【课程目录】
├──1-直播回放
| ├──1-开班典礼
| | └──1-开班典礼.mp4 872.85M
| ├──10-直播9：自监督任务
| | └──1-自监督任务.mp4 1.24G
| ├──11-直播10：知识蒸馏
| | └──1-知识蒸馏.mp4 1.53G
| ├──12-直播11：分割Mask2former算法
| | └──1-分割Mask2former算法.mp4 452.34M
| ├──13-直播12：多模态与交叉注意力应用
| | └──1-多模态与交叉注意力应用.mp4 1.43G
| ├──14-直播13：时间序列timesnet与地理分类任务
| | └──1-时间序列timesnet与地理分类任务.mp4 1.27G
| ├──15-直播14：论文写作与就业简历
| | └──1-论文写作与就业简历.mp4 1.15G
| ├──16-直播15：知识图谱与LORA
| | └──1-知识图谱与LORA.mp4 1.49G
| ├──2-直播1：神经网络
| | └──1-神经网络.mp4 1.27G
| ├──3-直播2：卷积神经网络
| | └──1-卷积神经网络.mp4 1.46G
| ├──4-直播3：Transformer架构解读
| | └──1-Transformer架构解读.mp4 1.02G
| ├──5-直播4：视觉Transformer- VIT源码解读
| | └──1-视觉Transformer- VIT源码解读.mp4 1.43G
| ├──6-直播5：图神经网络
| | └──1-图神经网络.mp4 1.36G
| ├──7-直播6：Transformer Decoder在视觉任务的应用
| | └──1-Transformer Decoder在视觉任务的应用.mp4 1.40G
| ├──8-直播7：对比学习与多模态任务
| | └──1-对比学习与多模态任务.mp4 1.33G
| └──9-直播8：GPT与Hugging face
| | ├──1-GPT与Hugging face(1).mp4 1.57G
| | └──1-GPT与Hugging face.mp4 1.57G
├──10-2022论⽂必备-Transformer实战系列
| ├──1-Transformer算法解读
| | └──1-Transformer算法解读.mp4 557.22M
| ├──10-MedicalTrasnformer论文解读
| | ├──1-论文整体分析.mp4 23.72M
| | ├──2-核心思想分析.mp4 54.26M
| | ├──3-网络结构计算流程概述.mp4 44.46M
| | ├──4-论文公式计算分析.mp4 46.93M
| | ├──5-位置编码的作用与效果.mp4 46.55M
| | └──6-拓展应用分析.mp4 56.52M
| ├──11-MedicalTransformer源码解读
| | ├──1-项目环境配置.mp4 25.29M
| | ├──2-医学数据介绍与分析.mp4 56.68M
| | ├──3-基本处理操作.mp4 25.77M
| | ├──4-AxialAttention实现过程.mp4 36.87M
| | ├──5-位置编码向量解读.mp4 27.80M
| | ├──6-注意力计算过程与方法.mp4 52.13M
| | └──7-局部特征提取与计算.mp4 40.92M
| ├──12-商汤LoFTR算法解读
| | ├──1-特征匹配的应用场景.mp4 87.35M
| | ├──10-总结分析.mp4 39.42M
| | ├──2-特征匹配的基本流程分析.mp4 15.91M
| | ├──3-整体流程梳理分析.mp4 16.46M
| | ├──4-CrossAttention的作用与效果.mp4 15.69M
| | ├──5-transformer构建匹配特征.mp4 33.79M
| | ├──6-粗粒度匹配过程与作用.mp4 26.00M
| | ├──7-特征图拆解操作.mp4 14.34M
| | ├──8-细粒度匹配的作用与方法.mp4 19.87M
| | └──9-基于期望预测最终位置.mp4 23.08M
| ├──13-局部特征关键点匹配实战
| | ├──1-项目与参数配置解读.mp4 44.48M
| | ├──10-得到精细化输出结果.mp4 19.35M
| | ├──11-通过期望计算最终输出.mp4 40.24M
| | ├──2-DEMO效果演示.mp4 39.57M
| | ├──3-backbone特征提取模块.mp4 28.65M
| | ├──4-注意力机制的作用与效果分析.mp4 30.98M
| | ├──5-特征融合模块实现方法.mp4 29.29M
| | ├──6-cross关系计算方法实例.mp4 29.30M
| | ├──7-粗粒度匹配过程.mp4 49.80M
| | ├──8-完成基础匹配模块.mp4 63.33M
| | └──9-精细化调整方法与实例.mp4 42.73M
| ├──14-分割模型Maskformer系列
| | └──1-分割模型Maskformer系列.mp4 776.88M
