人工智能深度学习系统班13期资源介绍:
封面
本期课程把YOLOv12和YOLOv13这种最新的目标检测算法、人形机器人相关的技术、用强化学习去微调大模型的方法，以及LangChain、LangGraph、多模态、智能体Agent这些热门概念都加进来了，算是比较前沿和全面的一套知识体系了.
一共划分成了三十三个大的板块。最开始会讲Python编程基础和AI课程需要的软件怎么装怎么配。接着是深度学习框架PyTorch，这是后面所有实操项目的基础。
然后会陆续深入到计算机视觉（也就是让机器看懂图像）的各个方向，比如经典的图像分类、物体Detection检测，还有图像分割和场景理解。也包含了行为识别、姿态估计、目标追踪这类偏高级的实战项目。如果你对自动驾驶感兴趣，课程里也有专门的一章，用深度学习技术来做道路识别和车辆感知。还有个模块专门处理3D点云数据，这在无人车和机器人领域很常用。
自然语言处理（让机器看懂文字）这条线也覆盖得挺全。从Huggingface工具库开始学，然后深入到BERT这类经典的大模型，最后讲到怎么部署和应用NLP大模型。
面对AI这几年的大爆发，课程很早就把多模态学习和大模型应用单独作为独立模块来讲了。最近还新增了AI智能体（Agent）的零基础入门课。另外像时间序列预测、图神经网络、知识图谱、缺陷检测、行人重识别这些细分领域也都有对应的实战章节。医学领域里用深度学习做病灶分割和智能诊断也专门讲了。后面还教大家怎么找论文里的创新点，并且把训练好的网络模型部署到服务器或者移动端上跑起来。生成式对抗网络、对比学习和强化学习这些前沿主题也没落下。最后还加上了推荐系统的实战，练手项目覆盖得很全。
此隐藏内容仅限VIP查看升级VIP
资源目录:
. ├── 01 直播回放 ├── 02 AI课程所需安装软件教程 │ ├── 05 第二章 AI课程所需安装软件教程~1.mp4.mp4 │ ├── 06 Python环境安装和搭建(1).mp4.mp4 │ ├── 07 ANACONDA使用(新手看下，老手忽略).mp4.mp4 │ ├── 08 torch（CPU版本安装）.mp4.mp4 │ └── 09 PyCharm安装和配置.mp4.mp4 ├── 03 深度学习框架PyTorch │ ├── 14 1-PyTorch框架与其他框架区别分析1~1.mp4.mp4 │ ├── 15 2-CPU与GPU版本安装方法解读1~1.mp4.mp4 │ ├── 16 1-数据集与任务概述2~1.mp4.mp4 │ ├── 17 2-基本模块应用测试2~1.mp4.mp4 │ ├── 18 3-网络结构定义方法2~1.mp4.mp4 │ ├── 19 4-数据源定义简介2~1.mp4.mp4 │ ├── 20 5-损失与训练模块分析2~1.mp4.mp4 │ ├── 21 6-训练一个基本的分类模型2~1.mp4.mp4 │ ├── 22 7-参数对结果的影响2~1.mp4.mp4 │ ├── 23 第三章神经网络回归任务-气温预测1~1.mp4.mp4 │ ├── 24 1-输入特征通道分析2~1.mp4.mp4 │ ├── 25 2-卷积网络参数解读2~1.mp4.mp4 │ ├── 26 3-卷积网络模型训练2~1.mp4.mp4 │ ├── 27 1-任务分析与图像数据基本处理2~1.mp4.mp4 │ ├── 28 2-数据增强模块2~1.mp4.mp4 │ ├── 29 3-数据集与模型选择1~1.mp4.mp4 │ ├── 30 4-迁移学习方法解读1~1.mp4.mp4 │ ├── 31 5-输出层与梯度设置1~1.mp4.mp4 │ ├── 32 6-输出类别个数修改1~1.mp4.mp4 │ ├── 33 7-优化器与学习率衰减1~1.mp4.mp4 │ ├── 34 8-模型训练方法1~1.mp4.mp4 │ ├── 35 9-重新训练全部模型1~1.mp4.mp4 │ ├── 36 10-测试结果演示分析1~1.mp4.mp4 │ ├── 37 1-Dataloader要完成的任务分析1~1.mp4.mp4 │ ├── 38 2-图像数据与标签路径处理1~1.mp4.mp4 │ ├── 39 3-Dataloader中需要实现的方法分析1~1.mp4.mp4 │ ├── 40 4-实用Dataloader加载数据并训练模型1~1.mp4.mp4 │ ├── 41 1-数据集与任务目标分析.mp4.mp4 │ ├── 42 2-文本数据处理基本流程分析.mp4.mp4 │ ├── 43 3-命令行参数与DEBUG.mp4.mp4 │ ├── 44 4-训练模型所需基本配置参数分析.mp4.mp4 │ ├── 45 5-预料表与字符切分.mp4.mp4 │ ├── 46 6-字符预处理转换ID.mp4.mp4 │ ├── 47 7-LSTM网络结构基本定义.mp4.mp4 │ ├── 48 8-网络模型预测结果输出.mp4.mp4 │ ├── 49 9-模型训练任务与总结.mp4.mp4 │ ├── 50 1-基本结构与训练好的模型加载.mp4.mp4 │ ├── 51 2-服务端处理与预测函数.mp4.mp4 │ └── 52 3-基于Flask测试模型预测结果.mp4.mp4 ├── 04 Opencv图像处理框架实战 │ ├── 100 1-角点检测基本原理.mp4.mp4 │ ├── 101 2-基本数学原理.mp4.mp4 │ ├── 102 3-求解化简.mp4.mp4 │ ├── 103 4-特征归属划分.mp4.mp4 │ ├── 104 5-opencv角点检测效果.mp4.mp4 │ ├── 105 1-尺度空间定义.mp4.mp4 │ ├── 106 2-高斯差分金字塔.mp4.mp4 │ ├── 107 3-特征关键点定位.mp4.mp4 │ ├── 108 4-生成特征描述.mp4.mp4 │ ├── 109 5-特征向量生成.mp4.mp4 │ ├── 110 6-opencv中sift函数使用.mp4.mp4 │ ├── 111 1-特征匹配方法.mp4.mp4 │ ├── 112 2-RANSAC算法.mp4.mp4 │ ├── 113 2-图像拼接方法.mp4.mp4 │ ├── 114 4-流程解读.mp4.mp4 │ ├── 115 1-任务整体流程.mp4.mp4 │ ├── 116 2-所需数据介绍.mp4.mp4 │ ├── 117 3-图像数据预处理.mp4.mp4 │ ├── 118 4-车位直线检测.mp4.mp4 │ ├── 119 5-按列划分区域.mp4.mp4 │ ├── 120 6-车位区域划分.mp4.mp4 │ ├── 121 7-识别模型构建.mp4.mp4 │ ├── 122 8-基于视频的车位检测.mp4.mp4 │ ├── 123 1-整体流程与效果概述.mp4.mp4 │ ├── 124 2-预处理操作.mp4.mp4 │ ├── 125 3-填涂轮廓检测.mp4.mp4 │ ├── 126 4-选项判断识别.mp4.mp4 │ ├── 127 1-背景消除-帧差法.mp4.mp4 │ ├── 128 2-混合高斯模型.mp4.mp4 │ ├── 129 3-学习步骤.mp4.mp4 │ ├── 130 4-背景建模实战.mp4.mp4 │ ├── 131 1-基本概念.mp4.mp4 │ ├── 132 2-Lucas-Kanade算法.mp4.mp4 │ ├── 133 3-推导求解.mp4.mp4 │ ├── 134 4-光流估计实战.mp4.mp4 │ ├── 135 1-dnn模块.mp4.mp4 │ ├── 136 2-模型加载结果输出.mp4.mp4 │ ├── 137 1-目标追踪概述.mp4.mp4 │ ├── 138 2-多目标追踪实战.mp4.mp4 │ ├── 139 3-深度学习检测框架加载.mp4.mp4 │ ├── 140 4-基于dlib与ssd的追踪.mp4.mp4 │ ├── 141 5-多进程目标追踪.mp4.mp4 │ ├── 142 6-多进程效率提升对比.mp4.mp4 │ ├── 143 1-卷积神经网络的应用.mp4.mp4 │ ├── 144 2-卷积层解释.mp4.mp4 │ ├── 145 3-卷积计算过程.mp4.mp4 │ ├── 146 4-pading与stride.mp4.mp4 │ ├── 147 5-卷积参数共享.mp4.mp4 │ ├── 148 6-池化层原理.mp4.mp4 │ ├── 149 1-卷积效果演示.mp4.mp4 │ ├── 150 2-卷积操作流程.mp4.mp4 │ ├── 151 1-关键点定位概述.mp4.mp4 │ ├── 152 2-获取人脸关键点.mp4.mp4 │ ├── 153 3-定位效果演示.mp4.mp4 │ ├── 154 4-闭眼检测.mp4.mp4 │ ├── 155 5-检测效果.mp4.mp4 │ ├── 53 Pycharm环境配置与Debug演示(没用过的同学必看).mp4.mp4 │ ├── 54 0-课程简介2.mp4.mp4 │ ├── 55 2-Python与Opencv配置安装~1.mp4.mp4 │ ├── 56 3-Notebook与IDE环境~1.mp4.mp4 │ ├── 57 1-计算机眼中的图像~1.mp4.mp4 │ ├── 58 2-视频的读取与处理~1.mp4.mp4 │ ├── 59 3-ROI区域~1.mp4.mp4 │ ├── 60 4-边界填充~1.mp4.mp4 │ ├── 61 5-数值计算~1.mp4.mp4 │ ├── 62 图像阈值.mp4.mp4 │ ├── 63 1-图像平滑处理.mp4.mp4 │ ├── 64 2-高斯与中值滤波.mp4.mp4 │ ├── 65 1-腐蚀操作.mp4.mp4 │ ├── 66 2-膨胀操作.mp4.mp4 │ ├── 67 3-开运算与闭运算.mp4.mp4 │ ├── 68 4-梯度计算.mp4.mp4 │ ├── 69 5-礼帽与黑帽.mp4.mp4 │ ├── 70 