GP-人工智能深度学习系统班第五期-完结-课件齐全

课程目录

00 资料
1.第一章 直播回放
1-1 节开班典礼
1-10 节直播7：半监督物体检测
1-11 节直播8：基于图模型的时间序列预测
1-12 节直播9：图像定位与检索
1-13 节直播10：近期内容补充
1-14 节直播11文本生成GPT系列
1-15 节直播12：异构图神经网络
1-16 节直播13：BEV特征空间
1-17 节补充：BevFormer源码解读
1-18 节直播14：知识蒸馏
1-3 节直播1：深度学习核心算法-神经网络与卷积网络
1-4 节卷积神经网络
1-5 节直播3：Transformer架构
1-6 节直播4：Transfomer在视觉任务中的应用实例
1-7 节直播5：YOLO系列（V7）算法解读
1-8 节直播6：分割模型Maskformer系列
1-9 节补充：Mask2former源码解读
10.第一十章 图神经⽹络实战
3-图模型必备神器PyTorch Geometric安装与使用
4-使用PyTorch Geometric构建自己的图数据集
5-图注意力机制与序列图模型
6-图相似度论文解读
7-图相似度计算实战
8-基于图模型的轨迹估计
9-图模型轨迹估计实战
第二章：图卷积GCN模型
第一章：图神经网络基础
11.第一十一章 3D点云实战
第1节：3D点云应用领域分析
第2节：3D点云PointNet算法
第3节：PointNet++算法解读
第4节：Pointnet++项目实战
第5节：点云补全PF-Net论文解读
第6节：点云补全实战解读
第7节：点云配准及其案例实战
第8节：基础补充-对抗生成网络架构原理与实战解析
12.第一十二章 ⽬标追踪与姿态估计实战
第五六七章：YOLO目标检测
基础补充-Resnet模型及其应用实例
第二章：OpenPose算法源码分析.zip 243.86M
第三章：Deepsort算法知识点解读.pdf 1.58M
第四章：Deepsort源码解读.zip 107.90M
第一章：姿态估计OpenPose系列算法解读.pdf 2.42M
基础补充-PyTorch框架必备核心模块解读.zip 336.95M
基础补充-PyTorch框架基本处理操作.zip 98.58M
13.第一十三章 ⾯向深度学习的⽆⼈驾驶实战
1.深度估计算法解读
10-NeuralRecon项目源码解读
11-TSDF算法与应用
12-TSDF实战案例
13-轨迹估计算法与论文解读
14-轨迹估计预测实战
15-特斯拉无人驾驶解读
2.深度估计项目实战
3-车道线检测算法与论文解读
4-基于深度学习的车道线检测项目实战
5-商汤LoFTR算法解读
6-局部特征关键点匹配实战
7-三维重建应用与坐标系基础
8-NeuralRecon算法解读
9-NeuralRecon项目环境配置
14.第一十四章 对比学习与多模态任务实战
ANINET源码解读
CLIP系列
对比学习算法与实例
多模态3D目标检测算法源码解读
多模态文字识别
15.第一十五章 缺陷检测实战
PyTorch基础
Resnet分类实战
第1-4章：YOLOV5缺陷检测
第11-12章：deeplab
第6-8章：Opencv各函数使用实例
DeepLab铁质材料缺陷检测与开源项目应用流程.zip 3.58G
第10章：基于视频流水线的Opnecv缺陷检测项目.zip 13.96M
第5章：Semi-supervised布料缺陷检测实战.zip 212.33M
第9章：基于Opencv缺陷检测项目实战.zip 11.38M
16.第一十六章 ⾏⼈重识别实战
第1节：行人重识别原理及其应用
第2节：基于注意力机制的ReId模型论文解读
第3节：基于Attention的行人重识别项目实战
第4节：经典会议算法精讲（特征融合）
第5节：项目实战-基于行人局部特征融合的再识别实战
第6节：旷视研究院最新算法解读（基于图模型）
第7节：基于拓扑图的行人重识别项目实战
17.第一十七章 对抗⽣成⽹络实战
第4节：stargan论文架构解析
第6节：基于starganvc2的变声器论文原理解读
第8节：图像超分辨率重构实战
第9节：基于GAN的图像补全实战
cyclegan.pdf 2.67M
static.zip 1.26M
第2节：对抗生成网络架构原理与实战解析.zip 35.28M
第3节：基于CycleGan开源项目实战图像合成.zip 1.60G
第5节：stargan项目实战及其源码解读.zip 869.44M
第7节：starganvc2变声器项目实战及其源码解读.zip 485.00M
18.第一十八章 强化学习实战系列
第1节：强化学习简介及其应用.pdf 738.65kb
第2节：PPO算法与公式推导.pdf 899.22kb
第3节：策略梯度实战-月球登陆器训练实例.zip 4.34M
第4节：DQN算法.pdf 1.43M
第5节：DQN算法实例演示.zip 1.98kb
第7节：Actor-Critic算法分析(A3C).pdf 560.29kb
第8节：A3C算法玩转超级马里奥.zip 97.62M
19.第一十九章 Openai顶级黑科技算法及其项目实战