| ├──15-Mask2former源码解读
| | ├──1-Backbone获取多层级特征.mp4 35.79M
| | ├──10-正样本筛选损失计算.mp4 41.78M
| | ├──11-标签分类匹配结果分析.mp4 62.04M
| | ├──12-最终损失计算流程.mp4 52.29M
| | ├──13-汇总所有损失完成迭代.mp4 35.76M
| | ├──2-多层级采样点初始化构建.mp4 41.46M
| | ├──3-多层级输入特征序列创建方法.mp4 43.83M
| | ├──4-偏移量与权重计算并转换.mp4 48.78M
| | ├──5-Encoder特征构建方法实例.mp4 49.77M
| | ├──6-query要预测的任务解读.mp4 45.61M
| | ├──7-Decoder中的AttentionMask方法.mp4 50.89M
| | ├──8-损失模块输入参数分析.mp4 40.84M
| | └──9-标签分配策略解读.mp4 42.53M
| ├──16-BEV特征空间
| | └──1-BEV特征空间.mp4 523.07M
| ├──17-BevFormer源码解读
| | ├──1-环境配置方法解读.mp4 42.79M
| | ├──10-获取当前BEV特征.mp4 35.90M
| | ├──11-Decoder级联校正模块.mp4 41.58M
| | ├──12-损失函数与预测可视化.mp4 49.48M
| | ├──2-数据集下载与配置方法.mp4 53.57M
| | ├──3-特征提取以及BEV空间初始化.mp4 43.81M
| | ├──4-特征对齐与位置编码初始化.mp4 43.63M
| | ├──5-Reference初始点构建.mp4 37.26M
| | ├──6-BEV空间与图像空间位置对应.mp4 37.67M
| | ├──7-注意力机制模块计算方法.mp4 38.61M
| | ├──8-BEV空间特征构建.mp4 34.01M
| | └──9-Decoder要完成的任务分析.mp4 33.95M
| ├──18-时间序列预测
| | └──1-时间序列预测.mp4 375.40M
| ├──19-Informer时间序列源码解读
| | └──1-Informer时间序列源码解读.mp4 829.10M
| ├──2-视觉Transformer及其源码分析
| | └──1-视觉Transformer及其源码分析.mp4 878.23M
| ├──20-Huggingface与NLP（讲故事）
| | └──1-Huggingface与NLP（讲故事）.mp4 163.59M
| ├──3-VIT算法模型源码解读
| | ├──1-项目配置说明.mp4 43.27M
| | ├──2-输入序列构建方法解读.mp4 29.80M
| | ├──3-注意力机制计算.mp4 28.04M
| | └──4-输出层计算结果.mp4 37.72M
| ├──4-swintransformer算法原理解析
| | ├──1-swintransformer整体概述.mp4 14.76M
| | ├──10-分层计算方法.mp4 21.71M
| | ├──2-要解决的问题及其优势分析.mp4 22.33M
| | ├──3-一个block要完成的任务.mp4 17.36M
| | ├──4-获取各窗口输入特征.mp4 18.99M
| | ├──5-基于窗口的注意力机制解读.mp4 29.53M
| | ├──6-窗口偏移操作的实现.mp4 24.27M
| | ├──7-偏移细节分析及其计算量概述.mp4 20.41M
| | ├──8-整体网络架构整合.mp4 20.88M
| | └──9-下采样操作实现方法.mp4 22.24M
| ├──5-swintransformer源码解读
| | ├──1-数据与环境配置解读.mp4 59.59M
| | ├──2-图像数据patch编码.mp4 37.62M
| | ├──3-数据按window进行划分计算.mp4 31.46M
| | ├──4-基础attention计算模块.mp4 27.58M
| | ├──5-窗口位移模块细节分析.mp4 36.81M
| | ├──6-patchmerge下采样操作.mp4 25.24M
| | ├──7-各block计算方法解读.mp4 27.91M
| | └──8-输出层概述.mp4 41.11M
| ├──6-基于Transformer的detr目标检测算法
| | ├──1-DETR目标检测基本思想解读.mp4 19.27M
| | ├──2-整体网络架构分析.mp4 31.54M
| | ├──3-位置信息初始化query向量.mp4 19.90M
| | ├──4-注意力机制的作用方法.mp4 20.79M
| | └──5-训练过程的策略.mp4 28.34M
| ├──7-detr目标检测源码解读
| | ├──1-项目环境配置解读.mp4 40.33M
| | ├──2-数据处理与dataloader.mp4 63.98M
| | ├──3-位置编码作用分析.mp4 47.86M
