rk0610-GP-人工智能深度学习系统班第五期-完结-课件齐全

itkz

资源名称：rk0610-GP-人工智能深度学习系统班第五期-完结-课件齐全   ruik


——/GP-人工智能深度学习系统班第五期-完结-课件齐全（189.14G）/
├──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  
|   |   ├──课后作业  
|   |   ├──课件  
|   |   └──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  
|   |   ├──gc2.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
|   |   └

网盘链接开通VIP可见