1. <ins id="l33b3"><td id="l33b3"></td></ins>
      <dl id="l33b3"><bdo id="l33b3"></bdo></dl>

      資源共享吧-專業共享VIP視頻

       找回密碼
       注冊成為正式會員
      查看: 861|回復: 54
      打印 上一主題 下一主題

      GP-P5人工智能深度學習高薪就業班

        [復制鏈接]

      7

      主題

      86

      帖子

      0

      精華

      終身高級VIP會員

      Rank: 7Rank: 7Rank: 7

      資源幣
      25
      積分
      93
      貢獻
      0
      在線時間
      17 小時
      注冊時間
      2019-10-27
      最后登錄
      2023-6-19

      終身VIP會員

      跳轉到指定樓層
      樓主
      發表于 2023-3-2 01:17:46 | 只看該作者 回帖獎勵 |倒序瀏覽 |閱讀模式
      GP-P5人工智能深度學習高薪就業班



      隨著新基建產業的迅猛發展, 2022年人工智能產業規模將達2729億元,5年年復合增長率高達69.79%。人力資源社會保障部報告顯示,我國人工智能人才缺口超過500萬,平均每個候選人有5-10個工作機會,人才緊缺已經成為制約產業發展的首要瓶頸。

      本課系統講解了人工智能深度學習,深度學習+計算機視覺+自然語言處理, Al領域全面覆蓋。以實例的形式進行算法講解,通俗、易懂、接地氣,所有算法均給出相應實現案例及其應用項目,內容覆蓋200+案例, 30+應用場景。通俗講解各大領域經典與最新論文,結合論文展開項目實戰,結合數據與業務背景展開建模與分析實戰。


      課程目錄:

