咕泡-人工智能深度学习系统班（第八期） - 猎人搜索 轻松搜寻全网资源

• file:4-codebook模块的作用.mp4
• file:1-视觉自监督任务分析.mp4
• file:2-任务训练目标分析.mp4
• file:3-建模流程分析与效果展示.mp4
• file:3-强化学习登场.mp4
• file:1-chatgpt概述.mp4
• file:2-挑战及其与有监督问题差异.mp4
• file:5-奖励模型设计方法.mp4
• file:6-RLHF训练流程解读.mp4
• file:3-源码实现流程总结.mp4
• file:1-mmselfup源码实现解读.mp4
• file:2-网络结构搭建细节解读.mp4
• file:4-GPT第二代版本训练策略.mp4
• file:8-DEMO应用演示.mp4
• file:6-GPT3的提示与生成方法.mp4
• file:5-采样策略与多样性.mp4
• file:7-应用场景CODEX分析.mp4
• file:10-基本建模训练效果.mp4
• file:4-分布相关计算操作.mp4
• file:3-公式原理推导解读.mp4
• file:1-扩散模型概述与GAN遇到的问题.mp4
• file:4-各模块实现细节讲解.mp4
• file:1-论文基本思想与核心模块分析.mp4
• file:1-BEV要解决的问题通俗解读.mp4
• file:5-DeformableAttention回顾.mp4
• file:7-时间模块与拓展补充.mp4
• file:2-BEV中的3D与4D分析.mp4
• file:3-特征融合过程中可能遇到的问题.mp4
• file:10-整体架构总结.mp4
• file:7-分割任务模块设计.mp4
• file:6-Decoder的作用与项目源码.mp4
• file:4-LORA微调的核心思想.mp4
• file:3-LLAMA与LORA介绍.mp4
• file:1-大模型如何做下游任务.mp4
• file:1-提示工程的作用.mp4
• file:4-样本索引与向量构建.mp4
• file:2-基本API调用方法.mp4
• file:3-Simclr框架流程分析.mp4
• file:5-部署与网页预测展示.mp4
• file:2-自监督任务中两大核心任务分析.mp4
• file:5-论文细节模块实现解读.mp4
• file:5-Reference初始点构建.mp4
• file:10-获取当前BEV特征.mp4
• file:12-损失函数与预测可视化.mp4
• file:6-BEV空间与图像空间位置对应.mp4
• file:4-特征对齐与位置编码初始化.mp4
• file:7-注意力机制模块计算方法.mp4
• file:3-特征提取以及BEV空间初始化.mp4
• file:8-BEV空间特征构建.mp4
• folder:咕泡-人工智能深度学习系统班（第八期）
• folder:21-CV与NLP经典大模型解读
• folder:1-直播回放
• folder:11-2022论⽂必备-Transformer实战系列
• folder:19-强化学习与AI黑科技实例
• folder:7-综合项目-物体检测经典算法实战
• folder:13-3D点云实战
• folder:25-时间序列预测
• folder:9-走向AI论文实验与项目实战的捷径-MMLAB实战系列
• folder:3-深度学习必备核⼼算法
• folder:5-深度学习框架Tensorflflow
• folder:26-自然语言处理通用框架-BERT实战
• folder:第八期资料
• folder:28-语音识别实战系列
• folder:30-论文创新点常用方法及其应用实例
• folder:6-Opencv图像处理框架实战
• folder:15-对比学习与多模态任务实战
• folder:20-面向医学领域的深度学习实战
• folder:10-经典视觉项目实战：行为识别、姿态估计、目标追踪
• folder:22-深度学习模型部署与剪枝优化实战
• folder:24-自然语言处理必备神器Huggingface系列实战
• folder:4-深度学习框架PyTorch
• folder:14-面向深度学习的无人驾驶实战
• folder:13-视觉自监督BEIT算法解读
• folder:4-chatgpt算法解读分析
• folder:2-GPT系列算法解读
• folder:9-扩散模型diffusion架构算法解读
• folder:10-openai-dalle2论文解读
• folder:16-BEV感知特征空间算法解读
• folder:7-视觉大模型SAM
• folder:5-LLM与LORA微调策略解读
• folder:6-LLM下游任务训练自己模型实战
• folder:18-补充-视觉大模型基础-deformableAttention
• folder:12-自监督任务-对比学习思想
• folder:3-GPT2训练与预测部署流程
• folder:8-视觉QA算法与论文解读
• folder:17-BEVformer项目源码解读
• folder:16-直播15：知识图谱与LORA
• folder:4-直播3：Transformer架构解读
• folder:12-直播11：分割Mask2former算法
• folder:7-直播6：Transformer Decoder在视觉任务的应用
• folder:9-直播8：GPT与Hugging face
• folder:14-直播13：时间序列timesnet与地理分类任务
• folder:6-直播5：图神经网络
• folder:15-直播14：论文写作与就业简历
