人工智能深度学习系统班（12期）百度网盘下载

人工智能深度学习系统班(12期)
├──01 第一章 直播回放
| ├──01 开班典礼.mp4 1.33G
| ├──02 Pycharm环境配置与Debug演示(没用过的同学必看).mp4.mp4 125.39M
| ├──03 神经网络解读.mp4 1.32G
| ├──04 卷积神经网络.mp4 1.29G
| ├──05 transformer架构解读.mp4 1.33G
| ├──06 融合强化学习与机器人训练原理、架构、部署.mp4 690.13M
| ├──07 VIT 源码Debug.mp4 1.29G
| ├──08 Transformer下游应用实例.mp4 1.21G
| ├──09 图神经网络.mp4 1.18G
| ├──10 基于分层强化学习的机器人路径规划方法.mp4 305.62M
| ├──11 时间序列预测.mp4 1.13G
| ├──12 Huggingface与知识图谱.mp4 1.16G
| ├──13 对比学习.mp4 1.08G
| ├──14 recordmerge-20250315223625-76cf57.mp4.mp4 590.03M
| ├──15 融合大语言模型的人形机器人强化学习训练范式.mp4 376.08M
| └──16 融合具身智能的机器人学习范式.mp4 299.69M
├──02 第二章 AI课程所需安装软件教程
| └──7_8 AI课程所需安装软件教程_AI课程所需安装软件教程.mp4 19.61M
├──03 第三章-深度学习必备核心算法
| ├──1 神经网络结构.mp4 604.62M
| ├──2 卷积神经网络.mp4 676.23M
| ├──3 Transformer.mp4 557.22M
| └──4 VIT源码解读.mp4 878.23M
├──04 第四章 深度学习框架PyTorch
| ├──12_13 深度学习框架PyTorch_PyTorch框架与其他框架区别分析.mp4 33.24M
| ├──13_14 深度学习框架PyTorch_CPU与GPU版本安装方法解读.mp4 100.57M
| ├──14_15 深度学习框架PyTorch_数据集与任务概述.mp4 43.34M
| ├──15_16 深度学习框架PyTorch_基本模块应用测试.mp4 47.62M
| ├──16_17 深度学习框架PyTorch_网络结构定义方法.mp4 55.60M
| ├──17_18 深度学习框架PyTorch_数据源定义简介.mp4 38.98M
| ├──18_19 深度学习框架PyTorch_损失与训练模块分析.mp4 42.31M
| ├──19_20 深度学习框架PyTorch_训练一个基本的分类模型.mp4 54.59M
| ├──20_21 深度学习框架PyTorch_参数对结果的影响.mp4 51.65M
| ├──21_22 深度学习框架PyTorch_神经网络回归任务-气温预测.mp4 198.56M
| ├──22_23 深度学习框架PyTorch_输入特征通道分析.mp4 42.48M
| ├──23_24 深度学习框架PyTorch_卷积网络参数解读.mp4 31.46M
| ├──24_25 深度学习框架PyTorch_卷积网络模型训练.mp4 55.14M
| ├──25_26 深度学习框架PyTorch_任务分析与图像数据基本处理.mp4 41.62M
| ├──26_27 深度学习框架PyTorch_数据增强模块.mp4 40.50M
| ├──27_28 深度学习框架PyTorch_数据集与模型选择.mp4 45.32M
| ├──28_29 深度学习框架PyTorch_迁移学习方法解读.mp4 44.66M
| ├──29_30 深度学习框架PyTorch_输出层与梯度设置.mp4 61.42M
| ├──30_31 深度学习框架PyTorch_输出类别个数修改.mp4 49.06M
| ├──31_32 深度学习框架PyTorch_优化器与学习率衰减.mp4 52.48M
| ├──32_33 深度学习框架PyTorch_模型训练方法.mp4 52.60M
| ├──33_34 深度学习框架PyTorch_重新训练全部模型.mp4 54.81M
| ├──34_35 深度学习框架PyTorch_测试结果演示分析.mp4 110.98M
| ├──35_36 深度学习框架PyTorch_Dataloader要完成的任务分析.mp4 39.20M
| ├──36_37 深度学习框架PyTorch_图像数据与标签路径处理.mp4 48.98M
| ├──37_38 深度学习框架PyTorch_Dataloader中需要实现的方法分析.mp4 46.95M
| ├──38_39 深度学习框架PyTorch_实用Dataloader加载数据并训练模型.mp4 77.82M
| ├──39_40 深度学习框架PyTorch_数据集与任务目标分析.mp4 52.81M
| ├──40_41 深度学习框架PyTorch_文本数据处理基本流程分析.mp4 55.97M
| ├──41_42 深度学习框架PyTorch_命令行参数与DEBUG.mp4 36.52M
| ├──42_43 深度学习框架PyTorch_训练模型所需基本配置参数分析.mp4 40.92M
| ├──43_44 深度学习框架PyTorch_预料表与字符切分.mp4 31.98M
| ├──44_45 深度学习框架PyTorch_字符预处理转换ID.mp4 34.37M
| ├──45_46 深度学习框架PyTorch_LSTM网络结构基本定义.mp4 34.73M
| ├──46_47 深度学习框架PyTorch_网络模型预测结果输出.mp4 39.11M
| ├──47_48 深度学习框架PyTorch_模型训练任务与总结.mp4 45.16M
| ├──48_49 深度学习框架PyTorch_基本结构与训练好的模型加载.mp4 21.02M
| ├──49_50 深度学习框架PyTorch_服务端处理与预测函数.mp4 40.92M
| └──50_51 深度学习框架PyTorch_基于Flask测试模型预测结果.mp4 46.26M
├──05 第五章 综合项目-物体检测经典算法实战
| ├──100_101 综合项目-物体检测经典算法实战_训练代码与参数配置更改.mp4 44.29M
| ├──101_102 综合项目-物体检测经典算法实战_训练模型并测试效果.mp4 38.49M
| ├──102_103 综合项目-物体检测经典算法实战_V4版本整体概述.mp4 15.06M
| ├──103_104 综合项目-物体检测经典算法实战_V4版本贡献解读.mp4 10.06M
| ├──104_105 综合项目-物体检测经典算法实战_数据增强策略分析.mp4 24.70M
| ├──106_107 综合项目-物体检测经典算法实战_损失函数遇到的问题.mp4 14.26M
| ├──107_108 综合项目-物体检测经典算法实战_CIOU损失函数定义.mp4 10.82M
| ├──108_109 综合项目-物体检测经典算法实战_NMS细节改进.mp4 16.66M
| ├──109_110 综合项目-物体检测经典算法实战_SPP与CSP网络结构.mp4 14.81M
| ├──110_111 综合项目-物体检测经典算法实战_SAM注意力机制模块.mp4 22.48M
| ├──111_112 综合项目-物体检测经典算法实战_PAN模块解读.mp4 20.64M
| ├──112_113 综合项目-物体检测经典算法实战_激活函数与整体架构总结.mp4 19.19M
| ├──113_114 综合项目-物体检测经典算法实战_整体项目概述.mp4 35.77M
| ├──114_115 综合项目-物体检测经典算法实战_训练自己的数据集方法.mp4 41.32M
| ├──115_116 综合项目-物体检测经典算法实战_训练数据参数配置.mp4 51.48M
| ├──116_117 综合项目-物体检测经典算法实战_测试DEMO演示.mp4 50.47M
| ├──117_118 综合项目-物体检测经典算法实战_数据源DEBUG流程解读.mp4 48.13M
| ├──118_119 综合项目-物体检测经典算法实战_图像数据源配置.mp4 34.65M
| ├──119_120 综合项目-物体检测经典算法实战_加载标签数据.mp4 26.33M
| ├──120_121 综合项目-物体检测经典算法实战_Mosaic数据增强方法.mp4 28.19M
| ├──121_122 综合项目-物体检测经典算法实战_数据四合一方法与流程演示.mp4 41.69M
| ├──122_123 综合项目-物体检测经典算法实战_getItem构建batch.mp4 33.03M
| ├──123_124 综合项目-物体检测经典算法实战_网络架构图可视化工具安装.mp4 34.33M
| ├──124_125 综合项目-物体检测经典算法实战_V5网络配置文件解读.mp4 35.74M
| ├──125_126 综合项目-物体检测经典算法实战_Focus模块流程分析.mp4 21.93M
| ├──126_127 综合项目-物体检测经典算法实战_完成配置文件解析任务.mp4 58.80M
| ├──127_128 综合项目-物体检测经典算法实战_前向传播计算.mp4 30.80M
| ├──128_129 综合项目-物体检测经典算法实战_BottleneckCSP层计算方法.mp4 33.82M
| ├──129_130 综合项目-物体检测经典算法实战_SPP层计算细节分析.mp4 29.17M
| ├──130_131 综合项目-物体检测经典算法实战_Head层流程解读.mp4 29.12M
| ├──131_132 综合项目-物体检测经典算法实战_上采样与拼接操作.mp4 21.48M
| ├──132_133 综合项目-物体检测经典算法实战_输出结果分析.mp4 41.71M
| ├──133_134 综合项目-物体检测经典算法实战_超参数解读.mp4 34.94M
| ├──134_135 综合项目-物体检测经典算法实战_命令行参数介绍.mp4 44.26M
| ├──135_136 综合项目-物体检测经典算法实战_训练流程解读.mp4 46.81M
| ├──136_137 综合项目-物体检测经典算法实战_各种训练策略概述.mp4 38.43M
| ├──137_138 综合项目-物体检测经典算法实战_模型迭代过程.mp4 38.42M
| ├──138_139 综合项目-物体检测经典算法实战_YOLO系列(V7)算法解读.mp4 650.58M
| ├──139_140 综合项目-物体检测经典算法实战_命令行参数介绍.mp4 25.02M
| ├──140_141 综合项目-物体检测经典算法实战_基本参数作用.mp4 40.80M
| ├──141_142 综合项目-物体检测经典算法实战_EMA等训练技巧解读.mp4 49.31M
| ├──142_143 综合项目-物体检测经典算法实战_网络结构配置文件解读.mp4 36.94M
| ├──143_144 综合项目-物体检测经典算法实战_各模块操作细节分析.mp4 49.07M
| ├──144_145 综合项目-物体检测经典算法实战_输出层与配置文件其他模块解读.mp4 60.88M
| ├──145_146 综合项目-物体检测经典算法实战_标签分配策略准备操作.mp4 34.72M
| ├──146_147 综合项目-物体检测经典算法实战_候选框偏移方法与find3p模块解读.mp4 33.70M
| ├──147_148 综合项目-物体检测经典算法实战_得到偏移点所在网格位置.mp4 42.85M
| ├──148_149 综合项目-物体检测经典算法实战_完成BuildTargets模块.mp4 51.40M
| ├──149_150 综合项目-物体检测经典算法实战_候选框筛选流程分析.mp4 31.75M
| ├──150_151 综合项目-物体检测经典算法实战_预测值各项指标获取与调整.mp4 47.03M
| ├──151_152 综合项目-物体检测经典算法实战_GT匹配正样本数量计算.mp4 42.07M
| ├──152_153 综合项目-物体检测经典算法实战_通过IOU与置信度分配正样本.mp4 60.44M
| ├──153_154 综合项目-物体检测经典算法实战_损失函数计算方法.mp4 46.08M
| ├──154_155 综合项目-物体检测经典算法实战_辅助头AUX网络结构配置文件解析.mp4 31.05M
| ├──155_156 综合项目-物体检测经典算法实战_辅助头损失函数调整.mp4 39.28M
| ├──156_157 综合项目-物体检测经典算法实战_BN与卷积权重参数融合方法.mp4 53.77M
| ├──157_158 综合项目-物体检测经典算法实战_重参数化多分支合并加速.mp4 43.19M
| ├──158_159 综合项目-物体检测经典算法实战_YOLOV8.mp4 250.98M
| ├──159_160 综合项目-物体检测经典算法实战_DETR目标检测基本思想解读.mp4 19.35M
| ├──160_161 综合项目-物体检测经典算法实战_整体网络架构分析.mp4 31.64M
| ├──161_162 综合项目-物体检测经典算法实战_位置信息初始化query向量.mp4 19.97M
| ├──162_163 综合项目-物体检测经典算法实战_注意力机制的作用方法.mp4 20.85M
| ├──163_164 综合项目-物体检测经典算法实战_训练过程的策略.mp4 28.41M
| ├──164_165 综合项目-物体检测经典算法实战_项目环境配置解读.mp4 40.42M
| ├──165_166 综合项目-物体检测经典算法实战_数据处理与dataloader.mp4 64.11M
| ├──166_167 综合项目-物体检测经典算法实战_位置编码作用分析.mp4 47.95M
| ├──167_168 综合项目-物体检测经典算法实战_backbone特征提取模块.mp4 35.62M
| ├──168_169 综合项目-物体检测经典算法实战_mask与编码模块.mp4 34.75M
| ├──169_170 综合项目-物体检测经典算法实战_编码层作用方法.mp4 42.86M
| ├──170_171 综合项目-物体检测经典算法实战_Decoder层操作与计算.mp4 30.15M
| ├──171_172 综合项目-物体检测经典算法实战_输出预测结果.mp4 41.28M
| ├──172_173 综合项目-物体检测经典算法实战_损失函数与预测输出.mp4 41.18M
| ├──173_174 综合项目-物体检测经典算法实战_DeformableDetr算法解读.mp4 1.55G
| ├──174_175 综合项目-物体检测经典算法实战_半监督物体检测.mp4 824.82M
| ├──175_176 综合项目-物体检测经典算法实战_EfficientNet网络.mp4 538.47M
| ├──176_177 综合项目-物体检测经典算法实战_EfficientDet检测算法.mp4 448.01M
| ├──177_178 综合项目-物体检测经典算法实战_YOLO V9.mp4 1.42G
| ├──51_52 综合项目-物体检测经典算法实战_Pycharm环境配置与Debug演示(没用过的同学必看).mp4 125.39M
| ├──52_53 综合项目-物体检测经典算法实战_物体检测评估指标.mp4 84.11M
| ├──53_54 综合项目-物体检测经典算法实战_检测任务中阶段的意义.mp4 15.14M
| ├──54_55 综合项目-物体检测经典算法实战_不同阶段算法优缺点分析.mp4 10.68M
| ├──55_56 综合项目-物体检测经典算法实战_IOU指标计算.mp4 11.74M
| ├──56_57 综合项目-物体检测经典算法实战_评估所需参数计算.mp4 26.23M
| ├──57_58 综合项目-物体检测经典算法实战_map指标计算.mp4 19.63M
| ├──58_59 综合项目-物体检测经典算法实战_YOLO算法整体思路解读.mp4 14.68M
| ├──59_60 综合项目-物体检测经典算法实战_检测算法要得到的结果.mp4 13.63M
| ├──60_61 综合项目-物体检测经典算法实战_整体网络架构解读.mp4 30.67M
| ├──61_62 综合项目-物体检测经典算法实战_位置损失计算.mp4 18.97M
| ├──62_63 综合项目-物体检测经典算法实战_置信度误差与优缺点分析.mp4 26.86M
| ├──63_64 综合项目-物体检测经典算法实战_V2版本细节升级概述.mp4 13.38M
| ├──64_65 综合项目-物体检测经典算法实战_网络结构特点.mp4 15.69M
| ├──65_66 综合项目-物体检测经典算法实战_架构细节解读.mp4 18.92M
| ├──66_67 综合项目-物体检测经典算法实战_基于聚类来选择先验框尺寸.mp4 24.24M
| ├──67_68 综合项目-物体检测经典算法实战_偏移量计算方法.mp4 27.55M
| ├──68_69 综合项目-物体检测经典算法实战_坐标映射与还原.mp4 10.08M
| ├──69_70 综合项目-物体检测经典算法实战_感受野的作用.mp4 28.11M
| ├──70_71 综合项目-物体检测经典算法实战_特征融合改进.mp4 19.20M
| ├──71_72 综合项目-物体检测经典算法实战_V3版本改进概述.mp4 18.27M
| ├──72_73 综合项目-物体检测经典算法实战_多scale方法改进与特征融合.mp4 17.07M
| ├──73_74 综合项目-物体检测经典算法实战_经典变换方法对比分析.mp4 10.83M
| ├──74_75 综合项目-物体检测经典算法实战_残差连接方法解读.mp4 18.64M
| ├──75_76 综合项目-物体检测经典算法实战_整体网络模型架构分析.mp4 12.93M
| ├──76_77 综合项目-物体检测经典算法实战_先验框设计改进.mp4 13.04M
| ├──77_78 综合项目-物体检测经典算法实战_sotfmax层改进.mp4 10.61M
| ├──78_79 综合项目-物体检测经典算法实战_数据与环境配置.mp4 65.52M
| ├──79_80 综合项目-物体检测经典算法实战_训练参数设置.mp4 23.85M
| ├──80_81 综合项目-物体检测经典算法实战_COCO图像数据读取与处理.mp4 42.51M
| ├──81_82 综合项目-物体检测经典算法实战_标签文件读取与处理.mp4 27.48M
| ├──82_83 综合项目-物体检测经典算法实战_debug模式介绍.mp4 27.25M
| ├──83_84 综合项目-物体检测经典算法实战_基于配置文件构建网络模型.mp4 42.04M
| ├──84_85 综合项目-物体检测经典算法实战_路由层与shortcut层的作用.mp4 33.72M
| ├──85_86 综合项目-物体检测经典算法实战_YOLO层定义解析.mp4 61.09M
| ├──86_87 综合项目-物体检测经典算法实战_预测结果计算.mp4 46.00M
| ├──87_88 综合项目-物体检测经典算法实战_网格偏移计算.mp4 33.92M
| ├──88_89 综合项目-物体检测经典算法实战_模型要计算的损失概述.mp4 23.14M
| ├──89_90 综合项目-物体检测经典算法实战_标签值格式修改.mp4 28.27M
| ├──90_91 综合项目-物体检测经典算法实战_坐标相对位置计算.mp4 32.80M
| ├──91_92 综合项目-物体检测经典算法实战_完成所有损失函数所需计算指标.mp4 35.32M
| ├──92_93 综合项目-物体检测经典算法实战_模型训练与总结.mp4 72.91M
| ├──93_94 综合项目-物体检测经典算法实战_预测效果展示.mp4 34.51M
| ├──94_95 综合项目-物体检测经典算法实战_Labelme工具安装.mp4 14.29M
| ├──95_96 综合项目-物体检测经典算法实战_数据信息标注.mp4 32.09M
| ├──96_97 综合项目-物体检测经典算法实战_完成标签制作.mp4 31.74M
| ├──97_98 综合项目-物体检测经典算法实战_生成模型所需配置文件.mp4 36.71M
| ├──98_99 综合项目-物体检测经典算法实战_json格式转换成yolo-v3所需输入.mp4 20.95M
| └──99_100 综合项目-物体检测经典算法实战_完成输入数据准备工作.mp4 40.10M
├──06 第六章-Opencv图像处理框架实战
| ├──204 Opencv图像处理框架实战_Pycharm环境配置与Debug演示(没用过的同学必看).mp4 125.39M
| ├──205 Opencv图像处理框架实战_课程简介.mp4 5.37M
| ├──206_208 Opencv图像处理框架实战_课程简介.mp4 5.37M
| ├──207_209 Opencv图像处理框架实战_Python与Opencv配置安装.mp4 33.28M
| ├──208_210 Opencv图像处理框架实战_Notebook与IDE环境.mp4 84.39M
| ├──209_211 Opencv图像处理框架实战_计算机眼中的图像.mp4 30.88M
| ├──210_212 Opencv图像处理框架实战_视频的读取与处理.mp4 46.97M
| ├──211_213 Opencv图像处理框架实战_ROI区域.mp4 15.37M
| ├──212_214 Opencv图像处理框架实战_边界填充.mp4 21.46M
| ├──214_216 Opencv图像处理框架实战_图像阈值.mp4 30.78M
| ├──215_217 Opencv图像处理框架实战_图像平滑处理.mp4 24.69M
| ├──216_218 Opencv图像处理框架实战_高斯与中值滤波.mp4 20.55M
| ├──217_219 Opencv图像处理框架实战_腐蚀操作.mp4 20.99M
| ├──218_220 Opencv图像处理框架实战_膨胀操作.mp4 12.25M
| ├──219_221 Opencv图像处理框架实战_开运算与闭运算.mp4 9.32M
| ├──220_222 Opencv图像处理框架实战_梯度计算.mp4 7.85M
| ├──221_223 Opencv图像处理框架实战_礼帽与黑帽.mp4 15.88M
| ├──223_225 Opencv图像处理框架实战_梯度计算方法.mp4 30.29M
| ├──224_226 Opencv图像处理框架实战_scharr与lapkacian算子.mp4 27.39M
| ├──225_227 Opencv图像处理框架实战_Canny边缘检测流程.mp4 18.97M
| ├──227_229 Opencv图像处理框架实战_边缘检测效果.mp4 36.63M
| ├──228_230 Opencv图像处理框架实战_图像金字塔定义.mp4 19.68M
