformer算法原理解析

| | └──Transformer算法解读.mp4 457.51M

| ├──10.Deformable DETR 检测算法解析

| | └──DeformableDetr算法解读.mp4 730.35M

| ├──11.Deformable DETR 算法源码解读

| | ├──1-特征提取与位置编码.mp4 30.17M

| | ├──10-分类与回归输出模块.mp4 33.10M

| | ├──11-预测输出结果与标签匹配模块.mp4 33.76M

| | ├──2-序列特征展开并叠加.mp4 51.07M

| | ├──3-得到相对位置点编码.mp4 21.46M

| | ├──4-准备Encoder编码层所需全部输入.mp4 27.92M

| | ├──5-编码层中的序列分析.mp4 29.75M

| | ├──6-偏移量offset计算.mp4 31.71M

| | ├──7-偏移量对齐操作.mp4 27.30M

| | ├──8-Encoder层完成特征对齐.mp4 37.37M

| | └──9-Decoder要完成的操作.mp4 29.60M

| ├──12.MedicalTransformer 分割算法解析

| | ├──1-论文整体分析.mp4 16.99M

| | ├──2-核心思想分析.mp4 34.41M

| | ├──3-网络结构计算流程概述.mp4 25.34M

| | ├──4-论文公式计算分析.mp4 27.36M

| | ├──5-位置编码的作用与效果.mp4 31.95M

| | └──6-拓展应用分析.mp4 34.07M

| ├──13.MedicalTransformer 算法源码解读

| | ├──1-项目环境配置.mp4 25.29M

| | ├──2-医学数据介绍与分析.mp4 56.68M

| | ├──3-基本处理操作.mp4 25.77M

| | ├──4-AxialAttention实现过程.mp4 36.87M

| | ├──5-位置编码向量解读.mp4 27.80M

| | ├──6-注意力计算过程与方法.mp4 52.13M

| | └──7-局部特征提取与计算.mp4 40.92M

| ├──14.Maskformer 分割算法源码解读

| | └──分割模型Maskformer系列.mp4 408.46M

| ├──15.Mask2former 分割算法码解读

| | ├──1-Backbone获取多层级特征.mp4 25.81M

| | ├──10-正样本筛选损失计算.mp4 30.22M

| | ├──11-标签分类匹配结果分析.mp4 46.57M

| | ├──12-最终损失计算流程.mp4 36.94M

| | ├──13-汇总所有损失完成迭代.mp4 26.17M

| | ├──2-多层级采样点初始化构建.mp4 31.30M

| | ├──3-多层级输入特征序列创建方法.mp4 30.53M

| | ├──4-偏移量与权重计算并转换.mp4 36.58M

| | ├──5-Encoder特征构建方法实例.mp4 38.08M

| | ├──6-query要预测的任务解读.mp4 34.61M

| | ├──7-Decoder中的AttentionMask方法.mp4 37.86M

| | ├──8-损失模块输入参数分析.mp4 28.09M

| | └──9-标签分配策略解读.mp4 29.95M

| ├──16.BEVFormer 3D检测算法解析

| | └──BEV特征空间.mp4 339.53M

| ├──17.BEVFormer 算法源码解读

| | ├──1-环境配置方法解读.mp4 42.79M

| | ├──10-获取当前BEV特征.mp4 35.90M

| | ├──11-Decoder级联校正模块.mp4 41.58M

| | ├──12-损失函数与预测可视化.mp4 49.48M

| | ├──2-数据集下载与配置方法.mp4 53.57M

| | ├──3-特征提取以及BEV空间初始化.mp4 43.81M

| | ├──4-特征对齐与位置编码初始化.mp4 43.63M

| | ├──5-Reference初始点构建.mp4 37.26M

| | ├──6-BEV空间与图像空间位置对应.mp4 37.67M

| | ├──7-注意力机制模块计算方法.mp4 38.61M

| | ├──8-BEV空间特征构建.mp4 34.01M

| | └──9-Decoder要完成的任务分析.mp4 33.95M

| ├──18.LoFTR特征匹配算法

| | ├──1-特征匹配的应用场景.mp4 21.09M

| | ├──10-总结分析.mp4 39.42M

| | ├──2-特征匹配的基本流程分析.mp4 15.91M

| | ├──3-整体流程梳理分析.mp4 16.46M

| | ├──4-CrossAttention的作用与效果.mp4 15.69M

| | ├──5-transformer构建匹配特征.mp4 33.79M

| | ├──6-粗粒度匹配过程与作用.mp4 28.85M

| | ├──7-特征图拆解操作.mp4 14.34M

| | ├──8-细粒度匹配的作用与方法.mp4 19.87M

| | └──9-基于期望预测最终位置.mp4 23.08M

| ├──2.Vision Transformer算法源码解读

| | └──视觉Transformer及其源码分析.mp4 903.08M

| ├──3.视觉自监督BEIT算法解读

| | ├──1-建模流程分析与效果展示.mp4 101.08M

| | ├──2-codebook模块的作用.mp4 81.31M

| | └──3-任务总结分析.mp4 114.38M

| ├──4.视觉自监督任务BEITv2论文解读

| | ├──1-BEITV2版本论文出发点解读.mp4 48.00M

| | ├──2-自监督任务中两大核心任务分析.mp4 56.24M

