咕泡-人工智能深度学习系统班（第八期）夸克网盘资源_网盘资源_夸克网盘资源搜索_全盘搜

• file:1-tf-serving项目获取与配置.mp4
• file:2-加载并启动模型服务.mp4
• file:3-测试模型部署效果.mp4
• file:4-fashion数据集获取.mp4
• file:1-deepstream 介绍安装.mp4
• file:4-GStreamer RTP和RTSP2.mp4
• file:4-筛选需要的特征图.mp4
• file:6-微调完成剪枝模型.mp4
• file:5-剪枝后模型参数赋值.mp4
• file:2-加入L1正则化来进行更新.mp4
• file:1-整体案例流程解读.mp4
• file:7-上传与下载配置好的项目.mp4
• file:3-阿里云镜像配置.mp4
• file:4-基于docker配置pytorch环境.mp4
• file:6-复制所需配置到容器中.mp4
• file:5-安装演示环境所需依赖.mp4
• file:1-docker简介.mp4
• file:6-NVIDIA TAO预训练模型和训练c..mp4
• file:7-TAO 剪枝在训练推理验证.mp4
• file:2-jetson nano 刷机.mp4
• file:5-安装使用摄像头csi usb.mp4
• file:4-感受nano的GPU算力.mp4
• file:4-经典卷积计算量与参数量分析.mp4
• file:2-常见剪枝方法介绍.mp4
• file:6-参数与计算量的比较.mp4
• file:5-深度可分离卷积的作用与效果.mp4
• file:7-V1版本效果分析.mp4
• file:8-V2版本改进以及Relu激活函数的问题.mp4
• file:12-SE模块作用与效果解读.mp4
• file:9-倒残差结构的作用.mp4
• file:13-代码实现mobilenetV3网络架构.mp4
• file:5- 训练出自己目标识别模型a.mp4
• file:7-转换出onnx模型，并使用.mp4
• file:4-返回线性预测结果.mp4
• file:4-效果实例演示.mp4
• file:2-模型加载与数据预处理.mp4
• file:3-接收与预测模块实现.mp4
• file:2-BatchNorm要解决的问题.mp4
• file:1-论文算法核心框架概述.mp4
• file:4-额外的训练参数解读.mp4
• file:1-神经网络结构.mp4
• file:1-Transformer.mp4
• file:1-对比学习算法与实例.mp4
• file:10-3D卷积特征融合.mp4
• file:6-体素特征提取方法解读.mp4
• file:4-数据与图像特征提取模块.mp4
• file:5-体素索引位置获取.mp4
• file:3-基本流程梳理并进入debug模式.mp4
• file:7-迭代修正模块.mp4
• file:6-文本模型中的结构分析.mp4
• file:5-视觉模型中的编码与解码的效果.mp4
• file:3-Bakbone模块得到特征.mp4
• file:2-配置文件修改方法.mp4
• file:8-输出层与损失计算.mp4
• file:6-训练一个基本的分类模型.mp4
• file:1-Dataloader要完成的任务分析.mp4
• file:1-PyTorch框架与其他框架区别分析.mp4
• file:2-CPU与GPU版本安装方法解读.mp4
• file:6-字符预处理转换ID.mp4
• file:9-模型训练任务与总结.mp4
• file:4-训练模型所需基本配置参数分析.mp4
• file:3-命令行参数与DEBUG.mp4
• file:5-预料表与字符切分.mp4
• file:1-数据集与任务目标分析.mp4
• file:10-测试结果演示分析.mp4
• file:7-优化器与学习率衰减.mp4
• file:8-损失函数与训练.mp4
• file:5-生成器模块源码解读.mp4
• file:5-下采样与上采样操作.mp4
• file:10-源码损失计算流程.mp4
• file:11-测试模块-生成转换语音.mp4
• file:7-生成器前向传播维度变化.mp4
• file:6-starganvc2版本标签输入分析.mp4
• file:4-V1版本存在的问题及后续改进思路.mp4
• file:5-V2版本在整体网络架构.mp4
• file:2-网络架构整体思路解读.mp4
• file:1-CycleGan网络所需数据.mp4
• file:3-PatchGan判别网络原理.mp4
• file:10-额外补充：VISDOM可视化配置.mp4
• file:8-损失函数：identity loss计算方法.mp4
• file:9-生成与判别损失函数指定.mp4
• file:5-InstanceNorm的作用解读.mp4
• file:6-AdaIn的目的与效果.mp4
• file:2-VCC2016输入数据.mp4
• file:5-模板匹配得出识别结果.mp4
• file:1-总体流程与方法讲解.mp4
• file:2-Python与Opencv配置安装.mp4
• file:3-Notebook与IDE环境.mp4
• file:8-基于视频的车位检测.mp4
• file:6-车位区域划分.mp4
• file:5-按列划分区域.mp4
• file:2-卷积层解释.mp4
• file:4-pading与stride.mp4
• file:1-计算机眼中的图像.mp4
• file:2-Lucas-Kanade算法.mp4
• file:6-多进程效率提升对比.mp4
• file:4-基于dlib与ssd的追踪.mp4
• file:3-深度学习检测框架加载.mp4
• file:1-背景消除-帧差法.mp4