| ├──229_231 Opencv图像处理框架实战_金字塔制作方法.mp4 25.47M
| ├──230_232 Opencv图像处理框架实战_轮廓检测方法.mp4 19.31M
| ├──231_233 Opencv图像处理框架实战_轮廓检测结果.mp4 34.37M
| ├──232_234 Opencv图像处理框架实战_轮廓特征与近似.mp4 37.51M
| ├──233_235 Opencv图像处理框架实战_模板匹配方法.mp4 47.35M
| ├──234_236 Opencv图像处理框架实战_匹配效果展示.mp4 21.14M
| ├──235_237 Opencv图像处理框架实战_直方图定义.mp4 23.64M
| ├──236_238 Opencv图像处理框架实战_均衡化原理.mp4 31.35M
| ├──237_239 Opencv图像处理框架实战_均衡化效果.mp4 27.21M
| ├──238_240 Opencv图像处理框架实战_傅里叶概述.mp4 38.79M
| ├──239_241 Opencv图像处理框架实战_频域变换结果.mp4 26.26M
| ├──240_242 Opencv图像处理框架实战_低通与高通滤波.mp4 27.34M
| ├──241_243 Opencv图像处理框架实战_总体流程与方法讲解.mp4 20.65M
| ├──242_244 Opencv图像处理框架实战_环境配置与预处理.mp4 34.85M
| ├──243_245 Opencv图像处理框架实战_模板处理方法.mp4 23.69M
| ├──244_246 Opencv图像处理框架实战_输入数据处理方法.mp4 28.88M
| ├──245_247 Opencv图像处理框架实战_模板匹配得出识别结果.mp4 47.72M
| ├──246_248 Opencv图像处理框架实战_整体流程演示.mp4 21.50M
| ├──247_249 Opencv图像处理框架实战_文档轮廓提取.mp4 27.81M
| ├──248_250 Opencv图像处理框架实战_原始与变换坐标计算.mp4 26.24M
| ├──249_251 Opencv图像处理框架实战_透视变换结果.mp4 32.87M
| ├──250_252 Opencv图像处理框架实战_tesseract-ocr安装配置.mp4 41.23M
| ├──251_253 Opencv图像处理框架实战_文档扫描识别效果.mp4 28.86M
| ├──252_254 Opencv图像处理框架实战_角点检测基本原理.mp4 15.53M
| ├──253_255 Opencv图像处理框架实战_基本数学原理.mp4 30.58M
| ├──254_256 Opencv图像处理框架实战_求解化简.mp4 31.79M
| ├──255_257 Opencv图像处理框架实战_特征归属划分.mp4 43.23M
| ├──256_258 Opencv图像处理框架实战_opencv角点检测效果.mp4 31.04M
| ├──257_259 Opencv图像处理框架实战_尺度空间定义.mp4 20.04M
| ├──258_260 Opencv图像处理框架实战_高斯差分金字塔.mp4 21.68M
| ├──259_261 Opencv图像处理框架实战_特征关键点定位.mp4 48.15M
| ├──260_262 Opencv图像处理框架实战_生成特征描述.mp4 24.66M
| ├──261_263 Opencv图像处理框架实战_特征向量生成.mp4 43.73M
| ├──262_264 Opencv图像处理框架实战_opencv中sift函数使用.mp4 28.80M
| ├──263_265 Opencv图像处理框架实战_特征匹配方法.mp4 28.56M
| ├──264_266 Opencv图像处理框架实战_RANSAC算法.mp4 34.50M
| ├──265_267 Opencv图像处理框架实战_图像拼接方法.mp4 44.96M
| ├──266_268 Opencv图像处理框架实战_流程解读.mp4 21.65M
| ├──267_269 Opencv图像处理框架实战_任务整体流程.mp4 71.40M
| ├──268_270 Opencv图像处理框架实战_所需数据介绍.mp4 34.31M
| ├──269_271 Opencv图像处理框架实战_图像数据预处理.mp4 56.75M
| ├──270_272 Opencv图像处理框架实战_车位直线检测.mp4 61.44M
| ├──271_273 Opencv图像处理框架实战_按列划分区域.mp4 54.67M
| ├──272_274 Opencv图像处理框架实战_车位区域划分.mp4 57.33M
| ├──273_275 Opencv图像处理框架实战_识别模型构建.mp4 41.19M
| ├──274_276 Opencv图像处理框架实战_基于视频的车位检测.mp4 135.61M
| ├──275_277 Opencv图像处理框架实战_整体流程与效果概述.mp4 29.49M
| ├──276_278 Opencv图像处理框架实战_预处理操作.mp4 24.08M
| ├──277_279 Opencv图像处理框架实战_填涂轮廓检测.mp4 25.66M
| ├──278_280 Opencv图像处理框架实战_选项判断识别.mp4 57.12M
| ├──279_281 Opencv图像处理框架实战_背景消除-帧差法.mp4 20.79M
| ├──280_282 Opencv图像处理框架实战_混合高斯模型.mp4 26.39M
| ├──281_283 Opencv图像处理框架实战_学习步骤.mp4 31.75M
| ├──282_284 Opencv图像处理框架实战_背景建模实战.mp4 51.17M
| ├──283_285 Opencv图像处理框架实战_基本概念.mp4 20.20M
| ├──284_286 Opencv图像处理框架实战_Lucas-Kanade算法.mp4 19.67M
| ├──285_287 Opencv图像处理框架实战_推导求解.mp4 25.94M
| ├──286_288 Opencv图像处理框架实战_光流估计实战.mp4 64.22M
| ├──287_289 Opencv图像处理框架实战_dnn模块.mp4 28.59M
| ├──288_290 Opencv图像处理框架实战_模型加载结果输出.mp4 40.50M
| ├──289_291 Opencv图像处理框架实战_目标追踪概述.mp4 49.75M
| ├──290_292 Opencv图像处理框架实战_多目标追踪实战.mp4 34.62M
| ├──291_293 Opencv图像处理框架实战_深度学习检测框架加载.mp4 43.62M
| ├──292_294 Opencv图像处理框架实战_基于dlib与ssd的追踪.mp4 73.02M
| ├──293_295 Opencv图像处理框架实战_多进程目标追踪.mp4 25.72M
| ├──294_296 Opencv图像处理框架实战_多进程效率提升对比.mp4 78.13M
| ├──295_297 Opencv图像处理框架实战_卷积神经网络的应用.mp4 36.18M
| ├──296_298 Opencv图像处理框架实战_卷积层解释.mp4 22.31M
| ├──297_299 Opencv图像处理框架实战_卷积计算过程.mp4 27.61M
| ├──298_300 Opencv图像处理框架实战_pading与stride.mp4 26.12M
| ├──299_301 Opencv图像处理框架实战_卷积参数共享.mp4 17.69M
| ├──300_302 Opencv图像处理框架实战_池化层原理.mp4 16.09M
| ├──301_303 Opencv图像处理框架实战_卷积效果演示.mp4 24.58M
| ├──302_304 Opencv图像处理框架实战_卷积操作流程.mp4 41.15M
| ├──303_305 Opencv图像处理框架实战_关键点定位概述.mp4 28.45M
| ├──304_306 Opencv图像处理框架实战_获取人脸关键点.mp4 36.07M
| ├──305_307 Opencv图像处理框架实战_定位效果演示.mp4 45.43M
| ├──306_308 Opencv图像处理框架实战_闭眼检测.mp4 71.07M
| └──307_309 Opencv图像处理框架实战_检测效果.mp4 40.60M
├──07 第七章-图像分割实战
| ├──428_430 图像分割实战_语义分割与实例分割概述.mp4 20.24M
| ├──429_431 图像分割实战_分割任务中的目标函数定义.mp4 20.00M
| ├──430_432 图像分割实战_MIOU评估标准.mp4 9.03M
| ├──431_433 图像分割实战_卷积神经网络应用领域.mp4 21.20M
| ├──432_434 图像分割实战_卷积的作用.mp4 22.67M
| ├──433_435 图像分割实战_卷积特征值计算方法.mp4 21.23M
| ├──434_436 图像分割实战_得到特征图表示.mp4 18.23M
| ├──435_437 图像分割实战_步长与卷积核大小对结果的影响.mp4 19.86M
| ├──436_438 图像分割实战_边缘填充方法.mp4 17.28M
| ├──437_439 图像分割实战_特征图尺寸计算与参数共享.mp4 21.99M
| ├──438_440 图像分割实战_池化层的作用.mp4 11.31M
| ├──439_441 图像分割实战_整体网络架构.mp4 16.98M
| ├──440_442 图像分割实战_VGG网络架构.mp4 19.34M
| ├──441_443 图像分割实战_残差网络Resnet.mp4 18.02M
| ├──442_444 图像分割实战_感受野的作用.mp4 16.86M
| ├──443_445 图像分割实战_Unet网络编码与解码过程.mp4 18.29M
| ├──444_446 图像分割实战_网络计算流程.mp4 16.13M
| ├──445_447 图像分割实战_Unet升级版本改进.mp4 15.75M
| ├──446_448 图像分割实战_后续升级版本介绍.mp4 18.37M
| ├──447_449 图像分割实战_医学细胞数据集介绍与参数配置.mp4 71.21M
| ├──448_450 图像分割实战_数据增强工具.mp4 61.47M
| ├──449_451 图像分割实战_Debug模式演示网络计算流程.mp4 41.37M
| ├──450_452 图像分割实战_特征融合方法演示.mp4 30.05M
| ├──451_453 图像分割实战_迭代完成整个模型计算任务.mp4 33.55M
| ├──452_454 图像分割实战_模型效果验证.mp4 47.29M
| ├──453_455 图像分割实战_任务目标与网络整体介绍.mp4 58.66M
| ├──454_456 图像分割实战_显著性检测任务与目标概述.mp4 53.96M
| ├──455_457 图像分割实战_编码器模块解读.mp4 43.66M
| ├──456_458 图像分割实战_解码器输出结果.mp4 27.90M
| ├──457_459 图像分割实战_损失函数与应用效果.mp4 34.34M
| ├──458_460 图像分割实战_deeplab分割算法概述.mp4 13.81M
| ├──459_461 图像分割实战_空洞卷积的作用.mp4 16.74M
| ├──460_462 图像分割实战_感受野的意义.mp4 19.37M
| ├──461_463 图像分割实战_SPP层的作用.mp4 19.02M
| ├──462_464 图像分割实战_ASPP特征融合策略.mp4 13.45M
| ├──463_465 图像分割实战_deeplabV3Plus版本网络架构.mp4 24.08M
| ├──464_466 图像分割实战_PascalVoc数据集介绍.mp4 70.12M
| ├──465_467 图像分割实战_项目参数与数据集读取.mp4 60.32M
| ├──466_468 图像分割实战_网络前向传播流程.mp4 33.10M
| ├──467_469 图像分割实战_ASPP层特征融合.mp4 51.19M
| ├──468_470 图像分割实战_分割模型训练.mp4 34.97M
| ├──469_471 图像分割实战_数据集与任务概述.mp4 45.55M
| ├──470_472 图像分割实战_项目基本配置参数.mp4 33.31M
| ├──471_473 图像分割实战_任务流程解读.mp4 69.12M
| ├──472_474 图像分割实战_文献报告分析.mp4 122.67M
| ├──473_475 图像分割实战_补充：视频数据源特征处理方法概述.mp4 26.33M
| ├──474_476 图像分割实战_补充：R(2plus1)D处理方法分析.mp4 18.88M
| ├──475_477 图像分割实战_Mask-Rcnn开源项目简介.mp4 88.18M
| ├──476_478 图像分割实战_开源项目数据集.mp4 42.48M
| ├──477_479 图像分割实战_开源项目数据集.mp4 97.85M
| ├──478_480 图像分割实战_FPN层特征提取原理解读.mp4 42.31M
| ├──479_481 图像分割实战_FPN网络架构实现解读.mp4 55.77M
| ├──480_482 图像分割实战_生成框比例设置.mp4 28.25M
| ├──481_483 图像分割实战_基于不同尺度特征图生成所有框.mp4 32.93M
| ├──482_484 图像分割实战_RPN层的作用与实现解读.mp4 30.90M
| ├──483_485 图像分割实战_候选框过滤方法.mp4 15.59M
| ├──484_486 图像分割实战_Proposal层实现方法.mp4 33.31M
| ├──485_487 图像分割实战_DetectionTarget层的作用.mp4 25.70M
| ├──486_488 图像分割实战_正负样本选择与标签定义.mp4 27.59M
| ├──487_489 图像分割实战_RoiPooling层的作用与目的.mp4 33.45M
| ├──488_490 图像分割实战_RorAlign操作的效果.mp4 25.70M
| ├──489_491 图像分割实战_整体框架回顾.mp4 28.86M
| ├──490_492 图像分割实战_Labelme工具安装.mp4 14.29M
| ├──491_493 图像分割实战_使用labelme进行数据与标签标注.mp4 26.29M
| ├──492_494 图像分割实战_完成训练数据准备工作.mp4 26.61M
| ├──493_495 图像分割实战_maskrcnn源码修改方法.mp4 63.56M
| ├──494_496 图像分割实战_基于标注数据训练所需任务.mp4 39.72M
| └──495_497 图像分割实战_测试与展示模块.mp4 38.60M
├──08 第八章 走向AI论文实验与项目实战的捷径-MMLAB实战系列
| ├──359_360 走向AI论文实验与项目实战的捷径-MMLAB实战系列_MMCV安装方法.mp4 55.75M
| ├──360_361 走向AI论文实验与项目实战的捷径-MMLAB实战系列_MMCLS问题修正.mp4 23.50M
| ├──361_362 走向AI论文实验与项目实战的捷径-MMLAB实战系列_准备MMCLS项目.mp4 32.26M
| ├──362_363 走向AI论文实验与项目实战的捷径-MMLAB实战系列_基本参数配置解读.mp4 34.52M
| ├──363_364 走向AI论文实验与项目实战的捷径-MMLAB实战系列_各模块配置文件组成.mp4 35.81M
| ├──364_365 走向AI论文实验与项目实战的捷径-MMLAB实战系列_生成完整配置文件.mp4 24.45M
| ├──365_366 走向AI论文实验与项目实战的捷径-MMLAB实战系列_根据文件夹定义数据集.mp4 40.27M
| ├──366_367 走向AI论文实验与项目实战的捷径-MMLAB实战系列_构建自己的数据集.mp4 36.33M
| ├──367_368 走向AI论文实验与项目实战的捷径-MMLAB实战系列_训练自己的任务.mp4 39.32M
| ├──368_369 走向AI论文实验与项目实战的捷径-MMLAB实战系列_测试DEMO效果.mp4 25.49M
| ├──369_370 走向AI论文实验与项目实战的捷径-MMLAB实战系列_测试评估模型效果.mp4 27.58M
| ├──370_371 走向AI论文实验与项目实战的捷径-MMLAB实战系列_MMCLS中增加一个新的模块.mp4 62.61M
| ├──371_372 走向AI论文实验与项目实战的捷径-MMLAB实战系列_修改配置文件中的参数.mp4 67.72M
| ├──372_373 走向AI论文实验与项目实战的捷径-MMLAB实战系列_数据增强流程可视化展示.mp4 37.40M
| ├──373_374 走向AI论文实验与项目实战的捷径-MMLAB实战系列_Grad-Cam可视化方法.mp4 41.17M
| ├──374_375 走向AI论文实验与项目实战的捷径-MMLAB实战系列_可视化细节与效果分析.mp4 124.19M
| ├──375_376 走向AI论文实验与项目实战的捷径-MMLAB实战系列_MMCLS可视化模块应用.mp4 72.07M
| ├──376_377 走向AI论文实验与项目实战的捷径-MMLAB实战系列_模型分析脚本使用.mp4 36.37M
| ├──377_378 走向AI论文实验与项目实战的捷径-MMLAB实战系列_VIT任务概述.mp4 29.96M
| ├──378_379 走向AI论文实验与项目实战的捷径-MMLAB实战系列_数据增强模块概述分析.mp4 49.58M
| ├──379_380 走向AI论文实验与项目实战的捷径-MMLAB实战系列_PatchEmbedding层.mp4 25.30M
| ├──380_381 走向AI论文实验与项目实战的捷径-MMLAB实战系列_前向传播基本模块.mp4 38.87M
| ├──381_382 走向AI论文实验与项目实战的捷径-MMLAB实战系列_CLS与输出模块.mp4 44.04M
| ├──382_383 走向AI论文实验与项目实战的捷径-MMLAB实战系列_项目配置基本介绍.mp4 74.23M
| ├──383_384 走向AI论文实验与项目实战的捷径-MMLAB实战系列_数据集标注与制作方法.mp4 56.84M
| ├──384_385 走向AI论文实验与项目实战的捷径-MMLAB实战系列_根据预测类别数修改配置文件.mp4 39.48M
| ├──385_386 走向AI论文实验与项目实战的捷径-MMLAB实战系列_加载预训练模型开始训练.mp4 86.52M
| ├──386_387 走向AI论文实验与项目实战的捷径-MMLAB实战系列_预测DEMO演示.mp4 21.88M
| ├──387_388 走向AI论文实验与项目实战的捷径-MMLAB实战系列_配置文件解读.mp4 32.12M
| ├──388_389 走向AI论文实验与项目实战的捷径-MMLAB实战系列_编码层模块.mp4 32.47M
| ├──389_390 走向AI论文实验与项目实战的捷径-MMLAB实战系列_上采样与输出层.mp4 28.25M
| ├──390_391 走向AI论文实验与项目实战的捷径-MMLAB实战系列_辅助层的作用.mp4 19.83M
| ├──391_392 走向AI论文实验与项目实战的捷径-MMLAB实战系列_给Unet添加一个neck层.mp4 30.37M
| ├──392_393 走向AI论文实验与项目实战的捷径-MMLAB实战系列_如何修改参数适配网络结构.mp4 21.73M
| ├──393_394 走向AI论文实验与项目实战的捷径-MMLAB实战系列_将Unet特征提取模块替换成transformer.mp4 22.41M
| ├──394_395 走向AI论文实验与项目实战的捷径-MMLAB实战系列_VIT模块源码分析.mp4 45.48M
| ├──395_396 走向AI论文实验与项目实战的捷径-MMLAB实战系列_注册自己的Backbone模块.mp4 34.30M
| ├──396_397 走向AI论文实验与项目实战的捷径-MMLAB实战系列_配置文件指定.mp4 35.84M
| ├──397_398 走向AI论文实验与项目实战的捷径-MMLAB实战系列_DEBUG解读Backbone设计.mp4 40.45M
| ├──398_399 走向AI论文实验与项目实战的捷径-MMLAB实战系列_PatchEmbedding的作用与实现.mp4 44.88M
| ├──399_400 走向AI论文实验与项目实战的捷径-MMLAB实战系列_卷积位置编码计算方法.mp4 53.89M
| ├──400_401 走向AI论文实验与项目实战的捷径-MMLAB实战系列_近似Attention模块实现.mp4 79.49M
| ├──401_402 走向AI论文实验与项目实战的捷径-MMLAB实战系列_完成特征提取与融合模块.mp4 55.69M
| ├──402_403 走向AI论文实验与项目实战的捷径-MMLAB实战系列_分割输出模块.mp4 57.72M
| ├──403_404 走向AI论文实验与项目实战的捷径-MMLAB实战系列_全局特征的作用与实现.mp4 56.34M
| ├──404_405 走向AI论文实验与项目实战的捷径-MMLAB实战系列_汇总多层级特征进行输出.mp4 43.35M
| ├──405_406 走向AI论文实验与项目实战的捷径-MMLAB实战系列_数据集标注与标签获取.mp4 31.35M
| ├──406_407 走向AI论文实验与项目实战的捷径-MMLAB实战系列_COCO数据标注格式.mp4 28.16M
| ├──407_408 走向AI论文实验与项目实战的捷径-MMLAB实战系列_通过脚本生成COCO数据格式.mp4 38.55M
| ├──408_409 走向AI论文实验与项目实战的捷径-MMLAB实战系列_配置文件数据增强策略分析.mp4 45.59M
| ├──409_410 走向AI论文实验与项目实战的捷径-MMLAB实战系列_训练所需配置说明.mp4 56.00M
| ├──410_411 走向AI论文实验与项目实战的捷径-MMLAB实战系列_模型训练与DEMO演示.mp4 35.27M
| ├──411_412 走向AI论文实验与项目实战的捷径-MMLAB实战系列_模型测试与可视化分析模块.mp4 77.61M
| ├──412_413 走向AI论文实验与项目实战的捷径-MMLAB实战系列_补充：评估指标.mp4 14.06M
| ├──413_414 走向AI论文实验与项目实战的捷径-MMLAB实战系列_特征提取与位置编码.mp4 38.16M
| ├──414_415 走向AI论文实验与项目实战的捷径-MMLAB实战系列_序列特征展开并叠加.mp4 40.72M