| | ├──3-整体网络架构图分析.mp4 43.98M

| | ├──4-框架实现细节流程分析.mp4 21.84M

| | └──5-论文细节模块实现解读.mp4 99.31M

| ├──5.视觉自监督任务BEITv2源码解读

| | ├──1-mmselfup源码实现解读.mp4 42.02M

| | ├──2-网络结构搭建细节解读.mp4 49.16M

| | └──3-源码实现流程总结.mp4 45.78M

| ├──6.SwinTransformer算法原理解析

| | ├──1-swintransformer整体概述.mp4 14.76M

| | ├──10-分层计算方法.mp4 21.71M

| | ├──2-要解决的问题及其优势分析.mp4 22.33M

| | ├──3-一个block要完成的任务.mp4 17.36M

| | ├──4-获取各窗口输入特征.mp4 18.99M

| | ├──5-基于窗口的注意力机制解读.mp4 29.53M

| | ├──6-窗口偏移操作的实现.mp4 24.27M

| | ├──7-偏移细节分析及其计算量概述.mp4 20.41M

| | ├──8-整体网络架构整合.mp4 20.88M

| | └──9-下采样操作实现方法.mp4 22.24M

| ├──7.SwinTransformer算法源码解读

| | ├──1-数据与环境配置解读.mp4 59.59M

| | ├──2-图像数据patch编码.mp4 37.62M

| | ├──3-数据按window进行划分计算.mp4 31.46M

| | ├──4-基础attention计算模块.mp4 27.58M

| | ├──5-窗口位移模块细节分析.mp4 36.81M

| | ├──6-patchmerge下采样操作.mp4 25.24M

| | ├──7-各block计算方法解读.mp4 27.91M

| | └──8-输出层概述.mp4 41.11M

| ├──8.DETR目标检测算法解析

| | ├──1-DETR目标检测基本思想解读.mp4 19.35M

| | ├──2-整体网络架构分析.mp4 31.64M

| | ├──3-位置信息初始化query向量.mp4 19.97M

| | ├──4-注意力机制的作用方法.mp4 20.85M

| | └──5-训练过程的策略.mp4 28.41M

| └──9.DETR目标检测源码解读

| | ├──1-项目环境配置解读.mp4 40.42M

| | ├──2-数据处理与dataloader.mp4 64.11M

| | ├──3-位置编码作用分析.mp4 47.95M

| | ├──4-backbone特征提取模块.mp4 35.62M

| | ├──5-mask与编码模块.mp4 34.75M

| | ├──6-编码层作用方法.mp4 42.86M

| | ├──7-Decoder层操作与计算.mp4 30.15M

| | ├──8-输出预测结果.mp4 41.28M

| | └──9-损失函数与预测输出.mp4 41.18M

├──10-【方向A：CV方向】生成模型与图像生成技术

| ├──1.生成对抗网络架构原理

| | ├──1-对抗生成网络通俗解释.mp4 18.42M

| | ├──2-GAN网络组成.mp4 10.75M

| | ├──3-损失函数解释说明.mp4 39.92M

| | ├──4-数据读取模块.mp4 29.96M

| | └──5-生成与判别网络定义.mp4 44.27M

| ├──10.Diffusion模型架构

| ├──11.DALL-E 2论文解析

| ├──12.DALL-E 2源码解读

| ├──13.视频超分辨率重构

| ├──2.基于 GAN 的图像补全实战

| | ├──1-论文概述.mp4 75.12M

| | ├──2-网络架构.mp4 30.79M

| | ├──3-细节设计.mp4 77.72M

| | ├──4-论文总结.mp4 67.32M

| | ├──5-数据与项目概述.mp4 45.96M

| | ├──6-参数基本设计.mp4 81.84M

| | ├──7-网络结构配置.mp4 71.61M

| | ├──8-网络迭代训练.mp4 92.93M

| | └──9-测试模块.mp4 48.41M

| ├──3.基于 SRGAN 图像超分辨率实战

| | ├──1-论文概述.mp4 46.85M

| | ├──2-网络架构.mp4 106.96M

| | ├──3-数据与环境配置.mp4 26.93M

| | ├──4-数据加载与配置.mp4 39.17M

| | ├──5-生成模块.mp4 48.53M

| | ├──6-判别模块.mp4 44.63M

| | ├──7-VGG特征提取网络.mp4 35.90M

| | ├──8-损失函数与训练.mp4 89.04M

| | └──9-测试模块.mp4 90.82M

| ├──4.CycleGAN图像转换技术

| | ├──1-CycleGan网络所需数据.mp4 37.58M

| | ├──10-额外补充：VISDOM可视化配置.mp4 38.71M

| | ├──2-CycleGan整体网络架构.mp4 21.40M

| | ├──3-PatchGan判别网络原理.mp4 11.47M

| | ├──4-Cycle开源项目简介.mp4 32.51M

| | ├──5-数据读取与预处理操作.mp4 57.97M

| | ├──6-生成网络模块构造.mp4 48.56M

| | ├──7-判别网络模块构造.mp4 19.79M

| | ├──8-损失函数：identity loss计算方法.mp4 37.19M

| | └──9-生成与判别损失函数指定.mp4 54.73M

| ├──5.stargan论文架构解析

| | ├──1-stargan效果演示分析.mp4 27.97M

| | ├──2-网络架构整体思路解读.mp4 30.88M

| | ├──3-建模流程分析.mp4 42.57M