• file:5-opencv角点检测效果.mp4
• file:1-角点检测基本原理.mp4
• file:3-原始与变换坐标计算.mp4
• file:5-tesseract-ocr安装配置.mp4
• file:3-scharr与lapkacian算子.mp4
• file:1-Canny边缘检测流程.mp4
• file:11-激活函数与整体架构总结.mp4
• file:4-DropBlock与标签平滑方法.mp4
• file:9-SAM注意力机制模块.mp4
• file:6-如何找到合适的初始化参数.mp4
• file:1-异常检测要解决的问题与数据集介绍.mp4
• file:7-MetaLearn与输出.mp4
• file:7-特征图各点累加向量计算.mp4
• file:9-网络模型一阶段输出.mp4
• file:2-读取图像与标注信息.mp4
• file:10-多阶段输出与预测.mp4
• file:5-准备构建PAF躯干标签.mp4
• file:4-根据关键点位置设计关键点标签.mp4
• file:3-关键点与躯干特征图初始化.mp4
• file:11-CPM模型特点.mp4
• file:5-基于高斯分布预测关键点位置.mp4
• file:3-传统topdown方法的问题.mp4
• file:4-要解决的两个问题分析.mp4
• file:2-姿态估计应用领域概述.mp4
• file:8-PAF标签设计方法.mp4
• file:5-训练所需标签文件说明.mp4
• file:7-视频数据集切分操作.mp4
• file:7-匈牙利匹配算法概述.mp4
• file:10-sort与deepsort建模流程分析.mp4
• file:2-卡尔曼滤波要完成的任务.mp4
• file:4-基于观测值进行最优估计.mp4
• file:9-Focus模块流程分析.mp4
• file:8-V5网络配置文件解读.mp4
• file:5-数据四合一方法与流程演示.mp4
• file:6-getItem构建batch.mp4
• file:20-各种训练策略概述.mp4
• file:13-1-SPP层计算细节分析.mp4
• file:12-BottleneckCSP层计算方法.mp4
• file:4-对track执行预测操作.mp4
• file:3-针对检测结果初始化track.mp4
• file:6-IOU代价矩阵计算.mp4
• file:6-slow与fast分别执行采样操作.mp4
• file:9-resnetBolock操作.mp4
• file:7-分别计算特征图输出结果.mp4
• file:10-RoiAlign与输出层.mp4
• file:5-图像数据所需预处理方法.mp4
• file:5-特征融合模块与总结分析.mp4
• file:6-3D卷积网络所涉及模块.mp4
• file:5-数据Batch制作方法.mp4
• file:4-Resnet网络前向传播.mp4
• file:1-医学疾病数据集介绍.mp4
• file:5-残差网络的shortcut操作.mp4
• file:4-传统方法与现在向量空间对比.mp4
• file:8-VectorNet输出层分析.mp4
• file:8-网络coarse-to-fine过程.mp4
• file:6-空洞卷积与ASPP.mp4
• file:4-差异特征计算边界信息.mp4
• file:1-深度估计效果与应用.mp4
• file:5-插值得到对应特征向量.mp4
• file:5-SubGraph与Attention模型流程.mp4
• file:3-计算得到TSDF输出.mp4
• file:5-四条车道线标签位置矩阵.mp4
• file:3-制作数据集dataloader.mp4
• file:7-通过内外参数进行坐标变换.mp4
• file:11-模型DEMO输出结果.mp4
• file:6-权重参数标准化操作.mp4
• file:4-使用backbone进行特征提取.mp4
• folder:咕泡-人工智能深度学习系统班（第八期）
• folder:22-深度学习模型部署与剪枝优化实战
• folder:3-深度学习必备核⼼算法
• folder:15-对比学习与多模态任务实战
• folder:4-深度学习框架PyTorch
• folder:18-对抗生成网络实战
• folder:6-Opencv图像处理框架实战
• folder:10-经典视觉项目实战：行为识别、姿态估计、目标追踪
• folder:14-面向深度学习的无人驾驶实战
• folder:26-自然语言处理通用框架-BERT实战
• folder:21-CV与NLP经典大模型解读
• folder:9-走向AI论文实验与项目实战的捷径-MMLAB实战系列
• folder:11-2022论⽂必备-Transformer实战系列
• folder:1-直播回放
• folder:20-面向医学领域的深度学习实战
• folder:24-自然语言处理必备神器Huggingface系列实战
• folder:29-推荐系统实战系列
• folder:第八期资料
• folder:5-深度学习框架Tensorflflow
• folder:7-综合项目-物体检测经典算法实战
• folder:19-强化学习与AI黑科技实例
• folder:25-时间序列预测
• folder:30-论文创新点常用方法及其应用实例
• folder:9-tensorflow-serving实战
• folder:4- AIoT人工智能物联网之deepstream
• folder:11-模型剪枝-Network Slimming实战解读
• folder:8-docker实例演示
• folder:3-AIoT人工智能物联网之NVIDIA TAO 实用级的训练神器
• folder:12-Mobilenet三代网络模型架构