| ├──415_416 走向AI论文实验与项目实战的捷径-MMLAB实战系列_得到相对位置点编码.mp4 28.80M
| ├──416_417 走向AI论文实验与项目实战的捷径-MMLAB实战系列_准备Encoder编码层所需全部输入.mp4 37.91M
| ├──417_418 走向AI论文实验与项目实战的捷径-MMLAB实战系列_编码层中的序列分析.mp4 39.73M
| ├──418_419 走向AI论文实验与项目实战的捷径-MMLAB实战系列_偏移量offset计算.mp4 46.09M
| ├──419_420 走向AI论文实验与项目实战的捷径-MMLAB实战系列_偏移量对齐操作.mp4 39.80M
| ├──420_421 走向AI论文实验与项目实战的捷径-MMLAB实战系列_Encoder层完成特征对齐.mp4 51.84M
| ├──421_422 走向AI论文实验与项目实战的捷径-MMLAB实战系列_Decoder要完成的操作.mp4 38.98M
| ├──422_423 走向AI论文实验与项目实战的捷径-MMLAB实战系列_分类与回归输出模块.mp4 49.72M
| ├──423_424 走向AI论文实验与项目实战的捷径-MMLAB实战系列_预测输出结果与标签匹配模块.mp4 44.31M
| ├──424_425 走向AI论文实验与项目实战的捷径-MMLAB实战系列_第三模块：DeformableDetr算法解读.mp4 730.35M
| ├──425_426 走向AI论文实验与项目实战的捷径-MMLAB实战系列_Backbone获取多层级特征.mp4 35.79M
| ├──426_427 走向AI论文实验与项目实战的捷径-MMLAB实战系列_多层级采样点初始化构建.mp4 41.46M
| ├──427_428 走向AI论文实验与项目实战的捷径-MMLAB实战系列_多层级输入特征序列创建方法.mp4 43.83M
| ├──428_429 走向AI论文实验与项目实战的捷径-MMLAB实战系列_偏移量与权重计算并转换.mp4 48.78M
| ├──429_430 走向AI论文实验与项目实战的捷径-MMLAB实战系列_Encoder特征构建方法实例.mp4 49.77M
| ├──430_431 走向AI论文实验与项目实战的捷径-MMLAB实战系列_query要预测的任务解读.mp4 45.61M
| ├──431_432 走向AI论文实验与项目实战的捷径-MMLAB实战系列_Decoder中的AttentionMask方法.mp4 50.89M
| ├──432_433 走向AI论文实验与项目实战的捷径-MMLAB实战系列_损失模块输入参数分析.mp4 40.84M
| ├──433_434 走向AI论文实验与项目实战的捷径-MMLAB实战系列_标签分配策略解读.mp4 42.53M
| ├──434_435 走向AI论文实验与项目实战的捷径-MMLAB实战系列_正样本筛选损失计算.mp4 41.78M
| ├──435_436 走向AI论文实验与项目实战的捷径-MMLAB实战系列_标签分类匹配结果分析.mp4 62.04M
| ├──436_437 走向AI论文实验与项目实战的捷径-MMLAB实战系列_最终损失计算流程.mp4 52.29M
| ├──437_438 走向AI论文实验与项目实战的捷径-MMLAB实战系列_汇总所有损失完成迭代.mp4 35.76M
| ├──438_439 走向AI论文实验与项目实战的捷径-MMLAB实战系列_KIE关键信息抽取与视频超分辨率重构.mp4 913.22M
| ├──439_440 走向AI论文实验与项目实战的捷径-MMLAB实战系列_文字检测数据概述与配置文件.mp4 56.60M
| ├──440_441 走向AI论文实验与项目实战的捷径-MMLAB实战系列_配置文件参数设置.mp4 38.74M
| ├──441_442 走向AI论文实验与项目实战的捷径-MMLAB实战系列_Neck层特征组合.mp4 32.04M
| ├──442_443 走向AI论文实验与项目实战的捷径-MMLAB实战系列_损失函数模块概述.mp4 43.11M
| ├──443_444 走向AI论文实验与项目实战的捷径-MMLAB实战系列_损失计算方法.mp4 59.35M
| ├──445_446 走向AI论文实验与项目实战的捷径-MMLAB实战系列_配置文件修改方法.mp4 52.49M
| ├──446_447 走向AI论文实验与项目实战的捷径-MMLAB实战系列_Bakbone模块得到特征.mp4 42.10M
| ├──448_449 走向AI论文实验与项目实战的捷径-MMLAB实战系列_视觉模型中的编码与解码的效果.mp4 54.49M
| ├──449_450 走向AI论文实验与项目实战的捷径-MMLAB实战系列_文本模型中的结构分析.mp4 38.66M
| ├──450_451 走向AI论文实验与项目实战的捷径-MMLAB实战系列_迭代修正模块.mp4 38.14M
| ├──451_452 走向AI论文实验与项目实战的捷径-MMLAB实战系列_输出层与损失计算.mp4 52.81M
| ├──452_453 走向AI论文实验与项目实战的捷径-MMLAB实战系列_配置文件以及要完成的任务解读.mp4 51.55M
| ├──453_454 走向AI论文实验与项目实战的捷径-MMLAB实战系列_KIE数据集格式调整方法.mp4 69.46M
| ├──454_455 走向AI论文实验与项目实战的捷径-MMLAB实战系列_配置文件与标签要进行处理操作.mp4 47.83M
| ├──455_456 走向AI论文实验与项目实战的捷径-MMLAB实战系列_边框要计算的特征分析.mp4 35.57M
| ├──456_457 走向AI论文实验与项目实战的捷径-MMLAB实战系列_标签数据处理与关系特征提取.mp4 56.48M
| ├──457_458 走向AI论文实验与项目实战的捷径-MMLAB实战系列_特征合并处理.mp4 43.74M
| ├──458_459 走向AI论文实验与项目实战的捷径-MMLAB实战系列_准备拼接边与点特征.mp4 41.38M
| ├──459_460 走向AI论文实验与项目实战的捷径-MMLAB实战系列_整合得到图模型输入特征.mp4 71.98M
| ├──460_461 走向AI论文实验与项目实战的捷径-MMLAB实战系列_要完成的任务与基本思想概述.mp4 57.79M
| ├──461_462 走向AI论文实验与项目实战的捷径-MMLAB实战系列_得到style特征编码.mp4 41.12M
| ├──462_463 走向AI论文实验与项目实战的捷径-MMLAB实战系列_特征编码风格拼接.mp4 36.76M
| ├──463_464 走向AI论文实验与项目实战的捷径-MMLAB实战系列_基础风格特征卷积模块.mp4 54.69M
| ├──464_465 走向AI论文实验与项目实战的捷径-MMLAB实战系列_上采样得到输出结果.mp4 40.75M
| ├──465_466 走向AI论文实验与项目实战的捷径-MMLAB实战系列_损失函数概述.mp4 26.56M
| ├──466_467 走向AI论文实验与项目实战的捷径-MMLAB实战系列_要完成的任务分析与配置文件.mp4 27.36M
| ├──467_468 走向AI论文实验与项目实战的捷径-MMLAB实战系列_特征基础提取模块.mp4 44.58M
| ├──468_469 走向AI论文实验与项目实战的捷径-MMLAB实战系列_光流估计网络模块.mp4 25.67M
| ├──469_470 走向AI论文实验与项目实战的捷径-MMLAB实战系列_基于光流完成对齐操作.mp4 40.23M
| ├──470_471 走向AI论文实验与项目实战的捷径-MMLAB实战系列_偏移量计算方法.mp4 32.48M
| ├──471_472 走向AI论文实验与项目实战的捷径-MMLAB实战系列_双向计算特征对齐.mp4 36.22M
| ├──472_473 走向AI论文实验与项目实战的捷径-MMLAB实战系列_提特征传递流程分析.mp4 37.23M
| ├──473_474 走向AI论文实验与项目实战的捷径-MMLAB实战系列_序列传播计算.mp4 39.88M
| ├──474_475 走向AI论文实验与项目实战的捷径-MMLAB实战系列_准备变形卷积模块的输入.mp4 44.71M
| ├──475_476 走向AI论文实验与项目实战的捷径-MMLAB实战系列_传播流程整体完成一圈.mp4 61.55M
| ├──476_477 走向AI论文实验与项目实战的捷径-MMLAB实战系列_完成输出结果.mp4 51.56M
| ├──477_478 走向AI论文实验与项目实战的捷径-MMLAB实战系列_环境配置与数据集概述.mp4 51.52M
| ├──478_479 走向AI论文实验与项目实战的捷径-MMLAB实战系列_数据与标注文件介绍.mp4 37.49M
| ├──479_480 走向AI论文实验与项目实战的捷径-MMLAB实战系列_基本流程梳理并进入debug模式.mp4 50.33M
| ├──47_48 深度学习框架PyTorch_图像数据与标签路径处理.mp4 48.98M
| ├──480_481 走向AI论文实验与项目实战的捷径-MMLAB实战系列_数据与图像特征提取模块.mp4 58.02M
| ├──481_482 走向AI论文实验与项目实战的捷径-MMLAB实战系列_体素索引位置获取.mp4 64.72M
| ├──482_483 走向AI论文实验与项目实战的捷径-MMLAB实战系列_体素特征提取方法解读.mp4 37.57M
| ├──483_484 走向AI论文实验与项目实战的捷径-MMLAB实战系列_体素特征计算方法分析.mp4 70.71M
| ├──484_485 走向AI论文实验与项目实战的捷径-MMLAB实战系列_全局体素特征提取.mp4 95.96M
| ├──485_486 走向AI论文实验与项目实战的捷径-MMLAB实战系列_多模态特征融合.mp4 68.36M
| ├──486_487 走向AI论文实验与项目实战的捷径-MMLAB实战系列_3D卷积特征融合.mp4 56.76M
| ├──487_488 走向AI论文实验与项目实战的捷径-MMLAB实战系列_输出层预测结果.mp4 80.80M
| ├──488_489 走向AI论文实验与项目实战的捷径-MMLAB实战系列_任务概述与工具使用.mp4 39.64M
| ├──489_490 走向AI论文实验与项目实战的捷径-MMLAB实战系列_Teacher与Student网络结构定义.mp4 45.48M
| ├──48_49 深度学习框架PyTorch_Dataloader中需要实现的方法分析.mp4 46.95M
| ├──490_491 走向AI论文实验与项目实战的捷径-MMLAB实战系列_训练T与S得到蒸馏模型.mp4 70.63M
| ├──491_492 走向AI论文实验与项目实战的捷径-MMLAB实战系列_开始模型训练过程与问题修正.mp4 57.26M
| ├──492_493 走向AI论文实验与项目实战的捷径-MMLAB实战系列_日志输出与模型分离.mp4 70.25M
| ├──493_494 走向AI论文实验与项目实战的捷径-MMLAB实战系列_分别得到Teacher与Student模型.mp4 45.74M
| ├──494_495 走向AI论文实验与项目实战的捷径-MMLAB实战系列_实际测试效果演示.mp4 39.02M
| ├──495_496 走向AI论文实验与项目实战的捷径-MMLAB实战系列_SuperNet网络结构分析与剪枝概述.mp4 40.58M
| ├──496_497 走向AI论文实验与项目实战的捷径-MMLAB实战系列_搜索匹配到符合计算量的模型并训练.mp4 46.83M
| ├──497_498 走向AI论文实验与项目实战的捷径-MMLAB实战系列_第九模块：mmaction行为识别.mp4 232.73M
| ├──498_499 走向AI论文实验与项目实战的捷径-MMLAB实战系列_OCR算法解读.mp4 1.67G
| ├──499_500 走向AI论文实验与项目实战的捷径-MMLAB实战系列_额外补充-在源码中加入各种注意力机制方法.mp4 122.48M
| ├──49_50 深度学习框架PyTorch_实用Dataloader加载数据并训练模型.mp4 77.82M
| ├──500_501 MMLAB实战系列_额外补充-在源码中加入各种注意力机制方法.mp4 122.48M
| ├──500_501 走向AI论文实验与项目实战的捷径-MMLAB实战系列_获取检测结果与追踪初始化.mp4 31.20M
| ├──501_502 走向AI论文实验与项目实战的捷径-MMLAB实战系列_初始时刻追踪器创建.mp4 33.96M
| ├──502_503 走向AI论文实验与项目实战的捷径-MMLAB实战系列_追踪器记录信息概述.mp4 30.86M
| ├──503_504 走向AI论文实验与项目实战的捷径-MMLAB实战系列_匹配过程细节分析.mp4 44.25M
| ├──504_505 走向AI论文实验与项目实战的捷径-MMLAB实战系列_不同帧时刻追踪器状态更新方法.mp4 42.55M
| ├──505_506 走向AI论文实验与项目实战的捷径-MMLAB实战系列_追踪器状态更新处理.mp4 50.66M
| └──506_507 走向AI论文实验与项目实战的捷径-MMLAB实战系列_追踪器迭代更新策略.mp4 42.45M
├──09 第九章 经典视觉项目实战：行为识别、姿态估计、目标追踪
| ├──507_508 经典视觉项目实战：行为识别、姿态估计、目标追踪_slowfast核心思想解读.mp4 74.86M
| ├──508_509 经典视觉项目实战：行为识别、姿态估计、目标追踪_核心网络结构模块分析.mp4 20.98M
| ├──509_510 经典视觉项目实战：行为识别、姿态估计、目标追踪_数据采样曾的作用.mp4 18.26M
| ├──510_511 经典视觉项目实战：行为识别、姿态估计、目标追踪_模型网络结构设计.mp4 19.30M
| ├──511_512 经典视觉项目实战：行为识别、姿态估计、目标追踪_特征融合模块与总结分析.mp4 39.30M
| ├──512_513 经典视觉项目实战：行为识别、姿态估计、目标追踪_环境基本配置解读.mp4 45.35M
| ├──513_514 经典视觉项目实战：行为识别、姿态估计、目标追踪_目录各文件分析.mp4 36.84M
| ├──514_515 经典视觉项目实战：行为识别、姿态估计、目标追踪_配置文件作用解读.mp4 50.90M
| ├──515_516 经典视觉项目实战：行为识别、姿态估计、目标追踪_测试DEMO演示.mp4 66.77M
| ├──516_517 经典视觉项目实战：行为识别、姿态估计、目标追踪_训练所需标签文件说明.mp4 48.77M
| ├──517_518 经典视觉项目实战：行为识别、姿态估计、目标追踪_训练所需视频数据准备.mp4 47.39M
| ├──518_519 经典视觉项目实战：行为识别、姿态估计、目标追踪_视频数据集切分操作.mp4 39.66M
| ├──519_520 经典视觉项目实战：行为识别、姿态估计、目标追踪_完成视频分帧操作.mp4 32.77M
| ├──520_521 经典视觉项目实战：行为识别、姿态估计、目标追踪_模型所需配置文件参数读取.mp4 33.24M
| ├──521_522 经典视觉项目实战：行为识别、姿态估计、目标追踪_数据处理概述.mp4 49.72M
| ├──522_523 经典视觉项目实战：行为识别、姿态估计、目标追踪_dataloader数据遍历方法.mp4 56.85M
| ├──523_524 经典视觉项目实战：行为识别、姿态估计、目标追踪_数据与标签读取实例.mp4 52.22M
| ├──524_525 经典视觉项目实战：行为识别、姿态估计、目标追踪_图像数据所需预处理方法.mp4 66.76M
| ├──525_526 经典视觉项目实战：行为识别、姿态估计、目标追踪_slow与fast分别执行采样操作.mp4 66.34M
| ├──526_527 经典视觉项目实战：行为识别、姿态估计、目标追踪_分别计算特征图输出结果.mp4 56.64M
| ├──527_528 经典视觉项目实战：行为识别、姿态估计、目标追踪_slow与fast特征图拼接操作.mp4 49.69M
| ├──528_529 经典视觉项目实战：行为识别、姿态估计、目标追踪_resnetBolock操作.mp4 53.62M
| ├──529_530 经典视觉项目实战：行为识别、姿态估计、目标追踪_RoiAlign与输出层.mp4 78.92M
| ├──530_531 经典视觉项目实战：行为识别、姿态估计、目标追踪_3D卷积原理解读.mp4 20.62M
| ├──531_532 经典视觉项目实战：行为识别、姿态估计、目标追踪_UCF101动作识别数据集简介.mp4 51.69M
| ├──532_533 经典视觉项目实战：行为识别、姿态估计、目标追踪_测试效果与项目配置.mp4 55.60M
| ├──533_534 经典视觉项目实战：行为识别、姿态估计、目标追踪_视频数据预处理方法.mp4 32.25M
| ├──534_535 经典视觉项目实战：行为识别、姿态估计、目标追踪_数据Batch制作方法.mp4 46.66M
| ├──535_536 经典视觉项目实战：行为识别、姿态估计、目标追踪_3D卷积网络所涉及模块.mp4 37.76M
| ├──536_537 经典视觉项目实战：行为识别、姿态估计、目标追踪_训练网络模型.mp4 38.20M
| ├──537_538 经典视觉项目实战：行为识别、姿态估计、目标追踪_异常检测要解决的问题与数据集介绍.mp4 21.49M
| ├──538_539 经典视觉项目实战：行为识别、姿态估计、目标追踪_基本思想与流程分析.mp4 24.27M
| ├──539_540 经典视觉项目实战：行为识别、姿态估计、目标追踪_预测与常见问题.mp4 26.58M
| ├──540_541 经典视觉项目实战：行为识别、姿态估计、目标追踪_Meta-Learn要解决的问题.mp4 20.78M
| ├──541_542 经典视觉项目实战：行为识别、姿态估计、目标追踪_学习能力与参数定义.mp4 14.17M
| ├──542_543 经典视觉项目实战：行为识别、姿态估计、目标追踪_如何找到合适的初始化参数.mp4 23.36M
| ├──543_544 经典视觉项目实战：行为识别、姿态估计、目标追踪_MAML算法流程解读.mp4 28.99M
| ├──544_545 经典视觉项目实战：行为识别、姿态估计、目标追踪_论文概述与环境配置.mp4 26.61M
| ├──545_546 经典视觉项目实战：行为识别、姿态估计、目标追踪_数据集配置与读取.mp4 38.74M
| ├──546_547 经典视觉项目实战：行为识别、姿态估计、目标追踪_模型编码与解码结构.mp4 33.37M
| ├──547_548 经典视觉项目实战：行为识别、姿态估计、目标追踪_注意力机制模块打造.mp4 61.12M
| ├──548_549 经典视觉项目实战：行为识别、姿态估计、目标追踪_损失函数的目的.mp4 57.97M
| ├──549_550 经典视觉项目实战：行为识别、姿态估计、目标追踪_特征图生成.mp4 38.02M
| ├──550_551 经典视觉项目实战：行为识别、姿态估计、目标追踪_MetaLearn与输出.mp4 29.79M
| ├──551_552 经典视觉项目实战：行为识别、姿态估计、目标追踪_医学疾病数据集介绍.mp4 18.85M
| ├──552_553 经典视觉项目实战：行为识别、姿态估计、目标追踪_Resnet网络架构原理分析.mp4 24.81M
| ├──553_554 经典视觉项目实战：行为识别、姿态估计、目标追踪_dataloader加载数据集.mp4 64.78M
| ├──554_555 经典视觉项目实战：行为识别、姿态估计、目标追踪_Resnet网络前向传播.mp4 35.82M
| ├──555_556 经典视觉项目实战：行为识别、姿态估计、目标追踪_残差网络的shortcut操作.mp4 47.34M
| ├──556_557 经典视觉项目实战：行为识别、姿态估计、目标追踪_特征图升维与降采样操作.mp4 26.89M
| ├──557_558 经典视觉项目实战：行为识别、姿态估计、目标追踪_网络整体流程与训练演示.mp4 67.45M
| ├──558_559 经典视觉项目实战：行为识别、姿态估计、目标追踪_课程介绍.mp4 27.22M
| ├──559_560 经典视觉项目实战：行为识别、姿态估计、目标追踪_姿态估计要解决的问题分析.mp4 79.45M
| ├──560_561 经典视觉项目实战：行为识别、姿态估计、目标追踪_姿态估计应用领域概述.mp4 20.80M
| ├──561_562 经典视觉项目实战：行为识别、姿态估计、目标追踪_传统topdown方法的问题.mp4 37.95M
| ├──562_563 经典视觉项目实战：行为识别、姿态估计、目标追踪_要解决的两个问题分析.mp4 10.19M
| ├──563_564 经典视觉项目实战：行为识别、姿态估计、目标追踪_基于高斯分布预测关键点位置.mp4 24.83M
| ├──564_565 经典视觉项目实战：行为识别、姿态估计、目标追踪_各模块输出特征图解读.mp4 15.58M
| ├──565_566 经典视觉项目实战：行为识别、姿态估计、目标追踪_PAF向量登场.mp4 12.59M
| ├──566_567 经典视觉项目实战：行为识别、姿态估计、目标追踪_PAF标签设计方法.mp4 25.01M
| ├──567_568 经典视觉项目实战：行为识别、姿态估计、目标追踪_预测时PAF积分计算方法.mp4 34.91M
| ├──568_569 经典视觉项目实战：行为识别、姿态估计、目标追踪_匹配方法解读.mp4 21.06M
| ├──569_570 经典视觉项目实战：行为识别、姿态估计、目标追踪_CPM模型特点.mp4 21.94M
| ├──570_571 经典视觉项目实战：行为识别、姿态估计、目标追踪_算法流程与总结.mp4 50.27M
| ├──571_572 经典视觉项目实战：行为识别、姿态估计、目标追踪_数据集与路径配置解读.mp4 33.79M
| ├──572_573 经典视觉项目实战：行为识别、姿态估计、目标追踪_读取图像与标注信息.mp4 46.78M
| ├──573_574 经典视觉项目实战：行为识别、姿态估计、目标追踪_关键点与躯干特征图初始化.mp4 34.31M
| ├──574_575 经典视觉项目实战：行为识别、姿态估计、目标追踪_根据关键点位置设计关键点标签.mp4 54.92M
| ├──575_576 经典视觉项目实战：行为识别、姿态估计、目标追踪_准备构建PAF躯干标签.mp4 29.58M
| ├──576_577 经典视觉项目实战：行为识别、姿态估计、目标追踪_各位置点归属判断.mp4 28.04M