| | ├──4-V1版本存在的问题及后续改进思路.mp4 60.76M

| | ├──5-V2版本在整体网络架构.mp4 63.70M

| | ├──6-编码器训练方法.mp4 53.48M

| | ├──7-损失函数公式解析.mp4 49.46M

| | └──8-训练过程分析.mp4 34.19M

| ├──6.stargan项目实战及其源码解读

| | ├──1-测试模块效果与实验分析.mp4 29.97M

| | ├──10-生成模块损失计算.mp4 70.11M

| | ├──2-项目配置与数据源下载.mp4 21.53M

| | ├──3-测试效果演示.mp4 34.99M

| | ├──4-项目参数解析.mp4 27.64M

| | ├──5-生成器模块源码解读.mp4 53.21M

| | ├──6-所有网络模块构建实例.mp4 46.54M

| | ├──7-数据读取模块分析.mp4 56.64M

| | ├──8-判别器损失计算.mp4 32.92M

| | └──9-损失计算详细过程.mp4 45.79M

| ├──7.StarGANv2变声器论文解析

| | ├──1-论文整体思路与架构解读.mp4 34.68M

| | ├──2-VCC2016输入数据.mp4 20.79M

| | ├──3-语音特征提取.mp4 30.61M

| | ├──4-生成器模型架构分析.mp4 15.82M

| | ├──5-InstanceNorm的作用解读.mp4 18.61M

| | ├──6-AdaIn的目的与效果.mp4 13.20M

| | └──7-判别器模块分析.mp4 114.08M

| ├──8.starganvc2变声器项目实战

| └──9.StyleGAN2高质量图像生成架构

├──11-【方向A：CV方向】行为识别+姿态估计+目标追踪

├──12-【方向A：CV方向】行人重识别技术

├──13-【方向A：CV方向】自动化驾驶

├──25-【方向D时序与GNN方向】时间序列预测算法与实战

| ├──1.RNN网络架构

| | └──RNN网络架构.mp4 29.37M

| ├──2.LSTM网络架构

| | └──LSTM网络架构.mp4 17.87M

| ├──3.Informer算法

| | ├──1-时间序列预测要完成的任务.mp4 33.27M

| | ├──2-常用模块分析.mp4 24.25M

| | ├──3-论文要解决的问题分析.mp4 30.47M

| | ├──4-Query采样方法解读.mp4 23.11M

| | ├──5-probAttention计算流程.mp4 31.40M

| | ├──6-编码器全部计算流程.mp4 27.15M

| | └──7-解码器流程分析.mp4 24.85M

| ├──4.Informer源码

| | ├──1-项目使用说明.mp4 63.92M

| | ├──10-核心采样计算方法.mp4 50.11M

| | ├──11-完成注意力机制计算模块.mp4 28.39M

| | ├──12-平均向量的作用.mp4 33.70M

| | ├──13-解码器预测输出.mp4 74.46M

| | ├──2-数据集解读.mp4 60.61M

| | ├──3-模型训练所需参数解读.mp4 37.37M

| | ├──4-数据集构建与读取方式.mp4 44.54M

| | ├──5-数据处理相关模块.mp4 44.58M

| | ├──6-时间相关特征提取方法.mp4 39.96M

| | ├──7-dataloader构建实例.mp4 41.03M

| | ├──8-整体架构分析.mp4 36.91M

| | └──9-编码器模块实现.mp4 39.16M

| ├──5.TimesNet时序预测

| ├──6.基于图模型的时间序列预测

| └──7.time-llm大模型多模态预测任务

├──26-【方向D时序与GNN方向】图神经网络实战

| ├──1.图神经网络基础

| | ├──1-图神经网络应用领域分析.mp4 26.40M

| | ├──2-图基本模块定义.mp4 10.51M

| | ├──3-邻接矩阵的定义.mp4 16.06M

| | ├──4-GNN中常见任务.mp4 19.17M

| | ├──5-消息传递计算方法.mp4 14.23M

| | └──6-多层GCN的作用.mp4 13.00M

| ├──2.图卷积（GCN）模型

| | ├──1-GCN基本模型概述.mp4 13.24M

| | ├──2-图卷积的基本计算方法.mp4 12.56M

| | ├──3-邻接的矩阵的变换.mp4 18.38M

| | └──4-GCN变换原理解读.mp4 21.12M

| ├──3.PyTorch Geometric配置与实战

| | ├──1-PyTorch Geometric工具包安装与配置方法.mp4 45.07M

| | ├──10-网络结构定义模块.mp4 36.87M

| | ├──11-TopkPooling进行下采样任务.mp4 31.30M

| | ├──12-获取全局特征.mp4 25.71M

| | ├──13-模型训练与总结.mp4 35.84M

| | ├──2-数据集与邻接矩阵格式.mp4 51.92M

| | ├──3-模型定义与训练方法.mp4 41.92M

| | ├──4-文献引用数据集分类案例实战.mp4 47.75M

| | ├──5-构建数据集基本方法.mp4 13.47M

| | ├──6-数据集与任务背景概述.mp4 21.63M

| | ├──7-数据集基本预处理.mp4 31.50M

| | ├──8-用户行为图结构创建.mp4 36.67M

| | └──9-数据集创建函数介绍.mp4 34.87M

| ├──4.图注意力与序列模型

| | ├──1-图注意力机制的作用与方法.mp4 16.53M

| | ├──2-邻接矩阵计算图Attention.mp4 21.40M

| | ├──3-序列图神经网络TGCN应用.mp4 12.59M