• folder:7-YOLO-V3物体检测部署实例
• folder:6-pyTorch框架部署实践
• folder:2-卷积神经网络
• folder:4-VIT源码解读
• folder:4-多模态文字识别
• folder:3-多模态3D目标检测算法源码解读
• folder:6-DataLoader自定义数据集制作
• folder:4-卷积网络参数解读分析
• folder:3-神经网络回归任务-气温预测
• folder:7-LSTM文本分类实战
• folder:5-图像识别模型与训练策略（重点）
• folder:8-图像超分辨率重构实战
• folder:5-stargan项目实战及其源码解读
• folder:3-基于CycleGan开源项目实战图像合成
• folder:6-基于starganvc2的变声器论文原理解读
• folder:9-基于GAN的图像补全实战
• folder:9-项目实战-信用卡数字识别
• folder:3-阈值与平滑处理
• folder:1-课程简介与环境配置
• folder:2-图像基本操作
• folder:8-直方图与傅里叶变换
• folder:13-案例实战-全景图像拼接
• folder:11-图像特征-harris
• folder:7-图像金字塔与轮廓检测
• folder:21-项目实战-疲劳检测
• folder:18-Opencv的DNN模块
• folder:13-YOLO-V4版本算法解读
• folder:5-视频异常检测算法与元学习
• 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:9-姿态估计OpenPose系列算法解读
• folder:2-slowfast项目环境配置与配置文件
• folder:11-deepsort算法知识点解读
• folder:14-V5版本项目配置
• folder:3-slowfast源码详细解读
• folder:4-基于3D卷积的视频分析与动作识别
• folder:7-基础补充-Resnet模型及其应用实例
• folder:3-车道线检测算法与论文解读
• folder:1-深度估计算法原理解读
• folder:10-NeuralRecon项目源码解读
• folder:12-TSDF实战案例
• folder:15-特斯拉无人驾驶解读
• folder:4-基于深度学习的车道线检测项目实战
• folder:7-三维重建应用与坐标系基础
• folder:6-局部特征关键点匹配实战
• folder:5-商汤LoFTR算法解读
• folder:2-谷歌开源项目BERT源码解读与应用实例
• folder:5-必备基础知识点-woed2vec模型通俗解读
• folder:7-必备基础知识点-RNN网络架构与情感分析应用实例
• folder:4-项目实战-基于BERT的中文命名实体识别识别实战
• folder:6-必备基础-掌握Tensorflow如何实现word2vec模型
• folder:8-医学糖尿病数据命名实体识别
• folder:11-openai-dalle2源码解读
• folder:9-扩散模型diffusion架构算法解读
• folder:7-视觉大模型SAM
• folder:14-视觉自监督任务BEITV2论文解读
• folder:3-GPT2训练与预测部署流程
• folder:4-chatgpt算法解读分析
• folder:18-补充-视觉大模型基础-deformableAttention
• folder:6-LLM下游任务训练自己模型实战
• folder:5-LLM与LORA微调策略解读
• folder:12-自监督任务-对比学习思想
• folder:16-BEV感知特征空间算法解读
• folder:17-BEVformer项目源码解读
• folder:17-第六模块：BasicVSR++视频超分辨重构源码解读
• folder:8-第三模块：mmdet训练自己的数据任务
• folder:7-第二模块：分割任务CVPR最新Backbone设计及其应用
• folder:9-第三模块：DeformableDetr物体检测源码分析
• folder:16-第五模块：stylegan2源码解读
• folder:21-第九模块：mmaction行为识别
• folder:1-MMCV安装方法
• folder:20-第八模块：模型剪枝方法概述分析
• folder:12-KIE关键信息抽取与视频超分辨率重构
• folder:2-第一模块：分类任务基本操作
• folder:4-第一模块：模型源码DEBUG演示
• folder:23-额外补充-在源码中加入各种注意力机制方法
• folder:6-第二模块：基于Unet进行各种策略修改
• folder:13-第四模块：DBNET文字检测
• folder:15-第四模块：KIE基于图模型的关键信息抽取
• folder:22-OCR算法解读
• folder:19-第八模块：模型蒸馏应用实例
• folder:3-第一模块：训练结果测试与验证
• folder:13-基于deeplabV3+版本进⾏VOC分割实战
• 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:12-图像分割deeplab系列算法
• 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:5-swintransformer源码解读
• folder:6-基于Transformer的detr目标检测算法
• folder:14-分割模型Maskformer系列
• folder:20-Huggingface与NLP（讲故事）
• folder:10-MedicalTrasnformer论文解读