| ├──577_578 经典视觉项目实战：行为识别、姿态估计、目标追踪_特征图各点累加向量计算.mp4 32.67M
| ├──578_579 经典视觉项目实战：行为识别、姿态估计、目标追踪_完成PAF特征图制作.mp4 31.91M
| ├──579_580 经典视觉项目实战：行为识别、姿态估计、目标追踪_网络模型一阶段输出.mp4 27.54M
| ├──580_581 经典视觉项目实战：行为识别、姿态估计、目标追踪_多阶段输出与预测.mp4 46.99M
| ├──581_582 经典视觉项目实战：行为识别、姿态估计、目标追踪_卡尔曼滤波通俗解释.mp4 31.48M
| ├──582e610325184fff904c86ce3a5e0026.mp4 63.98M
| ├──582_583 经典视觉项目实战：行为识别、姿态估计、目标追踪_卡尔曼滤波要完成的任务.mp4 15.60M
| ├──583_584 经典视觉项目实战：行为识别、姿态估计、目标追踪_任务本质分析.mp4 19.07M
| ├──584_585 经典视觉项目实战：行为识别、姿态估计、目标追踪_基于观测值进行最优估计.mp4 17.11M
| ├──585_586 经典视觉项目实战：行为识别、姿态估计、目标追踪_预测与更新操作.mp4 24.00M
| ├──586_587 经典视觉项目实战：行为识别、姿态估计、目标追踪_追踪中的状态量.mp4 16.04M
| ├──587_588 经典视觉项目实战：行为识别、姿态估计、目标追踪_匈牙利匹配算法概述.mp4 19.23M
| ├──588_589 经典视觉项目实战：行为识别、姿态估计、目标追踪_匹配小例子分析.mp4 21.80M
| ├──589_590 经典视觉项目实战：行为识别、姿态估计、目标追踪_REID特征的作用.mp4 20.84M
| ├──590_591 经典视觉项目实战：行为识别、姿态估计、目标追踪_sort与deepsort建模流程分析.mp4 26.79M
| ├──591_592 经典视觉项目实战：行为识别、姿态估计、目标追踪_预测与匹配流程解读.mp4 26.25M
| ├──592_593 经典视觉项目实战：行为识别、姿态估计、目标追踪_追踪任务流程拆解.mp4 32.13M
| ├──593_594 经典视觉项目实战：行为识别、姿态估计、目标追踪_项目环境配置.mp4 37.33M
| ├──594_595 经典视觉项目实战：行为识别、姿态估计、目标追踪_参数与DEMO演示.mp4 42.18M
| ├──595_596 经典视觉项目实战：行为识别、姿态估计、目标追踪_针对检测结果初始化track.mp4 48.20M
| ├──596_597 经典视觉项目实战：行为识别、姿态估计、目标追踪_对track执行预测操作.mp4 38.30M
| ├──597_598 经典视觉项目实战：行为识别、姿态估计、目标追踪_状态量预测结果.mp4 36.02M
| ├──598_599 经典视觉项目实战：行为识别、姿态估计、目标追踪_IOU代价矩阵计算.mp4 32.89M
| ├──599_600 经典视觉项目实战：行为识别、姿态估计、目标追踪_参数更新操作.mp4 50.21M
| ├──600_601 经典视觉项目实战：行为识别、姿态估计、目标追踪_级联匹配模块.mp4 43.34M
| ├──601_602 经典视觉项目实战：行为识别、姿态估计、目标追踪_ReID特征代价矩阵计算.mp4 46.45M
| ├──602_603 经典视觉项目实战：行为识别、姿态估计、目标追踪_匹配结果与总结.mp4 76.93M
| ├──603_604 经典视觉项目实战：行为识别、姿态估计、目标追踪_V4版本整体概述.mp4 15.06M
| ├──604_605 经典视觉项目实战：行为识别、姿态估计、目标追踪_V4版本贡献解读.mp4 10.06M
| ├──605_606 经典视觉项目实战：行为识别、姿态估计、目标追踪_数据增强策略分析.mp4 24.70M
| ├──606_607 经典视觉项目实战：行为识别、姿态估计、目标追踪_DropBlock与标签平滑方法.mp4 19.36M
| ├──607_608 经典视觉项目实战：行为识别、姿态估计、目标追踪_损失函数遇到的问题.mp4 14.26M
| ├──608_609 经典视觉项目实战：行为识别、姿态估计、目标追踪_CIOU损失函数定义.mp4 10.82M
| ├──609_610 经典视觉项目实战：行为识别、姿态估计、目标追踪_NMS细节改进.mp4 16.66M
| ├──610_611 经典视觉项目实战：行为识别、姿态估计、目标追踪_SPP与CSP网络结构.mp4 14.81M
| ├──611_612 经典视觉项目实战：行为识别、姿态估计、目标追踪_SAM注意力机制模块.mp4 22.48M
| ├──613_614 经典视觉项目实战：行为识别、姿态估计、目标追踪_激活函数与整体架构总结.mp4 19.19M
| ├──614_615 经典视觉项目实战：行为识别、姿态估计、目标追踪_整体项目概述.mp4 35.77M
| ├──615_616 经典视觉项目实战：行为识别、姿态估计、目标追踪_训练自己的数据集方法.mp4 41.32M
| ├──616_617 经典视觉项目实战：行为识别、姿态估计、目标追踪_训练数据参数配置.mp4 51.48M
| ├──617_618 经典视觉项目实战：行为识别、姿态估计、目标追踪_测试DEMO演示.mp4 50.47M
| ├──618_619 经典视觉项目实战：行为识别、姿态估计、目标追踪_数据源DEBUG流程解读.mp4 43.54M
| ├──619_620 经典视觉项目实战：行为识别、姿态估计、目标追踪_图像数据源配置.mp4 34.65M
| ├──621_622 经典视觉项目实战：行为识别、姿态估计、目标追踪_Mosaic数据增强方法.mp4 28.19M
| ├──622_623 经典视觉项目实战：行为识别、姿态估计、目标追踪_数据四合一方法与流程演示.mp4 41.69M
| ├──623_624 经典视觉项目实战：行为识别、姿态估计、目标追踪_getItem构建batch.mp4 33.03M
| ├──624_625 经典视觉项目实战：行为识别、姿态估计、目标追踪_网络架构图可视化工具安装.mp4 34.33M
| ├──625_626 经典视觉项目实战：行为识别、姿态估计、目标追踪_V5网络配置文件解读.mp4 35.74M
| ├──626_627 经典视觉项目实战：行为识别、姿态估计、目标追踪_Focus模块流程分析.mp4 21.93M
| ├──627_628 经典视觉项目实战：行为识别、姿态估计、目标追踪_完成配置文件解析任务.mp4 58.80M
| ├──628_629 经典视觉项目实战：行为识别、姿态估计、目标追踪_前向传播计算.mp4 30.80M
| ├──629_630 经典视觉项目实战：行为识别、姿态估计、目标追踪_BottleneckCSP层计算方法.mp4 33.82M
| ├──630_631 经典视觉项目实战：行为识别、姿态估计、目标追踪_1-SPP层计算细节分析.mp4 29.09M
| ├──631_632 经典视觉项目实战：行为识别、姿态估计、目标追踪_2-Head层流程解读.mp4 29.12M
| ├──633_634 经典视觉项目实战：行为识别、姿态估计、目标追踪_输出结果分析.mp4 41.71M
| ├──636_637 经典视觉项目实战：行为识别、姿态估计、目标追踪_训练流程解读.mp4 46.81M
| ├──637_638 经典视觉项目实战：行为识别、姿态估计、目标追踪_各种训练策略概述.mp4 38.43M
| └──638_639 经典视觉项目实战：行为识别、姿态估计、目标追踪_模型迭代过程.mp4 38.42M
├──10 第一十章-论文必备-Transformer实战
| ├──631_632 论–必备-Transformer实战系列_Transformer算法解读.mp4 557.22M
| ├──632_633 论–必备-Transformer实战系列_视觉Transformer及其源码分析.mp4 878.23M
| ├──633_634 论–必备-Transformer实战系列_项目配置说明.mp4 43.27M
| ├──634_635 论–必备-Transformer实战系列_输入序列构建方法解读.mp4 29.80M
| ├──635_636 论–必备-Transformer实战系列_注意力机制计算.mp4 28.04M
| ├──636_637 论–必备-Transformer实战系列_输出层计算结果.mp4 37.72M
| ├──637_638 论–必备-Transformer实战系列_swintransformer整体概述.mp4 14.76M
| ├──638_639 论–必备-Transformer实战系列_要解决的问题及其优势分析.mp4 22.33M
| ├──639_640 论–必备-Transformer实战系列_一个block要完成的任务.mp4 17.36M
| ├──640_641 论–必备-Transformer实战系列_获取各窗口输入特征.mp4 18.99M
| ├──641_642 论–必备-Transformer实战系列_基于窗口的注意力机制解读.mp4 29.53M
| ├──642_643 论–必备-Transformer实战系列_窗口偏移操作的实现.mp4 24.27M
| ├──643_644 论–必备-Transformer实战系列_偏移细节分析及其计算量概述.mp4 20.41M
| ├──644_645 论–必备-Transformer实战系列_整体网络架构整合.mp4 20.88M
| ├──645_646 论–必备-Transformer实战系列_下采样操作实现方法.mp4 22.24M
| ├──646_647 论–必备-Transformer实战系列_分层计算方法.mp4 21.71M
| ├──647_648 论–必备-Transformer实战系列_数据与环境配置解读.mp4 59.59M
| ├──648_649 论–必备-Transformer实战系列_图像数据patch编码.mp4 37.62M
| ├──649_650 论–必备-Transformer实战系列_数据按window进行划分计算.mp4 31.46M
| ├──650_651 论–必备-Transformer实战系列_基础attention计算模块.mp4 27.58M
| ├──651_652 论–必备-Transformer实战系列_窗口位移模块细节分析.mp4 36.81M
| ├──652_653 论–必备-Transformer实战系列_patchmerge下采样操作.mp4 25.24M
| ├──653_654 论–必备-Transformer实战系列_各block计算方法解读.mp4 27.91M
| ├──654_655 论–必备-Transformer实战系列_输出层概述.mp4 41.11M
| ├──655_656 论–必备-Transformer实战系列_DETR目标检测基本思想解读.mp4 19.27M
| ├──656_657 论–必备-Transformer实战系列_整体网络架构分析.mp4 31.54M
| ├──657_658 论–必备-Transformer实战系列_位置信息初始化query向量.mp4 19.90M
| ├──658_659 论–必备-Transformer实战系列_注意力机制的作用方法.mp4 20.79M
| ├──659_660 论–必备-Transformer实战系列_训练过程的策略.mp4 28.34M
| ├──660_661 论–必备-Transformer实战系列_项目环境配置解读.mp4 40.33M
| ├──662_663 论–必备-Transformer实战系列_位置编码作用分析.mp4 47.86M
| ├──663_664 论–必备-Transformer实战系列_backbone特征提取模块.mp4 35.54M
| ├──664_665 论–必备-Transformer实战系列_mask与编码模块.mp4 34.68M
| ├──665_666 论–必备-Transformer实战系列_编码层作用方法.mp4 42.78M
| ├──666_667 论–必备-Transformer实战系列_Decoder层操作与计算.mp4 30.08M
| ├──667_668 论–必备-Transformer实战系列_输出预测结果.mp4 41.20M
| ├──668_669 论–必备-Transformer实战系列_损失函数与预测输出.mp4 41.18M
| ├──669_670 论–必备-Transformer实战系列_DeformableDetr算法解读.mp4 730.35M
| ├──670_671 论–必备-Transformer实战系列_特征提取与位置编码.mp4 38.16M
| ├──671_672 论–必备-Transformer实战系列_序列特征展开并叠加.mp4 51.07M
| ├──672_673 论–必备-Transformer实战系列_得到相对位置点编码.mp4 28.80M
| ├──673_674 论–必备-Transformer实战系列_准备Encoder编码层所需全部输入.mp4 37.91M
| ├──674_675 论–必备-Transformer实战系列_编码层中的序列分析.mp4 39.73M
| ├──675_676 论–必备-Transformer实战系列_偏移量offset计算.mp4 46.09M
| ├──676_677 论–必备-Transformer实战系列_偏移量对齐操作.mp4 39.80M
| ├──677_678 论–必备-Transformer实战系列_Encoder层完成特征对齐.mp4 51.84M
| ├──678_679 论–必备-Transformer实战系列_Decoder要完成的操作.mp4 38.98M
| ├──680_681 论–必备-Transformer实战系列_预测输出结果与标签匹配模块.mp4 44.31M
| ├──681_682 论–必备-Transformer实战系列_论文整体分析.mp4 23.72M
| ├──682_683 论–必备-Transformer实战系列_核心思想分析.mp4 54.26M
| ├──683_684 论–必备-Transformer实战系列_网络结构计算流程概述.mp4 44.46M
| ├──684_685 论–必备-Transformer实战系列_论文公式计算分析.mp4 46.93M
| ├──685_686 论–必备-Transformer实战系列_位置编码的作用与效果.mp4 46.55M
| ├──686_687 论–必备-Transformer实战系列_拓展应用分析.mp4 56.52M
| ├──687_688 论–必备-Transformer实战系列_项目环境配置.mp4 25.29M
| ├──688_689 论–必备-Transformer实战系列_医学数据介绍与分析.mp4 56.68M
| ├──689_690 论–必备-Transformer实战系列_基本处理操作.mp4 25.77M
| ├──690_691 论–必备-Transformer实战系列_AxialAttention实现过程.mp4 36.87M
| ├──691_692 论–必备-Transformer实战系列_位置编码向量解读.mp4 27.80M
| ├──692_693 论–必备-Transformer实战系列_注意力计算过程与方法.mp4 52.13M
| ├──693_694 论–必备-Transformer实战系列_局部特征提取与计算.mp4 40.92M
| ├──694_695 论–必备-Transformer实战系列_特征匹配的应用场景.mp4 87.35M
| ├──695_696 论–必备-Transformer实战系列_特征匹配的基本流程分析.mp4 15.91M
| ├──696_697 论–必备-Transformer实战系列_整体流程梳理分析.mp4 16.46M
| ├──697_698 论–必备-Transformer实战系列_CrossAttention的作用与效果.mp4 15.69M
| ├──698_699 论–必备-Transformer实战系列_transformer构建匹配特征.mp4 33.79M
| ├──699_700 论–必备-Transformer实战系列_粗粒度匹配过程与作用.mp4 26.00M
| ├──700_701 论–必备-Transformer实战系列_特征图拆解操作.mp4 14.34M
| ├──701_702 论–必备-Transformer实战系列_细粒度匹配的作用与方法.mp4 19.87M
| ├──702_703 论–必备-Transformer实战系列_基于期望预测最终位置.mp4 23.08M
| ├──703_704 论–必备-Transformer实战系列_总结分析.mp4 39.42M
| ├──704_705 论–必备-Transformer实战系列_项目与参数配置解读.mp4 44.48M
| ├──705_706 论–必备-Transformer实战系列_DEMO效果演示.mp4 39.57M
| ├──706_707 论–必备-Transformer实战系列_backbone特征提取模块.mp4 28.65M
| ├──707_708 论–必备-Transformer实战系列_注意力机制的作用与效果分析.mp4 30.98M
| ├──708_709 论–必备-Transformer实战系列_特征融合模块实现方法.mp4 29.29M
| ├──709_710 论–必备-Transformer实战系列_cross关系计算方法实例.mp4 29.30M
| ├──710_711 论–必备-Transformer实战系列_粗粒度匹配过程.mp4 49.80M
| ├──711_712 论–必备-Transformer实战系列_完成基础匹配模块.mp4 63.33M
| ├──712_713 论–必备-Transformer实战系列_精细化调整方法与实例.mp4 42.73M
| ├──713_714 论–必备-Transformer实战系列_得到精细化输出结果.mp4 19.35M
| ├──714_715 论–必备-Transformer实战系列_通过期望计算最终输出.mp4 40.24M
| ├──715_716 论–必备-Transformer实战系列_分割模型Maskformer系列.mp4 776.88M
| ├──716_717 论–必备-Transformer实战系列_Backbone获取多层级特征.mp4 35.79M
| ├──717_718 论–必备-Transformer实战系列_多层级采样点初始化构建.mp4 41.46M
| ├──718_719 论–必备-Transformer实战系列_多层级输入特征序列创建方法.mp4 43.83M
| ├──719_720 论–必备-Transformer实战系列_偏移量与权重计算并转换.mp4 48.78M
| ├──720_721 论–必备-Transformer实战系列_Encoder特征构建方法实例.mp4 49.77M
| ├──721_722 论–必备-Transformer实战系列_query要预测的任务解读.mp4 45.61M
| ├──722_723 论–必备-Transformer实战系列_Decoder中的AttentionMask方法.mp4 50.89M
| ├──723_724 论–必备-Transformer实战系列_损失模块输入参数分析.mp4 40.84M
| ├──724_725 论–必备-Transformer实战系列_标签分配策略解读.mp4 42.53M
| ├──725_726 论–必备-Transformer实战系列_正样本筛选损失计算.mp4 41.78M
| ├──726_727 论–必备-Transformer实战系列_标签分类匹配结果分析.mp4 62.04M
| ├──727_728 论–必备-Transformer实战系列_最终损失计算流程.mp4 52.29M
| ├──728_729 论–必备-Transformer实战系列_汇总所有损失完成迭代.mp4 35.76M
| ├──729_730 论–必备-Transformer实战系列_BEV特征空间.mp4 523.07M
| ├──730_731 论–必备-Transformer实战系列_环境配置方法解读.mp4 42.79M
| ├──731_732 论–必备-Transformer实战系列_数据集下载与配置方法.mp4 53.57M
| ├──732_733 论–必备-Transformer实战系列_特征提取以及BEV空间初始化.mp4 43.81M
| ├──733_734 论–必备-Transformer实战系列_特征对齐与位置编码初始化.mp4 43.63M
| ├──734_735 论–必备-Transformer实战系列_Reference初始点构建.mp4 37.26M
| ├──735_736 论–必备-Transformer实战系列_BEV空间与图像空间位置对应.mp4 37.67M
| ├──736_737 论–必备-Transformer实战系列_注意力机制模块计算方法.mp4 38.61M
| ├──737_738 论–必备-Transformer实战系列_BEV空间特征构建.mp4 34.01M
| ├──738_739 论–必备-Transformer实战系列_Decoder要完成的任务分析.mp4 33.95M
| ├──739_740 论–必备-Transformer实战系列_获取当前BEV特征.mp4 35.90M
| ├──740_741 论–必备-Transformer实战系列_Decoder级联校正模块.mp4 41.58M
| ├──741_742 论–必备-Transformer实战系列_损失函数与预测可视化.mp4 49.48M
| ├──742_743 论–必备-Transformer实战系列_时间序列预测.mp4 375.40M
| ├──743_744 论–必备-Transformer实战系列_Informer时间序列源码解读.mp4 829.10M
| └──744_745 论–必备-Transformer实战系列_Huggingface与NLP(讲故事).mp4 163.59M
├──11 第十一章-图神经网络实战
| ├──650_652 图神经网络实战_图神经网络应用领域分析.mp4 26.40M
| ├──651_653 图神经网络实战_图基本模块定义.mp4 10.51M
| ├──652_654 图神经网络实战_邻接矩阵的定义.mp4 16.06M
| ├──653_655 图神经网络实战_GNN中常见任务.mp4 19.17M
| ├──654_656 图神经网络实战_消息传递计算方法.mp4 14.23M
| ├──655_657 图神经网络实战_多层GCN的作用.mp4 13.00M
| ├──656_658 图神经网络实战_GCN基本模型概述.mp4 13.24M
| ├──657_659 图神经网络实战_图卷积的基本计算方法.mp4 12.56M