• folder:13-直播12：多模态与交叉注意力应用
• folder:10-直播9：自监督任务
• folder:3-VIT算法模型源码解读
• folder:7-detr目标检测源码解读
• folder:10-MedicalTrasnformer论文解读
• folder:20-Huggingface与NLP（讲故事）
• folder:8-DeformableDetr算法解读
• folder:6-基于Transformer的detr目标检测算法
• folder:13-ChatGPT
• folder:4-Q-learning与DQN算法
• folder:1-强化学习简介及其应用
• folder:7-用A3C玩转超级马里奥
• folder:6-Actor-Critic算法分析（A3C）
• folder:5-DQN改进与应用技巧
• folder:2-PPO算法与公式推导
• folder:10-CLIP系列
• folder:3-PPO实战-月球登陆器训练实例
• folder:12-Dalle2及其源码解读
• folder:7-基于YOLO-V3训练自己的数据集与任务（建议直接跑V5版本）
• folder:11-YOLO系列（V7）算法解读
• folder:16-半监督物体检测
• folder:1-物体检测评估指标
• folder:4-YOLO-V2改进细节详解
• folder:6-项目实战-基于V3版本进行源码解读（建议直接跑V5版本）
• folder:17-EfficientNet网络
• folder:3-YOLO-V1整体思想与网络架构
• folder:10-V5项目工程源码解读
• folder:9-V5版本项目配置
• folder:1-3D点云实战 3D点云应用领域分析
• folder:8-基础补充-对抗生成网络架构原理与实战解析
• folder:5-点云补全PF-Net论文解读
• folder:3-PointNet++算法解读
• folder:7-点云配准及其案例实战
• folder:3-Timesnet时序预测
• folder:4-第一模块：模型源码DEBUG演示
• folder:8-第三模块：mmdet训练自己的数据任务
• folder:1-MMCV安装方法
• folder:20-第八模块：模型剪枝方法概述分析
• folder:7-第二模块：分割任务CVPR最新Backbone设计及其应用
• folder:12-KIE关键信息抽取与视频超分辨率重构
• folder:21-第九模块：mmaction行为识别
• folder:6-第二模块：基于Unet进行各种策略修改
• folder:17-第六模块：BasicVSR++视频超分辨重构源码解读
• folder:16-第五模块：stylegan2源码解读
• folder:13-第四模块：DBNET文字检测
• folder:19-第八模块：模型蒸馏应用实例
• folder:23-额外补充-在源码中加入各种注意力机制方法
• folder:15-第四模块：KIE基于图模型的关键信息抽取
• folder:3-第一模块：训练结果测试与验证
• folder:2-第一模块：分类任务基本操作
• folder:18-第七模块：多模态3D目标检测算法源码解读
• folder:1-神经网络结构
• folder:3-图模型必备神器PyTorch Geometric安装与使用
• folder:8-基于图模型的轨迹估计
• folder:2-图卷积GCN模型
• folder:5-图注意力机制与序列图模型
• folder:6-图相似度论文解读
• folder:4-使用PyTorch Geometric构建自己的图数据集
• folder:2-神经网络原理解读与整体架构
• folder:9-项目实战：基于TensorFlow实现word2vec
• folder:10-项目实战：基于RNN模型进行文本分类任务
• folder:5-项目实战：猫狗识别实战
• folder:6-图像数据增强实例
• folder:8-递归神经⽹络与词向量原理解读
• folder:13-项目实战：经典网络架构Resnet实战
• folder:1-tensorflflow安装与简介
• folder:7-训练策略-迁移学习实战
• folder:3-搭建神经⽹络进⾏分类与回归任务
• folder:3-项目实战-基于BERT的中文情感分析实战
• folder:8-医学糖尿病数据命名实体识别
• folder:2-谷歌开源项目BERT源码解读与应用实例
• folder:7-必备基础知识点-RNN网络架构与情感分析应用实例
• folder:5-必备基础知识点-woed2vec模型通俗解读
• folder:第8章 图像分割实战
• folder:第10章 经典视觉项目实战-目标追踪与姿态估计
• folder:第2章 AI课程所需安装软件教程
• folder:第29章 推荐系统实战系列
• folder:第23章 ⾃然语⾔处理经典案例实战
• folder:5-语音分离ConvTasnet模型
• folder:6-ConvTasnet语音分离实战
• folder:7-语音合成tacotron最新版实战
• folder:1-seq2seq序列网络模型
• folder:3-starganvc2变声器论文原理解读
• folder:2-LAS模型语音识别实战
• folder:3-贝叶斯算法
• folder:4-新闻分类任务实战
• folder:1-NLP常用工具包实战
• folder:2-商品信息可视化与文本分析
• folder:12-LSTM情感分析
• folder:10-NLP-文本特征方法对比
• folder:14-对话机器人