      ├── 10_圖神經網絡實戰/
      │   ├── 1_圖神經網絡基礎/
      │   │   ├── [ 26M] 1-圖神經網絡應用領域分析.mp4
      │   │   ├── [ 11M] 2-圖基本模塊定義.mp4
      │   │   ├── [ 16M] 3-鄰接矩陣的定義.mp4
      │   │   ├── [ 19M] 4-GNN中常見任務.mp4
      │   │   ├── [ 14M] 5-消息傳遞計算方法.mp4
      │   │   └── [ 13M] 6-多層GCN的作用.mp4
      │   ├── 2_圖卷積GCN模型/
      │   │   ├── [ 13M] 1-GCN基本模型概述.mp4
      │   │   ├── [ 13M] 2-圖卷積的基本計算方法.mp4
      │   │   ├── [ 18M] 3-鄰接的矩陣的變換.mp4
      │   │   └── [ 21M] 4-GCN變換原理解讀.mp4
      │   ├── 3_圖模型必備神器PyTorch Geometric安裝與使用/
      │   │   ├── [ 45M] 1-PyTorch Geometric工具包安裝與配置方法.mp4
      │   │   ├── [ 52M] 2-數據集與鄰接矩陣格式.mp4
      │   │   ├── [ 42M] 3-模型定義與訓練方法.mp4
      │   │   └── [ 48M] 4-文獻引用數據集分類案例實戰.mp4
      │   ├── 4_使用PyTorch Geometric構建自己的圖數據集/
      │   │   ├── [ 13M] 1-構建數據集基本方法.mp4
      │   │   ├── [ 22M] 2-數據集與任務背景概述.mp4
      │   │   ├── [ 32M] 3-數據集基本預處理.mp4
      │   │   ├── [ 37M] 4-用戶行為圖結構創建.mp4
      │   │   ├── [ 35M] 5-數據集創建函數介紹.mp4
      │   │   ├── [ 37M] 6-網絡結構定義模塊.mp4
      │   │   ├── [ 31M] 7-TopkPooling進行下采樣任務.mp4
      │   │   ├── [ 26M] 8-獲取全局特征.mp4
      │   │   └── [ 36M] 9-模型訓練與總結.mp4
      │   ├── 5_圖注意力機制與序列圖模型/
      │   │   ├── [ 17M] 1-圖注意力機制的作用與方法.mp4
      │   │   ├── [ 21M] 2-鄰接矩陣計算圖Attention.mp4
      │   │   ├── [ 13M] 3-序列圖神經網絡TGCN應用.mp4
      │   │   └── [ 24M] 4-序列圖神經網絡細節.mp4
      │   ├── 6_圖相似度論文解讀/
      │   │   ├── [ 48M] 1-要完成的任務分析.mp4
      │   │   ├── [ 53M] 2-基本方法概述解讀.mp4
      │   │   ├── [ 47M] 3-圖模型提取全局與局部特征.mp4
      │   │   ├── [ 41M] 4-NTN模塊的作用與效果.mp4
      │   │   ├── [ 51M] 5-點之間的對應關系計算.mp4
      │   │   └── [ 71M] 6-結果輸出與總結.mp4
      │   ├── 7_圖相似度計算實戰/
      │   │   ├── [ 18M] 1-數據集與任務概述3.mp4
      │   │   ├── [ 56M] 2-圖卷積特征提取模塊3.mp4
      │   │   ├── [ 32M] 3-分別計算不同Batch點的分布3.mp4
      │   │   ├── [ 21M] 4-獲得直方圖特征結果.mp4
      │   │   ├── [ 31M] 5-圖的全局特征構建.mp4
      │   │   ├── [ 39M] 6-NTN圖相似特征提取.mp4
      │   │   └── [ 19M] 7-預測得到相似度結果.mp4
      │   ├── 8_基于圖模型的軌跡估計/
      │   │   ├── [ 58M] 1-數據集與標注信息解讀.mp4
      │   │   ├── [ 72M] 2-整體三大模塊分析.mp4
      │   │   ├── [ 42M] 3-特征工程的作用與效果.mp4
      │   │   ├── [ 52M] 4-傳統方法與現在向量空間對比.mp4
      │   │   ├── [ 50M] 5-輸入細節分析.mp4
      │   │   ├── [ 43M] 6-子圖模塊構建方法.mp4
      │   │   ├── [ 48M] 7-特征融合模塊分析.mp4
      │   │   └── [ 85M] 8-VectorNet輸出層分析.mp4
      │   └── 9_圖模型軌跡估計實戰/
      │   ├── [ 35M] 1-數據與環境配置4.mp4
      │   ├── [ 28M] 2-訓練數據準備4.mp4
      │   ├── [ 38M] 3-Agent特征提取方法4.mp4
      │   ├── [ 29M] 4-DataLoader構建圖結構4.mp4
      │   └── [ 35M] 5-SubGraph與Attention模型流程4.mp4
      ├── 1_直播課回放/
      │   ├── 1_直播1:開班典禮/
      │   │   └── [1.9G] 1人工智能CV NLP高薪實戰班.mp4
      │   ├── 2_Pycharm環境配置與Debug演示(沒用過的同學必看)/
      │   │   └── [125M] Pycharm環境配置與Debug演示(沒用過的同學必看).mp4
      │   ├── 3_直播2:深度學習必備基礎-神經網絡與卷積網絡/
      │   │   └── [938M] 1.深度學習必備基礎-神經網絡與卷積網絡.mp4
      │   ├── 4_直播3:Transformer原理及其各領域應用分析/
      │   │   └── [518M] Transformer原理及其各領域應用分析.mp4
      │   ├── 5_額外補充:時間序列預測/
      │   │   └── [527M] 額外補充:時間序列預測.mp4
      │   └── 6_直播4:Informer時間序列預測源碼解讀/
      │   └── [2.0G] Informer時間序列預測源碼解讀.mp4
      ├── 2_深度學習必備核心算法/
      │   ├── 1_神經網絡算法解讀/
      │   │   └── [860M] 1-神經網絡算法解讀.mp4
      │   ├── 2_卷積神經網絡算法解讀/
      │   │   └── [558M] 2-卷積神經網絡算法解讀.mp4
      │   └── 3_遞歸神經網絡算法解讀/
      │   └── [457M] 3-遞歸神經網絡算法解讀.mp4
      ├── 3_深度學習核心框架PyTorch/
      │   ├── 1_PyTorch框架介紹與配置安裝/
      │   │   ├── [ 33M] 1-PyTorch框架與其他框架區別分析1.mp4
      │   │   └── [101M] 2-CPU與GPU版本安裝方法解讀1.mp4
      │   ├── 2_使用神經網絡進行分類任務/
      │   │   ├── [ 43M] 1-數據集與任務概述2.mp4
      │   │   ├── [ 48M] 2-基本模塊應用測試2.mp4
      │   │   ├── [ 56M] 3-網絡結構定義方法2.mp4
      │   │   ├── [ 39M] 4-數據源定義簡介2.mp4
      │   │   ├── [ 42M] 5-損失與訓練模塊分析2.mp4
      │   │   ├── [ 55M] 6-訓練一個基本的分類模型2.mp4
      │   │   └── [ 52M] 7-參數對結果的影響2.mp4
      │   ├── 3_神經網絡回歸任務-氣溫預測/
      │   │   └── [254M] 神經網絡回歸任務-氣溫預測1.mp4
      │   ├── 4_卷積網絡參數解讀分析/
      │   │   ├── [ 56M] 1-輸入特征通道分析2.mp4
      │   │   ├── [ 41M] 2-卷積網絡參數解讀2.mp4
      │   │   └── [ 77M] 3-卷積網絡模型訓練2.mp4
      │   ├── 5_圖像識別模型與訓練策略(重點)/
      │   │   ├── [ 52M] 1-任務分析與圖像數據基本處理2.mp4
      │   │   ├── [151M] 10-測試結果演示分析1.mp4
      │   │   ├── [ 55M] 2-數據增強模塊2.mp4
      │   │   ├── [ 52M] 3-數據集與模型選擇1.mp4
      │   │   ├── [ 68M] 4-遷移學習方法解讀1.mp4
      │   │   ├── [ 80M] 5-輸出層與梯度設置1.mp4
      │   │   ├── [ 63M] 6-輸出類別個數修改1.mp4
      │   │   ├── [ 66M] 7-優化器與學習率衰減1.mp4
      │   │   ├── [ 68M] 8-模型訓練方法1.mp4
      │   │   └── [ 60M] 9-重新訓練全部模型1.mp4
      │   ├── 6_DataLoader自定義數據集制作/
      │   │   ├── [ 43M] 1-Dataloader要完成的任務分析1.mp4
      │   │   ├── [ 59M] 2-圖像數據與標簽路徑處理1.mp4
      │   │   ├── [ 47M] 3-Dataloader中需要實現的方法分析1.mp4
      │   │   └── [ 78M] 4-實用Dataloader加載數據并訓練模型1.mp4
      │   ├── 7_LSTM文本分類實戰/
      │   │   ├── [ 53M] 1-數據集與任務目標分析1.mp4
      │   │   ├── [ 56M] 2-文本數據處理基本流程分析1.mp4
      │   │   ├── [ 37M] 3-命令行參數與DEBUG1.mp4
      │   │   ├── [ 41M] 4-訓練模型所需基本配置參數分析1.mp4
      │   │   ├── [ 32M] 5-預料表與字符切分1.mp4
      │   │   ├── [ 34M] 6-字符預處理轉換ID1.mp4
      │   │   ├── [ 35M] 7-LSTM網絡結構基本定義1.mp4
      │   │   ├── [ 39M] 8-網絡模型預測結果輸出1.mp4
      │   │   └── [ 45M] 9-模型訓練任務與總結1.mp4
      │   └── 8_PyTorch框架Flask部署例子/
      │   ├── [ 21M] 1-基本結構與訓練好的模型加載.mp4
      │   ├── [ 41M] 2-服務端處理與預測函數.mp4
      │   └── [ 46M] 3-基于Flask測試模型預測結果.mp4
      ├── 4_MMLAB實戰系列/
      │   ├── 10_第四模塊:DBNET文字檢測/
      │   │   ├── [ 57M] 1-文字檢測數據概述與配置文件.mp4
      │   │   ├── [ 39M] 2-配置文件參數設置.mp4
      │   │   ├── [ 32M] 3-Neck層特征組合.mp4
      │   │   ├── [ 43M] 4-損失函數模塊概述.mp4
      │   │   └── [ 59M] 5-損失計算方法.mp4
      │   ├── 11_第四模塊:ANINET文字識別/
      │   │   ├── [ 56M] 1-數據集與環境概述.mp4
      │   │   ├── [ 52M] 2-配置文件修改方法.mp4
      │   │   ├── [ 42M] 3-Bakbone模塊得到特征.mp4
      │   │   ├── [ 46M] 4-視覺Transformer模塊的作用.mp4
      │   │   ├── [ 54M] 5-視覺模型中的編碼與解碼的效果.mp4
      │   │   ├── [ 39M] 6-文本模型中的結構分析.mp4
      │   │   ├── [ 38M] 7-迭代修正模塊.mp4