| ├──658_660 图神经网络实战_邻接的矩阵的变换.mp4 18.38M
| ├──659_661 图神经网络实战_GCN变换原理解读.mp4 21.12M
| ├──660_662 图神经网络实战_PyTorch Geometric工具包安装与配置方法.mp4 45.07M
| ├──661_663 图神经网络实战_数据集与邻接矩阵格式.mp4 51.92M
| ├──662_664 图神经网络实战_模型定义与训练方法.mp4 41.92M
| ├──663_665 图神经网络实战_文献引用数据集分类案例实战.mp4 47.75M
| ├──664_666 图神经网络实战_构建数据集基本方法.mp4 13.47M
| ├──665_667 图神经网络实战_数据集与任务背景概述.mp4 21.63M
| ├──666_668 图神经网络实战_数据集基本预处理.mp4 31.50M
| ├──667_669 图神经网络实战_用户行为图结构创建.mp4 36.67M
| ├──668_670 图神经网络实战_数据集创建函数介绍.mp4 34.87M
| ├──669_671 图神经网络实战_网络结构定义模块.mp4 36.87M
| ├──670_672 图神经网络实战_TopkPooling进行下采样任务.mp4 31.30M
| ├──671_673 图神经网络实战_获取全局特征.mp4 25.70M
| ├──672_674 图神经网络实战_模型训练与总结.mp4 35.84M
| ├──673_675 图神经网络实战_图注意力机制的作用与方法.mp4 16.53M
| ├──674_676 图神经网络实战_邻接矩阵计算图Attention.mp4 21.40M
| ├──675_677 图神经网络实战_序列图神经网络TGCN应用.mp4 12.59M
| ├──676_678 图神经网络实战_序列图神经网络细节.mp4 23.67M
| ├──677_679 图神经网络实战_要完成的任务分析.mp4 47.79M
| ├──678_680 图神经网络实战_基本方法概述解读.mp4 52.67M
| ├──679_681 图神经网络实战_图模型提取全局与局部特征.mp4 47.42M
| ├──680_682 图神经网络实战_NTN模块的作用与效果.mp4 41.09M
| ├──681_683 图神经网络实战_点之间的对应关系计算.mp4 51.22M
| ├──682_684 图神经网络实战_结果输出与总结.mp4 71.18M
| ├──683_685 图神经网络实战_数据集与任务概述.mp4 18.11M
| ├──684_686 图神经网络实战_图卷积特征提取模块.mp4 55.92M
| ├──685_687 图神经网络实战_分别计算不同Batch点的分布.mp4 31.70M
| ├──686_688 图神经网络实战_获得直方图特征结果.mp4 21.11M
| ├──687_689 图神经网络实战_图的全局特征构建.mp4 31.45M
| ├──688_690 图神经网络实战_NTN图相似特征提取.mp4 39.25M
| ├──689_691 图神经网络实战_预测得到相似度结果.mp4 18.64M
| ├──690_692 图神经网络实战_数据集与标注信息解读.mp4 57.53M
| ├──691_693 图神经网络实战_整体三大模块分析.mp4 66.51M
| ├──692_694 图神经网络实战_特征工程的作用与效果.mp4 41.75M
| ├──693_695 图神经网络实战_传统方法与现在向量空间对比.mp4 51.83M
| ├──694_696 图神经网络实战_输入细节分析.mp4 49.96M
| ├──695_697 图神经网络实战_子图模块构建方法.mp4 42.55M
| ├──696_698 图神经网络实战_特征融合模块分析.mp4 47.67M
| ├──697_699 图神经网络实战_VectorNet输出层分析.mp4 85.45M
| ├──698_700 图神经网络实战_数据与环境配置.mp4 35.36M
| ├──699_701 图神经网络实战_训练数据准备.mp4 27.69M
| ├──700_702 图神经网络实战_Agent特征提取方法.mp4 37.87M
| ├──701_703 图神经网络实战_DataLoader构建图结构.mp4 28.61M
| ├──702_704 图神经网络实战_SubGraph与Attention模型流程.mp4 34.55M
| ├──703_705 基于图模型的时间序列预测.mp4 1021.17M
| └──704_706 异构图神经网络.mp4 754.05M
├──12 第十二章-3D点云实战
| ├──703_705 3D点云实战_点云数据概述.mp4 49.53M
| ├──704_706 3D点云实战_点云应用领域与发展分析.mp4 82.18M
| ├──705_707 3D点云实战_点云分割任务.mp4 52.03M
| ├──706_708 3D点云实战_点云补全任务.mp4 29.16M
| ├──707_709 3D点云实战_点云检测与配准任务.mp4 59.58M
| ├──708_710 3D点云实战_点云数据特征提取概述与预告.mp4 22.69M
| ├──709_711 3D点云实战_3D数据应用领域与点云介绍.mp4 40.05M
| ├──710_712 3D点云实战_点云数据可视化展示.mp4 40.07M
| ├──711_713 3D点云实战_点云数据特性和及要解决的问题.mp4 33.08M
| ├──712_714 3D点云实战_PointNet算法出发点解读.mp4 17.46M
| ├──713_715 3D点云实战_PointNet算法网络架构解读.mp4 31.01M
| ├──714_716 3D点云实战_PointNet升级版算法要解决的问题.mp4 22.08M
| ├──715_717 3D点云实战_最远点采样方法.mp4 21.00M
| ├──716_718 3D点云实战_分组Group方法原理解读.mp4 32.79M
| ├──717_719 3D点云实战_整体流程概述分析.mp4 16.37M
| ├──718_720 3D点云实战_分类与分割问题解决方案.mp4 21.74M
| ├──719_721 3D点云实战_遇到的问题及改进方法分析.mp4 13.43M
| ├──720_722 3D点云实战_项目文件概述.mp4 29.02M
| ├──721_723 3D点云实战_数据读取模块配置.mp4 39.23M
| ├──722_724 3D点云实战_DEBUG解读网络模型架构.mp4 24.25M
| ├──723_725 3D点云实战_最远点采样介绍.mp4 19.48M
| ├──724_726 3D点云实战_采样得到中心点.mp4 31.77M
| ├──725_727 3D点云实战_组区域划分方法.mp4 24.88M
| ├──726_728 3D点云实战_实现group操作得到各中心簇.mp4 35.00M
| ├──727_729 3D点云实战_特征提取模块整体流程.mp4 40.04M
| ├──728_730 3D点云实战_预测结果输出模块.mp4 38.74M
| ├──729_731 3D点云实战_分类任务总结.mp4 19.66M
| ├──730_732 3D点云实战_分割任务数据与配置概述.mp4 51.28M
| ├──731_733 3D点云实战_分割需要解决的任务概述.mp4 33.94M
| ├──732_734 3D点云实战_上采样完成分割任务.mp4 44.75M
| ├──733_735 3D点云实战_点云补全要解决的问题.mp4 23.13M
| ├──734_736 3D点云实战_基本解决方案概述.mp4 17.42M
| ├──735_737 3D点云实战_整体网络概述.mp4 20.61M
| ├──736_738 3D点云实战_网络计算流程.mp4 25.52M
| ├──737_739 3D点云实战_输入与计算结果.mp4 65.02M
| ├──738_740 3D点云实战_数据与项目配置解读.mp4 41.86M
| ├──739_741 3D点云实战_待补全数据准备方法.mp4 29.26M
| ├──740_742 3D点云实战_整体框架概述.mp4 49.10M
| ├──741_743 3D点云实战_MRE特征提取模块.mp4 40.36M
| ├──742_744 3D点云实战_分层预测输出模块.mp4 31.04M
| ├──743_745 3D点云实战_补全点云数据.mp4 35.21M
| ├──744_746 3D点云实战_判别模块.mp4 48.59M
| ├──745_747 3D点云实战_点云配准任务概述.mp4 20.00M
| ├──746_748 3D点云实战_配准要完成的目标解读.mp4 17.64M
| ├──747_749 3D点云实战_训练数据构建.mp4 23.43M
| ├──748_750 3D点云实战_任务基本流程.mp4 15.56M
| ├──749_751 3D点云实战_数据源配置方法.mp4 45.42M
| ├──750_752 3D点云实战_参数计算模块解读.mp4 21.85M
| ├──751_753 3D点云实战_基于模型预测输出参数.mp4 24.88M
| ├──752_754 3D点云实战_特征构建方法分析.mp4 34.65M
| ├──753_755 3D点云实战_任务总结.mp4 33.31M
| ├──754_756 3D点云实战_对抗生成网络通俗解释.mp4 18.39M
| ├──755_757 3D点云实战_GAN网络组成.mp4 10.73M
| ├──756_758 3D点云实战_损失函数解释说明.mp4 39.88M
| ├──757_759 3D点云实战_数据读取模块.mp4 29.93M
| └──758_760 3D点云实战_生成与判别网络定义.mp4 44.24M
├──13 第十三章-面向深度学习的无人驾驶实战
| ├──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 98.47M
| ├──865_866 面向深度学习的无人驾驶实战_kitti数据集介绍.mp4 59.45M
| ├──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 22.18M
| ├──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 26.49M
| ├──868_869 面向深度学习的无人驾驶实战_SPP层的作用.mp4 15.27M
| ├──869_870 面向深度学习的无人驾驶实战_空洞卷积与ASPP.mp4 18.94M
| ├──870_871 面向深度学习的无人驾驶实战_特征拼接方法分析.mp4 21.24M
| ├──871_872 面向深度学习的无人驾驶实战_网络coarse-to-fine过程.mp4 26.50M
| ├──872_873 面向深度学习的无人驾驶实战_权重参数预处理.mp4 27.50M
| ├──873_874 面向深度学习的无人驾驶实战_损失计算.mp4 30.51M
| ├──874_875 面向深度学习的无人驾驶实战_项目环境配置解读.mp4 52.89M
| ├──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 74.34M
| ├──876_877 面向深度学习的无人驾驶实战_数据集dataloader制作.mp4 36.83M
| ├──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 42.38M
| ├──878_879 面向深度学习的无人驾驶实战_计算差异特征.mp4 30.69M
| ├──879_880 面向深度学习的无人驾驶实战_权重参数标准化操作.mp4 42.56M
| ├──880_881 面向深度学习的无人驾驶实战_网络结构ASPP层.mp4 47.25M
| ├──881_882 面向深度学习的无人驾驶实战_特征拼接方法解读.mp4 47.64M
| ├──882_883 面向深度学习的无人驾驶实战_输出深度估计结果.mp4 25.45M
| ├──883_884 面向深度学习的无人驾驶实战_损失函数通俗解读.mp4 52.74M
| ├──884_885 面向深度学习的无人驾驶实战_模型DEMO输出结果.mp4 80.63M
| ├──885_886 面向深度学习的无人驾驶实战_数据标签与任务分析.mp4 65.92M
| ├──886_887 面向深度学习的无人驾驶实战_网络整体框架分析.mp4 28.89M
| ├──887_888 面向深度学习的无人驾驶实战_输出结果分析.mp4 18.12M
| ├──888_889 面向深度学习的无人驾驶实战_损失函数计算方法.mp4 27.30M
| ├──889f6a42e176499f803af29393312bd7.mp4 23.72M
| ├──889_890 面向深度学习的无人驾驶实战_论文概述分析.mp4 62.39M
| ├──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 65.61M
| ├──891_892 面向深度学习的无人驾驶实战_项目环境配置演示.mp4 29.98M
| ├──892_893 面向深度学习的无人驾驶实战_制作数据集dataloader.mp4 54.62M
| ├──893_894 面向深度学习的无人驾驶实战_车道线标签数据处理.mp4 34.18M
| ├──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 22.28M
| ├──895_896 面向深度学习的无人驾驶实战_grid设置方法.mp4 41.70M
| ├──896_897 面向深度学习的无人驾驶实战_完成数据与标签制作.mp4 24.65M
| ├──897_898 面向深度学习的无人驾驶实战_算法网络结构解读.mp4 59.95M
| ├──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 45.66M
| ├──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 44.61M
| ├──900_901 面向深度学习的无人驾驶实战_DEMO制作与配置.mp4 40.28M
| ├──901_902 面向深度学习的无人驾驶实战_特征匹配的应用场景.mp4 80.34M
| ├──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 15.91M
| ├──903_904 面向深度学习的无人驾驶实战_整体流程梳理分析.mp4 16.46M
| ├──904_905 面向深度学习的无人驾驶实战_CrossAttention的作用与效果.mp4 15.69M
| ├──905_906 面向深度学习的无人驾驶实战_transformer构建匹配特征.mp4 33.79M
| ├──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 26.00M
| ├──907_908 面向深度学习的无人驾驶实战_特征图拆解操作.mp4 14.34M
| ├──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 19.87M
| ├──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 23.08M
| ├──910_911 面向深度学习的无人驾驶实战_总结分析.mp4 39.42M
| ├──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 44.48M
| ├──912_913 面向深度学习的无人驾驶实战_DEMO效果演示.mp4 39.56M
| ├──913_914 面向深度学习的无人驾驶实战_backbone特征提取模块.mp4 28.70M
| ├──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 31.04M
| ├──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 29.35M
| ├──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 29.36M
| ├──917_918 面向深度学习的无人驾驶实战_粗粒度匹配过程.mp4 49.80M
| ├──918_919 面向深度学习的无人驾驶实战_完成基础匹配模块.mp4 63.33M
| ├──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 42.81M
| ├──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 19.39M
| ├──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 40.24M
| ├──922_923 面向深度学习的无人驾驶实战_三维重建概述分析.mp4 66.80M
| ├──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 13.17M
| ├──924_925 面向深度学习的无人驾驶实战_成像方法概述.mp4 16.33M
| ├──925_926 面向深度学习的无人驾驶实战_相机坐标系.mp4 17.15M
| ├──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 20.91M
| ├──927_928 面向深度学习的无人驾驶实战_相机内外参.mp4 17.01M
| ├──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 16.47M
| ├──929_930 面向深度学习的无人驾驶实战_相机标定简介.mp4 5.50M
| ├──930_931 面向深度学习的无人驾驶实战_任务流程分析.mp4 19.35M
| ├──931_932 面向深度学习的无人驾驶实战_基本框架熟悉.mp4 27.45M
| ├──932_933 面向深度学习的无人驾驶实战_特征映射方法解读.mp4 34.68M
| ├──933_934 面向深度学习的无人驾驶实战_片段融合思想.mp4 16.72M
| ├──934_935 面向深度学习的无人驾驶实战_整体架构重构方法.mp4 23.00M
| ├──935_936 面向深度学习的无人驾驶实战_数据集下载与配置方法.mp4 52.41M
| ├──936_937 面向深度学习的无人驾驶实战_Scannet数据集内容概述.mp4 37.26M
| ├──937_938 面向深度学习的无人驾驶实战_TSDF标签生成方法.mp4 55.30M
| ├──938_939 面向深度学习的无人驾驶实战_ISSUE的作用.mp4 49.23M
| ├──939_940 面向深度学习的无人驾驶实战_完成依赖环境配置.mp4 57.11M
| ├──940_941 面向深度学习的无人驾驶实战_Backbone得到特征图.mp4 36.02M
| ├──941_942 面向深度学习的无人驾驶实战_初始化体素位置.mp4 41.51M
| ├──942_943 面向深度学习的无人驾驶实战_坐标映射方法实现.mp4 26.66M
| ├──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 50.12M
| ├──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 32.36M
| ├──945_946 面向深度学习的无人驾驶实战_得到一阶段输出结果.mp4 38.08M
| ├──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 45.77M
| ├──947_948 面向深度学习的无人驾驶实战_项目总结.mp4 108.40M
| ├──948_949 面向深度学习的无人驾驶实战_TSDF整体概述分析.mp4 23.16M
| ├──949_950 面向深度学习的无人驾驶实战_合成过程DEMO演示.mp4 27.58M
| ├──950_951 面向深度学习的无人驾驶实战_布局初始化操作.mp4 12.69M
| ├──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 23.93M
| ├──952_953 面向深度学习的无人驾驶实战_坐标转换流程分析.mp4 31.10M
| ├──953_954 面向深度学习的无人驾驶实战_输出结果融合更新.mp4 34.23M
| ├──954_955 面向深度学习的无人驾驶实战_环境配置概述.mp4 32.66M
| ├──955_956 面向深度学习的无人驾驶实战_初始化与数据读取.mp4 21.30M
| ├──956_957 面向深度学习的无人驾驶实战_计算得到TSDF输出.mp4 44.10M
| ├──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 57.53M
| ├──958_959 面向深度学习的无人驾驶实战_整体三大模块分析.mp4 65.47M
| ├──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 41.75M
| ├──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 51.83M
| ├──961_962 面向深度学习的无人驾驶实战_输入细节分析.mp4 49.96M
| ├──962_963 面向深度学习的无人驾驶实战_子图模块构建方法.mp4 42.55M
| ├──963_964 面向深度学习的无人驾驶实战_特征融合模块分析.mp4 47.67M
| ├──964_965 面向深度学习的无人驾驶实战_VectorNet输出层分析.mp4 85.45M
| ├──965_966 面向深度学习的无人驾驶实战_数据与环境配置.mp4 35.43M
| ├──966_967 面向深度学习的无人驾驶实战_训练数据准备.mp4 27.75M
| ├──967_968 面向深度学习的无人驾驶实战_Agent特征提取方法.mp4 37.97M
| ├──968_969 面向深度学习的无人驾驶实战_DataLoader构建图结构.mp4 28.68M
| ├──969_970 面向深度学习的无人驾驶实战_SubGraph与Attention模型流程.mp4 34.64M
| └──970_971 面向深度学习的无人驾驶实战_特斯拉无人驾驶解读.mp4 644.17M