1-Sobel算子.mp4.mp4 │ ├── 71 2-梯度计算方法.mp4.mp4 │ ├── 72 3-scharr与lapkacian算子.mp4.mp4 │ ├── 73 1-Canny边缘检测流程.mp4.mp4 │ ├── 74 2-非极大值抑制.mp4.mp4 │ ├── 75 3-边缘检测效果.mp4.mp4 │ ├── 76 1-图像金字塔定义.mp4.mp4 │ ├── 77 2-金字塔制作方法.mp4.mp4 │ ├── 78 1-轮廓检测方法.mp4.mp4 │ ├── 79 2-轮廓检测结果.mp4.mp4 │ ├── 80 3-轮廓特征与近似.mp4.mp4 │ ├── 81 1-模板匹配方法.mp4.mp4 │ ├── 82 2-匹配效果展示.mp4.mp4 │ ├── 83 1-直方图定义.mp4.mp4 │ ├── 84 2-均衡化原理.mp4.mp4 │ ├── 85 3-均衡化效果.mp4.mp4 │ ├── 86 4-傅里叶概述~1.mp4.mp4 │ ├── 87 5-频域变换结果~1.mp4.mp4 │ ├── 88 6-低通与高通滤波~1.mp4.mp4 │ ├── 89 总体流程与方法讲解.mp4.mp4 │ ├── 90 2-环境配置与预处理.mp4.mp4 │ ├── 91 3-模板处理方法.mp4.mp4 │ ├── 92 4-输入数据处理方法.mp4.mp4 │ ├── 93 5-模板匹配得出识别结果.mp4.mp4 │ ├── 94 1-整体流程演示.mp4.mp4 │ ├── 95 2-文档轮廓提取.mp4.mp4 │ ├── 96 3-原始与变换坐标计算.mp4.mp4 │ ├── 97 4-透视变换结果.mp4.mp4 │ ├── 98 5-tesseract-ocr安装配置.mp4.mp4 │ └── 99 6-文档扫描识别效果.mp4.mp4 ├── 05 物体检测经典算法实战 │ ├── 156 Pycharm环境配置与Debug演示(没用过的同学必看).mp4.mp4 │ ├── 157 物体检测评估指标.mp4.mp4 │ ├── 158 YOLO系列：YOLOv12与YOLOv13.mp4 │ ├── 159 1-检测任务中阶段的意义.mp4.mp4 │ ├── 160 2-不同阶段算法优缺点分析.mp4.mp4 │ ├── 161 3-IOU指标计算.mp4.mp4 │ ├── 162 4-评估所需参数计算.mp4.mp4 │ ├── 163 5-map指标计算.mp4.mp4 │ ├── 164 YOLO算法整体思路解读.mp4.mp4 │ ├── 165 2-检测算法要得到的结果.mp4.mp4 │ ├── 166 3-整体网络架构解读.mp4.mp4 │ ├── 167 4-位置损失计算.mp4.mp4 │ ├── 168 5-置信度误差与优缺点分析.mp4.mp4 │ ├── 169 V2版本细节升级概述.mp4.mp4 │ ├── 170 2-网络结构特点.mp4.mp4 │ ├── 171 3-架构细节解读.mp4.mp4 │ ├── 172 4-基于聚类来选择先验框尺寸.mp4.mp4 │ ├── 173 5-偏移量计算方法.mp4.mp4 │ ├── 174 6-坐标映射与还原.mp4.mp4 │ ├── 175 7-感受野的作用.mp4.mp4 │ ├── 176 8-特征融合改进.mp4.mp4 │ ├── 177 1-V3版本改进概述.mp4.mp4 │ ├── 178 2-多scale方法改进与特征融合.mp4.mp4 │ ├── 179 3-经典变换方法对比分析.mp4.mp4 │ ├── 180 4-残差连接方法解读.mp4.mp4 │ ├── 181 5-整体网络模型架构分析.mp4.mp4 │ ├── 182 6-先验框设计改进.mp4.mp4 │ ├── 183 7-sotfmax层改进.mp4.mp4 │ ├── 184 1-数据与环境配置.mp4.mp4 │ ├── 185 2-训练参数设置.mp4.mp4 │ ├── 186 3-数据与标签读取.mp4.mp4 │ ├── 187 4-标签文件读取与处理.mp4.mp4 │ ├── 188 5-debug模式介绍.mp4.mp4 │ ├── 189 6-基于配置文件构建网络模型.mp4.mp4 │ ├── 190 7-路由层与shortcut层的作用.mp4.mp4 │ ├── 191 8-YOLO层定义解析.mp4.mp4 │ ├── 192 9-预测结果计算.mp4.mp4 │ ├── 193 10-网格偏移计算.mp4.mp4 │ ├── 194 11-模型要计算的损失概述.mp4.mp4 │ ├── 195 12-标签值格式修改.mp4.mp4 │ ├── 196 13-坐标相对位置计算.mp4.mp4 │ ├── 197 14-完成所有损失函数所需计算指标.mp4.mp4 │ ├── 198 15-模型训练与总结.mp4.mp4 │ ├── 199 16-预测效果展示.mp4.mp4 │ ├── 200 1-Labelme工具安装.mp4.mp4 │ ├── 201 2-数据信息标注.mp4.mp4 │ ├── 202 3-完成标签制作.mp4.mp4 │ ├── 203 4-生成模型所需配置文件.mp4.mp4 │ ├── 204 5-json格式转换成yolo-v3所需输入.mp4.mp4 │ ├── 205 6-完成输入数据准备工作.mp4.mp4 │ ├── 206 7-训练代码与参数配置更改.mp4.mp4 │ ├── 207 8-训练模型并测试效果.mp4.mp4 │ ├── 208 1-V4版本整体概述.mp4.mp4 │ ├── 209 2-V4版本贡献解读.mp4.mp4 │ ├── 210 3-数据增强策略分析.mp4.mp4 │ ├── 211 4-DropBlock与标签平滑方法.mp4.mp4 │ ├── 212 5-损失函数遇到的问题.mp4.mp4 │ ├── 213 6-CIOU损失函数定义.mp4.mp4 │ ├── 214 7-NMS细节改进.mp4.mp4 │ ├── 215 8-SPP与CSP网络结构.mp4.mp4 │ ├── 216 9-SAM注意力机制模块.mp4.mp4 │ ├── 217 10-PAN模块解读.mp4.mp4 │ ├── 218 11-激活函数与整体架构总结.mp4.mp4 │ ├── 219 1-整体项目概述~1.mp4.mp4 │ ├── 220 2-训练自己的数据集方法~1.mp4.mp4 │ ├── 221 3-训练数据参数配置~1.mp4.mp4 │ ├── 222 4-测试DEMO演示~1.mp4.mp4 │ ├── 223 1-数据源DEBUG流程解读.mp4.mp4 │ ├── 224 2-图像数据源配置.mp4.mp4 │ ├── 225 3-加载标签数据.mp4.mp4 │ ├── 226 4-Mosaic数据增强方法.mp4.mp4 │ ├── 227 5-数据四合一方法与流程演示.mp4.mp4 │ ├── 228 6-getItem构建batch.mp4.mp4 │ ├── 229 7-网络架构图可视化工具安装~1.mp4.mp4 │ ├── 230 8-V5网络配置文件解读~1.mp4.mp4 │ ├── 231 9-Focus模块流程分析~1.mp4.mp4 │ ├── 232 10-完成配置文件解析任务.mp4.mp4 │ ├── 233 11-前向传播计算.mp4.mp4 │ ├── 234 12-BottleneckCSP层计算方法.mp4.mp4 │ ├── 235 13-1 SPP层计算细节分析.mp4.mp4 │ ├── 236 13-Head层流程解读.mp4.mp4 │ ├── 237 14-上采样与拼接操作.mp4.mp4 │ ├── 238 15-输出结果分析.mp4.mp4 │ ├── 239 16-超参数解读.mp4.mp4 │ ├── 240 17-命令行参数介绍.mp4.mp4 │ ├── 241 18-训练流程解读.mp4.mp4 │ ├── 242 19-各种训练策略概述.mp4.mp4 │ ├── 243 20-模型迭代过程.mp4.mp4 │ ├── 244 YOLOV7~21.mp4.mp4 │ ├── 245 训练参数-1-命令行参数介绍.mp4.mp4 │ ├── 246 训练参数-2-基本参数作用.mp4.mp4 │ ├── 247 训练参数-3-EMA等训练技巧解读.mp4.mp4 │ ├── 248 网络结构-1-网络结构配置文件解读.mp4.mp4 │ ├── 249 网络结构-2-各模块操作细节分析.mp4.mp4 │ ├── 250 网络结构-3-输出层与配置文件其他模块解读.mp4.mp4 │ ├── 251 标签分配-1-标签分配策略准备操作.mp4.mp4 │ ├── 252 标签分配-2-候选框偏移方法与find3p模块解读.mp4.mp4 │ ├── 253 标签分配-3-得到偏移点所在网格位置.mp4.mp4 │ ├── 254 标签分配-4-完成BuildTargets模块.mp4.mp4 │ ├── 255 标签分配-5-候选框筛选流程分析.mp4.mp4 │ ├── 256 标签分配-6-预测值各项指标获取与调整.mp4.mp4 │ ├── 257 标签分配-7-GT匹配正样本数量计算.mp4.mp4 │ ├── 258 标签分配-8-通过IOU与置信度分配正样本.mp4.mp4 │ ├── 259 损失函数-1-损失函数计算方法.mp4.mp4 │ ├── 260 辅助头AUX网络结构配置文件解析.mp4.mp4 │ ├── 261 2-AUX部分-辅助头损失函数调整.mp4.mp4 │ ├── 262 RepConv-1-BN与卷积权重参数融合方法.mp4.mp4 │ ├── 263 RepConv-2-重参数化多分支合并加速.mp4.mp4 │ ├── 264 V8.mp4.mp4 │ ├── 265 1-DETR目标检测基本思想解读.mp4.mp4 │ ├── 266 2-整体网络架构分析.mp4.mp4 │ ├── 267 3-位置信息初始化query向量.mp4.mp4 │ ├── 268 4-注意力机制的作用方法.mp4.mp4 │ ├── 269 5-训练过程的策略.mp4.mp4 │ ├── 270 1-项目环境配置解读.mp4.mp4 │ ├── 271 2-数据处理与dataloader.mp4.mp4 │ ├── 272 3-位置编码作用分析.mp4.mp4 │ ├── 273 4-backbone特征提取模块.mp4.mp4 │ ├── 274 5-mask与编码模块.mp4.mp4 │ ├── 275 6-编码层作用方法.mp4.mp4 │ ├── 276 7-Decoder层操作与计算.mp4.mp4 │ ├── 277 8-输出预测结果.mp4.mp4 │ ├── 278 9-损失函数与预测输出.mp4.mp4 │ ├── 279 DeformableDetr算法解读~1.mp4.mp4 │ ├── 280 第八课：半监督物体检测SoftTeacher~11.mp4.mp4 │ ├── 281 第八课：EfficientNet网络模型.mp4.mp4 │ ├── 282 第十一章：EfficientDet检测算法.mp4.mp4 │ └── 283 YOLO V9.mp4 ├── 07 走向AI论文实验与项目实战的捷径-MMLAB实战系列 │ └── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 444_445 走向AI论文实验与项目实战的捷径-MMLAB实战系列_数据集与环境概述.mp4 │ ├── 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 │ ├── 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 │ ├── 447_448 走向AI论文实验与项目实战的捷径-MMLAB实战系列_视觉Transformer模块的作用.mp4 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 47_48 深度学习框架PyTorch_图像数据与标签路径处理.mp4 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 48_49 深度学习框架PyTorch_Dataloader中需要实现的方法分析.mp4 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 49_50 深度学习框架PyTorch_实用Dataloader加载数据并训练模型.mp4 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ └── 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 ├── 08 经典视觉项目实战：行为识别、姿态估计、目标追踪 │ └── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 582e610325184fff904c86ce3a5e0026.mp4 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 612_613 经典视觉项目实战：行为识别、姿态估计、目标追踪_PAN模块解读.mp4 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 620_621 经典视觉项目实战：行为识别、姿态估计、目标追踪_加载标签数据.mp4 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 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 │ ├── 632_633 经典视觉项目实战：行为识别、姿态估计、目标追踪_上采样与拼接操作.mp4 │ ├── 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 │ ├── 634_635 经典视觉项目实战：行为识别、姿态估计、目标追踪_超参数解读.mp4 │ ├── 635_636 经典视觉项目实战：行为识别、姿态估计、目标追踪_命令行参数介绍.mp4 │ ├── 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 │ ├── 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 │ └── 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 ├── 09 Transformer与视觉应用 │ └── 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 │ ├── 632_633 论--必备-Transformer实战系列_视觉Transformer及其源码分析.mp4 │ ├── 633_634 论--必备-Transformer实战系列_项目配置说明.mp4 │ ├── 634_635 论--必备-Transformer实战系列_输入序列构建方法解读.mp4 │ ├── 635_636 论--必备-Transformer实战系列_注意力机制计算.mp4 │ ├── 636_637 论--必备-Transformer实战系列_输出层计算结果.mp4 │ ├── 637_638 论--必备-Transformer实战系列_swintransformer整体概述.mp4 │ ├── 638_639 论--必备-Transformer实战系列_要解决的问题及其优势分析.mp4 │ ├── 639_640 论--必备-Transformer实战系列_一个block要完成的任务.mp4 │ ├── 640_641 论--必备-Transformer实战系列_获取各窗口输入特征.mp4 │ ├── 641_642 论--必备-Transformer实战系列_基于窗口的注意力机制解读.mp4 │ ├── 642_643 论--必备-Transformer实战系列_窗口偏移操作的实现.mp4 │ ├── 643_644 论--必备-Transformer实战系列_偏移细节分析及其计算量概述.mp4 │ ├── 644_645 论--必备-Transformer实战系列_整体网络架构整合.mp4 │ ├── 645_646 论--必备-Transformer实战系列_下采样操作实现方法.mp4 │ ├── 646_647 论--必备-Transformer实战系列_分层计算方法.mp4 │ ├── 647_648 论--必备-Transformer实战系列_数据与环境配置解读.mp4 │ ├── 648_649 论--必备-Transformer实战系列_图像数据patch编码.mp4 │ ├── 649_650 论--必备-Transformer实战系列_数据按window进行划分计算.mp4 │ ├── 650_651 论--必备-Transformer实战系列_基础attention计算模块.mp4 │ ├── 651_652 论--必备-Transformer实战系列_窗口位移模块细节分析.mp4 │ ├── 652_653 论--必备-Transformer实战系列_patchmerge下采样操作.mp4 │ ├── 653_654 论--必备-Transformer实战系列_各block计算方法解读.mp4 │ ├── 654_655 论--必备-Transformer实战系列_输出层概述.mp4 │ ├── 655_656 论--必备-Transformer实战系列_DETR目标检测基本思想解读.mp4 │ ├── 656_657 论--必备-Transformer实战系列_整体网络架构分析.mp4 │ ├── 657_658 论--必备-Transformer实战系列_位置信息初始化query向量.mp4 │ ├── 658_659 论--必备-Transformer实战系列_注意力机制的作用方法.mp4 │ ├── 659_660 论--必备-Transformer实战系列_训练过程的策略.mp4 │ ├── 660_661 论--必备-Transformer实战系列_项目环境配置解读.mp4 │ ├── 661_662 论--必备-Transformer实战系列_数据处理与dataloader.mp4 │ ├── 662_663 论--必备-Transformer实战系列_位置编码作用分析.mp4 │ ├── 663_664 论--必备-Transformer实战系列_backbone特征提取模块.mp4 │ ├── 664_665 论--必备-Transformer实战系列_mask与编码模块.mp4 │ ├── 665_666 论--必备-Transformer实战系列_编码层作用方法.mp4 │ ├── 666_667 论--必备-Transformer实战系列_Decoder层操作与计算.mp4 │ ├── 667_668 论--必备-Transformer实战系列_输出预测结果.mp4 │ ├── 668_669 论--必备-Transformer实战系列_损失函数与预测输出.mp4 │ ├── 669_670 论--必备-Transformer实战系列_DeformableDetr算法解读.mp4 │ ├── 670_671 论--必备-Transformer实战系列_特征提取与位置编码.mp4 │ ├── 671_672 论--必备-Transformer实战系列_序列特征展开并叠加.mp4 │ ├── 672_673 论--必备-Transformer实战系列_得到相对位置点编码.mp4 │ ├── 673_674 论--必备-Transformer实战系列_准备Encoder编码层所需全部输入.mp4 │ ├── 674_675 论--必备-Transformer实战系列_编码层中的序列分析.mp4 │ ├── 675_676 论--必备-Transformer实战系列_偏移量offset计算.mp4 │ ├── 676_677 论--必备-Transformer实战系列_偏移量对齐操作.mp4 │ ├── 677_678 论--必备-Transformer实战系列_Encoder层完成特征对齐.mp4 │ ├── 678_679 论--必备-Transformer实战系列_Decoder要完成的操作.mp4 │ ├── 679_680 论--必备-Transformer实战系列_分类与回归输出模块.mp4 │ ├── 680_681 论--必备-Transformer实战系列_预测输出结果与标签匹配模块.mp4 │ ├── 681_682 论--必备-Transformer实战系列_论文整体分析.mp4 │ ├── 682_683 论--必备-Transformer实战系列_核心思想分析.mp4 │ ├── 683_684 论--必备-Transformer实战系列_网络结构计算流程概述.mp4 │ ├── 684_685 论--必备-Transformer实战系列_论文公式计算分析.mp4 │ ├── 685_686 论--必备-Transformer实战系列_位置编码的作用与效果.mp4 │ ├── 686_687 论--必备-Transformer实战系列_拓展应用分析.mp4 │ ├── 687_688 论--必备-Transformer实战系列_项目环境配置.mp4 │ ├── 688_689 论--必备-Transformer实战系列_医学数据介绍与分析.mp4 │ ├── 689_690 论--必备-Transformer实战系列_基本处理操作.mp4 │ ├── 690_691 论--必备-Transformer实战系列_AxialAttention实现过程.mp4 │ ├── 691_692 论--必备-Transformer实战系列_位置编码向量解读.mp4 │ ├── 692_693 论--必备-Transformer实战系列_注意力计算过程与方法.mp4 │ ├── 693_694 论--必备-Transformer实战系列_局部特征提取与计算.mp4 │ ├── 694_695 论--必备-Transformer实战系列_特征匹配的应用场景.mp4 │ ├── 695_696 论--必备-Transformer实战系列_特征匹配的基本流程分析.mp4 │ ├── 696_697 论--必备-Transformer实战系列_整体流程梳理分析.mp4 │ ├── 697_698 论--必备-Transformer实战系列_CrossAttention的作用与效果.mp4 │ ├── 698_699 论--必备-Transformer实战系列_transformer构建匹配特征.mp4 │ ├── 699_700 论--必备-Transformer实战系列_粗粒度匹配过程与作用.mp4 │ ├── 700_701 论--必备-Transformer实战系列_特征图拆解操作.mp4 │ ├── 701_702 论--必备-Transformer实战系列_细粒度匹配的作用与方法.mp4 │ ├── 702_703 论--必备-Transformer实战系列_基于期望预测最终位置.mp4 │ ├── 703_704 论--必备-Transformer实战系列_总结分析.mp4 │ ├── 704_705 论--必备-Transformer实战系列_项目与参数配置解读.mp4 │ ├── 705_706 论--必备-Transformer实战系列_DEMO效果演示.mp4 │ ├── 706_707 论--必备-Transformer实战系列_backbone特征提取模块.mp4 │ ├── 707_708 论--必备-Transformer实战系列_注意力机制的作用与效果分析.mp4 │ ├── 708_709 论--必备-Transformer实战系列_特征融合模块实现方法.mp4 │ ├── 709_710 论--必备-Transformer实战系列_cross关系计算方法实例.mp4 │ ├── 710_711 论--必备-Transformer实战系列_粗粒度匹配过程.mp4 │ ├── 711_712 论--必备-Transformer实战系列_完成基础匹配模块.mp4 │ ├── 712_713 论--必备-Transformer实战系列_精细化调整方法与实例.mp4 │ ├── 713_714 论--必备-Transformer实战系列_得到精细化输出结果.mp4 │ ├── 714_715 论--必备-Transformer实战系列_通过期望计算最终输出.mp4 │ ├── 715_716 论--必备-Transformer实战系列_分割模型Maskformer系列.mp4 │ ├── 716_717 论--必备-Transformer实战系列_Backbone获取多层级特征.mp4 │ ├── 717_718 论--必备-Transformer实战系列_多层级采样点初始化构建.mp4 │ ├── 718_719 论--必备-Transformer实战系列_多层级输入特征序列创建方法.mp4 │ ├── 719_720 论--必备-Transformer实战系列_偏移量与权重计算并转换.mp4 │ ├── 720_721 论--必备-Transformer实战系列_Encoder特征构建方法实例.mp4 │ ├── 721_722 论--必备-Transformer实战系列_query要预测的任务解读.mp4 │ ├── 722_723 论--必备-Transformer实战系列_Decoder中的AttentionMask方法.mp4 │ ├── 723_724 论--必备-Transformer实战系列_损失模块输入参数分析.mp4 │ ├── 724_725 论--必备-Transformer实战系列_标签分配策略解读.mp4 │ ├── 725_726 论--必备-Transformer实战系列_正样本筛选损失计算.mp4 │ ├── 726_727 论--必备-Transformer实战系列_标签分类匹配结果分析.mp4 │ ├── 727_728 论--必备-Transformer实战系列_最终损失计算流程.mp4 │ ├── 728_729 论--必备-Transformer实战系列_汇总所有损失完成迭代.mp4 │ ├── 729_730 论--必备-Transformer实战系列_BEV特征空间.mp4 │ ├── 730_731 论--必备-Transformer实战系列_环境配置方法解读.mp4 │ ├── 731_732 论--必备-Transformer实战系列_数据集下载与配置方法.mp4 │ ├── 732_733 论--必备-Transformer实战系列_特征提取以及BEV空间初始化.mp4 │ ├── 733_734 论--必备-Transformer实战系列_特征对齐与位置编码初始化.mp4 │ ├── 734_735 论--必备-Transformer实战系列_Reference初始点构建.mp4 │ ├── 735_736 论--必备-Transformer实战系列_BEV空间与图像空间位置对应.mp4 │ ├── 736_737 论--必备-Transformer实战系列_注意力机制模块计算方法.mp4 │ ├── 737_738 论--必备-Transformer实战系列_BEV空间特征构建.mp4 │ ├── 738_739 论--必备-Transformer实战系列_Decoder要完成的任务分析.mp4 │ ├── 739_740 论--必备-Transformer实战系列_获取当前BEV特征.mp4 │ ├── 740_741 论--必备-Transformer实战系列_Decoder级联校正模块.mp4 │ ├── 741_742 论--必备-Transformer实战系列_损失函数与预测可视化.mp4 │ ├── 742_743 论--必备-Transformer实战系列_时间序列预测.mp4 │ ├── 743_744 论--必备-Transformer实战系列_Informer时间序列源码解读.mp4 │ └── 744_745 论--必备-Transformer实战系列_Huggingface与NLP（讲故事）.mp4 ├── 10 3D点云实战 │ └── 12 第十二章-3D点云实战 │ ├── 703_705 3D点云实战_点云数据概述.mp4 │ ├── 704_706 3D点云实战_点云应用领域与发展分析.mp4 │ ├── 705_707 3D点云实战_点云分割任务.mp4 │ ├── 706_708 3D点云实战_点云补全任务.mp4 │ ├── 707_709 3D点云实战_点云检测与配准任务.mp4 │ ├── 708_710 3D点云实战_点云数据特征提取概述与预告.mp4 │ ├── 709_711 3D点云实战_3D数据应用领域与点云介绍.mp4 │ ├── 710_712 3D点云实战_点云数据可视化展示.mp4 │ ├── 711_713 3D点云实战_点云数据特性和及要解决的问题.mp4 │ ├── 712_714 3D点云实战_PointNet算法出发点解读.mp4 │ ├── 713_715 3D点云实战_PointNet算法网络架构解读.mp4 │ ├── 714_716 3D点云实战_PointNet升级版算法要解决的问题.mp4 │ ├── 715_717 3D点云实战_最远点采样方法.mp4 │ ├── 716_718 3D点云实战_分组Group方法原理解读.mp4 │ ├── 717_719 3D点云实战_整体流程概述分析.mp4 │ ├── 718_720 3D点云实战_分类与分割问题解决方案.mp4 │ ├── 719_721 3D点云实战_遇到的问题及改进方法分析.mp4 │ ├── 720_722 3D点云实战_项目文件概述.mp4 │ ├── 721_723 3D点云实战_数据读取模块配置.mp4 │ ├── 722_724 3D点云实战_DEBUG解读网络模型架构.mp4 │ ├── 723_725 3D点云实战_最远点采样介绍.mp4 │ ├── 724_726 3D点云实战_采样得到中心点.mp4 │ ├── 725_727 3D点云实战_组区域划分方法.mp4 │ ├── 726_728 3D点云实战_实现group操作得到各中心簇.mp4 │ ├── 727_729 3D点云实战_特征提取模块整体流程.mp4 │ ├── 728_730 3D点云实战_预测结果输出模块.mp4 │ ├── 729_731 3D点云实战_分类任务总结.mp4 │ ├── 730_732 3D点云实战_分割任务数据与配置概述.mp4 │ ├── 731_733 3D点云实战_分割需要解决的任务概述.mp4 │ ├── 732_734 3D点云实战_上采样完成分割任务.mp4 │ ├── 733_735 3D点云实战_点云补全要解决的问题.mp4 │ ├── 734_736 3D点云实战_基本解决方案概述.mp4 │ ├── 735_737 3D点云实战_整体网络概述.mp4 │ ├── 736_738 3D点云实战_网络计算流程.mp4 │ ├── 737_739 3D点云实战_输入与计算结果.mp4 │ ├── 738_740 3D点云实战_数据与项目配置解读.mp4 │ ├── 739_741 3D点云实战_待补全数据准备方法.mp4 │ ├── 740_742 3D点云实战_整体框架概述.mp4 │ ├── 741_743 3D点云实战_MRE特征提取模块.mp4 │ ├── 742_744 3D点云实战_分层预测输出模块.mp4 │ ├── 743_745 3D点云实战_补全点云数据.mp4 │ ├── 744_746 3D点云实战_判别模块.mp4 │ ├── 745_747 3D点云实战_点云配准任务概述.mp4 │ ├── 746_748 3D点云实战_配准要完成的目标解读.mp4 │ ├── 747_749 3D点云实战_训练数据构建.mp4 │ ├── 748_750 3D点云实战_任务基本流程.mp4 │ ├── 749_751 3D点云实战_数据源配置方法.mp4 │ ├── 750_752 3D点云实战_参数计算模块解读.mp4 │ ├── 751_753 3D点云实战_基于模型预测输出参数.mp4 │ ├── 752_754 3D点云实战_特征构建方法分析.mp4 │ ├── 753_755 3D点云实战_任务总结.mp4 │ ├── 754_756 3D点云实战_对抗生成网络通俗解释.mp4 │ ├── 755_757 3D点云实战_GAN网络组成.mp4 │ ├── 756_758 3D点云实战_损失函数解释说明.mp4 │ ├── 757_759 3D点云实战_数据读取模块.mp4 │ └── 758_760 3D点云实战_生成与判别网络定义.mp4 ├── 11 自然语言处理必备神器Huggingface系列实战 │ └── 25 第二十五章 自然语言处理必备神器Huggingface系列实战 │ ├── 1857_1858 自然语言处理必备神器Huggingface系列实战 _Huggingface与NLP介绍解读.mp4 │ ├── 1858_1859 自然语言处理必备神器Huggingface系列实战 _工具包与任务整体介绍.mp4 │ ├── 1859_1860 自然语言处理必备神器Huggingface系列实战 _NLP任务常规流程分析.mp4 │ ├── 1860_1861 自然语言处理必备神器Huggingface系列实战 _文本切分方法实例解读.mp4 │ ├── 1861_1862 自然语言处理必备神器Huggingface系列实战 _AttentionMask配套使用方法.mp4 │ ├── 1862_1863 自然语言处理必备神器Huggingface系列实战 _数据集与模型.mp4 │ ├── 1863_1864 自然语言处理必备神器Huggingface系列实战 _数据Dataloader封装.mp4 │ ├── 1864_1865 自然语言处理必备神器Huggingface系列实战 _模型训练所需配置参数.mp4 │ ├── 1865_1866 自然语言处理必备神器Huggingface系列实战 _模型训练DEMO.mp4 │ ├── 1866_1867 自然语言处理必备神器Huggingface系列实战 _transformer原理解读.mp4 │ ├── 1867_1868 自然语言处理必备神器Huggingface系列实战 _BERT模型训练方法解读.mp4 │ ├── 1868_1869 自然语言处理必备神器Huggingface系列实战 _ALBERT基本定义.mp4 │ ├── 1869_1870 自然语言处理必备神器Huggingface系列实战 _ALBERT中的简化方法解读.mp4 │ ├── 1870_1871 自然语言处理必备神器Huggingface系列实战 _RoBerta模型训练方法解读.mp4 │ ├── 1871_1872 自然语言处理必备神器Huggingface系列实战 _DistilBert模型解读.mp4 │ ├── 1872_1873 自然语言处理必备神器Huggingface系列实战 _文本标注工具Doccano配置方法.mp4 │ ├── 1873_1874 自然语言处理必备神器Huggingface系列实战 _命名实体识别任务标注方法实例.mp4 │ ├── 1874_1875 自然语言处理必备神器Huggingface系列实战 _标注导出与BIO处理.mp4 │ ├── 1875_1876 自然语言处理必备神器Huggingface系列实战 _标签处理并完成对齐操作.mp4 │ ├── 1876_1877 自然语言处理必备神器Huggingface系列实战 _预训练模型加载与参数配置.mp4 │ ├── 1877_1878 自然语言处理必备神器Huggingface系列实战 _模型训练与输出结果预测.mp4 │ ├── 1878_1879 自然语言处理必备神器Huggingface系列实战 _预训练模型效果分析.mp4 │ ├── 1879_1880 自然语言处理必备神器Huggingface系列实战 _文本数据截断处理.mp4 │ ├── 1880_1881 自然语言处理必备神器Huggingface系列实战 _预训练模型自定义训练.mp4 │ ├── 1881_1882 自然语言处理必备神器Huggingface系列实战 _GPT系列算法概述.mp4 │ ├── 1882_1883 自然语言处理必备神器Huggingface系列实战 _GPT三代版本分析.mp4 │ ├── 1883_1884 自然语言处理必备神器Huggingface系列实战 _GPT初代版本要解决的问题.mp4 │ ├── 1884_1885 自然语言处理必备神器Huggingface系列实战 _GPT第二代版本训练策略.mp4 │ ├── 1885_1886 自然语言处理必备神器Huggingface系列实战 _采样策略与多样性.mp4 │ ├── 1886_1887 自然语言处理必备神器Huggingface系列实战 _GPT3的提示与生成方法.mp4 │ ├── 1887_1888 自然语言处理必备神器Huggingface系列实战 _应用场景CODEX分析.mp4 │ ├── 1888_1889 自然语言处理必备神器Huggingface系列实战 _DEMO应用演示.mp4 │ ├── 1889_1890 自然语言处理必备神器Huggingface系列实战 _生成模型可以完成的任务概述.mp4 │ ├── 1890_1891 自然语言处理必备神器Huggingface系列实战 _数据样本生成方法.mp4 │ ├── 1891_1892 自然语言处理必备神器Huggingface系列实战 _训练所需参数解读.mp4 │ ├── 1892_1893 自然语言处理必备神器Huggingface系列实战 _模型训练过程.mp4 │ ├── 1893_1894 自然语言处理必备神器Huggingface系列实战 _部署与网页预测展示.mp4 │ ├── 1894_1895 自然语言处理必备神器Huggingface系列实战 _中文商城评价数据处理方法.mp4 │ ├── 1895_1896 自然语言处理必备神器Huggingface系列实战 _模型训练与测试结果.mp4 │ ├── 1896_1897 自然语言处理必备神器Huggingface系列实战 _文本摘要数据标注方法.mp4 │ ├── 1897_1898 自然语言处理必备神器Huggingface系列实战 _训练自己标注的数据并测试.mp4 │ ├── 1898_1899 自然语言处理必备神器Huggingface系列实战 _应用场景概述分析.mp4 │ ├── 1899_1900 自然语言处理必备神器Huggingface系列实战 _数据标注格式样例分析.mp4 │ ├── 1900_1901 自然语言处理必备神器Huggingface系列实战 _数据处理与读取模块.mp4 │ ├── 1901_1902 自然语言处理必备神器Huggingface系列实战 _实体抽取模块分析.mp4 │ ├── 1902_1903 自然语言处理必备神器Huggingface系列实战 _标签与数据结构定义方法.mp4 │ ├── 1903_1904 自然语言处理必备神器Huggingface系列实战 _模型构建与计算流程.mp4 │ ├── 1904_1905 自然语言处理必备神器Huggingface系列实战 _网络模型前向计算方法.mp4 │ ├── 1905_1906 