| | └──4-序列图神经网络细节.mp4 23.67M

| ├──5.图相似度论文分析

| | ├──1-要完成的任务分析.mp4 47.79M

| | ├──10-获得直方图特征结果.mp4 21.11M

| | ├──11-图的全局特征构建.mp4 31.45M

| | ├──12-NTN图相似特征提取.mp4 39.25M

| | ├──13-预测得到相似度结果.mp4 18.64M

| | ├──2-基本方法概述解读.mp4 52.67M

| | ├──3-图模型提取全局与局部特征.mp4 47.42M

| | ├──4-NTN模块的作用与效果.mp4 41.09M

| | ├──5-点之间的对应关系计算.mp4 51.22M

| | ├──6-结果输出与总结.mp4 71.18M

| | ├──7-数据集与任务概述.mp4 18.11M

| | ├──8-图卷积特征提取模块.mp4 55.92M

| | └──9-分别计算不同Batch点的分布.mp4 31.70M

| ├──6.图模型轨迹估计

| | ├──1-数据集与标注信息解读.mp4 57.53M

| | ├──10-训练数据准备.mp4 27.69M

| | ├──11-Agent特征提取方法.mp4 37.87M

| | ├──12-DataLoader构建图结构.mp4 28.61M

| | ├──13-SubGraph与Attention模型流程.mp4 34.55M

| | ├──2-整体三大模块分析.mp4 71.83M

| | ├──3-特征工程的作用与效果.mp4 41.75M

| | ├──4-传统方法与现在向量空间对比.mp4 51.83M

| | ├──5-输入细节分析.mp4 49.96M

| | ├──6-子图模块构建方法.mp4 42.55M

| | ├──7-特征融合模块分析.mp4 47.67M

| | ├──8-VectorNet输出层分析.mp4 85.45M

| | └──9-数据与环境配置.mp4 35.36M

| ├──7.异构图神经网络

| └──8.KIE关键信息抽取

| | ├──1-配置文件以及要完成的任务解读.mp4 51.55M

| | ├──2-KIE数据集格式调整方法.mp4 69.46M

| | ├──3-配置文件与标签要进行处理操作.mp4 47.83M

| | ├──4-边框要计算的特征分析.mp4 35.57M

| | ├──5-标签数据处理与关系特征提取.mp4 56.48M

| | ├──6-特征合并处理.mp4 43.74M

| | ├──7-准备拼接边与点特征.mp4 41.38M

| | └──8-整合得到图模型输入特征.mp4 71.98M

├──27-【方向E强化学习】强化学习基础算法与实战

| ├──1.强化学习简介及其应用

| | ├──1-一张图通俗解释强化学习.mp4 17.71M

| | ├──2-强化学习的指导依据.mp4 20.21M

| | ├──3-强化学习AI游戏DEMO.mp4 20.38M

| | ├──4-应用领域简介.mp4 17.36M

| | ├──5-强化学习工作流程.mp4 14.80M

| | └──6-计算机眼中的状态与行为.mp4 20.11M

| ├──2.PPO算法与公式推导

| | ├──1-基本情况介绍.mp4 28.09M

| | ├──2-与环境交互得到所需数据.mp4 23.20M

| | ├──3-要完成的目标分析.mp4 24.55M

| | ├──4-策略梯度推导.mp4 21.79M

| | ├──5-baseline方法.mp4 18.38M

| | ├──6-OnPolicy与OffPolicy策略.mp4 20.80M

| | ├──7-importance sampling的作用.mp4 23.22M

| | └──8-PPO算法整体思路解析.mp4 26.61M

| ├──3.PPO实战-月球登陆器训练实例

| | ├──1-Critic的作用与效果.mp4 40.09M

| | ├──2-PPO2版本公式解读.mp4 31.68M

| | ├──3-参数与网络结构定义.mp4 33.73M

| | ├──4-得到动作结果.mp4 29.04M

| | ├──5-奖励获得与计算.mp4 36.32M

| | └──6-参数迭代与更新.mp4 49.30M

| ├──4.Q-learning与DQN算法

| | ├──1-整体任务流程演示.mp4 23.92M

| | ├──2-探索与action获取.mp4 28.44M

| | ├──3-计算target值.mp4 22.48M

| | ├──4-训练与更新.mp4 34.18M

| | ├──5-算法原理通俗解读.mp4 26.02M

| | ├──6-目标函数与公式解析.mp4 25.58M

| | ├──7-Qlearning算法实例解读.mp4 16.68M

| | ├──8-Q值迭代求解.mp4 22.49M

| | └──9-DQN简介.mp4 15.38M

| ├──5.DQN改进与应用技巧

| | ├──1-DoubleDqn要解决的问题.mp4 22.37M

| | ├──2-DuelingDqn改进方法.mp4 19.08M

| | ├──3-Dueling整体网络架构分析.mp4 21.76M

| | ├──4-MultiSetp策略.mp4 8.68M

| | └──5-连续动作处理方法.mp4 22.27M

| ├──6.Actor-Critic算法分析（A3C）

| | ├──1-AC算法回顾与知识点总结.mp4 17.34M

| | ├──2-优势函数解读与分析.mp4 19.90M

| | ├──3-计算流程实例.mp4 17.61M

| | ├──4-A3C整体架构分析.mp4 16.45M

| | └──5-损失函数整理.mp4 22.43M

| ├──7.用A3C玩转超级马里奥

| | ├──1-整体流程与环境配置.mp4 26.99M