      │   │   └── [ 53M] 8-輸出層與損失計算.mp4
      │   ├── 12_第五模塊:stylegan2源碼解讀/
      │   │   ├── [ 58M] 1-要完成的任務與基本思想概述.mp4
      │   │   ├── [ 70M] 2-得到style特征編碼.mp4
      │   │   ├── [ 37M] 3-特征編碼風格拼接.mp4
      │   │   ├── [ 55M] 4-基礎風格特征卷積模塊.mp4
      │   │   ├── [ 41M] 5-上采樣得到輸出結果.mp4
      │   │   └── [ 27M] 6-損失函數概述.mp4
      │   ├── 12_第四模塊:KIE基于圖模型的關鍵信息抽取/
      │   │   ├── [ 52M] 1-配置文件以及要完成的任務解讀.mp4
      │   │   ├── [ 69M] 2-KIE數據集格式調整方法.mp4
      │   │   ├── [ 48M] 3-配置文件與標簽要進行處理操作.mp4
      │   │   ├── [ 36M] 4-邊框要計算的特征分析.mp4
      │   │   ├── [ 56M] 5-標簽數據處理與關系特征提取.mp4
      │   │   ├── [ 44M] 6-特征合并處理.mp4
      │   │   ├── [ 41M] 7-準備拼接邊與點特征.mp4
      │   │   └── [ 72M] 8-整合得到圖模型輸入特征.mp4
      │   ├── 13_第六模塊:BasicVSR++視頻超分辨重構源碼解讀/
      │   │   ├── [ 27M] 1-要完成的任務分析與配置文件.mp4
      │   │   ├── [ 62M] 10-傳播流程整體完成一圈.mp4
      │   │   ├── [ 52M] 11-完成輸出結果.mp4
      │   │   ├── [ 45M] 2-特征基礎提取模塊.mp4
      │   │   ├── [ 26M] 3-光流估計網絡模塊.mp4
      │   │   ├── [ 40M] 4-基于光流完成對齊操作.mp4
      │   │   ├── [ 32M] 5-偏移量計算方法1.mp4
      │   │   ├── [ 37M] 6-雙向計算特征對齊.mp4
      │   │   ├── [ 37M] 7-提特征傳遞流程分析.mp4
      │   │   ├── [ 40M] 8-序列傳播計算.mp4
      │   │   └── [ 45M] 9-準備變形卷積模塊的輸入.mp4
      │   ├── 14_第七模塊:多模態3D目標檢測算法源碼解讀/
      │   │   ├── [ 52M] 1-環境配置與數據集概述.mp4
      │   │   ├── [ 57M] 10-3D卷積特征融合.mp4
      │   │   ├── [ 81M] 11-輸出層預測結果.mp4
      │   │   ├── [ 37M] 2-數據與標注文件介紹.mp4
      │   │   ├── [ 50M] 3-基本流程梳理并進入debug模式.mp4
      │   │   ├── [ 58M] 4-數據與圖像特征提取模塊.mp4
      │   │   ├── [ 65M] 5-體素索引位置獲取.mp4
      │   │   ├── [ 38M] 6-體素特征提取方法解讀.mp4
      │   │   ├── [ 71M] 7-體素特征計算方法分析.mp4
      │   │   ├── [ 96M] 8-全局體素特征提取.mp4
      │   │   └── [ 68M] 9-多模態特征融合.mp4
      │   ├── 15_第八模塊:模型蒸餾應用實例/
      │   │   ├── [ 40M] 1-任務概述與工具使用.mp4
      │   │   ├── [ 46M] 2-Teacher與Student網絡結構定義.mp4
      │   │   ├── [ 71M] 3-訓練T與S得到蒸餾模型.mp4
      │   │   ├── [ 57M] 4-開始模型訓練過程與問題修正.mp4
      │   │   ├── [ 70M] 5-日志輸出與模型分離.mp4
      │   │   ├── [ 46M] 6-分別得到Teacher與Student模型.mp4
      │   │   └── [ 39M] 7-實際測試效果演示.mp4
      │   ├── 16_第八模塊:模型剪枝方法概述分析/
      │   │   ├── [ 41M] 1-SuperNet網絡結構分析與剪枝概述.mp4
      │   │   └── [ 47M] 2-搜索匹配到符合計算量的模型并訓練.mp4
      │   ├── 17_第九模塊:mmaction行為識別/
      │   │   └── [233M] 創建自己的行為識別標注數據集.mp4
      │   ├── 18_額外補充/
      │   │   └── [122M] 在源碼中加入各種注意力機制方法.mp4
      │   ├── 1_MMCV安裝方法/
      │   │   └── [ 56M] MMCV安裝方法.mp4
      │   ├── 2_第一模塊:分類任務基本操作/
      │   │   ├── [ 32M] 1-準備MMCLS項目.mp4
      │   │   ├── [ 35M] 2-基本參數配置解讀.mp4
      │   │   ├── [ 36M] 3-各模塊配置文件組成.mp4
      │   │   ├── [ 24M] 4-生成完整配置文件.mp4
      │   │   ├── [ 40M] 5-根據文件夾定義數據集.mp4
      │   │   ├── [ 36M] 6-構建自己的數據集.mp4
      │   │   ├── [ 39M] 7-訓練自己的任務.mp4
      │   │   └── [ 23M] MMCLS問題修正1.mp4
      │   ├── 3_第一模塊:訓練結果測試與驗證/
      │   │   ├── [ 25M] 1-測試DEMO效果.mp4
      │   │   ├── [ 28M] 2-測試評估模型效果.mp4
      │   │   ├── [ 63M] 3-MMCLS中增加一個新的模塊.mp4
      │   │   ├── [ 68M] 4-修改配置文件中的參數.mp4
      │   │   ├── [ 37M] 5-數據增強流程可視化展示.mp4
      │   │   ├── [ 41M] 6-Grad-Cam可視化方法.mp4
      │   │   ├── [124M] 7-可視化細節與效果分析.mp4
      │   │   ├── [ 72M] 8-MMCLS可視化模塊應用.mp4
      │   │   └── [ 36M] 9-模型分析腳本使用.mp4
      │   ├── 4_第一模塊:模型源碼DEBUG演示/
      │   │   ├── [ 30M] 1-VIT任務概述.mp4
      │   │   ├── [ 50M] 2-數據增強模塊概述分析.mp4
      │   │   ├── [ 25M] 3-PatchEmbedding層.mp4
      │   │   ├── [ 39M] 4-前向傳播基本模塊.mp4
      │   │   └── [ 44M] 5-CLS與輸出模塊.mp4
      │   ├── 5_第二模塊:使用分割模塊訓練自己的數據集/
      │   │   ├── [ 74M] 1-項目配置基本介紹.mp4
      │   │   ├── [ 57M] 2-數據集標注與制作方法.mp4
      │   │   ├── [ 39M] 3-跟別預測類別數修改配置文件.mp4
      │   │   ├── [ 87M] 4-加載預訓練模型開始訓練.mp4
      │   │   └── [ 22M] 5-預測DEMO演示.mp4
      │   ├── 6_第二模塊:基于Unet進行各種策略修改/
      │   │   ├── [ 32M] 1-配置文件解讀.mp4
      │   │   ├── [ 32M] 2-編碼層模塊.mp4
      │   │   ├── [ 28M] 3-上采樣與輸出層.mp4
      │   │   ├── [ 20M] 4-輔助層的作用.mp4
      │   │   ├── [ 30M] 5-給Unet添加一個neck層.mp4
      │   │   ├── [ 22M] 6-如何修改參數適配網絡結構.mp4
      │   │   ├── [ 22M] 7-將Unet特征提取模塊替換成transformer.mp4
      │   │   └── [ 45M] 8-VIT模塊源碼分析.mp4
      │   ├── 7_第二模塊:分割任務CVPR最新Backbone設計及其應用/
      │   │   ├── [ 34M] 1-注冊自己的Backbone模塊.mp4
      │   │   ├── [ 43M] 10-匯總多層級特征進行輸出.mp4
      │   │   ├── [ 36M] 2-配置文件指定.mp4
      │   │   ├── [ 40M] 3-DEBUG解讀Backbone設計.mp4
      │   │   ├── [ 45M] 4-PatchEmbedding的作用與實現.mp4
      │   │   ├── [ 54M] 5-卷積位置編碼計算方法.mp4
      │   │   ├── [ 79M] 6-近似Attention模塊實現.mp4
      │   │   ├── [ 56M] 7-完成特征提取與融合模塊.mp4
      │   │   ├── [ 58M] 8-分割任務輸出模塊.mp4
      │   │   └── [ 56M] 9-全局特征的作用與實現.mp4
      │   ├── 8_第三模塊:mmdet訓練自己的數據任務/
      │   │   ├── [ 31M] 1-數據集標注與標簽獲取.mp4
      │   │   ├── [ 28M] 2-COCO數據標注格式.mp4
      │   │   ├── [ 39M] 3-通過腳本生成COCO數據格式.mp4
      │   │   ├── [ 46M] 4-配置文件數據增強策略分析.mp4
      │   │   ├── [ 56M] 5-訓練所需配置說明.mp4
      │   │   ├── [ 35M] 6-模型訓練與DEMO演示.mp4
      │   │   ├── [ 78M] 7-模型測試與可視化分析模塊.mp4
      │   │   └── [ 14M] 8-補充:評估指標.mp4
      │   └── 9_第三模塊:DeformableDetr物體檢測源碼分析/
      │   ├── [ 38M] 1-特征提取與位置編碼.mp4
      │   ├── [ 50M] 10-分類與回歸輸出模塊.mp4
      │   ├── [ 44M] 11-預測輸出結果與標簽匹配模塊.mp4
      │   ├── [ 51M] 2-序列特征展開并疊加.mp4
      │   ├── [ 29M] 3-得到相對位置點編碼.mp4
      │   ├── [ 38M] 4-準備Encoder編碼層所需全部輸入.mp4
      │   ├── [ 40M] 5-編碼層中的序列分析.mp4
      │   ├── [ 46M] 6-偏移量offset計算.mp4
      │   ├── [ 40M] 7-偏移量對齊操作.mp4
      │   ├── [ 52M] 8-Encoder層完成特征對齊.mp4
      │   └── [ 39M] 9-Decoder要完成的操作.mp4
      ├── 5_Opencv圖像處理框架實戰/
      │   ├── 10_項目實戰-文檔掃描OCR識別/
      │   │   ├── [ 21M] 1-整體流程演示.mp4
      │   │   ├── [ 28M] 2-文檔輪廓提取.mp4
      │   │   ├── [ 26M] 3-原始與變換坐標計算.mp4
      │   │   ├── [ 33M] 4-透視變換結果.mp4
      │   │   ├── [ 41M] 5-tesseract-ocr安裝配置.mp4
      │   │   └── [ 29M] 6-文檔掃描識別效果.mp4
      │   ├── 11_圖像特征-harris/
      │   │   ├── [ 16M] 1-角點檢測基本原理.mp4
      │   │   ├── [ 31M] 2-基本數學原理.mp4
      │   │   ├── [ 32M] 3-求解化簡.mp4
      │   │   ├── [ 43M] 4-特征歸屬劃分.mp4