自然语言处理必备神器Huggingface系列实战 _关系抽取模型训练.mp4 │ ├── 1906_1907 自然语言处理必备神器Huggingface系列实战 _数据结构分析.mp4 │ ├── 1907_1908 自然语言处理必备神器Huggingface系列实战 _Huggingface中的预处理实例.mp4 │ └── 1908_1909 自然语言处理必备神器Huggingface系列实战 _数据处理基本流程.mp4 ├── 12 NLP大模型实战 │ └── 20 第二十章 NLP大模型实战 │ ├── 1455 1-GPT系列算法概述.mp4.mp4 │ ├── 1456 2-GPT三代版本分析.mp4.mp4 │ ├── 1457 3-GPT初代版本要解决的问题.mp4.mp4 │ ├── 1458 4-GPT第二代版本训练策略.mp4.mp4 │ ├── 1459 5-采样策略与多样性.mp4.mp4 │ ├── 1460 6-GPT3的提示与生成方法.mp4.mp4 │ ├── 1461 7-应用场景CODEX分析.mp4.mp4 │ ├── 1462 8-DEMO应用演示~1.mp4.mp4 │ ├── 1463 1-生成模型可以完成的任务概述~1.mp4.mp4 │ ├── 1464 2-数据样本生成方法.mp4.mp4 │ ├── 1465 3-训练所需参数解读.mp4.mp4 │ ├── 1466 4-模型训练过程.mp4.mp4 │ ├── 1467 5-部署与网页预测展示.mp4.mp4 │ ├── 1468 1-大模型如何做下游任务.mp4.mp4 │ ├── 1469 2-LLM落地微调分析.mp4.mp4 │ ├── 1470 3-LLAMA与LORA介绍.mp4.mp4 │ ├── 1471 4-LORA微调的核心思想.mp4.mp4 │ ├── 1472 5-LORA模型实现细节.mp4.mp4 │ ├── 1473 1-环境配置方法.mp4.mp4 │ ├── 1474 2-多模态数据集配置.mp4.mp4 │ ├── 1475 3-微调与量化和推理预测.mp4.mp4 │ ├── 1476 1-用强化学习来按照偏好微调大模型.mp4.mp4 │ ├── 1477 2-环境与数据预处理配置.mp4.mp4 │ ├── 1478 3-奖励定义方法.mp4.mp4 │ ├── 1479 4-优势计算方法与样本构建.mp4.mp4 │ ├── 1480 5-PPO迭代方法.mp4.mp4 │ ├── 1481 6-基本训练逻辑解读.mp4.mp4 │ ├── 1482 Llama3应用.mp4 │ ├── 1483 RAGFLOW和function calling 1.mp4.mp4 │ ├── 1484 大模型微调与应用.mp4 │ ├── 1485 1-提示工程的作用.mp4.mp4 │ ├── 1486 2-基本API调用方法.mp4.mp4 │ ├── 1487 3-数据文档切分操作.mp4.mp4 │ ├── 1488 4-样本索引与向量构建.mp4.mp4 │ ├── 1489 5-数据切块方法.mp4.mp4 │ ├── 1490 1-整体故事解读.mp4.mp4 │ ├── 1491 2-要解决的问题和整体框架分析.mp4.mp4 │ ├── 1492 3-论文基本框架分析.mp4.mp4 │ ├── 1493 4-Agent的记忆信息.mp4.mp4 │ ├── 1494 5-感知与反思模块构建流程.mp4.mp4 │ ├── 1495 6-计划模块实现细节.mp4.mp4 │ ├── 1496 7-整体流程框架图.mp4.mp4 │ ├── 1497 8-感知模块解读.mp4.mp4 │ ├── 1498 9-思考模块解读.mp4.mp4 │ ├── 1499 10-项目环境配置方法解读.mp4.mp4 │ ├── 1500 Agent工作流搭建.mp4 │ └── 1501 时间序列预测.mp4 ├── 13 CV大模型实战 │ └── 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 │ ├── 1466 4-codebook模块的作用.mp4.mp4 │ ├── 1467 5-任务总结分析.mp4.mp4 │ ├── 1468 1-BEITV2版本论文出发点解读.mp4.mp4 │ ├── 1469 2-自监督任务中两大核心任务分析.mp4.mp4 │ ├── 1470 3-整体网络架构图分析.mp4.mp4 │ ├── 1471 4-框架实现细节流程分析.mp4.mp4 │ ├── 1472 5-论文细节模块实现解读.mp4.mp4 │ ├── 1473 1-mmselfup源码实现解读.mp4.mp4 │ ├── 1474 2-网络结构搭建细节解读.mp4.mp4 │ ├── 1475 3-源码实现流程总结.mp4.mp4 │ ├── 1476 1-BEV要解决的问题通俗解读.mp4.mp4 │ ├── 1477 2-BEV中的3D与4D分析.mp4.mp4 │ ├── 1478 3-特征融合过程中可能遇到的问题.mp4.mp4 │ ├── 1479 4-BEV汇总特征方法实例解读.mp4.mp4 │ ├── 1480 5-DeformableAttention回顾.mp4.mp4 │ ├── 1481 6-空间注意力模块解读.mp4.mp4 │ ├── 1482 7-时间模块与拓展补充.mp4.mp4 │ ├── 1483 8-论文知识点分析.mp4.mp4 │ ├── 1484 9-核心模块论文分析.mp4.mp4 │ ├── 1485 10-整体架构总结.mp4.mp4 │ ├── 1486 1-环境配置方法解读.mp4.mp4 │ ├── 1487 2-数据集下载与配置方法.mp4.mp4 │ ├── 1488 3-特征提取以及BEV空间初始化.mp4.mp4 │ ├── 1489 4-特征对齐与位置编码初始化.mp4.mp4 │ ├── 1490 5-Reference初始点构建.mp4.mp4 │ ├── 1491 6-BEV空间与图像空间位置对应.mp4.mp4 │ ├── 1492 7-注意力机制模块计算方法.mp4.mp4 │ ├── 1493 8-BEV空间特征构建.mp4.mp4 │ ├── 1494 9-Decoder要完成的任务分析.mp4.mp4 │ ├── 1495 10-获取当前BEV特征.mp4.mp4 │ ├── 1495_1496 CV与NLP经典大模型解读2_整体故事解读.mp4 │ ├── 1496 11-Decoder级联校正模块.mp4.mp4 │ ├── 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 │ ├── 1497 12-损失函数与预测可视化.mp4.mp4 │ ├── 1497_1498 CV与NLP经典大模型解读2_论文基本框架分析.mp4 │ ├── 1498 1-DeformableAttention概述分析.mp4.mp4 │ ├── 1498_1499 CV与NLP经典大模型解读2_Agent的记忆信息.mp4 │ ├── 1499 2-可变形偏移量分析.mp4.mp4 │ ├── 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 │ ├── 1500 1-大模型如何做下游任务.mp4.mp4 │ ├── 1500_1501 CV与NLP经典大模型解读2_计划模块实现细节.mp4 │ ├── 1501 2-LLM落地微调分析.mp4.mp4 │ ├── 1501_1502 CV与NLP经典大模型解读2_整体流程框架图.mp4 │ ├── 1502 3-LLAMA与LORA介绍.mp4.mp4 │ ├── 1502_1503 CV与NLP经典大模型解读2_感知模块解读.mp4 │ ├── 1503 4-LORA微调的核心思想.mp4.mp4 │ ├── 1503_1504 CV与NLP经典大模型解读2_思考模块解读.mp4 │ ├── 1504 5-LORA模型实现细节.mp4.mp4 │ ├── 1504_1505 CV与NLP经典大模型解读2_项目环境配置方法解读.mp4 │ ├── 1505 1-提示工程的作用.mp4.mp4 │ ├── 1505_1506 CV与NLP经典大模型解读2_CVPR2024 EfficientSam.mp4 │ ├── 1506 2-基本API调用方法.mp4.mp4 │ ├── 1506_1507 CV与NLP经典大模型解读2_CVPR2024：YOLO- World.mp4 │ ├── 1507 3-数据文档切分操作.mp4.mp4 │ ├── 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 │ ├── 1508 4-样本索引与向量构建.mp4.mp4 │ ├── 1508_1509 CV与NLP经典大模型解读2_Llama3应用.mp4 │ ├── 1509 5-数据切块方法.mp4.mp4 │ ├── 1509 llama3微调，量化，部署流程.mp4 │ ├── 1510 1-DEMO效果演示.mp4.mp4 │ ├── 1510 RAGFLOW和function calling.mp4 │ ├── 1511 2-论文解读分析.mp4.mp4 │ ├── 1511 Agent工作流搭建.mp4 │ ├── 1512 3-完成的任务分析.mp4.mp4 │ ├── 1513 4-数据闭环方法.mp4.mp4 │ ├── 1514 5-预训练模型的作用.mp4.mp4 │ ├── 1515 6-Decoder的作用与项目源码.mp4.mp4 │ ├── 1516 7-分割任务模块设计.mp4.mp4 │ ├── 1517 8-实现细节分析.mp4.mp4 │ ├── 1518 9-总结分析.mp4.mp4 │ ├── 1519 1-视觉QA要解决的问题.mp4.mp4 │ ├── 