| | ├──4-backbone特征提取模块.mp4 35.54M
| | ├──5-mask与编码模块.mp4 34.68M
| | ├──6-编码层作用方法.mp4 42.78M
| | ├──7-Decoder层操作与计算.mp4 30.08M
| | ├──8-输出预测结果.mp4 41.20M
| | └──9-损失函数与预测输出.mp4 41.18M
| ├──8-DeformableDetr算法解读
| | └──1-DeformableDetr算法解读.mp4 730.35M
| └──9-DeformableDetr物体检测源码分析
| | ├──1-特征提取与位置编码.mp4 38.16M
| | ├──10-分类与回归输出模块.mp4 49.72M
| | ├──11-预测输出结果与标签匹配模块.mp4 44.31M
| | ├──2-序列特征展开并迭加.mp4 51.07M
| | ├──3-得到相对位置点编码.mp4 28.80M
| | ├──4-准备Encoder编码层所需全部输入.mp4 37.91M
| | ├──5-编码层中的序列分析.mp4 39.73M
| | ├──6-偏移量offset计算.mp4 46.09M
| | ├──7-偏移量对齐操作.mp4 39.80M
| | ├──8-Encoder层完成特征对齐.mp4 51.84M
| | └──9-Decoder要完成的操作.mp4 38.98M
├──11-图神经网络实战
| ├──1-图神经网络基础
| | ├──1-图神经网络应用领域分析.mp4 26.40M
| | ├──2-图基本模块定义.mp4 10.51M
| | ├──3-邻接矩阵的定义.mp4 16.06M
| | ├──4-GNN中常见任务.mp4 19.17M
| | ├──5-消息传递计算方法.mp4 14.23M
| | └──6-多层GCN的作用.mp4 13.00M
| ├──10-基于图模型的时间序列预测
| | └──1-基于图模型的时间序列预测.mp4 1021.16M
| ├──11-异构图神经网络
| | └──1-异构图神经网络.mp4 754.04M
| ├──2-图卷积GCN模型
| | ├──1-GCN基本模型概述.mp4 13.24M
| | ├──2-图卷积的基本计算方法.mp4 12.56M
| | ├──3-邻接的矩阵的变换.mp4 18.38M
| | └──4-GCN变换原理解读.mp4 21.12M
| ├──3-图模型必备神器PyTorch Geometric安装与使用
| | ├──1-PyTorch Geometric工具包安装与配置方法.mp4 45.07M
| | ├──2-数据集与邻接矩阵格式.mp4 51.92M
| | ├──3-模型定义与训练方法.mp4 41.92M
| | └──4-文献引用数据集分类案例实战.mp4 47.75M
| ├──4-使用PyTorch Geometric构建自己的图数据集
| | ├──1-构建数据集基本方法.mp4 13.47M
| | ├──2-数据集与任务背景概述.mp4 21.63M
| | ├──3-数据集基本预处理.mp4 31.50M
| | ├──4-用户行为图结构创建.mp4 36.67M
| | ├──5-数据集创建函数介绍.mp4 34.87M
| | ├──6-网络结构定义模块.mp4 36.87M
| | ├──7-TopkPooling进行下采样任务.mp4 31.30M
| | ├──8-获取全局特征.mp4 25.71M
| | └──9-模型训练与总结.mp4 35.84M
| ├──5-图注意力机制与序列图模型
| | ├──1-图注意力机制的作用与方法.mp4 16.53M
| | ├──2-邻接矩阵计算图Attention.mp4 21.40M
| | ├──3-序列图神经网络TGCN应用.mp4 12.59M
| | └──4-序列图神经网络细节.mp4 23.67M
| ├──6-图相似度论文解读
| | ├──1-要完成的任务分析.mp4 47.79M
| | ├──2-基本方法概述解读.mp4 52.67M
| | ├──3-图模型提取全局与局部特征.mp4 47.42M
| | ├──4-NTN模块的作用与效果.mp4 41.09M
| | ├──5-点之间的对应关系计算.mp4 51.22M
| | └──6-结果输出与总结.mp4 71.18M
| ├──7-图相似度计算实战
| | ├──1-数据集与任务概述.mp4 18.11M
| | ├──2-图卷积特征提取模块.mp4 55.92M
| | ├──3-分别计算不同Batch点的分布.mp4 31.70M
| | ├──4-获得直方图特征结果.mp4 21.11M
| | ├──5-图的全局特征构建.mp4 31.45M
| | ├──6-NTN图相似特征提取.mp4 39.25M
| | └──7-预测得到相似度结果.mp4 18.64M
| ├──8-基于图模型的轨迹估计
| | ├──1-数据集与标注信息解读.mp4 57.53M
| | ├──2-整体三大模块分析.mp4 71.83M