      │   │   └── [ 31M] 5-opencv角點檢測效果.mp4
      │   ├── 12_圖像特征-sift/
      │   │   ├── [ 20M] 1-尺度空間定義.mp4
      │   │   ├── [ 22M] 2-高斯差分金字塔.mp4
      │   │   ├── [ 48M] 3-特征關鍵點定位.mp4
      │   │   ├── [ 25M] 4-生成特征描述.mp4
      │   │   ├── [ 44M] 5-特征向量生成.mp4
      │   │   └── [ 29M] 6-opencv中sift函數使用.mp4
      │   ├── 13_案例實戰-全景圖像拼接/
      │   │   ├── [ 29M] 1-特征匹配方法.mp4
      │   │   ├── [ 34M] 2-RANSAC算法.mp4
      │   │   ├── [ 45M] 2-圖像拼接方法.mp4
      │   │   └── [ 22M] 4-流程解讀.mp4
      │   ├── 14_項目實戰-停車場車位識別/
      │   │   ├── [ 71M] 1-任務整體流程.mp4
      │   │   ├── [ 34M] 2-所需數據介紹.mp4
      │   │   ├── [ 57M] 3-圖像數據預處理.mp4
      │   │   ├── [ 61M] 4-車位直線檢測.mp4
      │   │   ├── [ 55M] 5-按列劃分區域.mp4
      │   │   ├── [ 57M] 6-車位區域劃分.mp4
      │   │   ├── [ 41M] 7-識別模型構建.mp4
      │   │   └── [136M] 8-基于視頻的車位檢測.mp4
      │   ├── 15_項目實戰-答題卡識別判卷/
      │   │   ├── [ 29M] 1-整體流程與效果概述.mp4
      │   │   ├── [ 24M] 2-預處理操作.mp4
      │   │   ├── [ 26M] 3-填涂輪廓檢測.mp4
      │   │   └── [ 57M] 4-選項判斷識別.mp4
      │   ├── 16_背景建模/
      │   │   ├── [ 21M] 1-背景消除-幀差法.mp4
      │   │   ├── [ 26M] 2-混合高斯模型.mp4
      │   │   ├── [ 32M] 3-學習步驟.mp4
      │   │   └── [ 51M] 4-背景建模實戰.mp4
      │   ├── 17_光流估計/
      │   │   ├── [ 20M] 1-基本概念.mp4
      │   │   ├── [ 20M] 2-Lucas-Kanade算法.mp4
      │   │   ├── [ 26M] 3-推導求解.mp4
      │   │   └── [ 64M] 4-光流估計實戰.mp4
      │   ├── 18_Opencv的DNN模塊/
      │   │   ├── [ 29M] 1-dnn模塊.mp4
      │   │   └── [ 40M] 2-模型加載結果輸出.mp4
      │   ├── 19_項目實戰-目標追蹤/
      │   │   ├── [ 50M] 1-目標追蹤概述.mp4
      │   │   ├── [ 35M] 2-多目標追蹤實戰.mp4
      │   │   ├── [ 44M] 3-深度學習檢測框架加載.mp4
      │   │   ├── [ 73M] 4-基于dlib與ssd的追蹤.mp4
      │   │   ├── [ 26M] 5-多進程目標追蹤.mp4
      │   │   └── [ 78M] 6-多進程效率提升對比.mp4
      │   ├── 1_課程簡介與環境配置/
      │   │   ├── [5.4M] 0-課程簡介2.mp4
      │   │   ├── [ 84M] 2-Notebook與IDE環境.mp4
      │   │   └── [ 33M] 2-Python與Opencv配置安裝.mp4
      │   ├── 20_卷積原理與操作/
      │   │   ├── [ 25M] 1-卷積效果演示.mp4
      │   │   ├── [ 36M] 1-卷積神經網絡的應用.mp4
      │   │   ├── [ 22M] 2-卷積層解釋.mp4
      │   │   ├── [ 41M] 2-卷積操作流程.mp4
      │   │   ├── [ 28M] 3-卷積計算過程.mp4
      │   │   ├── [ 26M] 4-pading與stride.mp4
      │   │   ├── [ 18M] 5-卷積參數共享.mp4
      │   │   └── [ 16M] 6-池化層原理.mp4
      │   ├── 21_項目實戰-疲勞檢測/
      │   │   ├── [ 28M] 1-關鍵點定位概述.mp4
      │   │   ├── [ 36M] 2-獲取人臉關鍵點.mp4
      │   │   ├── [ 45M] 3-定位效果演示.mp4
      │   │   ├── [ 71M] 4-閉眼檢測.mp4
      │   │   └── [ 41M] 5-檢測效果.mp4
      │   ├── 2_圖像基本操作/
      │   │   ├── [ 31M] 1-計算機眼中的圖像.mp4
      │   │   ├── [ 47M] 2-視頻的讀取與處理.mp4
      │   │   ├── [ 15M] 3-ROI區域.mp4
      │   │   ├── [ 21M] 4-邊界填充.mp4
      │   │   └── [ 40M] 5-數值計算.mp4
      │   ├── 3_閾值與平滑處理/
      │   │   ├── [ 25M] 1-圖像平滑處理.mp4
      │   │   ├── [ 21M] 2-高斯與中值濾波.mp4
      │   │   └── [ 31M] 圖像閾值.mp4
      │   ├── 4_圖像形態學操作/
      │   │   ├── [ 21M] 1-腐蝕操作.mp4
      │   │   ├── [ 12M] 2-膨脹操作.mp4
      │   │   ├── [9.3M] 3-開運算與閉運算.mp4
      │   │   ├── [7.9M] 4-梯度計算.mp4
      │   │   └── [ 16M] 5-禮帽與黑帽.mp4
      │   ├── 5_圖像梯度計算/
      │   │   ├── [ 27M] 1-Sobel算子.mp4
      │   │   ├── [ 30M] 2-梯度計算方法.mp4
      │   │   └── [ 27M] 3-scharr與lapkacian算子.mp4
      │   ├── 6_邊緣檢測/
      │   │   ├── [ 19M] 1-Canny邊緣檢測流程.mp4
      │   │   ├── [ 18M] 2-非極大值抑制.mp4
      │   │   └── [ 37M] 3-邊緣檢測效果.mp4
      │   ├── 7_圖像金字塔與輪廓檢測/
      │   │   ├── [ 20M] 1-圖像金字塔定義.mp4
      │   │   ├── [ 47M] 1-模板匹配方法.mp4
      │   │   ├── [ 19M] 1-輪廓檢測方法.mp4
      │   │   ├── [ 21M] 2-匹配效果展示.mp4
      │   │   ├── [ 34M] 2-輪廓檢測結果.mp4
      │   │   ├── [ 25M] 2-金字塔制作方法.mp4
      │   │   └── [ 38M] 3-輪廓特征與近似.mp4
      │   ├── 8_直方圖與傅里葉變換/
      │   │   ├── [ 39M] 1-傅里葉概述.mp4
      │   │   ├── [ 24M] 1-直方圖定義.mp4
      │   │   ├── [ 31M] 2-均衡化原理.mp4
      │   │   ├── [ 26M] 2-頻域變換結果.mp4
      │   │   ├── [ 27M] 3-低通與高通濾波.mp4
      │   │   └── [ 27M] 3-均衡化效果.mp4
      │   └── 9_項目實戰-信用卡數字識別/
      │   ├── [ 35M] 2-環境配置與預處理.mp4
      │   ├── [ 24M] 3-模板處理方法.mp4
      │   ├── [ 29M] 4-輸入數據處理方法.mp4
      │   ├── [ 48M] 5-模板匹配得出識別結果.mp4
      │   └── [ 21M] 總體流程與方法講解.mp4
      ├── 6_綜合項目-物體檢測經典算法實戰/
      │   ├── 10_EfficientNet網絡/
      │   │   └── [538M] 第八課:EfficientNet網絡模型.mp4
      │   ├── 11_EfficientDet檢測算法/
      │   │   └── [448M] 第十一章:EfficientDet檢測算法.mp4
      │   ├── 12_基于Transformer的detr目標檢測算法/
      │   │   ├── [ 19M] 1-DETR目標檢測基本思想解讀.mp4
      │   │   ├── [ 32M] 2-整體網絡架構分析.mp4
      │   │   ├── [ 20M] 3-位置信息初始化query向量.mp4
      │   │   ├── [ 21M] 4-注意力機制的作用方法.mp4
      │   │   └── [ 28M] 5-訓練過程的策略.mp4
      │   ├── 13_detr目標檢測源碼解讀/
      │   │   ├── [ 40M] 1-項目環境配置解讀.mp4
      │   │   ├── [ 64M] 2-數據處理與dataloader.mp4
      │   │   ├── [ 48M] 3-位置編碼作用分析.mp4
      │   │   ├── [ 36M] 4-backbone特征提取模塊.mp4
      │   │   ├── [ 35M] 5-mask與編碼模塊.mp4
      │   │   ├── [ 43M] 6-編碼層作用方法.mp4
      │   │   ├── [ 30M] 7-Decoder層操作與計算.mp4
      │   │   ├── [ 41M] 8-輸出預測結果.mp4
      │   │   └── [ 41M] 9-損失函數與預測輸出.mp4
      │   ├── 1_深度學習經典檢測方法概述/
      │   │   ├── [ 15M] 1-檢測任務中階段的意義.mp4
      │   │   ├── [ 11M] 2-不同階段算法優缺點分析.mp4
      │   │   ├── [ 12M] 3-IOU指標計算.mp4
      │   │   ├── [ 26M] 4-評估所需參數計算.mp4
      │   │   └── [ 20M] 5-map指標計算.mp4
      │   ├── 2_YOLO-V1整體思想與網絡架構/
      │   │   ├── [ 14M] 2-檢測算法要得到的結果.mp4
      │   │   ├── [ 31M] 3-整體網絡架構解讀.mp4
      │   │   ├── [ 19M] 4-位置損失計算.mp4
      │   │   ├── [ 27M] 5-置信度誤差與優缺點分析.mp4
      │   │   └── [ 15M] YOLO算法整體思路解讀.mp4
      │   ├── 3_YOLO-V2改進細節詳解/
      │   │   ├── [ 16M] 2-網絡結構特點.mp4
      │   │   ├── [ 19M] 3-架構細節解讀.mp4
      │   │   ├── [ 24M] 4-基于聚類來選擇先驗框尺寸.mp4
      │   │   ├── [ 28M] 5-偏移量計算方法.mp4
      │   │   ├── [ 10M] 6-坐標映射與還原.mp4
      │   │   ├── [ 28M] 7-感受野的作用.mp4
      │   │   ├── [ 19M] 8-特征融合改進.mp4
      │   │   └── [ 13M] V2版本細節升級概述.mp4
      │   ├── 4_YOLO-V3核心網絡模型/
      │   │   ├── [ 18M] 1-V3版本改進概述.mp4
      │   │   ├── [ 17M] 2-多scale方法改進與特征融合.mp4