├──14 第十四章-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 549.52M
| ├──972_973 对比学习与多模态任务实战_CLIP系列.mp4 621.00M
| ├──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 51.52M
| ├──974_975 对比学习与多模态任务实战_数据与标注文件介绍.mp4 37.49M
| ├──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 50.33M
| ├──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 58.02M
| ├──977_978 对比学习与多模态任务实战_体素索引位置获取.mp4 64.72M
| ├──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 37.57M
| ├──980_981 对比学习与多模态任务实战_全局体素特征提取.mp4 95.96M
| ├──981_982 对比学习与多模态任务实战_多模态特征融合.mp4 68.36M
| ├──983_984 对比学习与多模态任务实战_输出层预测结果.mp4 80.80M
| ├──984_985 对比学习与多模态任务实战_多模态文字识别.mp4 766.02M
| ├──985_986 对比学习与多模态任务实战_数据集与环境概述.mp4 55.58M
| ├──986_987 对比学习与多模态任务实战_配置文件修改方法.mp4 52.49M
| ├──987_988 对比学习与多模态任务实战_Bakbone模块得到特征.mp4 42.10M
| ├──988_989 对比学习与多模态任务实战_视觉Transformer模块的作用.mp4 45.97M
| ├──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 38.66M
| ├──991_992 对比学习与多模态任务实战_迭代修正模块.mp4 38.14M
| └──992_993 对比学习与多模态任务实战_输出层与损失计算.mp4 52.81M
├──15 第十五章-缺陷检测实战
| ├──1000_1001 缺陷检测实战_NMS细节改进.mp4 16.66M
| ├──1002_1003 缺陷检测实战_SAM注意力机制模块.mp4 22.48M
| ├──1003_1004 缺陷检测实战_PAN模块解读.mp4 20.64M
| ├──1004_1005 缺陷检测实战_激活函数与整体架构总结.mp4 19.19M
| ├──1005_1006 缺陷检测实战_整体项目概述.mp4 35.77M
| ├──1006_1007 缺陷检测实战_训练自己的数据集方法.mp4 41.32M
| ├──1007_1008 缺陷检测实战_训练数据参数配置.mp4 51.48M
| ├──1008_1009 缺陷检测实战_测试DEMO演示.mp4 50.47M
| ├──1009_1010 缺陷检测实战_数据源DEBUG流程解读.mp4 48.13M
| ├──1010_1011 缺陷检测实战_图像数据源配置.mp4 34.65M
| ├──1011_1012 缺陷检测实战_加载标签数据.mp4 26.33M
| ├──1012_1013 缺陷检测实战_Mosaic数据增强方法.mp4 28.19M
| ├──1013_1014 缺陷检测实战_数据四合一方法与流程演示.mp4 41.69M
| ├──1014_1015 缺陷检测实战_getItem构建batch.mp4 33.03M
| ├──1015_1016 缺陷检测实战_网络架构图可视化工具安装.mp4 33.46M
| ├──1016_1017 缺陷检测实战_V5网络配置文件解读.mp4 35.74M
| ├──1017_1018 缺陷检测实战_Focus模块流程分析.mp4 21.93M
| ├──1018_1019 缺陷检测实战_完成配置文件解析任务.mp4 58.80M
| ├──1019_1020 缺陷检测实战_前向传播计算.mp4 30.80M
| ├──1020_1021 缺陷检测实战_BottleneckCSP层计算方法.mp4 33.82M
| ├──1022_1023 缺陷检测实战_Head层流程解读.mp4 29.19M
| ├──1023_1024 缺陷检测实战_上采样与拼接操作.mp4 21.48M
| ├──1024_1025 缺陷检测实战_输出结果分析.mp4 41.71M
| ├──1025_1026 缺陷检测实战_超参数解读.mp4 34.94M
| ├──1026_1027 缺陷检测实战_命令行参数介绍.mp4 44.26M
| ├──1027_1028 缺陷检测实战_训练流程解读.mp4 46.81M
| ├──1028_1029 缺陷检测实战_各种训练策略概述.mp4 38.43M
| ├──1029_1030 缺陷检测实战_模型迭代过程.mp4 38.42M
| ├──1030_1031 缺陷检测实战_任务需求与项目概述.mp4 14.14M
| ├──1031_1032 缺陷检测实战_数据与标签配置方法.mp4 38.42M
| ├──1032_1033 缺陷检测实战_标签转换格式脚本制作.mp4 30.57M
| ├──1033_1034 缺陷检测实战_各版本模型介绍分析.mp4 33.52M
| ├──1034_1035 缺陷检测实战_项目参数配置.mp4 27.21M
| ├──1035_1036 缺陷检测实战_缺陷检测模型训练.mp4 34.15M
| ├──1036_1037 缺陷检测实战_输出结果与项目总结.mp4 45.20M
| ├──1037_1038 缺陷检测实战_任务目标与流程概述.mp4 53.72M
| ├──1038_1039 缺陷检测实战_论文思想与模型分析.mp4 129.03M
| ├──1039_1040 缺陷检测实战_项目配置解读.mp4 63.00M
| ├──1040_1041 缺陷检测实战_网络流程分析.mp4 37.48M
| ├──1041_1042 缺陷检测实战_输出结果展示.mp4 39.29M
| ├──1042_1043 缺陷检测实战_计算机眼中的图像.mp4 30.88M
| ├──1043_1044 缺陷检测实战_视频的读取与处理.mp4 46.97M
| ├──1044_1045 缺陷检测实战_ROI区域.mp4 15.37M
| ├──1046_1047 缺陷检测实战_数值计算.mp4 40.04M
| ├──1047_1048 缺陷检测实战_图像阈值.mp4 30.85M
| ├──1048_1049 缺陷检测实战_图像平滑处理.mp4 24.77M
| ├──1049_1050 缺陷检测实战_高斯与中值滤波.mp4 20.61M
| ├──1050_1051 缺陷检测实战_腐蚀操作.mp4 20.99M
| ├──1051_1052 缺陷检测实战_膨胀操作.mp4 12.25M
| ├──1053_1054 缺陷检测实战_梯度计算.mp4 7.85M
| ├──1054_1055 缺陷检测实战_礼帽与黑帽.mp4 15.88M
| ├──1055_1056 缺陷检测实战_Canny边缘检测流程.mp4 18.97M
| ├──1056_1057 缺陷检测实战_非极大值抑制.mp4 18.32M
| ├──1057_1058 缺陷检测实战_边缘检测效果.mp4 36.63M
| ├──1058_1059 缺陷检测实战_Sobel算子.mp4 27.00M
| ├──1059_1060 缺陷检测实战_梯度计算方法.mp4 30.29M
| ├──1060_1061 缺陷检测实战_scharr与lapkacian算子.mp4 27.39M
| ├──1061_1062 缺陷检测实战_图像金字塔定义.mp4 19.68M
| ├──1062_1063 缺陷检测实战_金字塔制作方法.mp4 25.47M
| ├──1063_1064 缺陷检测实战_轮廓检测方法.mp4 19.37M
| ├──1064_1065 缺陷检测实战_轮廓检测结果.mp4 34.44M
| ├──1065_1066 缺陷检测实战_轮廓特征与近似.mp4 37.62M
| ├──1066_1067 缺陷检测实战_模板匹配方法.mp4 47.45M
| ├──1067_1068 缺陷检测实战_匹配效果展示.mp4 21.20M
| ├──1068_1069 缺陷检测实战_直方图定义.mp4 23.64M
| ├──1069_1070 缺陷检测实战_均衡化原理.mp4 31.35M
| ├──1070_1071 缺陷检测实战_均衡化效果.mp4 27.21M
| ├──1071_1072 缺陷检测实战_傅里叶概述.mp4 38.86M
| ├──1072_1073 缺陷检测实战_频域变换结果.mp4 26.32M
| ├──1073_1074 缺陷检测实战_低通与高通滤波.mp4 27.40M
| ├──1074_1075 缺陷检测实战_任务需求与环境配置.mp4 15.40M
| ├──1075_1076 缺陷检测实战_数据读取与基本处理.mp4 26.63M
| ├──1076_1077 缺陷检测实战_缺陷形态学操作.mp4 26.46M
| ├──1077_1078 缺陷检测实战_整体流程解读.mp4 23.65M
| ├──1078_1079 缺陷检测实战_缺陷检测效果演示.mp4 50.91M
| ├──1079_1080 缺陷检测实战_数据与任务概述.mp4 16.48M
| ├──1080_1081 缺陷检测实战_视频数据读取与轮廓检测.mp4 20.83M
| ├──1081_1082 缺陷检测实战_目标质心计算.mp4 32.47M
| ├──1082_1083 缺陷检测实战_视频数据遍历方法.mp4 31.41M
| ├──1083_1084 缺陷检测实战_缺陷区域提取.mp4 36.00M
| ├──1084_1085 缺陷检测实战_不同类型的缺陷检测方法.mp4 36.77M
| ├──1085_1086 缺陷检测实战_检测效果演示.mp4 25.73M
| ├──1086_1087 缺陷检测实战_deeplab分割算法概述.mp4 13.81M
| ├──1089_1090 缺陷检测实战_SPP层的作用.mp4 19.02M
| ├──1090_1091 缺陷检测实战_ASPP特征融合策略.mp4 13.45M
| ├──1091_1092 缺陷检测实战_deeplabV3Plus版本网络架构.mp4 24.08M
| ├──1092_1093 缺陷检测实战_PascalVoc数据集介绍.mp4 70.12M
| ├──1093_1094 缺陷检测实战_项目参数与数据集读取.mp4 60.32M
| ├──1094_1095 缺陷检测实战_网络前向传播流程.mp4 33.10M
| ├──1095_1096 缺陷检测实战_ASPP层特征融合.mp4 51.19M
| ├──1096_1097 缺陷检测实战_分割模型训练.mp4 34.97M
| ├──1097_1098 缺陷检测实战_数据集与任务概述.mp4 31.09M
| ├──1098_1099 缺陷检测实战_开源项目应用方法.mp4 36.52M
| ├──1099_1100 缺陷检测实战_github与kaggle中需要注意的点.mp4 40.24M
| ├──1100_1101 缺陷检测实战_源码的利用方法.mp4 89.46M
| ├──1101_1102 缺陷检测实战_数据集制作方法.mp4 75.53M
| ├──1102_1103 缺陷检测实战_数据路径配置.mp4 54.55M
| ├──1103_1104 缺陷检测实战_训练模型.mp4 34.38M
| ├──1104_1105 缺陷检测实战_任务总结.mp4 43.02M
| ├──993_994 缺陷检测实战_课程介绍.mp4 26.71M
| ├──994_995 缺陷检测实战_V4版本整体概述.mp4 15.06M
| ├──995_996 缺陷检测实战_V4版本贡献解读.mp4 10.06M
| ├──996_997 缺陷检测实战_数据增强策略分析.mp4 24.70M
| ├──998_999 缺陷检测实战_损失函数遇到的问题.mp4 14.26M
| └──999_1000 缺陷检测实战_CIOU损失函数定义.mp4 10.82M
├──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 17.26M
| ├──1106_1107 行人重识别实战_挑战与困难分析.mp4 35.89M
| ├──1107_1108 行人重识别实战_评估标准rank1指标.mp4 14.05M
| ├──1108_1109 行人重识别实战_map值计算方法.mp4 15.70M
| ├──1109_1110 行人重识别实战_triplet损失计算实例.mp4 25.16M
| ├──1110_1111 行人重识别实战_Hard-Negative方法应用.mp4 27.27M
| ├──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 50.47M
| ├──1112_1113 行人重识别实战_空间权重值计算流程分析.mp4 32.88M
| ├──1113_1114 行人重识别实战_融合空间注意力所需特征.mp4 27.38M
| ├──1114_1115 行人重识别实战_基于特征图的注意力计算.mp4 57.84M
| ├──1115_1116 行人重识别实战_项目环境与数据集配置.mp4 49.78M
| ├──1116_1117 行人重识别实战_参数配置与整体架构分析.mp4 65.40M
| ├──1117_1118 行人重识别实战_进入debug模式解读网络计算流程.mp4 30.56M
| ├──1118_1119 行人重识别实战_获得空间位置点之间的关系.mp4 43.11M
| ├──1119_1120 行人重识别实战_组合关系特征图.mp4 39.65M
| ├──1120_1121 行人重识别实战_计算得到位置权重值.mp4 38.01M
| ├──1121_1122 行人重识别实战_基于特征图的权重计算.mp4 25.57M
| ├──1122_1123 行人重识别实战_损失函数计算实例解读.mp4 60.36M
| ├──1123_1124 行人重识别实战_训练与测试模块演示.mp4 75.66M
| ├──1124_1125 行人重识别实战_论文整体框架概述.mp4 16.23M
| ├──1125_1126 行人重识别实战_局部特征与全局关系计算方法.mp4 15.39M
| ├──1126_1127 行人重识别实战_特征分组方法.mp4 15.12M
| ├──1127_1128 行人重识别实战_GCP模块特征融合方法.mp4 28.45M
| ├──1128_1129 行人重识别实战_oneVsReset方法实例.mp4 15.63M
| ├──1129_1130 行人重识别实战_损失函数应用位置.mp4 16.80M
| ├──1130_1131 行人重识别实战_项目配置与数据集介绍.mp4 67.72M
| ├──1131_1132 行人重识别实战_数据源构建方法分析.mp4 41.23M
| ├──1132_1133 行人重识别实战_dataloader加载顺序解读.mp4 27.96M
| ├──1133_1134 行人重识别实战_debug模式解读.mp4 62.34M
| ├──1134_1135 行人重识别实战_网络计算整体流程演示.mp4 30.51M
| ├──1135_1136 行人重识别实战_特征序列构建.mp4 41.00M
| ├──1136_1137 行人重识别实战_GCP全局特征提取.mp4 39.65M
| ├──1137_1138 行人重识别实战_局部特征提取实例.mp4 52.39M
| ├──1138_1139 行人重识别实战_特征组合汇总.mp4 49.29M
| ├──1139_1140 行人重识别实战_得到所有分组特征结果.mp4 51.20M
| ├──1140_1141 行人重识别实战_损失函数与训练过程演示.mp4 42.52M
| ├──1141_1142 行人重识别实战_测试与验证模块.mp4 47.02M
| ├──1142_1143 行人重识别实战_关键点位置特征构建.mp4 22.40M
| ├──1143_1144 行人重识别实战_图卷积与匹配的作用.mp4 24.41M
| ├──1144_1145 行人重识别实战_局部特征热度图计算.mp4 24.78M
| ├──1145_1146 行人重识别实战_基于图卷积构建人体拓扑关系.mp4 29.82M
| ├──1146_1147 行人重识别实战_图卷积模块实现方法.mp4 27.54M
| ├──1147_1148 行人重识别实战_图匹配在行人重识别中的作用.mp4 18.07M
| ├──1148_1149 行人重识别实战_整体算法框架分析.mp4 24.09M
| ├──1149_1150 行人重识别实战_数据集与环境配置概述.mp4 48.08M
| ├──1150_1151 行人重识别实战_局部特征准备方法.mp4 47.66M
| ├──1151_1152 行人重识别实战_得到一阶段热度图结果.mp4 42.07M
| ├──1152_1153 行人重识别实战_阶段监督训练.mp4 78.61M
| ├──1153_1154 行人重识别实战_初始化图卷积模型.mp4 34.82M
| ├──1154_1155 行人重识别实战_mask矩阵的作用.mp4 40.13M
| ├──1155_1156 行人重识别实战_邻接矩阵学习与更新.mp4 50.98M
| ├──1156_1157 行人重识别实战_基于拓扑结构组合关键点特征.mp4 63.20M
| ├──1157_1158 行人重识别实战_图匹配模块计算流程.mp4 67.63M
| ├──1158_1159 行人重识别实战_整体项目总结.mp4 79.79M
| ├──1159_1160 行人重识别实战_项目概述.mp4 26.15M
| ├──1160_1161 行人重识别实战_项目概述.mp4 31.61M
| ├──1161_1162 行人重识别实战_数据与标签读取模块.mp4 57.97M
| ├──1162_1163 行人重识别实战_通过配置文件读取模型位置.mp4 37.97M
| ├──1163_1164 行人重识别实战_BackBone位置与流程.mp4 52.30M
| ├──1164_1165 行人重识别实战_Neck层操作方法.mp4 33.12M
| ├──1165_1166 行人重识别实战_Head层预测模块.mp4 40.06M
| ├──1166_1167 行人重识别实战_损失函数计算模块.mp4 54.31M
| └──1167_1168 行人重识别实战_总结概述.mp4 34.10M
├──17 第十七章-对抗生成网络实战
| ├──1168_1169 对抗生成网络实战_课程介绍.mp4 28.55M
| ├──1169_1170 对抗生成网络实战_对抗生成网络通俗解释.mp4 18.39M
| ├──1170_1171 对抗生成网络实战_GAN网络组成.mp4 10.73M
| ├──1171_1172 对抗生成网络实战_损失函数解释说明.mp4 39.88M
| ├──1172_1173 对抗生成网络实战_数据读取模块.mp4 29.93M
| ├──1173_1174 对抗生成网络实战_生成与判别网络定义.mp4 44.24M
| ├──1174_1175 对抗生成网络实战_CycleGan网络所需数据.mp4 37.56M
| ├──1175_1176 对抗生成网络实战_CycleGan整体网络架构.mp4 21.36M
| ├──1176_1177 对抗生成网络实战_PatchGan判别网络原理.mp4 11.45M
| ├──1177_1178 对抗生成网络实战_Cycle开源项目简介.mp4 46.41M
| ├──1178_1179 对抗生成网络实战_数据读取与预处理操作.mp4 57.93M
| ├──1179_1180 对抗生成网络实战_生成网络模块构造.mp4 48.52M
| ├──1180_1181 对抗生成网络实战_判别网络模块构造.mp4 19.77M
| ├──1181_1182 对抗生成网络实战_损失函数：identity loss计算方法.mp4 37.16M
| ├──1182_1183 对抗生成网络实战_生成与判别损失函数指定.mp4 54.69M
| ├──1183_1184 对抗生成网络实战_额外补充：VISDOM可视化配置.mp4 38.69M
| ├──1184_1185 对抗生成网络实战_stargan效果演示分析.mp4 27.95M
| ├──1185_1186 对抗生成网络实战_网络架构整体思路解读.mp4 30.84M
| ├──1186_1187 对抗生成网络实战_建模流程分析.mp4 42.55M
| ├──1187_1188 对抗生成网络实战_V1版本存在的问题及后续改进思路.mp4 53.61M
| ├──1188_1189 对抗生成网络实战_V2版本在整体网络架构.mp4 63.67M
| ├──1189_1190 对抗生成网络实战_编码器训练方法.mp4 53.45M
| ├──1190_1191 对抗生成网络实战_损失函数公式解析.mp4 49.43M
| ├──1191_1192 对抗生成网络实战_训练过程分析.mp4 34.17M
| ├──1192_1193 对抗生成网络实战_测试模块效果与实验分析.mp4 29.95M
| ├──1193_1194 对抗生成网络实战_项目配置与数据源下载.mp4 21.51M
| ├──1194_1195 对抗生成网络实战_测试效果演示.mp4 34.97M
| ├──1195_1196 对抗生成网络实战_项目参数解析.mp4 27.62M
| ├──1196_1197 对抗生成网络实战_生成器模块源码解读.mp4 53.18M
| ├──1197_1198 对抗生成网络实战_所有网络模块构建实例.mp4 46.52M
| ├──1198_1199 对抗生成网络实战_数据读取模块分析.mp4 56.60M
| ├──1199_1200 对抗生成网络实战_判别器损失计算.mp4 32.90M
| ├──1200_1201 对抗生成网络实战_损失计算详细过程.mp4 45.76M
| ├──1201_1202 对抗生成网络实战_生成模块损失计算.mp4 70.07M
| ├──1202_1203 对抗生成网络实战_论文整体思路与架构解读.mp4 34.66M
| ├──1203_1204 对抗生成网络实战_VCC2016输入数据.mp4 20.76M
| ├──1204_1205 对抗生成网络实战_语音特征提取.mp4 30.57M
| ├──1205_1206 对抗生成网络实战_生成器模型架构分析.mp4 15.81M
| ├──1206_1207 对抗生成网络实战_InstanceNorm的作用解读.mp4 18.58M
| ├──1207_1208 对抗生成网络实战_AdaIn的目的与效果.mp4 13.18M