1 节GPT系列生成模型
2 节GPT建模与预测流程
3 节CLIP系列
4 节Diffusion模型解读
5 节Dalle2及其源码解读
6 节ChatGPT
2.第二章 深度学习必备核⼼算法
课件
20.第二十章 面向医学领域的深度学习实战
1-神经网络算法PPT
10-基于deeplab的心脏视频数据诊断分析
11-YOLO系列物体检测算法原理解读
12-基于YOLO5细胞检测实战
13-知识图谱原理解读
14-Neo4j数据库实战
15-基于知识图谱的医药问答系统实战
17-医学糖尿病数据命名实体识别
4-基于Resnet的医学数据集分类实战
5-图像分割及其损失函数概述
6-Unet系列算法讲解
7-unet医学细胞分割实战
8-deeplab系列算法
9-基于deeplabV3+版本进行VOC分割实战
16-词向量模型与RNN网络架构.zip 2.15M
2-PyTorch框架基本处理操作.zip 98.58M
3-PyTorch框架必备核心模块解读.zip 336.95M
21.第二十一章 深度学习模型部署与剪枝优化实战
tensorRT
嵌入式AI
Docker使用命令.zip 7.83M
Mobilenet.pdf 2.41M
mobilenetv3.py 7.31kb
pytorch-slimming.zip 356.43M
PyTorch模型部署实例.zip 102.80kb
TensorFlow-serving.zip 2.96M
YOLO部署实例.zip 876.45M
剪枝算法.pdf 504.02kb
22.第二十二章 自然语言处理必备神器Huggingface系列实战
第八章：GPT训练与预测部署流程
第二章：Transformer工具包基本操作实例解读
第九章：文本摘要建模
第六章：文本预训练模型构建实例
第七章：GPT系列算法
第三章：transformer原理解读
第十一章：补充Huggingface数据集制作方法实例
第十章：图谱知识抽取实战
第四章：BERT系列算法解读
第五章：文本标注工具与NER实例
第一章：Huggingface与NLP介绍解读
23.第二十三章 ⾃然语⾔处理通⽤框架-BERT实战
课后作业
课件、源码
24.第二十四章 ⾃然语⾔处理经典案例实战
NLP常用工具包
源码、数据集等
25.第二十五章 知识图谱实战系列
第1.2节：知识图谱介绍及其应用领域分析
第3节：Neo4j数据库实战
第4节：使用python操作neo4j实例
第5节：基于知识图谱的医药问答系统实战
第6节：文本关系抽取实践
第7节：金融平台风控模型实践
第8节：医学糖尿病数据命名实体识别
26.第二十六章 语⾳识别实战系列
PPT
论文
变声器pytorch-StarGAN-VC2.zip 484.93M
语音分离Conv-TasNet.zip 84.38M
语音合成tacotron2实战.zip 302.43M
语音识别LAS模型.zip 420.12M
27.第二十七章 推荐系统实战系列
第10节：基于统计分析的电影推荐
第3节：音乐推荐系统实战
第4节：Neo4j数据库实例
第11节：补充-基于相似度的酒店推荐系统.zip 1.81M
第1节：推荐系统介绍.pdf 1.50M
第2节：协同过滤与矩阵分解.pdf 974.68kb
第5节：基于知识图谱的电影推荐实战.zip 160.61M
第6节：FM与DeepFM算法.pdf 759.61kb
第7节：DeepFM算法实战.zip 1.16M
第8节：推荐系统常用工具包演示.zip 129.35M
第9节：基于文本数据的推荐实例.zip 254.77M
28.第二十八章 AI课程所需安装软件教程
Anaconda3-2020.07-Windows-x86_64.exe 467.49M
cuda_11.3.0_465.89_win10.exe 2.68G
mmcv_full-1.4.7-cp38-cp38-win_amd64.whl 12.75M
notepadplusplus-8-4.exe 4.28M
pycharm-community-2022.1.2.exe 378.78M
torch-1.10.0+cu113-cp38-cp38-win_amd64.whl 2.27G
torchvision-0.11.0+cu113-cp38-cp38-win_amd64.whl 3.04M
VisualStudioSetup.exe 1.60M
29.第二十九章 额外补充
ACMIX(卷积与注意力结合)
ConvNeXt
Coordinate_attention
GCNET(全局特征融合)
mobileone(提速)
SPD-Conv
SPPCSPC(替换SPP)
gc(2).py 5.67kb
gc.py 5.67kb
3.第三章 深度学习核⼼框架PyTorch
flask预测.zip 712.05M
第八章：对抗生成网络架构原理与实战解析.zip 35.28M
第二,三章：神经网络实战分类与回归任务.zip 15.82M
第六章：DataLoader自定义数据集制作.zip 594.02M
第七章：LSTM文本分类实战.zip 31.53M
第四章：卷积网络参数解读.zip 33.37M