1520 2-论文概述分析.mp4.mp4 │ ├── 1521 3-实现流程路线图.mp4.mp4 │ ├── 1522 4-答案关注区域分析.mp4.mp4 │ ├── 1523 5-VQA任务总结.mp4.mp4 │ ├── 1524 1-扩散模型概述与GAN遇到的问题.mp4.mp4 │ ├── 1525 2-要完成的任务分析.mp4.mp4 │ ├── 1526 3-公式原理推导解读.mp4.mp4 │ ├── 1527 4-分布相关计算操作.mp4.mp4 │ ├── 1528 5-算法实现细节推导.mp4.mp4 │ ├── 1529 6-公式推导结果分析.mp4.mp4 │ ├── 1530 7-细节实现总结.mp4.mp4 │ ├── 1531 8-论文流程图解读.mp4.mp4 │ ├── 1532 9-案例流程分析.mp4.mp4 │ ├── 1533 10-基本建模训练效果.mp4.mp4 │ ├── 1534 1-论文基本思想与核心模块分析.mp4.mp4 │ ├── 1535 2-不同模块对比分析.mp4.mp4 │ ├── 1536 3-算法核心流程解读.mp4.mp4 │ ├── 1537 4-各模块实现细节讲解.mp4.mp4 │ ├── 1538 1-项目整体流程分析.mp4.mp4 │ ├── 1539 2-源码实现细节分析.mp4.mp4 │ ├── 1540 3-源码公式对应论文分析.mp4.mp4 │ ├── 1541 4-Decoder模块实现细节解读.mp4.mp4 │ ├── 1542 5-源码实现流程总结.mp4.mp4 │ ├── 1543 RAGFLOW和function calling.mp4 │ ├── 1544 1-环境配置方法.mp4.mp4 │ ├── 1545 2-多模态数据集配置.mp4.mp4 │ ├── 1546 3-微调与量化和推理预测.mp4.mp4 │ ├── 1547 1-整体故事解读.mp4.mp4 │ ├── 1548 2-要解决的问题和整体框架分析.mp4.mp4 │ ├── 1549 3-论文基本框架分析.mp4.mp4 │ ├── 1550 4-Agent的记忆信息.mp4.mp4 │ ├── 1551 5-感知与反思模块构建流程.mp4.mp4 │ ├── 1552 6-计划模块实现细节.mp4.mp4 │ ├── 1553 7-整体流程框架图.mp4.mp4 │ ├── 1554 8-感知模块解读.mp4.mp4 │ ├── 1555 9-思考模块解读.mp4.mp4 │ ├── 1556 10-项目环境配置方法解读.mp4.mp4 │ ├── 1557 VIP课-人工智能深度学习系统班（第九期）-2508.mp4 │ ├── 1558 CVPR2024：YOLO- World.mp4 │ ├── 1559 时间序列预测.mp4 │ ├── 1560 Llama3应用.mp4 │ ├── 1561 SAM2视频分割.mp4 │ ├── 1562 大模型微调与应用.mp4 │ ├── 1563 RAGFLOW和function calling.mp4 │ ├── 1564 Agent工作流搭建.mp4 │ └── 1565 Llava与YOLO11.mp4 ├── 14 多模态与大模型应用综合实例 │ ├── 952 第一章第十一节 多模态大模型.mp4.mp4 │ ├── 953 第一章第12节.mp4.mp4 │ ├── 954 第一章第十15五节mp4.mp4.mp4 │ ├── 955 大模型2025年最新算法论文解读.mp4 │ ├── 956 大模型结构化推理理论及实战.mp4 │ ├── 957 大模型结构化推理理论及实战-第二课.mp4 │ ├── 958 企业知识智能检索系统——从构建 到优化的RAG增强实践.mp4 │ ├── 959 企业知识智能检索系统——从构建 到优化的RAG增强实践 第二课.mp4 │ ├── 960 recordmerge-20250315223625-76cf57.mp4.mp4 │ ├── 961 基于分层强化学习的机器人路径规划方法.mp4 │ ├── 962 融合大语言模型的人形机器人强化学习训练范式.mp4 │ ├── 963 融合具身智能的机器人学习范式 .mp4 │ ├── 963 融合具身智能的机器人学习范式.mp4 │ ├── 964 第一章第八节 人形机器人模仿学习范式 mp4.mp4.mp4 │ └── 965 第一章第九节 人形机器人模仿学习复现与实操.mp4.mp4 ├── 15 AI智能体零基础应用入门实战 │ ├── 1000 4-结合DeepSeek进行数据分析.mp4.mp4 │ ├── 1001 5-配置插件把分析结果存在excel里.mp4.mp4 │ ├── 1002 6-数据可视化配置方法与节点调试分析.mp4.mp4 │ ├── 1003 7-不同可视化图表配置方法.mp4.mp4 │ ├── 1004 8-输出与展示配置.mp4.mp4 │ ├── 1005 1-影刀RPA分析.mp4.mp4 │ ├── 1006 2-影刀安装方法 .mp4 │ ├── 1006 2-影刀安装方法.mp4.mp4 │ ├── 1007 3-影刀流程配置方法实例.mp4.mp4 │ ├── 1008 4-执行循环操作.mp4.mp4 │ ├── 1009 5-完成文案采集的全部功能.mp4.mp4 │ ├── 1010 十三期第一章第六节 langchain助攻RAG mp4.mp4.mp4 │ ├── 1011 第一章第十节 langrah建立旅游资讯agent.mp4.mp4 │ ├── 966 1-工作流要完成的任务与节点定义.mp4.mp4 │ ├── 967 2-插件配置方法与参数.mp4.mp4 │ ├── 968 3-大模型节点配置方法.mp4.mp4 │ ├── 969 4-结束节点配置.mp4.mp4 │ ├── 970 5-智能体配置方法.mp4.mp4 │ ├── 971 1-循环节点方法解读.mp4.mp4 │ ├── 972 2-循环中参数的定义方法.mp4.mp4 │ ├── 973 3-续写新闻稿件方法(循环中间变量使用).mp4.mp4 │ ├── 974 4-智能体测试与输出节点.mp4.mp4 │ ├── 975 5-批处理的作用与效果.mp4.mp4 │ ├── 976 1-做视频素材业务逻辑分析.mp4.mp4 │ ├── 977 2-做剧本节点系统提示词方法.mp4.mp4 │ ├── 978 3-完成剧本节点输出.mp4.mp4 │ ├── 979 4-画面描述与图像生成节点构建.mp4.mp4 │ ├── 980 5-图像违规词限制与运镜节点.mp4.mp4 │ ├── 981 6-视频节点构建与错误分析.mp4.mp4 │ ├── 982 7-图像生成节点错误调试并保险.mp4.mp4 │ ├── 983 8-视频生成节点容易违规的解决方法.mp4.mp4 │ ├── 984 9-选修（当作拓展知识）：配置外部视频软件成为插件.mp4.mp4 │ ├── 985 10-选修：自定义插件配置方法实例.mp4.mp4 │ ├── 986 11-选修：工作流中添加视频插件.mp4.mp4 │ ├── 987 1-时间线定义方法.mp4.mp4 │ ├── 988 2-剪映插件介绍.mp4.mp4 │ ├── 989 3-时间线和素材绑定方法.mp4.mp4 │ ├── 990 4-剪映草稿添加素材方法.mp4.mp4 │ ├── 991 5-得到合成后的视频.mp4.mp4 │ ├── 992 1-对话流配置与创建.mp4.mp4 │ ├── 993 2-选择器的使用方法.mp4.mp4 │ ├── 994 3-数据库与大模型的匹配方法.mp4.mp4 │ ├── 995 4-知识库构建与匹配方法.mp4.mp4 │ ├── 996 5-汇总输出与测试.mp4.mp4 │ ├── 997 1-效果演示与数据读取.mp4.mp4 │ ├── 998 2-数据清洗与处理.mp4.mp4 │ └── 999 3-结合DeepSeek构建代码节点.mp4.mp4 ├── 16 第一十六章 强化学习与AI黑科技实例 │ ├── 1012 1-一张图通俗解释强化学习.mp4.mp4 │ ├── 1013 2-强化学习的指导依据.mp4.mp4 │ ├── 1014 3-强化学习AI游戏DEMO.mp4.mp4 │ ├── 1015 4-应用领域简介.mp4.mp4 │ ├── 1016 5-强化学习工作流程.mp4.mp4 │ ├── 1017 6-计算机眼中的状态与行为.mp4.mp4 │ ├── 1018 1-基本情况介绍.mp4.mp4 │ ├── 1019 2-与环境交互得到所需数据.mp4.mp4 │ ├── 1020 3-要完成的目标分析.mp4.mp4 │ ├── 1021 4-策略梯度推导.mp4.mp4 │ ├── 1022 5-baseline方法.mp4.mp4 │ ├── 1023 6-OnPolicy与OffPolicy策略.mp4.mp4 │ ├── 1024 7-importance sampling的作用.mp4.mp4 │ ├── 1025 8-PPO算法整体思路解析.mp4.mp4 │ ├── 1026 1-Critic的作用与效果.mp4.mp4 │ ├── 1027 2-PPO2版本公式解读.mp4.mp4 │ ├── 1028 3-参数与网络结构定义.mp4.mp4 │ ├── 1029 4-得到动作结果.mp4.mp4 │ ├── 1030 5-奖励获得与计算.mp4.mp4 │ ├── 1031 6-参数迭代与更新.mp4.mp4 │ ├── 1032 1-整体任务流程演示.mp4.mp4 │ ├── 1033 2-探索与action获取.mp4.mp4 │ ├── 1034 3-计算target值.mp4.mp4 │ ├── 1035 4-训练与更新.mp4.mp4 │ ├── 1036 1-算法原理通俗解读.mp4.mp4 │ ├── 1037 