| ├──1208_1209 对抗生成网络实战_判别器模块分析.mp4 114.03M
| ├──1209_1210 对抗生成网络实战_数据与项目文件解读.mp4 21.80M
| ├──1210_1211 对抗生成网络实战_环境配置与工具包安装.mp4 37.11M
| ├──1211_1212 对抗生成网络实战_数据预处理与声音特征提取.mp4 88.49M
| ├──1212_1213 对抗生成网络实战_生成器构造模块解读.mp4 41.33M
| ├──1215_1216 对抗生成网络实战_生成器前向传播维度变化.mp4 26.49M
| ├──1216_1217 对抗生成网络实战_判别器模块解读.mp4 35.22M
| ├──1217_1218 对抗生成网络实战_论文损失函数.mp4 100.48M
| ├──1218_1219 对抗生成网络实战_源码损失计算流程.mp4 34.82M
| ├──1220_1221 对抗生成网络实战_论文概述.mp4 46.83M
| ├──1221_1222 对抗生成网络实战_网络架构.mp4 106.93M
| ├──1222_1223 对抗生成网络实战_数据与环境配置.mp4 26.90M
| ├──1223_1224 对抗生成网络实战_数据加载与配置.mp4 39.14M
| ├──1224_1225 对抗生成网络实战_生成模块.mp4 48.50M
| ├──1225_1226 对抗生成网络实战_判别模块.mp4 44.60M
| ├──1226_1227 对抗生成网络实战_VGG特征提取网络.mp4 35.88M
| ├──1227_1228 对抗生成网络实战_损失函数与训练.mp4 89.00M
| ├──1228_1229 对抗生成网络实战_测试模块.mp4 90.79M
| ├──1229_1230 对抗生成网络实战_论文概述.mp4 75.09M
| ├──1230_1231 对抗生成网络实战_网络架构.mp4 30.75M
| ├──1231_1232 对抗生成网络实战_细节设计.mp4 77.69M
| ├──1232_1233 对抗生成网络实战_论文总结.mp4 67.30M
| ├──1233_1234 对抗生成网络实战_数据与项目概述.mp4 45.92M
| ├──1234_1235 对抗生成网络实战_参数基本设计.mp4 75.34M
| ├──1235_1236 对抗生成网络实战_网络结构配置.mp4 71.57M
| ├──1236_1237 对抗生成网络实战_网络迭代训练.mp4 92.87M
| └──1237_1238 对抗生成网络实战_测试模块.mp4 48.39M
├──18 第一十八章 强化学习与AI黑科技实例
| ├──1238_1239 强化学习与AI黑科技实例_一张图通俗解释强化学习.mp4 17.69M
| ├──1239_1240 强化学习与AI黑科技实例_强化学习的指导依据.mp4 20.19M
| ├──1240_1241 强化学习与AI黑科技实例_强化学习AI游戏DEMO.mp4 20.36M
| ├──1241_1242 强化学习与AI黑科技实例_应用领域简介.mp4 17.34M
| ├──1242_1243 强化学习与AI黑科技实例_强化学习工作流程.mp4 14.78M
| ├──1243_1244 强化学习与AI黑科技实例_计算机眼中的状态与行为.mp4 20.09M
| ├──1244_1245 强化学习与AI黑科技实例_基本情况介绍.mp4 28.05M
| ├──1245_1246 强化学习与AI黑科技实例_与环境交互得到所需数据.mp4 23.17M
| ├──1246_1247 强化学习与AI黑科技实例_要完成的目标分析.mp4 24.51M
| ├──1247_1248 强化学习与AI黑科技实例_策略梯度推导.mp4 21.76M
| ├──1248_1249 强化学习与AI黑科技实例_baseline方法.mp4 18.36M
| ├──1249_1250 强化学习与AI黑科技实例_OnPolicy与OffPolicy策略.mp4 20.77M
| ├──1250_1251 强化学习与AI黑科技实例_importance sampling的作用.mp4 23.19M
| ├──1251_1252 强化学习与AI黑科技实例_PPO算法整体思路解析.mp4 26.57M
| ├──1252_1253 强化学习与AI黑科技实例_Critic的作用与效果.mp4 40.06M
| ├──1253_1254 强化学习与AI黑科技实例_PPO2版本公式解读.mp4 31.64M
| ├──1254_1255 强化学习与AI黑科技实例_参数与网络结构定义.mp4 33.70M
| ├──1255_1256 强化学习与AI黑科技实例_得到动作结果.mp4 29.01M
| ├──1256_1257 强化学习与AI黑科技实例_奖励获得与计算.mp4 36.29M
| ├──1257_1258 强化学习与AI黑科技实例_参数迭代与更新.mp4 49.26M
| ├──1258_1259 强化学习与AI黑科技实例_整体任务流程演示.mp4 23.90M
| ├──1259_1260 强化学习与AI黑科技实例_探索与action获取.mp4 28.41M
| ├──1260_1261 强化学习与AI黑科技实例_计算target值.mp4 22.46M
| ├──1261_1262 强化学习与AI黑科技实例_训练与更新.mp4 34.15M
| ├──1262_1263 强化学习与AI黑科技实例_算法原理通俗解读.mp4 25.99M
| ├──1263_1264 强化学习与AI黑科技实例_目标函数与公式解析.mp4 25.54M
| ├──1264_1265 强化学习与AI黑科技实例_Qlearning算法实例解读.mp4 16.65M
| ├──1265_1266 强化学习与AI黑科技实例_Q值迭代求解.mp4 22.46M
| ├──1266_1267 强化学习与AI黑科技实例_DQN简介.mp4 15.36M
| ├──1267_1268 强化学习与AI黑科技实例_DoubleDqn要解决的问题.mp4 22.34M
| ├──1268_1269 强化学习与AI黑科技实例_DuelingDqn改进方法.mp4 19.06M
| ├──1269_1270 强化学习与AI黑科技实例_Dueling整体网络架构分析.mp4 21.73M
| ├──1270_1271 强化学习与AI黑科技实例_MultiSetp策略.mp4 8.67M
| ├──1271_1272 强化学习与AI黑科技实例_连续动作处理方法.mp4 22.24M
| ├──1272_1273 强化学习与AI黑科技实例_AC算法回顾与知识点总结.mp4 17.31M
| ├──1273_1274 强化学习与AI黑科技实例_优势函数解读与分析.mp4 19.87M
| ├──1274_1275 强化学习与AI黑科技实例_计算流程实例.mp4 17.59M
| ├──1275_1276 强化学习与AI黑科技实例_A3C整体架构分析.mp4 16.43M
| ├──1276_1277 强化学习与AI黑科技实例_损失函数整理.mp4 22.40M
| ├──1277_1278 强化学习与AI黑科技实例_整体流程与环境配置.mp4 26.97M
| ├──1278_1279 强化学习与AI黑科技实例_启动游戏环境.mp4 32.19M
| ├──1279_1280 强化学习与AI黑科技实例_要计算的指标回顾.mp4 37.00M
| ├──1280_1281 强化学习与AI黑科技实例_初始化局部模型并加载参数.mp4 32.22M
| ├──1281_1282 强化学习与AI黑科技实例_与环境交互得到训练数据.mp4 39.26M
| ├──1282_1283 强化学习与AI黑科技实例_训练网络模型.mp4 44.24M
| ├──1283_1284 强化学习与AI黑科技实例_GPT系列生成模型.mp4 442.99M
| ├──1284_1285 强化学习与AI黑科技实例_生成模型可以完成的任务概述.mp4 28.91M
| ├──1285_1286 强化学习与AI黑科技实例_数据样本生成方法.mp4 72.04M
| ├──1286_1287 强化学习与AI黑科技实例_训练所需参数解读.mp4 57.68M
| ├──1287_1288 强化学习与AI黑科技实例_模型训练过程.mp4 51.48M
| ├──1288_1289 强化学习与AI黑科技实例_部署与网页预测展示.mp4 79.57M
| ├──1289_1290 强化学习与AI黑科技实例_CLIP系列.mp4 621.00M
| ├──1290_1291 强化学习与AI黑科技实例_Diffusion模型解读.mp4 737.53M
| ├──1291_1292 强化学习与AI黑科技实例_Dalle2及其源码解读.mp4 614.12M
| └──1292_1293 强化学习与AI黑科技实例_ChatGPT.mp4 382.23M
├──19 第一十九章-向医学领域的深度学习实战
| ├──1294_1295 面向医学领域的深度学习实战_卷积的作用.mp4 22.67M
| ├──1297_1298 面向医学领域的深度学习实战_步长与卷积核大小对结果的影响.mp4 19.86M
| ├──1298_1299 面向医学领域的深度学习实战_边缘填充方法.mp4 17.28M
| ├──1299_1300 面向医学领域的深度学习实战_特征图尺寸计算与参数共享.mp4 21.99M
| ├──1300_1301 面向医学领域的深度学习实战_池化层的作用.mp4 11.31M
| ├──1301_1302 面向医学领域的深度学习实战_整体网络架构.mp4 16.98M
| ├──1302_1303 面向医学领域的深度学习实战_VGG网络架构.mp4 19.34M
| ├──1303_1304 面向医学领域的深度学习实战_残差网络Resnet.mp4 18.02M
| ├──1305_1306 面向医学领域的深度学习实战_PyTorch实战课程简介.mp4 22.98M
| ├──1306_1307 面向医学领域的深度学习实战_PyTorch框架发展趋势简介.mp4 25.22M
| ├──1307_1308 面向医学领域的深度学习实战_框架安装方法(CPU与GPU版本).mp4 18.60M
| ├──1308_1309 面向医学领域的深度学习实战_PyTorch基本操作简介.mp4 28.68M
| ├──1309_1310 面向医学领域的深度学习实战_自动求导机制.mp4 33.36M
| ├──1310_1311 面向医学领域的深度学习实战_线性回归DEMO-数据与参数配置.mp4 22.62M
| ├──1311_1312 面向医学领域的深度学习实战_线性回归DEMO-训练回归模型.mp4 39.40M
| ├──1312_1313 面向医学领域的深度学习实战_补充：常见tensor格式.mp4 19.59M
| ├──1313_1314 面向医学领域的深度学习实战_补充：Hub模块简介.mp4 53.11M
| ├──1314_1315 面向医学领域的深度学习实战_卷积网络参数定义.mp4 26.46M
| ├──1315_1316 面向医学领域的深度学习实战_网络流程解读.mp4 37.49M
| ├──1316_1317 面向医学领域的深度学习实战_Vision模块功能解读.mp4 23.53M
| ├──1317_1318 面向医学领域的深度学习实战_分类任务数据集定义与配置.mp4 29.73M
| ├──1318_1319 面向医学领域的深度学习实战_图像增强的作用.mp4 14.68M
| ├──1319_1320 面向医学领域的深度学习实战_数据预处理与数据增强模块.mp4 37.24M
| ├──1320_1321 面向医学领域的深度学习实战_Batch数据制作.mp4 43.65M
| ├──1321_1322 面向医学领域的深度学习实战_迁移学习的目标.mp4 11.75M
| ├──1322_1323 面向医学领域的深度学习实战_迁移学习策略.mp4 15.47M
| ├──1323_1324 面向医学领域的深度学习实战_加载训练好的网络模型.mp4 50.00M
| ├──1324_1325 面向医学领域的深度学习实战_优化器模块配置.mp4 24.63M
| ├──1325_1326 面向医学领域的深度学习实战_实现训练模块.mp4 33.20M
| ├──1326_1327 面向医学领域的深度学习实战_训练结果与模型保存.mp4 41.24M
| ├──1327_1328 面向医学领域的深度学习实战_加载模型对测试数据进行预测.mp4 52.81M
| ├──1328_1329 面向医学领域的深度学习实战_额外补充-Resnet论文解读.mp4 117.98M
| ├──1329_1330 面向医学领域的深度学习实战_额外补充-Resnet网络架构解读.mp4 18.27M
| ├──1330_1331 面向医学领域的深度学习实战_医学疾病数据集介绍.mp4 18.85M
| ├──1331_1332 面向医学领域的深度学习实战_Resnet网络架构原理分析.mp4 24.81M
| ├──1333_1334 面向医学领域的深度学习实战_Resnet网络前向传播.mp4 35.82M
| ├──1334_1335 面向医学领域的深度学习实战_残差网络的shortcut操作.mp4 47.34M
| ├──1335_1336 面向医学领域的深度学习实战_特征图升维与降采样操作.mp4 26.89M
| ├──1336_1337 面向医学领域的深度学习实战_网络整体流程与训练演示.mp4 67.45M
| ├──1337_1338 面向医学领域的深度学习实战_语义分割与实例分割概述.mp4 20.24M
| ├──1338_1339 面向医学领域的深度学习实战_分割任务中的目标函数定义.mp4 20.00M
| ├──1339_1340 面向医学领域的深度学习实战_MIOU评估标准.mp4 9.03M
| ├──1340_1341 面向医学领域的深度学习实战_Unet网络编码与解码过程.mp4 18.29M
| ├──1341_1342 面向医学领域的深度学习实战_网络计算流程.mp4 16.13M
| ├──1342_1343 面向医学领域的深度学习实战_Unet升级版本改进.mp4 15.75M
| ├──1343_1344 面向医学领域的深度学习实战_后续升级版本介绍.mp4 18.37M
| ├──1344_1345 面向医学领域的深度学习实战_医学细胞数据集介绍与参数配置.mp4 71.21M
| ├──1346_1347 面向医学领域的深度学习实战_Debug模式演示网络计算流程.mp4 41.37M
| ├──1347_1348 面向医学领域的深度学习实战_特征融合方法演示.mp4 30.05M
| ├──1348_1349 面向医学领域的深度学习实战_迭代完成整个模型计算任务.mp4 33.55M
| ├──1349_1350 面向医学领域的深度学习实战_模型效果验证.mp4 47.29M
| ├──1350_1351 面向医学领域的深度学习实战_deeplab分割算法概述.mp4 13.81M
| ├──1353_1354 面向医学领域的深度学习实战_SPP层的作用.mp4 19.02M
| ├──1354_1355 面向医学领域的深度学习实战_ASPP特征融合策略.mp4 13.45M
| ├──1355_1356 面向医学领域的深度学习实战_deeplabV3Plus版本网络架构.mp4 24.08M
| ├──1356_1357 面向医学领域的深度学习实战_PascalVoc数据集介绍.mp4 56.41M
| ├──1357_1358 面向医学领域的深度学习实战_项目参数与数据集读取.mp4 60.32M
| ├──1358_1359 面向医学领域的深度学习实战_网络前向传播流程.mp4 33.10M
| ├──1359_1360 面向医学领域的深度学习实战_ASPP层特征融合.mp4 51.19M
| ├──1360_1361 面向医学领域的深度学习实战_分割模型训练.mp4 34.97M
| ├──1361_1362 面向医学领域的深度学习实战_数据集与任务概述.mp4 43.77M
| ├──1362_1363 面向医学领域的深度学习实战_项目基本配置参数.mp4 33.31M
| ├──1363_1364 面向医学领域的深度学习实战_任务流程解读.mp4 69.12M
| ├──1364_1365 面向医学领域的深度学习实战_文献报告分析.mp4 122.10M
| ├──1365_1366 面向医学领域的深度学习实战_补充：视频数据源特征处理方法概述.mp4 26.33M
| ├──1366_1367 面向医学领域的深度学习实战_补充：R(2plus1)D处理方法分析.mp4 18.88M
| ├──1367_1368 面向医学领域的深度学习实战_检测任务中阶段的意义.mp4 15.14M
| ├──1368_1369 面向医学领域的深度学习实战_不同阶段算法优缺点分析.mp4 10.68M
| ├──1369_1370 面向医学领域的深度学习实战_IOU指标计算.mp4 11.74M
| ├──1370_1371 面向医学领域的深度学习实战_评估所需参数计算.mp4 26.23M
| ├──1371_1372 面向医学领域的深度学习实战_map指标计算.mp4 19.63M
| ├──1372_1373 面向医学领域的深度学习实战_YOLO算法整体思路解读.mp4 14.75M
| ├──1373_1374 面向医学领域的深度学习实战_检测算法要得到的结果.mp4 13.63M
| ├──1374_1375 面向医学领域的深度学习实战_整体网络架构解读.mp4 30.67M
| ├──1375_1376 面向医学领域的深度学习实战_位置损失计算.mp4 18.97M
| ├──1377_1378 面向医学领域的深度学习实战_V2版本细节升级概述.mp4 13.43M
| ├──1378_1379 面向医学领域的深度学习实战_网络结构特点.mp4 15.69M
| ├──1379_1380 面向医学领域的深度学习实战_架构细节解读.mp4 18.92M
| ├──1380_1381 面向医学领域的深度学习实战_基于聚类来选择先验框尺寸.mp4 24.24M
| ├──1381_1382 面向医学领域的深度学习实战_偏移量计算方法.mp4 27.55M
| ├──1382_1383 面向医学领域的深度学习实战_坐标映射与还原.mp4 10.08M
| ├──1383_1384 面向医学领域的深度学习实战_感受野的作用.mp4 28.11M
| ├──1384_1385 面向医学领域的深度学习实战_特征融合改进.mp4 19.20M
| ├──1385_1386 面向医学领域的深度学习实战_V3版本改进概述.mp4 18.27M
| ├──1386_1387 面向医学领域的深度学习实战_多scale方法改进与特征融合.mp4 17.07M
| ├──1387_1388 面向医学领域的深度学习实战_经典变换方法对比分析.mp4 10.83M
| ├──1388_1389 面向医学领域的深度学习实战_残差连接方法解读.mp4 18.64M
| ├──1389_1390 面向医学领域的深度学习实战_整体网络模型架构分析.mp4 12.93M
| ├──1390_1391 面向医学领域的深度学习实战_先验框设计改进.mp4 13.04M
| ├──1391_1392 面向医学领域的深度学习实战_sotfmax层改进.mp4 10.61M
| ├──1392_1393 面向医学领域的深度学习实战_V4版本整体概述.mp4 15.06M
| ├──1393_1394 面向医学领域的深度学习实战_V4版本贡献解读.mp4 10.06M
| ├──1394_1395 面向医学领域的深度学习实战_数据增强策略分析.mp4 24.70M
| ├──1396_1397 面向医学领域的深度学习实战_损失函数遇到的问题.mp4 14.26M
| ├──1397_1398 面向医学领域的深度学习实战_CIOU损失函数定义.mp4 10.82M
| ├──1398_1399 面向医学领域的深度学习实战_NMS细节改进.mp4 16.66M
| ├──1400_1401 面向医学领域的深度学习实战_SAM注意力机制模块.mp4 22.48M
| ├──1402_1403 面向医学领域的深度学习实战_激活函数与整体架构总结.mp4 19.19M
| ├──1403_1404 面向医学领域的深度学习实战_任务与细胞数据集介绍.mp4 49.79M
| ├──1404_1405 面向医学领域的深度学习实战_模型与算法配置参数解读.mp4 42.47M
| ├──1405_1406 面向医学领域的深度学习实战_网络训练流程演示.mp4 42.34M
| ├──1406_1407 面向医学领域的深度学习实战_效果评估与展示.mp4 32.65M
| ├──1407_1408 面向医学领域的深度学习实战_细胞检测效果演示.mp4 43.21M
| ├──1408_1409 面向医学领域的深度学习实战_知识图谱通俗解读.mp4 19.87M
| ├──1409_1410 面向医学领域的深度学习实战_知识图谱在搜索引擎中的应用.mp4 26.60M
| ├──1410_1411 面向医学领域的深度学习实战_知识图谱在医疗领域应用实例.mp4 102.89M
| ├──1411_1412 面向医学领域的深度学习实战_金融与推荐领域的应用.mp4 20.39M
| ├──1412_1413 面向医学领域的深度学习实战_数据获取分析.mp4 35.93M
| ├──1413_1414 面向医学领域的深度学习实战_数据关系抽取分析.mp4 27.31M
| ├──1414_1415 面向医学领域的深度学习实战_常用NLP技术点分析.mp4 22.09M
| ├──1415_1416 面向医学领域的深度学习实战_graph-embedding的作用与效果.mp4 26.15M
| ├──1416_1417 面向医学领域的深度学习实战_金融领域图编码实例.mp4 12.77M
| ├──1417_1418 面向医学领域的深度学习实战_视觉领域图编码实例.mp4 20.97M
| ├──1418_1419 面向医学领域的深度学习实战_图谱知识融合与总结分析.mp4 23.98M
| ├──1419_1420 面向医学领域的深度学习实战_Neo4j图数据库介绍.mp4 63.50M
| ├──1420_1421 面向医学领域的深度学习实战_Neo4j数据库安装流程演示.mp4 27.67M
| ├──1421_1422 面向医学领域的深度学习实战_可视化例子演示.mp4 43.59M
| ├──1422_1423 面向医学领域的深度学习实战_创建与删除操作演示.mp4 25.32M
| ├──1423_1424 面向医学领域的深度学习实战_数据库更改查询操作演示.mp4 27.14M
| ├──1424_1425 面向医学领域的深度学习实战_项目概述与整体架构分析.mp4 37.04M
| ├──1425_1426 面向医学领域的深度学习实战_医疗数据介绍及其各字段含义.mp4 62.65M