| | ├──2-启动游戏环境.mp4 32.21M

| | ├──3-要计算的指标回顾.mp4 37.03M

| | ├──4-初始化局部模型并加载参数.mp4 32.25M

| | ├──5-与环境交互得到训练数据.mp4 39.29M

| | └──6-训练网络模型.mp4 44.27M

| └──8.强化学习-拓展

| | └──强化学习的基础原理与应用等.mp4 375.38M

├──28-【方向E强化学习】人形机器人高级学习与控制方法

├──29-【方向F智能应用】知识图谱技术与构建

| ├──1.知识图谱分析与应用

| | ├──1-知识图谱通俗解读.mp4 19.90M

| | ├──10-视觉领域图编码实例.mp4 20.99M

| | ├──11-图谱知识融合与总结分析.mp4 24.01M

| | ├──2-知识图谱在搜索引擎中的应用.mp4 26.62M

| | ├──3-知识图谱在医疗领域应用实例.mp4 102.94M

| | ├──4-金融与推荐领域的应用.mp4 20.42M

| | ├──5-数据获取分析.mp4 35.97M

| | ├──6-数据关系抽取分析.mp4 27.34M

| | ├──7-常用NLP技术点分析.mp4 22.12M

| | ├──8-graph-embedding的作用与效果.mp4 26.18M

| | └──9-金融领域图编码实例.mp4 12.79M

| ├──2.Neo4j图数据库实战

| | ├──1-Neo4j图数据库介绍.mp4 63.53M

| | ├──2-Neo4j数据库安装流程演示.mp4 27.70M

| | ├──3-可视化例子演示.mp4 43.62M

| | ├──4-创建与删除操作演示.mp4 25.35M

| | ├──5-数据库更改查询操作演示.mp4 27.17M

| | ├──6-使用Py2neo建立连接.mp4 47.60M

| | ├──7-提取所需的指标信息.mp4 53.19M

| | ├──8-在图中创建实体.mp4 43.86M

| | └──9-根据给定实体创建关系.mp4 51.06M

| ├──3.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 37.06M

| | ├──10-完成对话系统构建.mp4 39.50M

| | ├──2-医疗数据介绍及其各字段含义.mp4 62.67M

| | ├──3-任务流程概述.mp4 39.75M

| | ├──4-环境配置与所需工具包安装.mp4 36.39M

| | ├──5-提取数据中的关键字段信息.mp4 61.37M

| | ├──6-创建关系边.mp4 39.44M

| | ├──7-打造医疗知识图谱模型.mp4 59.18M

| | ├──8-加载所有实体数据.mp4 42.48M

| | └──9-实体关键词字典制作.mp4 31.87M

| ├──4.文本关系抽取实践

| | ├──1-关系抽取要完成的任务演示与分析.mp4 18.58M

| | ├──2-LTP工具包概述介绍.mp4 46.55M

| | ├──3-pyltp安装与流程演示.mp4 41.85M

| | ├──4-得到分词与词性标注结果.mp4 47.21M

| | ├──5-依存句法概述.mp4 30.85M

| | ├──6-句法分析结果整理.mp4 39.12M

| | ├──7-语义角色构建与分析.mp4 54.21M

| | └──8-设计规则完成关系抽取.mp4 52.50M

| ├──5.金融平台风控模型实践

| | ├──1-竞赛任务目标.mp4 23.83M

| | ├──2-图模型信息提取.mp4 27.79M

| | ├──3-节点权重特征提取(PageRank).mp4 35.58M

| | ├──4-deepwalk构建图顶点特征.mp4 53.52M

| | ├──5-各项统计特征.mp4 56.06M

| | ├──6-app安装特征.mp4 37.43M

| | └──7-图中联系人特征.mp4 70.34M

| └──6.医学糖尿病数据命名实体识别

| | ├──1-数据与任务介绍.mp4 22.75M

| | ├──2-整体模型架构.mp4 15.02M

| | ├──3-数据-标签-语料库处理.mp4 40.03M

| | ├──4-输入样本填充补齐.mp4 36.25M

| | ├──5-训练网络模型.mp4 40.40M

| | └──6-医疗数据集（糖尿病）实体识别.mp4 81.47M

├──30-【方向F智能应用】语音识别

| ├──1.seq2seq序列网络模型

| | ├──1-序列网络模型概述分析.mp4 17.33M

| | ├──2-工作原理概述.mp4 9.00M

| | ├──3-注意力机制的作用.mp4 14.88M

| | ├──4-加入attention的序列模型整体架构.mp4 20.60M

| | ├──5-TeacherForcing的作用与训练策略.mp4 16.63M

| | └──6-额外补充-RNN网络模型解读.mp4 23.79M

| ├──2.LAS模型语音识别实战

| | ├──1-数据源与环境配置.mp4 32.26M

| | ├──2-语料表制作方法.mp4 25.49M

| | ├──3-制作json标注数据.mp4 37.87M

| | ├──4-声音数据处理模块解读.mp4 62.88M

| | ├──5-Pack与Pad操作解析.mp4 35.96M

| | ├──6-编码器模块整体流程.mp4 31.45M

| | ├──7-加入注意力机制.mp4 33.32M

| | ├──8-计算得到每个输出的attention得分.mp4 36.46M

| | └──9-解码器与训练过程演示.mp4 43.81M

| ├──3.starganvc2变声器论文原理解读

| | ├──1-论文整体思路与架构解读.mp4 34.68M

| | ├──2-VCC2016输入数据.mp4 20.79M

