[咕泡学院]P5:人工智能CV + NLP技术 - 5期
文件清单
350 项
- 1人工智能CV NLP高薪实战班.mp4
- 1.深度学习必备基础-神经网络与卷积网络.mp4
- Transformer原理及其各领域应用分析.mp4
- 额外补充:时间序列预测.mp4
- Informer时间序列预测源码解读.mp4
- Huggingface与NLP(讲故事).mp4
- Huggingface核心模块解读.mp4
- BERT系列模型与命名实体识别实例.mp4
- GPT系列算法与实战.mp4
展开全部 350 项
- 1.生成模型可以完成的任务概述.mp4
- 2-数据样本生成方法.mp4
- 3-训练所需参数解读.mp4
- 4-模型训练过程.mp4
- 5-部署与网页预测展示.mp4
- 1-中文商城评价数据处理方法.mp4
- 2-模型训练与测试结果.mp4
- 3-文本摘要数据标注方法.mp4
- 4-训练自己标注的数据并测试.mp4
- 知识抽取实战.mp4
- Openai CLIP模型.mp4
- DeformableDetr算法解读.mp4
- OCR算法解读.mp4
- KIE关键信息抽取与视频超分辨率重构.mp4
- 1对比学习.mp4
- 1-神经网络算法解读.mp4
- 2-卷积神经网络算法解读.mp4
- 3-递归神经网络算法解读.mp4
- 1-PyTorch框架与其他框架区别分析1.mp4
- 2-CPU与GPU版本安装方法解读1.mp4
- 1-数据集与任务概述2.mp4
- 2-基本模块应用测试2.mp4
- 3-网络结构定义方法2.mp4
- 4-数据源定义简介2.mp4
- 5-损失与训练模块分析2.mp4
- 6-训练一个基本的分类模型2.mp4
- 7-参数对结果的影响2.mp4
- 神经网络回归任务-气温预测1.mp4
- 1-输入特征通道分析2.mp4
- 2-卷积网络参数解读2.mp4
- 3-卷积网络模型训练2.mp4
- 1-任务分析与图像数据基本处理2.mp4
- 2-数据增强模块2.mp4
- 3-数据集与模型选择1.mp4
- 4-迁移学习方法解读1.mp4
- 5-输出层与梯度设置1.mp4
- 6-输出类别个数修改1.mp4
- 7-优化器与学习率衰减1.mp4
- 8-模型训练方法1.mp4
- 9-重新训练全部模型1.mp4
- 10-测试结果演示分析1.mp4
- 1-Dataloader要完成的任务分析1.mp4
- 2-图像数据与标签路径处理1.mp4
- 3-Dataloader中需要实现的方法分析1.mp4
- 4-实用Dataloader加载数据并训练模型1.mp4
- 1-数据集与任务目标分析1.mp4
- 2-文本数据处理基本流程分析1.mp4
- 3-命令行参数与DEBUG1.mp4
- 4-训练模型所需基本配置参数分析1.mp4
- 5-预料表与字符切分1.mp4
- 6-字符预处理转换ID1.mp4
- 7-LSTM网络结构基本定义1.mp4
- 8-网络模型预测结果输出1.mp4
- 9-模型训练任务与总结1.mp4
- 1-基本结构与训练好的模型加载.mp4
- 2-服务端处理与预测函数.mp4
- 3-基于Flask测试模型预测结果.mp4
- MMCV安装方法.mp4
- 2-基本参数配置解读.mp4
- 3-各模块配置文件组成.mp4
- 4-生成完整配置文件.mp4
- 5-根据文件夹定义数据集.mp4
- 6-构建自己的数据集.mp4
- 7-训练自己的任务.mp4
- MMCLS问题修正1.mp4
- 1-测试DEMO效果.mp4
- 2-测试评估模型效果.mp4
- 3-MMCLS中增加一个新的模块.mp4
- 4-修改配置文件中的参数.mp4
- 5-数据增强流程可视化展示.mp4
- 6-Grad-Cam可视化方法.mp4
- 7-可视化细节与效果分析.mp4
- 8-MMCLS可视化模块应用.mp4
- 9-模型分析脚本使用.mp4
- 1-VIT任务概述.mp4
- 2-数据增强模块概述分析.mp4
- 3-PatchEmbedding层.mp4
- 4-前向传播基本模块.mp4
- 5-CLS与输出模块.mp4
- 2-数据集标注与制作方法.mp4
- 3-跟别预测类别数修改配置文件.mp4
- 4-加载预训练模型开始训练.mp4
- 5-预测DEMO演示.mp4
- 1-配置文件解读.mp4
- 2-编码层模块.mp4
- 3-上采样与输出层.mp4
- 4-辅助层的作用.mp4
- 5-给Unet添加一个neck层.mp4
- [咕泡学院]P5:人工智能CV + NLP技术 - 5期/
- 1_直播课回放/
- 2_深度学习必备核心算法/
- 3_深度学习核心框架PyTorch/
- 4_MMLAB实战系列/
- 5_Opencv图像处理框架实战/
- 7_图像分割实战/
- 8_行为识别实战/