      │   │   ├── [ 11M] 3-經典變換方法對比分析.mp4
      │   │   ├── [ 19M] 4-殘差連接方法解讀.mp4
      │   │   ├── [ 13M] 5-整體網絡模型架構分析.mp4
      │   │   ├── [ 13M] 6-先驗框設計改進.mp4
      │   │   └── [ 11M] 7-sotfmax層改進.mp4
      │   ├── 5_項目實戰-基于V3版本進行源碼解讀/
      │   │   ├── [ 66M] 1-數據與環境配置.mp4
      │   │   ├── [ 34M] 10-網格偏移計算.mp4
      │   │   ├── [ 23M] 11-模型要計算的損失概述.mp4
      │   │   ├── [ 28M] 12-標簽值格式修改.mp4
      │   │   ├── [ 33M] 13-坐標相對位置計算.mp4
      │   │   ├── [ 35M] 14-完成所有損失函數所需計算指標.mp4
      │   │   ├── [ 73M] 15-模型訓練與總結.mp4
      │   │   ├── [ 35M] 16-預測效果展示.mp4
      │   │   ├── [ 24M] 2-訓練參數設置.mp4
      │   │   ├── [ 43M] 3-數據與標簽讀取.mp4
      │   │   ├── [ 27M] 4-標簽文件讀取與處理.mp4
      │   │   ├── [ 27M] 5-debug模式介紹.mp4
      │   │   ├── [ 42M] 6-基于配置文件構建網絡模型.mp4
      │   │   ├── [ 34M] 7-路由層與shortcut層的作用.mp4
      │   │   ├── [ 61M] 8-YOLO層定義解析.mp4
      │   │   └── [ 46M] 9-預測結果計算.mp4
      │   ├── 6_基于YOLO-V3訓練自己的數據集與任務/
      │   │   ├── [ 14M] 1-Labelme工具安裝.mp4
      │   │   ├── [ 32M] 2-數據信息標注.mp4
      │   │   ├── [ 32M] 3-完成標簽制作.mp4
      │   │   ├── [ 37M] 4-生成模型所需配置文件.mp4
      │   │   ├── [ 21M] 5-json格式轉換成yolo-v3所需輸入.mp4
      │   │   ├── [ 40M] 6-完成輸入數據準備工作.mp4
      │   │   ├── [ 44M] 7-訓練代碼與參數配置更改.mp4
      │   │   └── [ 38M] 8-訓練模型并測試效果.mp4
      │   ├── 7_YOLO-V4版本算法解讀/
      │   │   ├── [ 15M] 1-V4版本整體概述.mp4
      │   │   ├── [ 21M] 10-PAN模塊解讀.mp4
      │   │   ├── [ 19M] 11-激活函數與整體架構總結.mp4
      │   │   ├── [ 10M] 2-V4版本貢獻解讀.mp4
      │   │   ├── [ 25M] 3-數據增強策略分析.mp4
      │   │   ├── [ 19M] 4-DropBlock與標簽平滑方法.mp4
      │   │   ├── [ 14M] 5-損失函數遇到的問題.mp4
      │   │   ├── [ 11M] 6-CIOU損失函數定義.mp4
      │   │   ├── [ 17M] 7-NMS細節改進.mp4
      │   │   ├── [ 15M] 8-SPP與CSP網絡結構.mp4
      │   │   └── [ 22M] 9-SAM注意力機制模塊.mp4
      │   ├── 8_V5版本項目配置/
      │   │   ├── [ 36M] 1-整體項目概述.mp4
      │   │   ├── [ 41M] 2-訓練自己的數據集方法.mp4
      │   │   ├── [ 51M] 3-訓練數據參數配置.mp4
      │   │   └── [ 50M] 4-測試DEMO演示.mp4
      │   └── 9_V5項目工程源碼解讀/
      │   ├── [ 48M] 1-數據源DEBUG流程解讀.mp4
      │   ├── [ 59M] 10-完成配置文件解析任務.mp4
      │   ├── [ 31M] 11-前向傳播計算.mp4
      │   ├── [ 34M] 12-BottleneckCSP層計算方法.mp4
      │   ├── [ 29M] 13-1 SPP層計算細節分析.mp4
      │   ├── [ 29M] 13-Head層流程解讀.mp4
      │   ├── [ 21M] 14-上采樣與拼接操作.mp4
      │   ├── [ 42M] 15-輸出結果分析.mp4
      │   ├── [ 35M] 16-超參數解讀.mp4
      │   ├── [ 44M] 17-命令行參數介紹.mp4
      │   ├── [ 47M] 18-訓練流程解讀.mp4
      │   ├── [ 38M] 19-各種訓練策略概述.mp4
      │   ├── [ 35M] 2-圖像數據源配置.mp4
      │   ├── [ 38M] 20-模型迭代過程.mp4
      │   ├── [ 26M] 3-加載標簽數據.mp4
      │   ├── [ 28M] 4-Mosaic數據增強方法.mp4
      │   ├── [ 42M] 5-數據四合一方法與流程演示.mp4
      │   ├── [ 33M] 6-getItem構建batch.mp4
      │   ├── [ 34M] 7-網絡架構圖可視化工具安裝.mp4
      │   ├── [ 36M] 8-V5網絡配置文件解讀.mp4
      │   └── [ 22M] 9-Focus模塊流程分析.mp4
      ├── 7_圖像分割實戰/
      │   ├── 10_MaskRcnn網絡框架源碼詳解/
      │   │   ├── [ 42M] 1-FPN層特征提取原理解讀.mp4
      │   │   ├── [ 33M] 10-RoiPooling層的作用與目的.mp4
      │   │   ├── [ 26M] 11-RorAlign操作的效果.mp4
      │   │   ├── [ 29M] 12-整體框架回顧.mp4
      │   │   ├── [ 56M] 2-FPN網絡架構實現解讀.mp4
      │   │   ├── [ 28M] 3-生成框比例設置.mp4
      │   │   ├── [ 33M] 4-基于不同尺度特征圖生成所有框.mp4
      │   │   ├── [ 31M] 5-RPN層的作用與實現解讀.mp4
      │   │   ├── [ 16M] 6-候選框過濾方法.mp4
      │   │   ├── [ 33M] 7-Proposal層實現方法.mp4
      │   │   ├── [ 26M] 8-DetectionTarget層的作用.mp4
      │   │   └── [ 28M] 9-正負樣本選擇與標簽定義.mp4
      │   ├── 11_基于MASK-RCNN框架訓練自己的數據與任務/
      │   │   ├── [ 14M] 1-Labelme工具安裝.mp4
      │   │   ├── [ 26M] 2-使用labelme進行數據與標簽標注.mp4
      │   │   ├── [ 27M] 3-完成訓練數據準備工作.mp4
      │   │   ├── [ 64M] 4-maskrcnn源碼修改方法.mp4
      │   │   ├── [ 40M] 5-基于標注數據訓練所需任務.mp4
      │   │   └── [ 39M] 6-測試與展示模塊.mp4
      │   ├── 1_圖像分割及其損失函數概述/
      │   │   ├── [ 20M] 1-語義分割與實例分割概述.mp4
      │   │   ├── [ 20M] 2-分割任務中的目標函數定義.mp4
      │   │   └── [9.0M] 3-MIOU評估標準.mp4
      │   ├── 2_卷積神經網絡原理與參數解讀/
      │   │   ├── [ 21M] 1-卷積神經網絡應用領域.mp4
      │   │   ├── [ 19M] 10-VGG網絡架構.mp4
      │   │   ├── [ 18M] 11-殘差網絡Resnet.mp4
      │   │   ├── [ 17M] 12-感受野的作用.mp4
      │   │   ├── [ 23M] 2-卷積的作用.mp4
      │   │   ├── [ 21M] 3-卷積特征值計算方法.mp4
      │   │   ├── [ 18M] 4-得到特征圖表示.mp4
      │   │   ├── [ 20M] 5-步長與卷積核大小對結果的影響.mp4
      │   │   ├── [ 17M] 6-邊緣填充方法.mp4
      │   │   ├── [ 22M] 7-特征圖尺寸計算與參數共享.mp4
      │   │   ├── [ 11M] 8-池化層的作用.mp4
      │   │   └── [ 17M] 9-1整體網絡架構.mp4
      │   ├── 3_Unet系列算法講解/
      │   │   ├── [ 18M] 1-Unet網絡編碼與解碼過程.mp4
      │   │   ├── [ 16M] 2-網絡計算流程.mp4
      │   │   ├── [ 16M] 3-Unet升級版本改進.mp4
      │   │   └── [ 18M] 4-后續升級版本介紹.mp4
      │   ├── 4_unet醫學細胞分割實戰/
      │   │   ├── [ 71M] 1-醫學細胞數據集介紹與參數配置.mp4
      │   │   ├── [ 61M] 2-數據增強工具.mp4
      │   │   ├── [ 41M] 3-Debug模式演示網絡計算流程.mp4
      │   │   ├── [ 30M] 4-特征融合方法演示.mp4
      │   │   ├── [ 34M] 5-迭代完成整個模型計算任務.mp4
      │   │   └── [ 47M] 6-模型效果驗證.mp4
      │   ├── 5_U2NET顯著性檢測實戰/
      │   │   ├── [ 59M] 1-任務目標與網絡整體介紹.mp4
      │   │   ├── [ 54M] 2-顯著性檢測任務與目標概述.mp4
      │   │   ├── [ 44M] 3-編碼器模塊解讀.mp4
      │   │   ├── [ 28M] 4-解碼器輸出結果.mp4
      │   │   └── [ 34M] 5-損失函數與應用效果.mp4
      │   ├── 6_deeplab系列算法/
      │   │   ├── [ 14M] 1-deeplab分割算法概述.mp4
      │   │   ├── [ 17M] 2-空洞卷積的作用.mp4
      │   │   ├── [ 19M] 3-感受野的意義.mp4
      │   │   ├── [ 19M] 4-SPP層的作用.mp4
      │   │   ├── [ 13M] 5-ASPP特征融合策略.mp4
      │   │   └── [ 24M] 6-deeplabV3Plus版本網絡架構.mp4
      │   ├── 7_基于deeplabV3+版本進行VOC分割實戰/
      │   │   ├── [ 70M] 1-PascalVoc數據集介紹.mp4
      │   │   ├── [ 60M] 2-項目參數與數據集讀取.mp4
      │   │   ├── [ 33M] 3-網絡前向傳播流程.mp4
      │   │   ├── [ 51M] 4-ASPP層特征融合.mp4
      │   │   └── [ 35M] 5-分割模型訓練.mp4
      │   ├── 8_醫學心臟視頻數據集分割建模實戰/
      │   │   ├── [ 46M] 1-數據集與任務概述.mp4
      │   │   ├── [ 33M] 2-項目基本配置參數.mp4
      │   │   ├── [ 69M] 3-任務流程解讀.mp4
      │   │   ├── [123M] 4-文獻報告分析.mp4
      │   │   ├── [ 26M] 5-補充:視頻數據源特征處理方法概述.mp4
      │   │   └── [ 19M] 6-補充:R(2plus1)D處理方法分析.mp4