| | ├──3-语音特征提取.mp4 30.61M

| | ├──4-生成器模型架构分析.mp4 15.82M

| | ├──5-InstanceNorm的作用解读.mp4 18.61M

| | ├──6-AdaIn的目的与效果.mp4 13.20M

| | └──7-判别器模块分析.mp4 114.08M

| ├──4.staeganvc2变声器源码实战

| | ├──1-数据与项目文件解读.mp4 21.82M

| | ├──10-源码损失计算流程.mp4 34.84M

| | ├──11-测试模块-生成转换语音.mp4 47.20M

| | ├──2-环境配置与工具包安装.mp4 37.14M

| | ├──3-数据预处理与声音特征提取.mp4 88.54M

| | ├──4-生成器构造模块解读.mp4 41.37M

| | ├──5-下采样与上采样操作.mp4 35.50M

| | ├──6-starganvc2版本标签输入分析.mp4 49.98M

| | ├──7-生成器前向传播维度变化.mp4 26.52M

| | ├──8-判别器模块解读.mp4 35.25M

| | └──9-论文损失函数.mp4 100.51M

| ├──5.语音分离ConvTasnet模型

| | ├──1-语音分离任务分析.mp4 9.18M

| | ├──2-经典语音分离模型概述.mp4 18.12M

| | ├──3-DeepClustering论文解读.mp4 16.28M

| | ├──4-TasNet编码器结构分析.mp4 41.65M

| | ├──5-DW卷积的作用与效果.mp4 10.19M

| | └──6-基于Mask得到分离结果.mp4 19.27M

| ├──6.ConvTasnet语音分离实战

| | ├──1-数据准备与环境配置.mp4 78.00M

| | ├──2-训练任务所需参数介绍.mp4 27.69M

| | ├──3-DataLoader定义.mp4 38.04M

| | ├──4-采样数据特征编码.mp4 37.70M

| | ├──5-编码器特征提取.mp4 55.03M

| | ├──6-构建更大的感受区域.mp4 53.51M

| | ├──7-解码得到分离后的语音.mp4 52.61M

| | └──8-测试模块所需参数.mp4 42.44M

| └──7.语音合成tacotron最新版实战

| | ├──1-语音合成项目所需环境配置.mp4 44.58M

| | ├──10-得到加权的编码向量.mp4 55.89M

| | ├──11-模型输出结果.mp4 53.29M

| | ├──12-损失函数与预测.mp4 47.98M

| | ├──2-所需数据集介绍.mp4 52.74M

| | ├──3-路径配置与整体流程解读.mp4 70.18M

| | ├──4-Dataloader构建数据与标签.mp4 66.73M

| | ├──5-编码层要完成的任务.mp4 46.40M

| | ├──6-得到编码特征向量.mp4 28.57M

| | ├──7-解码器输入准备.mp4 34.60M

| | ├──8-解码器流程梳理.mp4 41.44M

| | └──9-注意力机制应用方法.mp4 43.74M

├──31-【方向F智能应用】现代推荐系统与实战

| ├──1.协同过滤与矩阵分解

| | ├──1-协同过滤与矩阵分解简介.mp4 11.32M

| | ├──2-基于用户与商品的协同过滤.mp4 18.55M

| | ├──3-相似度计算与推荐实例.mp4 15.21M

| | ├──4-矩阵分解的目的与效果.mp4 20.69M

| | ├──5-矩阵分解中的隐向量.mp4 25.10M

| | ├──6-目标函数简介.mp4 13.76M

| | ├──7-隐式情况分析.mp4 14.12M

| | └──8-Embedding的作用.mp4 11.12M

| ├──10.基于相似度的酒店推荐系统

| | ├──1-酒店数据与任务介绍.mp4 22.03M

| | ├──2-文本词频统计.mp4 31.44M

| | ├──3-ngram结果可视化展示.mp4 53.11M

| | ├──4-文本清洗.mp4 32.94M

| | ├──5-相似度计算.mp4 47.65M

| | └──6-得出推荐结果.mp4 62.00M

| ├──2.推荐系统介绍及其应用

| | ├──1-推荐系统通俗解读.mp4 17.30M

| | ├──2-推荐系统发展简介.mp4 23.26M

| | ├──3-应用领域与多方位评估指标.mp4 26.54M

| | ├──4-任务流程与挑战概述.mp4 26.78M

| | ├──5-常用技术点分析.mp4 16.48M

| | └──6-与深度学习的结合.mp4 23.73M

| ├──3.音乐推荐系统实战

| | ├──1-音乐推荐任务概述.mp4 64.52M

| | ├──2-数据集整合.mp4 53.94M

| | ├──3-基于物品的协同过滤.mp4 63.14M

| | ├──4-物品相似度计算与推荐.mp4 63.44M

| | ├──5-SVD矩阵分解.mp4 30.87M

| | └──6-基于矩阵分解的音乐推荐.mp4 83.20M

| ├──4.知识图谱与Neo4j数据库实例

| | ├──1-知识图谱通俗解读.mp4 19.90M

| | ├──10-数据库更改查询操作演示.mp4 27.17M

| | ├──2-知识图谱在搜索引擎中的应用.mp4 26.62M

| | ├──3-知识图谱在医疗领域应用实例.mp4 102.94M

| | ├──4-金融与推荐领域的应用.mp4 20.42M

| | ├──5-数据获取分析.mp4 35.97M

| | ├──6-Neo4j图数据库介绍.mp4 63.53M

| | ├──7-Neo4j数据库安装流程演示.mp4 27.70M

| | ├──8-可视化例子演示.mp4 43.62M