| | ├──3-特征工程的作用与效果.mp4 41.75M
| | ├──4-传统方法与现在向量空间对比.mp4 51.83M
| | ├──5-输入细节分析.mp4 49.96M
| | ├──6-子图模块构建方法.mp4 42.55M
| | ├──7-特征融合模块分析.mp4 47.67M
| | └──8-VectorNet输出层分析.mp4 85.45M
| └──9-图模型轨迹估计实战
| | ├──1-数据与环境配置.mp4 35.36M
| | ├──2-训练数据准备.mp4 27.69M
| | ├──3-Agent特征提取方法.mp4 37.87M
| | ├──4-DataLoader构建图结构.mp4 28.61M
| | └──5-SubGraph与Attention模型流程.mp4 34.55M
├──12-3D点云实战
| ├──1-3D点云实战 3D点云应用领域分析
| | ├──1-点云数据概述.mp4 49.53M
| | ├──2-点云应用领域与发展分析.mp4 82.18M
| | ├──3-点云分割任务.mp4 52.03M
| | ├──4-点云补全任务.mp4 29.17M
| | ├──5-点云检测与配准任务.mp4 59.58M
| | └──6-点云数据特征提取概述与预告.mp4 22.69M
| ├──2-3D点云PointNet算法
| | ├──1-3D数据应用领域与点云介绍.mp4 40.05M
| | ├──2-点云数据可视化展示.mp4 40.07M
| | ├──3-点云数据特性和及要解决的问题.mp4 33.08M
| | ├──4-PointNet算法出发点解读.mp4 17.46M
| | └──5-PointNet算法网络架构解读.mp4 31.01M
| ├──3-PointNet++算法解读
| | ├──1-PointNet升级版算法要解决的问题.mp4 22.08M
| | ├──2-最远点采样方法.mp4 21.00M
| | ├──3-分组Group方法原理解读.mp4 32.79M
| | ├──4-整体流程概述分析.mp4 16.37M
| | ├──5-分类与分割问题解决方案.mp4 21.74M
| | └──6-遇到的问题及改进方法分析.mp4 13.43M
| ├──4-Pointnet++项目实战
| | ├──1-项目文件概述.mp4 29.02M
| | ├──11-分割任务数据与配置概述.mp4 51.28M
| | ├──12-分割需要解决的任务概述.mp4 33.94M
| | ├──13-上采样完成分割任务.mp4 44.75M
| | ├──2-数据读取模块配置.mp4 39.23M
| | ├──3-DEBUG解读网络模型架构.mp4 24.25M
| | ├──4-最远点采样介绍.mp4 19.48M
| | ├──5-采样得到中心点.mp4 31.77M
| | ├──6-组区域划分方法.mp4 24.88M
| | ├──7-实现group操作得到各中心簇.mp4 35.00M
| | ├──8-特征提取模块整体流程.mp4 40.04M
| | └──9-预测结果输出模块.mp4 38.74M
| ├──5-点云补全PF-Net论文解读
| | ├──1-点云补全要解决的问题.mp4 23.13M
| | ├──2-基本解决方案概述.mp4 17.42M
| | ├──3-整体网络概述.mp4 20.61M
| | ├──4-网络计算流程.mp4 25.52M
| | └──5-输入与计算结果.mp4 65.02M
| ├──6-点云补全实战解读
| | ├──1-数据与项目配置解读.mp4 41.86M
| | ├──2-待补全数据准备方法.mp4 29.26M
| | ├──3-整体框架概述.mp4 49.10M
| | ├──4-MRE特征提取模块.mp4 40.36M
| | ├──5-分层预测输出模块.mp4 31.04M
| | ├──6-补全点云数据.mp4 35.21M
| | └──7-判别模块.mp4 48.59M
| ├──7-点云配准及其案例实战
| | ├──1-点云配准任务概述.mp4 20.00M
| | ├──2-配准要完成的目标解读.mp4 17.64M
| | ├──3-训练数据构建.mp4 23.43M
| | ├──4-任务基本流程.mp4 15.56M
| | ├──5-数据源配置方法.mp4 45.42M
| | ├──6-参数计算模块解读.mp4 21.85M
| | ├──7-基于模型预测输出参数.mp4 24.88M
| | ├──8-特征构建方法分析.mp4 34.65M
| | └──9-任务总结.mp4 33.31M
| └──8-基础补充-对抗生成网络架构原理与实战解析
| | ├──1-对抗生成网络通俗解释.mp4 18.39M
| | ├──2-GAN网络组成.mp4 10.73M
| | ├──3-损失函数解释说明.mp4 39.88M
| | ├──4-数据读取模块.mp4 29.93M
| | └──5-生成与判别网络定义.mp4 44.24M
├──13-面向深度学习的无人驾驶实战
。。。。。。。。。。。。。。