• folder:8-使用Gemsim构建词向量
• folder:9-基于word2vec的分类任务
• folder:5-HMM隐马尔科夫模型
• folder:11-NLP-相似度模型
• folder:10-项目实战-文档扫描OCR识别
• folder:5-图像梯度计算
• folder:19-项目实战-目标追踪
• folder:20-卷积原理与操作
• folder:7-图像金字塔与轮廓检测
• folder:1-课程简介与环境配置
• folder:8-直方图与傅里叶变换
• folder:3-阈值与平滑处理
• folder:13-案例实战-全景图像拼接
• folder:11-图像特征-harris
• folder:18-Opencv的DNN模块
• folder:4-多模态文字识别
• folder:5-ANINET源码解读
• folder:4-物体检测框架YOLOV5项目工程源码解读
• folder:11-基于视频流⽔线的Opencv缺陷检测项⽬
• folder:8-Opencv梯度计算与边缘检测实例
• folder:14-Deeplab铁质材料缺陷检测与开源项⽬应⽤流程
• folder:6-Semi-supervised布料缺陷检测实战
• folder:5-基于YOLOV5的钢材缺陷检测实战
• folder:13-基于deeplabV3+版本进⾏VOC分割实战
• folder:12-图像分割deeplab系列算法
• folder:15-基于知识图谱的医药问答系统实战
• folder:1-卷积神经网络原理与参数解读
• folder:16-词向量模型与RNN网络架构
• folder:10-基于deeplab的心脏视频数据诊断分析
• folder:7-unet医学细胞分割实战
• folder:5-图像分割及其损失函数概述
• folder:2-PyTorch框架基本处理操作
• folder:14-Neo4j数据库实战
• folder:13-知识图谱原理解读
• folder:4-基于Resnet的医学数据集分类实战
• folder:11-deepsort算法知识点解读
• folder:6-视频异常检测CVPR2021论文及其源码解读
• folder:10-OpenPose算法源码分析
• folder:5-视频异常检测算法与元学习
• folder:3-slowfast源码详细解读
• folder:9-姿态估计OpenPose系列算法解读
• folder:7-基础补充-Resnet模型及其应用实例
• folder:2-slowfast项目环境配置与配置文件
• folder:4-基于3D卷积的视频分析与动作识别
• folder:7-YOLO-V3物体检测部署实例
• folder:3-AIoT人工智能物联网之NVIDIA TAO 实用级的训练神器
• folder:2-AIoT人工智能物联网之AI 实战
• folder:1-AIoT人工智能物联网之认识 jetson nano
• folder:8-docker实例演示
• folder:12-Mobilenet三代网络模型架构
• folder:11-模型剪枝-Network Slimming实战解读
• folder:9-tensorflow-serving实战
• folder:11-补充Huggingface数据集制作方法实例
• folder:9-文本摘要建模
• folder:6-文本预训练模型构建实例
• folder:5-文本标注工具与NER实例
• folder:2-Transformer工具包基本操作实例解读
• folder:6-文本关系抽取实践
• folder:2-知识图谱涉及技术点分析
• folder:4-使用python操作neo4j实例
• folder:7-金融平台风控模型实践
• folder:10-物体检测框架-MaskRcnn项目介绍与配置
• folder:7-医学⼼脏视频数据集分割建模实战
• folder:8-分割模型Maskformer系列
• folder:12-基于MASK-RCNN框架训练自己的数据与任务
• folder:4-U2NET显著性检测实战
• folder:11-MaskRcnn网络框架源码详解
• folder:4-AAAI2020顶会算法精讲
• folder:6-旷视研究院最新算法解读（基于图模型）
• folder:2-基于注意力机制的Reld模型论文解读
• folder:5-项目实战-基于行人局部特征融合的再识别实战
• folder:7-基于拓扑图的行人重识别项目实战
• folder:8-额外补充：行人搜索源码分析
• folder:6-DataLoader自定义数据集制作
• folder:5-图像识别模型与训练策略（重点）
• folder:3-神经网络回归任务-气温预测
• folder:11-补充-基于相似度的酒店推荐系统
• folder:2-协同过滤与矩阵分解
• folder:10-基本统计分析的电影推荐
• folder:6-点击率估计FM与DeepFM算法
• folder:7-DeepFM算法实战
• folder:9-基于文本数据的推荐实例
• folder:3-基于CycleGan开源项目实战图像合成
• folder:8-图像超分辨率重构实战
• folder:9-基于GAN的图像补全实战
• folder:9-NeuralRecon项目环境配置
• folder:6-局部特征关键点匹配实战
• folder:7-三维重建应用与坐标系基础
• folder:4-基于深度学习的车道线检测项目实战
• folder:5-商汤LoFTR算法解读
• folder:11-TSDF算法与应用
• folder:15-特斯拉无人驾驶解读
• folder:2-深度估计项目实战