      │   └── 9_物體檢測框架-MaskRcnn項目介紹與配置/
      │   ├── [ 88M] 0-Mask-Rcnn開源項目簡介.mp4
      │   ├── [ 98M] 0-參數配置.mp4
      │   └── [ 42M] 0-開源項目數據集.mp4
      ├── 8_行為識別實戰/
      │   ├── 1_slowfast算法知識點通俗解讀/
      │   │   ├── [ 75M] 1-slowfast核心思想解讀.mp4
      │   │   ├── [ 21M] 2-核心網絡結構模塊分析.mp4
      │   │   ├── [ 18M] 3-數據采樣曾的作用.mp4
      │   │   ├── [ 19M] 4-模型網絡結構設計.mp4
      │   │   └── [ 39M] 5-特征融合模塊與總結分析.mp4
      │   ├── 2_slowfast項目環境配置與配置文件/
      │   │   ├── [ 45M] 1-環境基本配置解讀.mp4
      │   │   ├── [ 37M] 2-目錄各文件分析.mp4
      │   │   ├── [ 51M] 3-配置文件作用解讀.mp4
      │   │   ├── [ 67M] 4-測試DEMO演示1.mp4
      │   │   ├── [ 49M] 5-訓練所需標簽文件說明.mp4
      │   │   ├── [ 47M] 6-訓練所需視頻數據準備.mp4
      │   │   ├── [ 40M] 7-視頻數據集切分操作.mp4
      │   │   └── [ 33M] 8-完成視頻分幀操作.mp4
      │   ├── 3_slowfast源碼詳細解讀/
      │   │   ├── [ 33M] 1-模型所需配置文件參數讀取1.mp4
      │   │   ├── [ 79M] 10-RoiAlign與輸出層1.mp4
      │   │   ├── [ 50M] 2-數據處理概述1.mp4
      │   │   ├── [ 57M] 3-dataloader數據遍歷方法1.mp4
      │   │   ├── [ 52M] 4-數據與標簽讀取實例1.mp4
      │   │   ├── [ 67M] 5-圖像數據所需預處理方法1.mp4
      │   │   ├── [ 66M] 6-slow與fast分別執行采樣操作1.mp4
      │   │   ├── [ 57M] 7-分別計算特征圖輸出結果1.mp4
      │   │   ├── [ 50M] 8-slow與fast特征圖拼接操作1.mp4
      │   │   └── [ 54M] 9-resnetBolock操作1.mp4
      │   ├── 4_基于3D卷積的視頻分析與動作識別/
      │   │   ├── [ 21M] 1-3D卷積原理解讀.mp4
      │   │   ├── [ 52M] 2-UCF101動作識別數據集簡介.mp4
      │   │   ├── [ 56M] 3-測試效果與項目配置.mp4
      │   │   ├── [ 32M] 4-視頻數據預處理方法.mp4
      │   │   ├── [ 47M] 5-數據Batch制作方法.mp4
      │   │   ├── [ 38M] 6-3D卷積網絡所涉及模塊.mp4
      │   │   └── [ 39M] 7-訓練網絡模型.mp4
      │   ├── 5_視頻異常檢測算法與元學習/
      │   │   ├── [ 21M] 1-異常檢測要解決的問題與數據集介紹.mp4
      │   │   ├── [ 24M] 2-基本思想與流程分析.mp4
      │   │   ├── [ 27M] 3-預測與常見問題.mp4
      │   │   ├── [ 21M] 4-Meta-Learn要解決的問題.mp4
      │   │   ├── [ 14M] 5-學習能力與參數定義.mp4
      │   │   ├── [ 23M] 6-如何找到合適的初始化參數.mp4
      │   │   └── [ 29M] 7-MAML算法流程解讀.mp4
      │   ├── 6_視頻異常檢測CVPR2021論文及其源碼解讀/
      │   │   ├── [ 27M] 1-論文概述與環境配置.mp4
      │   │   ├── [ 39M] 2-數據集配置與讀取.mp4
      │   │   ├── [ 33M] 3-模型編碼與解碼結構.mp4
      │   │   ├── [ 61M] 4-注意力機制模塊打造.mp4
      │   │   ├── [ 58M] 5-損失函數的目的.mp4
      │   │   ├── [ 38M] 6-特征圖生成.mp4
      │   │   └── [ 30M] 7-MetaLearn與輸出.mp4
      │   └── 7_基礎補充-Resnet模型及其應用實例/
      │   ├── [ 19M] 1-醫學疾病數據集介紹.mp4
      │   ├── [ 25M] 2-Resnet網絡架構原理分析.mp4
      │   ├── [ 65M] 3-dataloader加載數據集.mp4
      │   ├── [ 36M] 4-Resnet網絡前向傳播.mp4
      │   ├── [ 47M] 5-殘差網絡的shortcut操作.mp4
      │   ├── [ 27M] 6-特征圖升維與降采樣操作.mp4
      │   └── [ 67M] 7-網絡整體流程與訓練演示.mp4
      ├── 9_2022論文必備-Transformer實戰系列/
      │   ├── 10_MedicalTransformer源碼解讀/
      │   │   ├── [ 25M] 1-項目環境配置1.mp4
      │   │   ├── [ 57M] 2-醫學數據介紹與分析1.mp4
      │   │   ├── [ 26M] 3-基本處理操作1.mp4
      │   │   ├── [ 37M] 4-AxialAttention實現過程1.mp4
      │   │   ├── [ 28M] 5-位置編碼向量解讀1.mp4
      │   │   ├── [ 52M] 6-注意力計算過程與方法1.mp4
      │   │   └── [ 41M] 7-局部特征提取與計算1.mp4
      │   ├── 11_商湯LoFTR算法解讀/
      │   │   ├── [ 87M] 1-特征匹配的應用場景.mp4
      │   │   ├── [ 39M] 10-總結分析.mp4
      │   │   ├── [ 16M] 2-特征匹配的基本流程分析.mp4
      │   │   ├── [ 16M] 3-整體流程梳理分析.mp4
      │   │   ├── [ 16M] 4-CrossAttention的作用與效果.mp4
      │   │   ├── [ 34M] 5-transformer構建匹配特征.mp4
      │   │   ├── [ 26M] 6-粗粒度匹配過程與作用.mp4
      │   │   ├── [ 14M] 7-特征圖拆解操作.mp4
      │   │   ├── [ 20M] 8-細粒度匹配的作用與方法.mp4
      │   │   └── [ 23M] 9-基于期望預測最終位置.mp4
      │   ├── 12_局部特征關鍵點匹配實戰/
      │   │   ├── [ 44M] 1-項目與參數配置解讀1.mp4
      │   │   ├── [ 19M] 10-得到精細化輸出結果1.mp4
      │   │   ├── [ 40M] 11-通過期望計算最終輸出1.mp4
      │   │   ├── [ 40M] 2-DEMO效果演示1.mp4
      │   │   ├── [ 29M] 3-backbone特征提取模塊1.mp4
      │   │   ├── [ 31M] 4-注意力機制的作用與效果分析1.mp4
      │   │   ├── [ 29M] 5-特征融合模塊實現方法1.mp4
      │   │   ├── [ 29M] 6-cross關系計算方法實例1.mp4
      │   │   ├── [ 50M] 7-粗粒度匹配過程1.mp4
      │   │   ├── [ 63M] 8-完成基礎匹配模塊1.mp4
      │   │   └── [ 43M] 9-精細化調整方法與實例1.mp4
      │   ├── 13_項目補充-谷歌開源項目BERT源碼解讀與應用實例/
      │   │   ├── [ 41M] 1-BERT開源項目簡介1.mp4
      │   │   ├── [ 51M] 10-構建QKV矩陣1.mp4
      │   │   ├── [ 41M] 11-完成Transformer模塊構建1.mp4
      │   │   ├── [ 55M] 12-訓練BERT模型1.mp4
      │   │   ├── [107M] 2-項目參數配置1.mp4
      │   │   ├── [ 54M] 3-數據讀取模塊1.mp4
      │   │   ├── [ 40M] 4-數據預處理模塊1.mp4
      │   │   ├── [ 31M] 6-Embedding層的作用1.mp4
      │   │   ├── [ 42M] 7-加入額外編碼特征1.mp4
      │   │   ├── [ 24M] 8-加入位置編碼特征1.mp4
      │   │   ├── [ 37M] 9-mask機制1.mp4
      │   │   └── [ 51M] tfrecord制作1.mp4
      │   ├── 14_項目補充-基于BERT的中文情感分析實戰/
      │   │   ├── [ 83M] 1-中文分類數據與任務概述1.mp4
      │   │   ├── [ 53M] 2-讀取處理自己的數據集1.mp4
      │   │   └── [ 72M] 3-訓練BERT中文分類模型1.mp4
      │   ├── 1_課程介紹/
      │   │   └── [ 15M] 課程介紹1.mp4
      │   ├── 2_自然語言處理通用框架BERT原理解讀/
      │   │   ├── [ 11M] 1-BERT任務目標概述.mp4
      │   │   ├── [ 24M] 10-訓練實例.mp4
      │   │   ├── [ 23M] 2-傳統解決方案遇到的問題1.mp4
      │   │   ├── [ 15M] 3-注意力機制的作用1.mp4
      │   │   ├── [ 24M] 4-self-attention計算方法1.mp4
      │   │   ├── [ 21M] 5-特征分配與softmax機制1.mp4
      │   │   ├── [ 19M] 6-Multi-head的作用1.mp4
      │   │   ├── [ 17M] 7-位置編碼與多層堆疊1.mp4
      │   │   ├── [ 22M] 8-transformer整體架構梳理.mp4
      │   │   └── [ 21M] 9-BERT模型訓練方法.mp4
      │   ├── 3_Transformer在視覺中的應用VIT算法/
      │   │   ├── [ 16M] 1-transformer發家史介紹1.mp4
      │   │   ├── [ 22M] 2-對圖像數據構建patch序列1.mp4
      │   │   ├── [ 24M] 3-VIT整體架構解讀1.mp4
      │   │   ├── [ 22M] 4-CNN遇到的問題與窘境1.mp4
      │   │   ├── [ 24M] 5-計算公式解讀1.mp4
      │   │   ├── [ 25M] 6-位置編碼與TNT模型1.mp4
      │   │   └── [ 28M] 7-TNT模型細節分析1.mp4
      │   ├── 4_VIT算法模型源碼解讀/
      │   │   ├── [ 43M] 1-項目配置說明1.mp4
      │   │   ├── [ 30M] 2-輸入序列構建方法解讀1.mp4
      │   │   ├── [ 28M] 3-注意力機制計算1.mp4
      │   │   └── [ 38M] 4-輸出層計算結果1.mp4
      │   ├── 5_swintransformer算法原理解析/
      │   │   ├── [ 15M] 1-swintransformer整體概述1.mp4
      │   │   ├── [ 22M] 10-分層計算方法1.mp4
      │   │   ├── [ 22M] 2-要解決的問題及其優勢分析1.mp4