第五章：图像识别模型与训练策略（重点）.zip 449.77M
4.第四章 MMLAB实战系列
DeformableDetr算法解读
KIE关键信息抽取与视频超分辨率重构
OCR算法解读
mask2former(mmdetection).zip 192.38M
ner.zip 121.60M
第八模块：mmrazor-模型蒸馏.zip 1.00G
第二模块：mmsegmentation-0.20.2.zip 2.80G
第二模块：MPViT-main.zip 924.77M
第九模块：mmaction2-master.zip 827.76M
第六模块：mmediting-master.zip 107.78M
第七模块：mmdetection3d-1.0.0rc0.zip 395.05M
第三模块：mmdetection-master.zip 1.46G
第四模块：mmocr-main.zip 381.72M
第五模块：mmgeneration-master.zip 746.81M
第一模块：mmclassification-master.zip 912.00M
5.第五章 Opencv图像处理框架实战
源码资料
6.第六章 综合项⽬-物体检测经典算法实战
YOLO系列（PyTorch）
CenterNet.pdf 8.83M
detr目标检测源码解读.zip 108.29kb
EfficientDet.pdf 780.70kb
EfficientDet.zip 80.48M
EfficientNet.pdf 943.23kb
json2yolo.py 1.48kb
yolov7-main.zip 337.57M
第十二章：基于Transformer的detr目标检测算法.pdf 885.69kb
物体检测.pdf 1.38M
7.第七章 图像分割实战
第1节：图像分割算法
第2节：卷积网络
第3节：Unet系列算法讲解
第4节：unet医学细胞分割实战
第6节：deeplab系列算法
第7节：基于deeplabV3+版本进行VOC分割实战
第8节：基于deeplab的心脏视频数据诊断分析
基于Resnet的医学数据集分类实战
f112c9fda85536ee3eba662c9043e683.bat 0.07kb
mask-rcnn.pdf 989.98kb
MaskRcnn网络框架源码详解.zip 1.14G
PyTorch框架基本处理操作.zip 98.58M
R(2+1)D网络.pdf 507.15kb
第5节：U-2-Net.zip 636.25M
基于MASK-RCNN框架训练自己的数据与任务.zip 439.38M
图像识别核心模块实战解读.zip 336.95M
8.第八章 行为识别实战
slowfast-add
1-slowfast算法知识点通俗解读.pdf 572.31kb
4-基于3D卷积的视频分析与动作识别.zip 845.84M
5-视频异常检测算法与元学习.pdf 1.15M
6-视频异常检测CVPR2021论文及其源码解读.zip 243.75M
slowfast论文.pdf 1.45M
9.第九章 2022论⽂必备-Transformer实战系列
transformer系列
01 直播课回放
01 开班典礼
01 开班典礼.mp4 1.04G
02 Pycharm环境配置与Debug演示(没用过的同学必看)
01 Pycharm环境配置与Debug演示(没用过的同学必看).mp4 96.02M
03 直播1：深度学习核心算法-神经网络与卷积网络
01 深度学习核心算法-神经网络与卷积网络.mp4 370.69M
04 直播2：卷积神经网络
01 卷积神经网络.mp4 414.75M
05 直播3：Transformer架构
01 Transformer架构.mp4 365.08M
06 直播4：Transfomer在视觉任务中的应用实例
01 Transfomer在视觉任务中的应用实例.mp4 661.46M
07 直播5：YOLO系列（V7）算法解读
01 YOLO系列（V7）算法解读.mp4 392.52M
08 直播6：分割模型Maskformer系列
01 分割模型Maskformer系列.mp4 570.91M
09 补充：Mask2former源码解读
01 Backbone获取多层级特征.mp4 27.89M
02 多层级采样点初始化构建.mp4 33.82M
03 多层级输入特征序列创建方法.mp4 33.71M
04 偏移量与权重计算并转换.mp4 37.60M
05 Encoder特征构建方法实例.mp4 40.05M
06 query要预测的任务解读.mp4 36.21M
07 Decoder中的AttentionMask方法.mp4 40.02M
08 损失模块输入参数分析.mp4 31.76M
09 标签分配策略解读.mp4 33.32M
10 正样本筛选损失计算.mp4 32.51M
11 标签分类匹配结果分析.mp4 49.34M
12 最终损失计算流程.mp4 41.44M
13 汇总所有损失完成迭代.mp4 28.48M
10 直播7：半监督物体检测
01 半监督物体检测.mp4 606.03M