| | └──9-创建与删除操作演示.mp4 25.35M

| ├──5.基于知识图谱的电影推荐实战

| | ├──1-知识图谱推荐系统效果演示.mp4 23.68M

| | ├──2-kaggle电影数据集下载与配置.mp4 63.44M

| | ├──3-图谱需求与任务流程解读.mp4 26.62M

| | ├──4-项目所需环境配置安装.mp4 48.87M

| | ├──5-构建用户电影知识图谱.mp4 61.53M

| | ├──6-图谱查询与匹配操作.mp4 19.64M

| | └──7-相似度计算与推荐引擎构建.mp4 39.20M

| ├──6.DeepFM算法解析与实战

| | ├──1-CTR估计及其经典方法概述.mp4 21.97M

| | ├──10-广告点击数据预处理实例.mp4 49.19M

| | ├──11-数据处理模块Embedding层.mp4 34.40M

| | ├──12-Index与Value数据制作.mp4 29.34M

| | ├──13-一阶权重参数设计.mp4 33.55M

| | ├──14-二阶特征构建方法.mp4 28.87M

| | ├──15-特征组合方法实例分析.mp4 49.53M

| | ├──16-完成FM模块计算.mp4 24.57M

| | ├──17-DNN模块与训练过程.mp4 37.56M

| | ├──2-高维特征带来的问题.mp4 12.96M

| | ├──3-二项式特征的作用与挑战.mp4 11.82M

| | ├──4-二阶公式推导与化简.mp4 20.91M

| | ├──5-FM算法解析.mp4 19.85M

| | ├──6-DeepFm整体架构解读.mp4 15.16M

| | ├──7-输入层所需数据样例.mp4 14.14M

| | ├──8-Embedding层的作用与总结.mp4 21.54M

| | └──9-数据集介绍与环境配置.mp4 57.80M

| ├──7.推荐系统常用工具包演示

| | ├──1-环境配置与数据集介绍.mp4 35.73M

| | ├──2-电影数据集预处理分析.mp4 32.78M

| | ├──3-surprise工具包基本使用.mp4 36.09M

| | ├──4-模型测试集结果.mp4 30.74M

| | └──5-评估指标概述.mp4 66.49M

| ├──8.基于文本数据的推荐实例

| | ├──1-数据与环境配置介绍.mp4 19.83M

| | ├──2-数据科学相关数据介绍.mp4 31.27M

| | ├──3-文本数据预处理.mp4 37.39M

| | ├──4-TFIDF构建特征矩阵.mp4 31.32M

| | ├──5-矩阵分解演示.mp4 29.04M

| | ├──6-LDA主题模型效果演示.mp4 53.10M

| | └──7-推荐结果分析.mp4 43.02M

| └──9.基本统计分析的电影推荐

| | ├──1-电影数据与环境配置.mp4 64.11M

| | ├──2-数据与关键词信息展示.mp4 61.30M

| | ├──3-关键词云与直方图展示.mp4 45.99M

| | ├──4-特征可视化.mp4 38.70M

| | ├──5-数据清洗概述.mp4 57.34M

| | ├──6-缺失值填充方法.mp4 37.19M

| | ├──7-推荐引擎构造.mp4 50.97M

| | ├──8-数据特征构造.mp4 36.19M

| | └──9-得出推荐结果.mp4 51.89M

├──32-【进阶模块】深度学习模型部署与实战

| ├──1.PyTorch Flask部署示例

| | ├──1-基本结构与训练好的模型加载.mp4 21.02M

| | ├──2-服务端处理与预测函数.mp4 40.92M

| | └──3-基于Flask测试模型预测结果.mp4 46.26M

| ├──2.PyTorch Docker部署示例

| | ├──1-docker简介.mp4 15.97M

| | ├──2-docker安装与配置.mp4 48.56M

| | ├──3-阿里云镜像配置.mp4 27.00M

| | ├──4-基于docker配置pytorch环境.mp4 36.56M

| | ├──5-安装演示环境所需依赖.mp4 31.51M

| | ├──6-复制所需配置到容器中.mp4 28.23M

| | └──7-上传与下载配置好的项目.mp4 45.53M

| ├──3.使用Docker实现TensorFlow-Serving部署实战

| | ├──1-tf-serving项目获取与配置.mp4 30.50M

| | ├──2-加载并启动模型服务.mp4 31.31M

| | ├──3-测试模型部署效果.mp4 43.40M

| | ├──4-fashion数据集获取.mp4 38.64M

| | └──5-加载fashion模型启动服务.mp4 33.43M

| ├──4.AloT与Jetson Nano

| | ├──1-jetson nano 硬件介绍.mp4 22.06M

| | ├──2-jetson nano 刷机.mp4 105.19M

| | ├──3-jetson nano 系统安装过程.mp4 84.58M

| | ├──4-感受nano的GPU算力.mp4 62.42M

| | └──5-安装使用摄像头csi usb.mp4 43.16M

| ├──5.AloT实战应用

| | ├──1-jetson-inference 入门.mp4 32.00M

| | ├──2-docker 的安装使用.mp4 72.24M

| | ├──3-docker中运行分类模型.mp4 105.48M

| | ├──4-训练自己的目标检测模型准备.mp4 36.43M

| | ├──5-训练出自己目标识别模型a.mp4 109.79M

| | ├──6-训练出自己目标识别模型b.mp4 41.20M

| | └──7-转换出onnx模型，并使用.mp4 31.24M