- 9_2022论文必备-Transformer实战系列/
- 10_图神经网络实战/
- 11_3D点云实战/
- 12_目标追踪与姿态估计实战/
- 13_面向深度学习的无人驾驶实战/
- 14_缺陷检测实战/
- 15_行人重识别实战/
- 16_对抗生成网络实战/
- 17_强化学习实战系列/
- 18_面向医学领域的深度学习实战/
- 19_深度学习模型部署与剪枝优化实战/
- 20_自然语言处理经典案例实战/
- 21_自然语言处理通用框架-BERT实战/
- 22_知识图谱实战系列/
- 23_语音识别实战系列/
- 24_推荐系统实战系列/
- 1_直播1:开班典礼/
- 3_直播2:深度学习必备基础-神经网络与卷积网络/
- 4_直播3:Transformer原理及其各领域应用分析/
- 5_额外补充:时间序列预测/
- 6_直播4:Informer时间序列预测源码解读/
- 7_额外补充:Huggingface与NLP(讲故事)/
- 8_直播5:Huggingface核心模块解读/
- 9_直播6:BERT系列模型与命名实体识别实例/
- 10_直播7:GPT系列算法与实战/
- 11_额外补充:GPT建模与预测流程/
- 12_额外补充:文本摘要建模/
- 13_直播8:知识抽取实战/
- 14_直播9:Openai CLIP模型/
- 15_直播10:DeformableDetr算法解读/
- 16_直播11:OCR算法解读/
- 17_直播12:KIE关键信息抽取与视频超分辨率重构/
- 18_直播13:对比学习/
- 1_神经网络算法解读/
- 2_卷积神经网络算法解读/
- 3_递归神经网络算法解读/
- 1_PyTorch框架介绍与配置安装/
- 2_使用神经网络进行分类任务/
- 3_神经网络回归任务-气温预测/
- 4_卷积网络参数解读分析/
- 5_图像识别模型与训练策略(重点)/
- 6_DataLoader自定义数据集制作/
- 7_LSTM文本分类实战/
- 8_PyTorch框架Flask部署例子/
- 1_MMCV安装方法/
- 2_第一模块:分类任务基本操作/
- 3_第一模块:训练结果测试与验证/
- 4_第一模块:模型源码DEBUG演示/
- 5_第二模块:使用分割模块训练自己的数据集/
- 6_第二模块:基于Unet进行各种策略修改/
- 7_第二模块:分割任务CVPR最新Backbone设计及其应用/
- 8_第三模块:mmdet训练自己的数据任务/
- 9_第三模块:DeformableDetr物体检测源码分析/
- 10_第四模块:DBNET文字检测/
- 11_第四模块:ANINET文字识别/
- 12_第四模块:KIE基于图模型的关键信息抽取/
- 12_第五模块:stylegan2源码解读/
- 13_第六模块:BasicVSR++视频超分辨重构源码解读/
- 14_第七模块:多模态3D目标检测算法源码解读/
- 15_第八模块:模型蒸馏应用实例/
- 16_第八模块:模型剪枝方法概述分析/
- 17_第九模块:mmaction行为识别/
- 18_额外补充/
- 1_课程简介与环境配置/
- 2_图像基本操作/
- 3_阈值与平滑处理/
- 4_图像形态学操作/
- 5_图像梯度计算/
- 6_边缘检测/
- 7_图像金字塔与轮廓检测/
- 8_直方图与傅里叶变换/
- 11_图像特征-harris/
- 12_图像特征-sift/
- 13_案例实战-全景图像拼接/
- 16_背景建模/
- 17_光流估计/
- 18_Opencv的DNN模块/
- 20_卷积原理与操作/
- 1_深度学习经典检测方法概述/
- 2_YOLO-V1整体思想与网络架构/
- 3_YOLO-V2改进细节详解/
- 4_YOLO-V3核心网络模型/
- 6_基于YOLO-V3训练自己的数据集与任务/
- 7_YOLO-V4版本算法解读/
- 10_EfficientNet网络/
- 11_EfficientDet检测算法/
- 12_基于Transformer的detr目标检测算法/
- 13_detr目标检测源码解读/
- 1_图像分割及其损失函数概述/
- 2_卷积神经网络原理与参数解读/
- 3_Unet系列算法讲解/
- 4_unet医学细胞分割实战/
- 5_U2NET显著性检测实战/
- 6_deeplab系列算法/
- 7_基于deeplabV3+版本进行VOC分割实战/
仅展示前 200 项，共 350 项。
- 分享时间
- 2023-11-15 16:11
- 入库时间
- 2025-08-16 03:41
- 分享用户
- 夸父*641
- 资源大小
- 21.3 GB
- 资源类型
- 夸克网盘
- 资源标签
- 人工智能 计算机视觉 NLP 深度学习 Transformer
问题反馈
链接失效、内容异常、提取码错误等问题，可提交反馈，管理员会尽快处理。