      │   │   ├── [ 17M] 3-一個block要完成的任務1.mp4
      │   │   ├── [ 19M] 4-獲取各窗口輸入特征1.mp4
      │   │   ├── [ 30M] 5-基于窗口的注意力機制解讀1.mp4
      │   │   ├── [ 24M] 6-窗口偏移操作的實現1.mp4
      │   │   ├── [ 20M] 7-偏移細節分析及其計算量概述1.mp4
      │   │   ├── [ 21M] 8-整體網絡架構整合1.mp4
      │   │   └── [ 22M] 9-下采樣操作實現方法1.mp4
      │   ├── 6_swintransformer源碼解讀/
      │   │   ├── [ 60M] 1-數據與環境配置解讀1.mp4
      │   │   ├── [ 38M] 2-圖像數據patch編碼1.mp4
      │   │   ├── [ 31M] 3-數據按window進行劃分計算1.mp4
      │   │   ├── [ 28M] 4-基礎attention計算模塊1.mp4
      │   │   ├── [ 37M] 5-窗口位移模塊細節分析1.mp4
      │   │   ├── [ 25M] 6-patchmerge下采樣操作1.mp4
      │   │   ├── [ 28M] 7-各block計算方法解讀1.mp4
      │   │   └── [ 41M] 8-輸出層概述1.mp4
      │   ├── 7_基于Transformer的detr目標檢測算法/
      │   │   ├── [ 19M] 1-DETR目標檢測基本思想解讀1.mp4
      │   │   ├── [ 32M] 2-整體網絡架構分析1.mp4
      │   │   ├── [ 20M] 3-位置信息初始化query向量1.mp4
      │   │   ├── [ 21M] 4-注意力機制的作用方法1.mp4
      │   │   └── [ 28M] 5-訓練過程的策略1.mp4
      │   ├── 8_detr目標檢測源碼解讀/
      │   │   ├── [ 40M] 1-項目環境配置解讀2.mp4
      │   │   ├── [ 64M] 2-數據處理與dataloader2.mp4
      │   │   ├── [ 48M] 3-位置編碼作用分析2.mp4
      │   │   ├── [ 36M] 4-backbone特征提取模塊1.mp4
      │   │   ├── [ 35M] 5-mask與編碼模塊1.mp4
      │   │   ├── [ 43M] 6-編碼層作用方法1.mp4
      │   │   ├── [ 30M] 7-Decoder層操作與計算1.mp4
      │   │   ├── [ 41M] 8-輸出預測結果1.mp4
      │   │   └── [ 41M] 9-損失函數與預測輸出1.mp4
      │   └── 9_MedicalTrasnformer論文解讀/
      │   ├── [ 24M] 1-論文整體分析.mp4
      │   ├── [ 54M] 2-核心思想分析.mp4
      │   ├── [ 44M] 3-網絡結構計算流程概述.mp4
      │   ├── [ 47M] 4-論文公式計算分析.mp4
      │   ├── [ 47M] 5-位置編碼的作用與效果.mp4
      │   └── [ 57M] 6-拓展應用分析.mp4
      .
      ├──11_3D點云實戰/
      │   ├──1_3D點云實戰 3D點云應用領域分析/
      │   │   ├── [ 48M] 1-點云數據概述.mp4
      │   │   ├── [ 86M] 2-點云應用領域與發展分析.mp4
      │   │   ├── [ 74M] 3-點云分割任務.mp4
      │   │   ├── [ 34M] 4-點云補全任務.mp4
      │   │   ├── [ 63M] 5-點云檢測與配準任務.mp4
      │   │   └── [ 29M] 6-點云數據特征提取概述與預告.mp4
      │   ├──2_3D點云PointNet算法/
      │   │   ├── [ 60M] 1-3D數據應用領域與點云介紹.mp4
      │   │   ├── [ 46M] 2-點云數據可視化展示.mp4
      │   │   ├── [ 43M] 3-點云數據特性和及要解決的問題.mp4
      │   │   ├── [ 25M] 4-PointNet算法出發點解讀.mp4
      │   │   └── [ 43M] 5-PointNet算法網絡架構解讀.mp4
      │   ├──3_PointNet++算法解讀/
      │   │   ├── [ 29M] 10-分類與分割問題解決方案.mp4
      │   │   ├── [ 18M] 11-遇到的問題及改進方法分析.mp4
      │   │   ├── [ 30M] 6-PointNet升級版算法要解決的問題.mp4
      │   │   ├── [ 28M] 7-最遠點采樣方法.mp4
      │   │   ├── [ 45M] 8-分組Group方法原理解讀.mp4
      │   │   └── [ 22M] 9-整體流程概述分析.mp4
      │   ├──4_Pointnet++項目實戰/
      │   │   ├── [ 36M] 1-項目文件概述.mp4
      │   │   ├── [ 28M] 10-分類任務總結.mp4
      │   │   ├── [ 62M] 11-分割任務數據與配置概述.mp4
      │   │   ├── [ 38M] 12-分割需要解決的任務概述.mp4
      │   │   ├── [ 59M] 13-上采樣完成分割任務.mp4
      │   │   ├── [ 41M] 2-數據讀取模塊配置.mp4
      │   │   ├── [ 30M] 3-DEBUG解讀網絡模型架構.mp4
      │   │   ├── [ 24M] 4-最遠點采樣介紹.mp4
      │   │   ├── [ 41M] 5-采樣得到中心點.mp4
      │   │   ├── [ 32M] 6-組區域劃分方法.mp4
      │   │   ├── [ 45M] 7-實現group操作得到各中心簇.mp4
      │   │   ├── [ 51M] 8-特征提取模塊整體流程.mp4
      │   │   └── [ 49M] 9-預測結果輸出模塊.mp4
      │   ├──5_點云補全PF-Net論文解讀/
      │   │   ├── [ 25M] 1-點云補全要解決的問題.mp4
      │   │   ├── [ 24M] 2-基本解決方案概述.mp4
      │   │   ├── [ 26M] 3-整體網絡概述.mp4
      │   │   ├── [ 36M] 4-網絡計算流程.mp4
      │   │   └── [120M] 5-輸入與計算結果.mp4
      │   ├──6_點云補全實戰解讀/
      │   │   ├── [ 64M] 1-數據與項目配置解讀.mp4
      │   │   ├── [ 36M] 2-待補全數據準備方法.mp4
      │   │   ├── [ 64M] 3-整體框架概述.mp4
      │   │   ├── [ 48M] 4-MRE特征提取模塊.mp4
      │   │   ├── [ 30M] 5-分層預測輸出模塊.mp4
      │   │   ├── [ 42M] 6-補全點云數據.mp4
      │   │   └── [ 63M] 7-判別模塊.mp4
      │   ├──7_點云配準及其案例實戰/
      │   │   ├── [ 21M] 1-點云配準任務概述.mp4
      │   │   ├── [ 23M] 2-配準要完成的目標解讀.mp4
      │   │   ├── [ 34M] 3-訓練數據構建1.mp4
      │   │   ├── [ 19M] 4-任務基本流程.mp4
      │   │   ├── [ 53M] 5-數據源配置方法.mp4
      │   │   ├── [ 26M] 6-參數計算模塊解讀.mp4
      │   │   ├── [ 32M] 7-基于模型預測輸出參數.mp4
      │   │   ├── [ 44M] 8-特征構建方法分析.mp4
      │   │   └── [ 41M] 9-任務總結.mp4
      │   └──8_基礎補充-對抗生成網絡架構原理與實戰解析/
      │   ├── [ 23M] 1-對抗生成網絡通俗解釋.mp4
      │   ├── [ 15M] 2-GAN網絡組成.mp4
      │   ├── [ 49M] 3-損失函數解釋說明.mp4
      │   ├── [ 37M] 4-數據讀取模塊.mp4
      │   └── [ 67M] 5-生成與判別網絡定義.mp4
      ├──12_目標追蹤與姿態估計實戰/
      │   ├──1_課程介紹/
      │   │   └── [ 38M] 課程介紹2.mp4
      │   ├──2_姿態估計OpenPose系列算法解讀/
      │   │   ├── [ 67M] 1-姿態估計要解決的問題分析.mp4
      │   │   ├── [ 26M] 10-匹配方法解讀.mp4
      │   │   ├── [ 28M] 11-CPM模型特點.mp4
      │   │   ├── [ 73M] 12-算法流程與總結.mp4
      │   │   ├── [ 28M] 2-姿態估計應用領域概述.mp4
      │   │   ├── [ 68M] 3-傳統topdown方法的問題.mp4
      │   │   ├── [ 13M] 4-要解決的兩個問題分析.mp4
      │   │   ├── [ 35M] 5-基于高斯分布預測關鍵點位置.mp4
      │   │   ├── [ 22M] 6-各模塊輸出特征圖解讀.mp4
      │   │   ├── [ 15M] 7-PAF向量登場.mp4
      │   │   ├── [ 33M] 8-PAF標簽設計方法.mp4
      │   │   └── [ 48M] 9-預測時PAF積分計算方法.mp4
      │   ├──3_OpenPose算法源碼分析/
      │   │   ├── [ 35M] 1-數據集與路徑配置解讀.mp4
      │   │   ├── [ 66M] 10-多階段輸出與預測.mp4
      │   │   ├── [ 48M] 2-讀取圖像與標注信息.mp4
      │   │   ├── [ 44M] 3-關鍵點與軀干特征圖初始化.mp4
      │   │   ├── [ 66M] 4-根據關鍵點位置設計關鍵點標簽.mp4
      │   │   ├── [ 36M] 5-準備構建PAF軀干標簽.mp4
      │   │   ├── [ 36M] 6-各位置點歸屬判斷.mp4
      │   │   ├── [ 40M] 7-特征圖各點累加向量計算.mp4
      │   │   ├── [ 42M] 8-完成PAF特征圖制作.mp4
      │   │   └── [ 31M] 9-網絡模型一階段輸出.mp4
      │   ├──4_deepsort算法知識點解讀/
      │   │   ├── [ 30M] 1-卡爾曼濾波通俗解釋.mp4
      │   │   ├── [ 36M] 10-sort與deepsort建模流程分析.mp4
      │   │   ├── [ 35M] 11-預測與匹配流程解讀.mp4
      │   │   ├── [ 40M] 12-追蹤任務流程拆解.mp4
      │   │   ├── [ 24M] 2-卡爾曼濾波要完成的任務.mp4
      │   │   ├── [ 25M] 3-任務本質分析.mp4
      │   │   ├── [ 24M] 4-基于觀測值進行最優估計.mp4
      │   │   ├── [ 31M] 5-預測與更新操作.mp4
      │   │   ├── [ 22M] 6-追蹤中的狀態量.mp4
      │   │   ├── [ 23M] 7-匈牙利匹配算法概述.mp4
      │   │   ├── [ 29M] 8-匹配小例子分析.mp4
      │   │   └── [ 30M] 9-REID特征的作用.mp4
      │   ├──5_deepsort源碼解讀/
      │   │   ├── [ 46M] 1-項目環境配置4.mp4