| ├──6.NVIDIA TAO训练工具

| | ├──1-NVIDIA TAO介绍和安装.mp4 74.37M

| | ├──2-NVIDIA TAO数据准备和环境设置.mp4 41.50M

| | ├──3-NVIDIA TAO数据转换.mp4 103.66M

| | ├──4-NVIDIA TAO预训练模型和训练a.mp4 40.28M

| | ├──5-NVIDIA TAO预训练模型和训练b.mp4 18.72M

| | ├──6-NVIDIA TAO预训练模型和训练c.mp4 16.31M

| | └──7-TAO 剪枝在训练推理验证.mp4 127.77M

| └──7.DeepStream应用

| | ├──1-deepstream 介绍安装.mp4 55.46M

| | ├──2-deepstream HelloWorld.mp4 45.02M

| | ├──3-GStreamer RTP和RTSP1.mp4 64.04M

| | ├──4-GStreamer RTP和RTSP2.mp4 78.49M

| | ├──5-python实现RTP和RTSP.mp4 87.50M

| | ├──6-deepstream推理.mp4 94.05M

| | └──7-deepstream集成yolov4.mp4 86.63M

├──33-【进阶模块】深度学习模型优化与创新

| ├──1.通用创新点

| | ├──1-ACMIX（卷积与注意力融合）.mp4 86.05M

| | ├──10-Attention额外加入先验知识.mp4 7.42M

| | ├──11-结合GNN构建局部特征.mp4 25.87M

| | ├──12-损失函数约束项.mp4 8.42M

| | ├──13-自适应可学习参数.mp4 14.27M

| | ├──14-Coarse2Fine大框架.mp4 40.53M

| | ├──15-只能机器学习模型时凑工作量（特征工程）.mp4 6.02M

| | ├──16-自己数据集如何发的好（要开源）.mp4 45.07M

| | ├──17-可变形卷积加入方法.mp4 23.44M

| | ├──18-在源码中加入各种注意力机制方法.mp4 122.48M

| | ├──2-GCnet（全局特征融合）.mp4 74.35M

| | ├──3-Coordinate_attention.mp4 74.92M

| | ├──4-SPD（可替换下采样）.mp4 45.03M

| | ├──5-SPP改进.mp4 17.03M

| | ├──6-mobileOne（加速）.mp4 45.26M

| | ├──7-Deformable（替换selfAttention）.mp4 44.90M

| | ├──8-ProbAttention（采样策略）.mp4 23.58M

| | └──9-CrossAttention融合特征.mp4 20.50M

| ├──2.模型剪枝-Network Slimming算法分析

| | ├──1-论文算法核心框架概述.mp4 19.67M

| | ├──2-BatchNorm要解决的问题.mp4 18.50M

| | ├──3-BN的本质作用.mp4 22.59M

| | ├──4-额外的训练参数解读.mp4 20.13M

| | └──5-稀疏化原理与效果.mp4 23.93M

| ├──3.模型剪枝-Network Slimming实战解读

| | ├──1-整体案例流程解读.mp4 32.42M

| | ├──2-加入L1正则化来进行更新.mp4 28.40M

| | ├──3-剪枝模块介绍.mp4 31.02M

| | ├──4-筛选需要的特征图.mp4 36.33M

| | ├──5-剪枝后模型参数赋值.mp4 49.54M

| | └──6-微调完成剪枝模型.mp4 46.93M

| ├──4.Mobilenet三代网络模型架构

| | ├──1-模型剪枝分析.mp4 22.37M

| | ├──10-V2整体架构与效果分析.mp4 10.49M

| | ├──11-V3版本网络架构分析.mp4 11.58M

| | ├──12-SE模块作用与效果解读.mp4 31.95M

| | ├──13-代码实现mobilenetV3网络架构.mp4 68.89M

| | ├──2-常见剪枝方法介绍.mp4 21.77M

| | ├──3-mobilenet简介.mp4 8.63M

| | ├──4-经典卷积计算量与参数量分析.mp4 13.23M

| | ├──5-深度可分离卷积的作用与效果.mp4 14.34M

| | ├──6-参数与计算量的比较.mp4 39.74M

| | ├──7-V1版本效果分析.mp4 24.97M

| | ├──8-V2版本改进以及Relu激活函数的问题.mp4 19.57M

| | └──9-倒残差结构的作用.mp4 17.46M

| ├──5.知识蒸馏

| | └──知识蒸馏与简历相关.mp4 1.22G

| └──6.拓展-模型部署与优化

| | └──模型部署.mp4 433.59M

└──34-【进阶模块】科研与职业发展

| ├──1.论文写作与科研方法论

| | ├──1-从0-1：论文写作.mp4 975.59M

| | ├──2-论文要完成的核心架构分析.mp4 47.92M

| | ├──3-网络模型基本组件分析.mp4 75.18M

| | ├──4-流程概述分析.mp4 66.22M

| | ├──5-实验结果分析.mp4 68.81M

| | ├──6-源码实现细节解读.mp4 41.61M

| | └──7-源码结果总结.mp4 35.18M

| ├──2.Deepseek辅助科研技能学习和科研探索

| | └──Deepseek辅助科研技能学习和科研探索.mp4 590.03M

| ├──3.AI时代职业规划

| | └──AI浪潮之下的职业新机遇：如何武装自己，拿下未来岗位？.mp4 701.78M

| └──4.就业简历指导

| | └──就业简历.mp4 305.71M