• folder:16-直播15：知识图谱与LORA
• folder:14-直播13：时间序列timesnet与地理分类任务
• folder:9-直播8：GPT与Hugging face
• folder:7-直播6：Transformer Decoder在视觉任务的应用
• 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:4-基于Resnet的医学数据集分类实战
• folder:14-Neo4j数据库实战
• folder:10-基于deeplab的心脏视频数据诊断分析
• folder:16-词向量模型与RNN网络架构
• folder:6-Unet系列算法讲解
• folder:15-基于知识图谱的医药问答系统实战
• 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-Transformer工具包基本操作实例解读
• 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:11-补充Huggingface数据集制作方法实例
• folder:9-文本摘要建模
• folder:12-基于MASK-RCNN框架训练自己的数据与任务
• folder:11-MaskRcnn网络框架源码详解
• folder:7-医学⼼脏视频数据集分割建模实战
• folder:4-U2NET显著性检测实战
• folder:10-物体检测框架-MaskRcnn项目介绍与配置
• folder:6-点击率估计FM与DeepFM算法
• folder:10-基本统计分析的电影推荐
• folder:2-协同过滤与矩阵分解
• folder:11-补充-基于相似度的酒店推荐系统
• folder:1-推荐系统介绍及其应用
• folder:8-推荐系统常用工具包演示
• folder:9-基于文本数据的推荐实例
• folder:7-DeepFM算法实战
• 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:3-基于Attention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:第10章 经典视觉项目实战-行为识别
• folder:第17章 ⾏⼈重识别实战
• folder:第23章 ⾃然语⾔处理经典案例实战
• folder:第27章 知识图谱实战系列
• folder:第2章 AI课程所需安装软件教程
• folder:3-搭建神经⽹络进⾏分类与回归任务
• folder:13-项目实战：经典网络架构Resnet实战
• folder:11-项目实战：将CNN网络应用于文本分类实战
• folder:5-项目实战：猫狗识别实战
• folder:7-训练策略-迁移学习实战
• folder:8-递归神经⽹络与词向量原理解读
• folder:1-tensorflflow安装与简介
• folder:2-神经网络原理解读与整体架构
• folder:6-图像数据增强实例
• 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:18-EfficientDet检测算法
• folder:3-YOLO-V1整体思想与网络架构
• folder:15-DeformableDetr算法解读
• folder:16-半监督物体检测
• folder:1-物体检测评估指标
• 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:6-ConvTasnet语音分离实战
• folder:5-语音分离ConvTasnet模型
• folder:2-LAS模型语音识别实战
• folder:1-seq2seq序列网络模型
• folder:7-语音合成tacotron最新版实战
• folder:4-新闻分类任务实战
• folder:9-基于word2vec的分类任务
• folder:2-商品信息可视化与文本分析
• folder:5-HMM隐马尔科夫模型
• folder:14-对话机器人
• folder:8-使用Gemsim构建词向量
• folder:6-HMM工具包实战
• folder:3-贝叶斯算法
• folder:11-NLP-相似度模型
• folder:10-NLP-文本特征方法对比
• folder:3-PPO实战-月球登陆器训练实例
• folder:8-GPT系列生成模型
• folder:10-CLIP系列
• folder:7-用A3C玩转超级马里奥
• folder:6-Actor-Critic算法分析（A3C）
• folder:4-Q-learning与DQN算法
• folder:2-PPO算法与公式推导
• folder:5-DQN改进与应用技巧
• folder:13-ChatGPT
• folder:12-Dalle2及其源码解读
• folder:4-Pointnet++项目实战
• folder:5-点云补全PF-Net论文解读
• folder:7-点云配准及其案例实战
• folder:8-基础补充-对抗生成网络架构原理与实战解析
• folder:2-3D点云PointNet算法
• folder:1-3D点云实战 3D点云应用领域分析
• folder:3-Timesnet时序预测
• folder:7-金融平台风控模型实践
• 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:5-图注意力机制与序列图模型
• folder:3-图模型必备神器PyTorch Geometric安装与使用
• folder:4-使用PyTorch Geometric构建自己的图数据集
• folder:8-基于图模型的轨迹估计
• folder:6-图相似度论文解读