11 直播8：基于图模型的时间序列预测
01 基于图模型的时间序列预测.mp4 911.17M
12 直播9：图像定位与检索
01 图像定位与检索.mp4 717.84M
13 直播10：近期内容补充
01 近期内容补充.mp4 725.35M
14 直播11：文本生成GPT系列
01 文本生成GPT系列.mp4 307.00M
15 直播12：异构图神经网络
01 异构图神经网络.mp4 527.75M
16 直播13：BEV特征空间
01 BEV特征空间.mp4 384.59M
17 补充：BevFormer源码解读
01 环境配置方法解读.mp4 34.17M
02 数据集下载与配置方法.mp4 41.44M
03 特征提取以及BEV空间初始化.mp4 33.67M
04 特征对齐与位置编码初始化.mp4 33.90M
05 Reference初始点构建.mp4 29.37M
06 BEV空间与图像空间位置对应.mp4 29.38M
07 注意力机制模块计算方法.mp4 30.62M
08 BEV空间特征构建.mp4 26.80M
09 Decoder要完成的任务分析.mp4 26.51M
10 获取当前BEV特征.mp4 28.58M
11 Decoder级联校正模块.mp4 33.43M
12 损失函数与预测可视化.mp4 41.28M
18 直播14：知识蒸馏
01 知识蒸馏.mp4 354.30M
19 直播15：六期总结与论文简历
01 六期总结与论文简历.mp4 289.93M
02 深度学习必备核心算法
01 神经网络算法解读
01 神经网络算法解读.mp4 415.30M
02 卷积神经网络算法解读
01 卷积神经网络算法解读.mp4 325.31M
03 递归神经网络算法解读
01 递归神经网络算法解读.mp4 271.82M
03 深度学习核心框架PyTorch
01 PyTorch框架介绍与配置安装
01 PyTorch框架与其他框架区别分析.mp4 28.86M
02 CPU与GPU版本安装方法解读.mp4 69.56M
02 使用神经网络进行分类任务
01 数据集与任务概述.mp4 35.61M
02 基本模块应用测试.mp4 36.42M
03 网络结构定义方法.mp4 43.97M
04 数据源定义简介.mp4 29.45M
05 损失与训练模块分析.mp4 32.01M
06 训练一个基本的分类模型.mp4 42.01M
07 参数对结果的影响.mp4 39.23M
03 神经网络回归任务-气温预测
01 神经网络回归任务-气温预测.mp4 154.93M
04 卷积网络参数解读分析
01 输入特征通道分析.mp4 33.69M
02 卷积网络参数解读.mp4 24.75M
03 卷积网络模型训练.mp4 41.99M
05 图像识别模型与训练策略（重点）
01 任务分析与图像数据基本处理.mp4 31.96M
02 数据增强模块.mp4 30.83M
03 数据集与模型选择.mp4 36.14M
04 迁移学习方法解读.mp4 34.10M
05 输出层与梯度设置.mp4 47.38M
06 输出类别个数修改.mp4 40.46M
07 优化器与学习率衰减.mp4 41.29M
08 模型训练方法.mp4 39.99M
09 重新训练全部模型.mp4 43.25M
10 测试结果演示分析.mp4 91.09M
06 DataLoader自定义数据集制作
01 Dataloader要完成的任务分析.mp4 29.00M
02 图像数据与标签路径处理.mp4 37.60M
03 Dataloader中需要实现的方法分析.mp4 33.96M
04 实用Dataloader加载数据并训练模型.mp4 63.88M
07 LSTM文本分类实战
01 数据集与任务目标分析.mp4 36.03M
02 文本数据处理基本流程分析.mp4 38.62M
03 命令行参数与DEBUG.mp4 30.07M
04 训练模型所需基本配置参数分析.mp4 33.00M
05 预料表与字符切分.mp4 25.85M
06 字符预处理转换ID.mp4 28.32M
07 LSTM网络结构基本定义.mp4 28.87M
08 网络模型预测结果输出.mp4 32.54M
09 模型训练任务与总结.mp4 39.42M
08 PyTorch框架Flask部署例子
01 基本结构与训练好的模型加载.mp4 17.32M
02 服务端处理与预测函数.mp4 36.32M
03 基于Flask测试模型预测结果.mp4 38.76M
04 MMLAB实战系列
01 MMCV安装方法
01 MMCV安装方法.mp4 38.52M
02 第一模块：分类任务基本操作
01 MMCLS问题修正.mp4 18.43M
02 准备MMCLS项目.mp4 25.79M
03 基本参数配置解读.mp4 26.22M
04 各模块配置文件组成.mp4 29.52M
05 生成完整配置文件.mp4 18.70M
06 根据文件夹定义数据集.mp4 31.27M
07 构建自己的数据集.mp4 26.92M
08 训练自己的任务.mp4 30.97M
… 共 2319 条