2-目标函数与公式解析.mp4.mp4 │ ├── 1038 3-Qlearning算法实例解读.mp4.mp4 │ ├── 1039 4-Q值迭代求解.mp4.mp4 │ ├── 1040 5-DQN简介.mp4.mp4 │ ├── 1041 1-DoubleDqn要解决的问题.mp4.mp4 │ ├── 1042 2-DuelingDqn改进方法.mp4.mp4 │ ├── 1043 3-Dueling整体网络架构分析.mp4.mp4 │ ├── 1044 4-MultiSetp策略.mp4.mp4 │ ├── 1045 5-连续动作处理方法.mp4.mp4 │ ├── 1046 1-AC算法回顾与知识点总结.mp4.mp4 │ ├── 1047 2-优势函数解读与分析.mp4.mp4 │ ├── 1048 3-计算流程实例.mp4.mp4 │ ├── 1049 4-A3C整体架构分析.mp4.mp4 │ ├── 1050 5-损失函数整理.mp4.mp4 │ ├── 1051 1-整体流程与环境配置.mp4.mp4 │ ├── 1052 2-启动游戏环境.mp4.mp4 │ ├── 1053 3-要计算的指标回顾.mp4.mp4 │ ├── 1054 4-初始化局部模型并加载参数.mp4.mp4 │ ├── 1055 5-与环境交互得到训练数据.mp4.mp4 │ ├── 1056 6-训练网络模型.mp4.mp4 │ ├── 1057 第七课：GPT系列.mp4.mp4 │ ├── 1058 1-生成模型可以完成的任务概述.mp4.mp4 │ ├── 1059 2-数据样本生成方法.mp4.mp4 │ ├── 1060 3-训练所需参数解读.mp4.mp4 │ ├── 1061 4-模型训练过程.mp4.mp4 │ ├── 1062 5-部署与网页预测展示.mp4.mp4 │ ├── 1063 第九课：CLIP系列.mp4.mp4 │ ├── 1064 1-Diffusion模型解读~1.mp4.mp4 │ ├── 1065 Dalle2源码解读.mp4.mp4 │ ├── 1066 ChatGPT解读~1.mp4.mp4 │ └── 1067 强化学习的基础原理与应用等.mp4 ├── 17 时间序列预测 │ ├── 1909_1910 时间序列预测_时间序列预测要完成的任务.mp4 │ ├── 1910_1911 时间序列预测_常用模块分析.mp4 │ ├── 1911_1912 时间序列预测_论文要解决的问题分析.mp4 │ ├── 1912_1913 时间序列预测_Query采样方法解读.mp4 │ ├── 1913_1914 时间序列预测_probAttention计算流程.mp4 │ ├── 1914_1915 时间序列预测_编码器全部计算流程.mp4 │ ├── 1915_1916 时间序列预测_解码器流程分析.mp4 │ ├── 1916_1917 时间序列预测_项目使用说明.mp4 │ ├── 1917_1918 时间序列预测_数据集解读.mp4 │ ├── 1918_1919 时间序列预测_模型训练所需参数解读.mp4 │ ├── 1919_1920 时间序列预测_数据集构建与读取方式.mp4 │ ├── 1920_1921 时间序列预测_数据处理相关模块.mp4 │ ├── 1921_1922 时间序列预测_时间相关特征提取方法.mp4 │ ├── 1922_1923 时间序列预测_dataloader构建实例.mp4 │ ├── 1923_1924 时间序列预测_整体架构分析.mp4 │ ├── 1924_1925 时间序列预测_编码器模块实现.mp4 │ ├── 1925_1926 时间序列预测_核心采样计算方法.mp4 │ ├── 1926_1927 时间序列预测_完成注意力机制计算模块.mp4 │ ├── 1927_1928 时间序列预测_平均向量的作用.mp4 │ ├── 1928_1929 时间序列预测_解码器预测输出.mp4 │ ├── 1929_1930 时间序列预测_时序预测故事背景.mp4 │ ├── 1930_1931 时间序列预测_论文核心思想解读.mp4 │ ├── 1931_1932 时间序列预测_时序特征周期拆解.mp4 │ ├── 1932_1933 时间序列预测_计算公式流程拆解.mp4 │ ├── 1933_1934 时间序列预测_全部计算流程解读.mp4 │ ├── 1934_1935 时间序列预测_周期间特征分析.mp4 │ ├── 1935_1936 时间序列预测_源码流程解读.mp4 │ ├── 1936_1937 时间序列预测_傅里叶变换流程.mp4 │ └── 9-整体计算流程.mp4.mp4 ├── 18 图神经网络实战 │ ├── 705 第十二课：KIE关键信息抽取与视频超分辨率重构.mp4.mp4 │ ├── 706 1-配置文件以及要完成的任务解读.mp4.mp4 │ ├── 707 2-KIE数据集格式调整方法.mp4.mp4 │ ├── 708 3-配置文件与标签要进行处理操作.mp4.mp4 │ ├── 709 4-边框要计算的特征分析.mp4.mp4 │ ├── 710 5-标签数据处理与关系特征提取.mp4.mp4 │ ├── 711 6-特征合并处理.mp4.mp4 │ ├── 712 7-准备拼接边与点特征.mp4.mp4 │ └── 713 8-整合得到图模型输入特征.mp4.mp4 ├── 19 知识图谱实战系列 │ └── 28 第二十八章 知识图谱实战系列 │ ├── 1990_1991 知识图谱实战系列_知识图谱通俗解读.mp4 │ ├── 1991_1992 知识图谱实战系列_知识图谱在搜索引擎中的应用.mp4 │ ├── 1992_1993 知识图谱实战系列_知识图谱在医疗领域应用实例.mp4 │ ├── 1993_1994 知识图谱实战系列_金融与推荐领域的应用.mp4 │ ├── 1994_1995 知识图谱实战系列_数据获取分析.mp4 │ ├── 1995_1996 知识图谱实战系列_数据关系抽取分析.mp4 │ ├── 1996_1997 知识图谱实战系列_常用NLP技术点分析.mp4 │ ├── 1997_1998 知识图谱实战系列_graph-embedding的作用与效果.mp4 │ ├── 1998_1999 知识图谱实战系列_金融领域图编码实例.mp4 │ ├── 1999_2000 知识图谱实战系列_视觉领域图编码实例.mp4 │ ├── 2000_2001 知识图谱实战系列_图谱知识融合与总结分析.mp4 │ ├── 2001_2002 知识图谱实战系列_Neo4j图数据库介绍.mp4 │ ├── 2002_2003 知识图谱实战系列_Neo4j数据库安装流程演示.mp4 │ ├── 2003_2004 知识图谱实战系列_可视化例子演示.mp4 │ ├── 2004_2005 知识图谱实战系列_创建与删除操作演示.mp4 │ ├── 2005_2006 知识图谱实战系列_数据库更改查询操作演示.mp4 │ ├── 2006_2007 知识图谱实战系列_使用Py2neo建立连接.mp4 │ ├── 2007_2008 知识图谱实战系列_提取所需的指标信息.mp4 │ ├── 2008_2009 知识图谱实战系列_在图中创建实体.mp4 │ ├── 2009_2010 知识图谱实战系列_根据给定实体创建关系.mp4 │ ├── 2010_2011 知识图谱实战系列_项目概述与整体架构分析.mp4 │ ├── 2011_2012 知识图谱实战系列_医疗数据介绍及其各字段含义.mp4 │ ├── 2012_2013 知识图谱实战系列_任务流程概述.mp4 │ ├── 2013_2014 知识图谱实战系列_环境配置与所需工具包安装.mp4 │ ├── 2014_2015 知识图谱实战系列_提取数据中的关键字段信息.mp4 │ ├── 2015_2016 知识图谱实战系列_创建关系边.mp4 │ ├── 2016_2017 知识图谱实战系列_打造医疗知识图谱模型.mp4 │ ├── 2017_2018 知识图谱实战系列_加载所有实体数据.mp4 │ ├── 2018_2019 知识图谱实战系列_实体关键词字典制作.mp4 │ ├── 2019_2020 知识图谱实战系列_完成对话系统构建.mp4 │ ├── 2020_2021 知识图谱实战系列_关系抽取要完成的任务演示与分析.mp4 │ ├── 2021_2022 知识图谱实战系列_LTP工具包概述介绍.mp4 │ ├── 2022_2023 知识图谱实战系列_pyltp安装与流程演示.mp4 │ ├── 2023_2024 知识图谱实战系列_得到分词与词性标注结果.mp4 │ ├── 2024_2025 知识图谱实战系列_依存句法概述.mp4 │ ├── 2025_2026 知识图谱实战系列_句法分析结果整理.mp4 │ ├── 2026_2027 知识图谱实战系列_语义角色构建与分析.mp4 │ ├── 2027_2028 知识图谱实战系列_设计规则完成关系抽取.mp4 │ ├── 2028_2029 知识图谱实战系列_竞赛任务目标.mp4 │ ├── 2029_2030 知识图谱实战系列_图模型信息提取.mp4 │ ├── 2030_2031 知识图谱实战系列_节点权重特征提取(PageRank).mp4 │ ├── 2031_2032 知识图谱实战系列_deepwalk构建图顶点特征.mp4 │ ├── 2032_2033 知识图谱实战系列_各项统计特征.mp4 │ ├── 2033_2034 知识图谱实战系列_app安装特征.mp4 │ ├── 2034_2035 知识图谱实战系列_图中联系人特征.mp4 │ ├── 2035_2036 知识图谱实战系列_数据与任务介绍.mp4 │ ├── 2036_2037 知识图谱实战系列_整体模型架构.mp4 │ ├── 2037_2038 知识图谱实战系列_数据-标签-语料库处理.mp4 │ ├── 2038_2039 知识图谱实战系列_输入样本填充补齐.mp4