| ├──1426_1427 面向医学领域的深度学习实战_任务流程概述.mp4 29.81M
| ├──1427_1428 面向医学领域的深度学习实战_环境配置与所需工具包安装.mp4 36.37M
| ├──1428_1429 面向医学领域的深度学习实战_提取数据中的关键字段信息.mp4 61.33M
| ├──1429_1430 面向医学领域的深度学习实战_创建关系边.mp4 39.41M
| ├──1430_1431 面向医学领域的深度学习实战_打造医疗知识图谱模型.mp4 59.14M
| ├──1431_1432 面向医学领域的深度学习实战_加载所有实体数据.mp4 42.46M
| ├──1432_1433 面向医学领域的深度学习实战_实体关键词字典制作.mp4 31.84M
| ├──1433_1434 面向医学领域的深度学习实战_完成对话系统构建.mp4 39.47M
| ├──1434_1435 面向医学领域的深度学习实战_词向量模型通俗解释.mp4 21.72M
| ├──1435_1436 面向医学领域的深度学习实战_模型整体框架.mp4 28.24M
| ├──1436_1437 面向医学领域的深度学习实战_训练数据构建.mp4 15.85M
| ├──1437_1438 面向医学领域的深度学习实战_CBOW与Skip-gram模型.mp4 23.83M
| ├──1438_1439 面向医学领域的深度学习实战_负采样方案.mp4 29.51M
| ├──1439_1440 面向医学领域的深度学习实战_额外补充-RNN网络模型解读.mp4 23.75M
| ├──1440_1441 面向医学领域的深度学习实战_数据与任务介绍.mp4 22.73M
| ├──1441_1442 面向医学领域的深度学习实战_整体模型架构.mp4 15.01M
| ├──1442_1443 面向医学领域的深度学习实战_数据-标签-语料库处理.mp4 39.99M
| ├──1443_1444 面向医学领域的深度学习实战_输入样本填充补齐.mp4 36.22M
| ├──1444_1445 面向医学领域的深度学习实战_训练网络模型.mp4 40.37M
| └──1445_1446 面向医学领域的深度学习实战_医疗数据集(糖尿病)实体识别.mp4 81.44M
├──20 第二十章 NLP大模型实战
| ├──1455 1-GPT系列算法概述.mp4.mp4 26.53M
| ├──1456 2-GPT三代版本分析.mp4.mp4 29.33M
| ├──1457 3-GPT初代版本要解决的问题.mp4.mp4 30.99M
| ├──1458 4-GPT第二代版本训练策略.mp4.mp4 28.94M
| ├──1459 5-采样策略与多样性.mp4.mp4 28.20M
| ├──1460 6-GPT3的提示与生成方法.mp4.mp4 74.39M
| ├──1461 7-应用场景CODEX分析.mp4.mp4 36.50M
| ├──1462 8-DEMO应用演示~1.mp4.mp4 56.92M
| ├──1463 1-生成模型可以完成的任务概述~1.mp4.mp4 20.27M
| ├──1464 2-数据样本生成方法.mp4.mp4 72.04M
| ├──1465 3-训练所需参数解读.mp4.mp4 57.68M
| ├──1466 4-模型训练过程.mp4.mp4 51.48M
| ├──1467 5-部署与网页预测展示.mp4.mp4 79.57M
| ├──1468 1-大模型如何做下游任务.mp4.mp4 33.43M
| ├──1469 2-LLM落地微调分析.mp4.mp4 37.03M
| ├──1470 3-LLAMA与LORA介绍.mp4.mp4 30.10M
| ├──1471 4-LORA微调的核心思想.mp4.mp4 22.08M
| ├──1472 5-LORA模型实现细节.mp4.mp4 40.79M
| ├──1473 1-环境配置方法.mp4.mp4 64.85M
| ├──1474 2-多模态数据集配置.mp4.mp4 76.11M
| ├──1475 3-微调与量化和推理预测.mp4.mp4 91.54M
| ├──1476 1-用强化学习来按照偏好微调大模型.mp4.mp4 31.46M
| ├──1477 2-环境与数据预处理配置.mp4.mp4 89.61M
| ├──1478 3-奖励定义方法.mp4.mp4 40.79M
| ├──1479 4-优势计算方法与样本构建.mp4.mp4 92.40M
| ├──1480 5-PPO迭代方法.mp4.mp4 72.07M
| ├──1481 6-基本训练逻辑解读.mp4.mp4 46.87M
| ├──1482 Llama3应用.mp4 1.30G
| ├──1483 RAGFLOW和function calling 1.mp4.mp4 1.18G
| ├──1484 大模型微调与应用.mp4 1.51G
| ├──1486 2-基本API调用方法.mp4.mp4 59.69M
| ├──1487 3-数据文档切分操作.mp4.mp4 47.88M
| ├──1488 4-样本索引与向量构建.mp4.mp4 66.44M
| ├──1489 5-数据切块方法.mp4.mp4 61.14M
| ├──1492 3-论文基本框架分析.mp4.mp4 117.24M
| ├──1493 4-Agent的记忆信息.mp4.mp4 98.25M
| ├──1494 5-感知与反思模块构建流程.mp4.mp4 39.93M
| ├──1495 6-计划模块实现细节.mp4.mp4 55.04M
| ├──1496 7-整体流程框架图.mp4.mp4 35.84M
| ├──1497 8-感知模块解读.mp4.mp4 46.66M
| ├──1498 9-思考模块解读.mp4.mp4 67.42M
| └──1499 10-项目环境配置方法解读.mp4.mp4 67.34M
├──21 第二十一章 CV大模型实战
| ├──1465 3-建模流程分析与效果展示.mp4.mp4 101.08M
| ├──1466 4-codebook模块的作用.mp4.mp4 81.31M
| ├──1467 5-任务总结分析.mp4.mp4 114.38M
| ├──1468 1-BEITV2版本论文出发点解读.mp4.mp4 48.00M
| ├──1469 2-自监督任务中两大核心任务分析.mp4.mp4 56.24M
| ├──1470 3-整体网络架构图分析.mp4.mp4 43.98M
| ├──1471 4-框架实现细节流程分析.mp4.mp4 21.84M
| ├──1472 5-论文细节模块实现解读.mp4.mp4 99.31M
| ├──1473 1-mmselfup源码实现解读.mp4.mp4 42.02M
| ├──1474 2-网络结构搭建细节解读.mp4.mp4 49.16M
| ├──1475 3-源码实现流程总结.mp4.mp4 45.78M
| ├──1476 1-BEV要解决的问题通俗解读.mp4.mp4 57.89M
| ├──1477 2-BEV中的3D与4D分析.mp4.mp4 23.58M
| ├──1478 3-特征融合过程中可能遇到的问题.mp4.mp4 22.25M
| ├──1479 4-BEV汇总特征方法实例解读.mp4.mp4 35.67M
| ├──1480 5-DeformableAttention回顾.mp4.mp4 40.86M
| ├──1481 6-空间注意力模块解读.mp4.mp4 33.92M
| ├──1482 7-时间模块与拓展补充.mp4.mp4 27.10M
| ├──1483 8-论文知识点分析.mp4.mp4 50.40M
| ├──1484 9-核心模块论文分析.mp4.mp4 57.14M
| ├──1485 10-整体架构总结.mp4.mp4 51.47M
| ├──1486 1-环境配置方法解读.mp4.mp4 42.79M
| ├──1487 2-数据集下载与配置方法.mp4.mp4 53.57M
| ├──1488 3-特征提取以及BEV空间初始化.mp4.mp4 43.81M
| ├──1489 4-特征对齐与位置编码初始化.mp4.mp4 43.63M
| ├──1490 5-Reference初始点构建.mp4.mp4 37.26M
| ├──1491 6-BEV空间与图像空间位置对应.mp4.mp4 37.67M
| ├──1492 7-注意力机制模块计算方法.mp4.mp4 38.61M
| ├──1493 8-BEV空间特征构建.mp4.mp4 34.01M
| ├──1494 9-Decoder要完成的任务分析.mp4.mp4 33.95M
| ├──1495 10-获取当前BEV特征.mp4.mp4 35.90M
| ├──1495_1496 CV与NLP经典大模型解读2_整体故事解读.mp4 49.57M
| ├──1496 11-Decoder级联校正模块.mp4.mp4 41.58M
| ├──1496_1497 CV与NLP经典大模型解读2_要解决的问题和整体框架分析.mp4 68.57M
| ├──1497 12-损失函数与预测可视化.mp4.mp4 49.48M
| ├──1497_1498 CV与NLP经典大模型解读2_论文基本框架分析.mp4 117.24M
| ├──1498 1-DeformableAttention概述分析.mp4.mp4 26.55M
| ├──1498_1499 CV与NLP经典大模型解读2_Agent的记忆信息.mp4 98.25M
| ├──1499 2-可变形偏移量分析.mp4.mp4 37.05M
| ├──1499_1500 CV与NLP经典大模型解读2_感知与反思模块构建流程.mp4 39.93M
| ├──1500_1501 CV与NLP经典大模型解读2_计划模块实现细节.mp4 55.04M
| ├──1501 2-LLM落地微调分析.mp4.mp4 37.03M
| ├──1501_1502 CV与NLP经典大模型解读2_整体流程框架图.mp4 35.84M
| ├──1502 3-LLAMA与LORA介绍.mp4.mp4 30.10M
| ├──1502_1503 CV与NLP经典大模型解读2_感知模块解读.mp4 46.66M
| ├──1503 4-LORA微调的核心思想.mp4.mp4 22.08M
| ├──1503_1504 CV与NLP经典大模型解读2_思考模块解读.mp4 67.42M
| ├──1504 5-LORA模型实现细节.mp4.mp4 40.79M
| ├──1504_1505 CV与NLP经典大模型解读2_项目环境配置方法解读.mp4 67.34M
| ├──1505 1-提示工程的作用.mp4.mp4 44.01M
| ├──1505_1506 CV与NLP经典大模型解读2_CVPR2024 EfficientSam.mp4 1.37G
| ├──1506 2-基本API调用方法.mp4.mp4 59.69M
| ├──1506_1507 CV与NLP经典大模型解读2_CVPR2024：YOLO- World.mp4 1.54G
| ├──1507 3-数据文档切分操作.mp4.mp4 47.88M
| ├──1507_1508 CV与NLP经典大模型解读2_time-llm大模型多模态预测任务.mp4 1.36G
| ├──1508 4-样本索引与向量构建.mp4.mp4 66.44M
| ├──1508_1509 CV与NLP经典大模型解读2_Llama3应用.mp4 1.30G
| ├──1509 5-数据切块方法.mp4.mp4 61.14M
| ├──1509 llama3微调，量化，部署流程.mp4 1.17G
| ├──1510 1-DEMO效果演示.mp4.mp4 57.83M
| ├──1510 RAGFLOW和function calling.mp4 1.18G
| ├──1511 2-论文解读分析.mp4.mp4 74.48M
| ├──1511 Agent工作流搭建.mp4 1.25G
| ├──1512 3-完成的任务分析.mp4.mp4 76.96M
| ├──1513 4-数据闭环方法.mp4.mp4 93.66M
| ├──1514 5-预训练模型的作用.mp4.mp4 144.99M
| ├──1515 6-Decoder的作用与项目源码.mp4.mp4 94.78M
| ├──1516 7-分割任务模块设计.mp4.mp4 62.84M
| ├──1517 8-实现细节分析.mp4.mp4 62.98M
| ├──1518 9-总结分析.mp4.mp4 60.65M
| ├──1519 1-视觉QA要解决的问题.mp4.mp4 51.72M
| ├──1520 2-论文概述分析.mp4.mp4 66.38M
| ├──1521 3-实现流程路线图.mp4.mp4 64.44M
| ├──1522 4-答案关注区域分析.mp4.mp4 54.45M
| ├──1523 5-VQA任务总结.mp4.mp4 51.51M
| ├──1524 1-扩散模型概述与GAN遇到的问题.mp4.mp4 43.24M
| ├──1525 2-要完成的任务分析.mp4.mp4 62.27M
| ├──1526 3-公式原理推导解读.mp4.mp4 51.48M
| ├──1527 4-分布相关计算操作.mp4.mp4 45.08M
| ├──1528 5-算法实现细节推导.mp4.mp4 41.52M
| ├──1529 6-公式推导结果分析.mp4.mp4 49.07M
| ├──1530 7-细节实现总结.mp4.mp4 59.60M
| ├──1531 8-论文流程图解读.mp4.mp4 46.55M
| ├──1532 9-案例流程分析.mp4.mp4 53.76M
| ├──1533 10-基本建模训练效果.mp4.mp4 81.38M
| ├──1534 1-论文基本思想与核心模块分析.mp4.mp4 42.10M
| ├──1535 2-不同模块对比分析.mp4.mp4 34.78M
| ├──1536 3-算法核心流程解读.mp4.mp4 62.78M
| ├──1537 4-各模块实现细节讲解.mp4.mp4 78.77M
| ├──1538 1-项目整体流程分析.mp4.mp4 53.51M
| ├──1539 2-源码实现细节分析.mp4.mp4 41.14M
| ├──1540 3-源码公式对应论文分析.mp4.mp4 47.57M
| ├──1541 4-Decoder模块实现细节解读.mp4.mp4 44.83M
| ├──1542 5-源码实现流程总结.mp4.mp4 56.49M
| ├──1543 RAGFLOW和function calling.mp4 1.18G
| ├──1544 1-环境配置方法.mp4.mp4 64.85M
| ├──1545 2-多模态数据集配置.mp4.mp4 76.11M
| ├──1546 3-微调与量化和推理预测.mp4.mp4 91.54M
| ├──1547 1-整体故事解读.mp4.mp4 49.57M
| ├──1548 2-要解决的问题和整体框架分析.mp4.mp4 68.57M
| ├──1549 3-论文基本框架分析.mp4.mp4 117.24M
| ├──1550 4-Agent的记忆信息.mp4.mp4 98.25M
| ├──1551 5-感知与反思模块构建流程.mp4.mp4 39.93M
| ├──1552 6-计划模块实现细节.mp4.mp4 55.04M
| ├──1554 8-感知模块解读.mp4.mp4 46.66M
| ├──1555 9-思考模块解读.mp4.mp4 67.42M
| ├──1556 10-项目环境配置方法解读.mp4.mp4 67.34M
| ├──1557 VIP课-人工智能深度学习系统班(第九期)-2508.mp4 1.37G
| ├──1558 CVPR2024：YOLO- World.mp4 1.55G
| ├──1560 Llama3应用.mp4 1.30G
| ├──1561 SAM2视频分割.mp4 1.28G
| ├──1562 大模型微调与应用.mp4 1.51G
| ├──1563 RAGFLOW和function calling.mp4 1.18G
| ├──1564 Agent工作流搭建.mp4 1.25G
| └──1565 Llava与YOLO11.mp4 1.07G
├──22 第二十二章 深度学习模型部署与剪枝优化实战
| ├──1509_1510 深度学习模型部署与剪枝优化实战_ jetson nano 硬件介绍.mp4 22.06M
| ├──1510_1511 深度学习模型部署与剪枝优化实战_jetson nano 刷机.mp4 105.19M
| ├──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 84.51M
| ├──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 62.42M
| ├──1513_1514 深度学习模型部署与剪枝优化实战_安装使用摄像头csi usb.mp4 43.16M
| ├──1514_1515 深度学习模型部署与剪枝优化实战_ jetson-inference 入门.mp4 59.71M
| ├──1515_1516 深度学习模型部署与剪枝优化实战_docker 的安装使用.mp4 86.11M
| ├──1516_1517 深度学习模型部署与剪枝优化实战_docker中运行分类模型.mp4 197.54M
| ├──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 77.71M
| ├──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 109.79M
| ├──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 91.42M
| ├──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 74.62M
| ├──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 74.35M
| ├──1522_1523 深度学习模型部署与剪枝优化实战_NVIDIA TAO数据准备和环境设置.mp4 74.09M
| ├──1523_1524 深度学习模型部署与剪枝优化实战_NVIDIA TAO数据转换.mp4 146.27M
| ├──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 95.20M
| ├──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 18.72M
| ├──1526_1527 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c..mp4 42.86M
| ├──1527_1528 深度学习模型部署与剪枝优化实战_TAO 剪枝在训练推理验证.mp4 198.78M
| ├──1528_1529 深度学习模型部署与剪枝优化实战_deepstream 介绍安装.mp4 108.78M
| ├──1529_1530 深度学习模型部署与剪枝优化实战_deepstream HelloWorld.mp4 51.92M
| ├──1530_1531 深度学习模型部署与剪枝优化实战_GStreamer RTP和RTSP1.mp4 90.64M
| ├──1531_1532 深度学习模型部署与剪枝优化实战_GStreamer RTP和RTSP2.mp4 138.80M
| ├──1532_1533 深度学习模型部署与剪枝优化实战_python实现RTP和RTSP.mp4 118.05M
| ├──1533_1534 深度学习模型部署与剪枝优化实战_deepstream推理.mp4 117.90M
| ├──1534_1535 深度学习模型部署与剪枝优化实战_deepstream集成yolov4.mp4 117.19M
| ├──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 22.07M
| ├──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 39.61M
| ├──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 37.66M
| ├──1538_1539 深度学习模型部署与剪枝优化实战_效果实例演示.mp4 43.27M
| ├──1539_1540 深度学习模型部署与剪枝优化实战_课程简介.mp4 8.15M
| ├──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 24.63M
| ├──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 35.63M
| ├──1542_1543 深度学习模型部署与剪枝优化实战_数据预处理.mp4 53.86M
| ├──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 44.91M
| ├──1544_1545 深度学习模型部署与剪枝优化实战_docker简介.mp4 15.95M
| ├──1545_1546 深度学习模型部署与剪枝优化实战_docker安装与配置.mp4 48.52M
| ├──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 26.97M
| ├──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 36.52M
| ├──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 31.47M
| ├──1549_1550 深度学习模型部署与剪枝优化实战_复制所需配置到容器中.mp4 28.20M
| ├──1550_1551 深度学习模型部署与剪枝优化实战_上传与下载配置好的项目.mp4 45.48M
| ├──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 30.47M
| ├──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 31.27M
| ├──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 43.37M
| ├──1554_1555 深度学习模型部署与剪枝优化实战_fashion数据集获取.mp4 38.63M
| ├──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 33.40M
| ├──1556_1557 深度学习模型部署与剪枝优化实战_论文算