      │   │   ├── [ 92M] 10-匹配結果與總結.mp4
      │   │   ├── [ 49M] 2-參數與DEMO演示.mp4
      │   │   ├── [ 56M] 3-針對檢測結果初始化track.mp4
      │   │   ├── [ 47M] 4-對track執行預測操作.mp4
      │   │   ├── [ 44M] 5-狀態量預測結果.mp4
      │   │   ├── [ 40M] 6-IOU代價矩陣計算.mp4
      │   │   ├── [ 60M] 7-參數更新操作.mp4
      │   │   ├── [ 50M] 8-級聯匹配模塊.mp4
      │   │   └── [ 58M] 9-ReID特征代價矩陣計算.mp4
      │   ├──6_YOLO-V4版本算法解讀/
      │   │   ├── [ 18M] 1-V4版本整體概述.mp4
      │   │   ├── [ 28M] 10-PAN模塊解讀.mp4
      │   │   ├── [ 26M] 11-激活函數與整體架構總結.mp4
      │   │   ├── [ 12M] 2-V4版本貢獻解讀.mp4
      │   │   ├── [ 35M] 3-數據增強策略分析.mp4
      │   │   ├── [ 26M] 4-DropBlock與標簽平滑方法.mp4
      │   │   ├── [ 20M] 5-損失函數遇到的問題.mp4
      │   │   ├── [ 13M] 6-CIOU損失函數定義.mp4
      │   │   ├── [ 21M] 7-NMS細節改進.mp4
      │   │   ├── [ 18M] 8-SPP與CSP網絡結構.mp4
      │   │   └── [ 30M] 9-SAM注意力機制模塊.mp4
      │   ├──7_V5版本項目配置/
      │   │   ├── [ 41M] 1-整體項目概述.mp4
      │   │   ├── [ 47M] 2-訓練自己的數據集方法.mp4
      │   │   ├── [ 60M] 3-訓練數據參數配置.mp4
      │   │   └── [ 60M] 4-測試DEMO演示.mp4
      │   └──8_V5項目工程源碼解讀/
      │   ├── [ 54M] 1-數據源DEBUG流程解讀.mp4
      │   ├── [ 70M] 10-完成配置文件解析任務.mp4
      │   ├── [ 37M] 11-前向傳播計算.mp4
      │   ├── [ 40M] 12-BottleneckCSP層計算方法.mp4
      │   ├── [ 31M] 13-Head層流程解讀2.mp4
      │   ├── [ 39M] 13-SPP層計算細節分析.mp4
      │   ├── [ 25M] 14-上采樣與拼接操作.mp4
      │   ├── [ 58M] 15-輸出結果分析.mp4
      │   ├── [ 42M] 16-超參數解讀.mp4
      │   ├── [ 56M] 17-命令行參數介紹.mp4
      │   ├── [ 57M] 18-訓練流程解讀.mp4
      │   ├── [ 47M] 19-各種訓練策略概述.mp4
      │   ├── [ 44M] 2-圖像數據源配置.mp4
      │   ├── [ 53M] 20-模型迭代過程.mp4
      │   ├── [ 34M] 3-加載標簽數據.mp4
      │   ├── [ 31M] 4-Mosaic數據增強方法.mp4
      │   ├── [ 53M] 5-數據四合一方法與流程演示.mp4
      │   ├── [ 42M] 6-getItem構建batch.mp4
      │   ├── [ 41M] 7-網絡架構圖可視化工具安裝.mp4
      │   ├── [ 42M] 8-V5網絡配置文件解讀.mp4
      │   └── [ 29M] 9-Focus模塊流程分析.mp4
      ├──13_面向深度學習的無人駕駛實戰/
      │   ├──10_NeuralRecon項目源碼解讀/
      │   │   ├── [ 43M] 1-Backbone得到特征圖.mp4
      │   │   ├── [ 47M] 2-初始化體素位置.mp4
      │   │   ├── [ 34M] 3-坐標映射方法實現.mp4
      │   │   ├── [ 60M] 4-得到體素所對應特征圖.mp4
      │   │   ├── [ 41M] 5-插值得到對應特征向量.mp4
      │   │   ├── [ 46M] 6-得到一階段輸出結果.mp4
      │   │   ├── [ 57M] 7-完成三個階段預測結果.mp4
      │   │   └── [135M] 8-項目總結2.mp4
      │   ├──11_TSDF算法與應用/
      │   │   ├── [ 28M] 1-TSDF整體概述分析.mp4
      │   │   ├── [ 27M] 2-合成過程DEMO演示.mp4
      │   │   ├── [ 15M] 3-布局初始化操作.mp4
      │   │   ├── [ 26M] 4-TSDF計算基本流程解讀.mp4
      │   │   ├── [ 38M] 5-坐標轉換流程分析.mp4
      │   │   └── [ 44M] 6-輸出結果融合更新.mp4
      │   ├──12_TSDF實戰案例/
      │   │   ├── [ 39M] 1-環境配置概述.mp4
      │   │   ├── [ 26M] 2-初始化與數據讀取.mp4
      │   │   └── [ 62M] 3-計算得到TSDF輸出.mp4
      │   ├──13_軌跡估計算法與論文解讀/
      │   │   ├── [ 77M] 1-數據集與標注信息解讀.mp4
      │   │   ├── [ 59M] 2-整體三大模塊分析.mp4
      │   │   ├── [ 54M] 3-特征工程的作用與效果.mp4
      │   │   ├── [ 66M] 4-傳統方法與現在向量空間對比.mp4
      │   │   ├── [ 48M] 5-輸入細節分析.mp4
      │   │   ├── [ 64M] 6-子圖模塊構建方法.mp4
      │   │   ├── [ 55M] 7-特征融合模塊分析.mp4
      │   │   └── [117M] 8-VectorNet輸出層分析.mp4
      │   ├──14_軌跡估計預測實戰/
      │   │   ├── [ 42M] 1-數據與環境配置..mp4
      │   │   ├── [ 38M] 2-訓練數據準備.mp4
      │   │   ├── [ 50M] 3-Agent特征提取方法.mp4
      │   │   ├── [ 37M] 4-DataLoader構建圖結構.mp4
      │   │   └── [ 43M] 5-SubGraph與Attention模型流程.mp4
      │   ├──15_特斯拉無人駕駛解讀/
      │   │   └── [776M] 15-特斯拉無人駕駛解讀.mp4
      │   ├──1_深度估計算法原理解讀/
      │   │   ├── [ 82M] 1-深度估計效果與應用.mp4
      │   │   ├── [ 48M] 10-損失計算.mp4
      │   │   ├── [ 62M] 2-kitti數據集介紹.mp4
      │   │   ├── [ 27M] 3-使用backbone獲取層級特征.mp4
      │   │   ├── [ 35M] 4-差異特征計算邊界信息.mp4
      │   │   ├── [ 20M] 5-SPP層的作用.mp4
      │   │   ├── [ 26M] 6-空洞卷積與ASPP.mp4
      │   │   ├── [ 29M] 7-特征拼接方法分析.mp4
      │   │   ├── [ 34M] 8-網絡coarse-to-fine過程.mp4
      │   │   └── [ 38M] 9-權重參數預處理.mp4
      │   ├──2_深度估計項目實戰/
      │   │   ├── [ 63M] 1-項目環境配置解讀1.mp4
      │   │   ├── [113M] 10-模型DEMO輸出結果.mp4
      │   │   ├── [103M] 2-數據與標簽定義方法.mp4
      │   │   ├── [ 40M] 3-數據集dataloader制作.mp4
      │   │   ├── [ 43M] 4-使用backbone進行特征提取.mp4
      │   │   ├── [ 38M] 5-計算差異特征.mp4
      │   │   ├── [ 49M] 6-權重參數標準化操作.mp4
      │   │   ├── [ 50M] 7-網絡結構ASPP層.mp4
      │   │   ├── [ 56M] 8-特征拼接方法解讀.mp4
      │   │   ├── [ 35M] 8-輸出深度估計結果.mp4
      │   │   └── [ 48M] 9-損失函數通俗解讀.mp4
      │   ├──3_車道線檢測算法與論文解讀/
      │   │   ├── [ 39M] 1-數據標簽與任務分析.mp4
      │   │   ├── [ 43M] 2-網絡整體框架分析.mp4
      │   │   ├── [ 19M] 3-輸出結果分析.mp4
      │   │   ├── [ 39M] 4-損失函數計算方法.mp4
      │   │   └── [ 79M] 5-論文概述分析.mp4
      │   ├──4_基于深度學習的車道線檢測項目實戰/
      │   │   ├── [ 78M] 1-車道數據與標簽解讀.mp4
      │   │   ├── [ 57M] 10-車道線規則損失函數限制.mp4
      │   │   ├── [ 54M] 11-DEMO制作與配置.mp4
      │   │   ├── [ 35M] 2-項目環境配置演示.mp4
      │   │   ├── [ 68M] 3-制作數據集dataloader.mp4
      │   │   ├── [ 38M] 4-車道線標簽數據處理.mp4
      │   │   ├── [ 29M] 5-四條車道線標簽位置矩陣.mp4
      │   │   ├── [ 61M] 6-grid設置方法.mp4
      │   │   ├── [ 33M] 7-完成數據與標簽制作.mp4
      │   │   ├── [ 62M] 8-算法網絡結構解讀.mp4
      │   │   └── [ 46M] 9-損失函數計算模塊分析.mp4
      │   ├──5_商湯LoFTR算法解讀/
      │   │   ├── [ 47M] 1-特征匹配的應用場景.mp4
      │   │   ├── [ 74M] 10-總結分析.mp4
      │   │   ├── [ 22M] 2-特征匹配的基本流程分析.mp4
      │   │   ├── [ 23M] 3-整體流程梳理分析.mp4
      │   │   ├── [ 22M] 4-CrossAttention的作用與效果.mp4
      │   │   ├── [ 45M] 5-transformer構建匹配特征.mp4
      │   │   ├── [ 35M] 6-粗粒度匹配過程與作用.mp4
      │   │   ├── [ 19M] 7-特征圖拆解操作.mp4
      │   │   ├── [ 27M] 8-細粒度匹配的作用與方法.mp4
      │   │   └── [ 33M] 9-基于期望預測最終位置.mp4
      │   ├──6_局部特征關鍵點匹配實戰/
      │   │   ├── [ 53M] 1-項目與參數配置解讀.mp4
      │   │   ├── [ 23M] 10-得到精細化輸出結果.mp4
      │   │   ├── [ 54M] 11-通過期望計算最終輸出.mp4
      │   │   ├── [ 31M] 2-DEMO效果演示.mp4
      │   │   ├── [ 32M] 3-backbone特征提取模塊.mp4
      │   │   ├── [ 36M] 4-注意力機制的作用與效果分析.mp4
      │   │   ├── [ 35M] 5-特征融合模塊實現方法.mp4
      │   │   ├── [ 36M] 6-cross關系計算方法實例.mp4
      │   │   ├── [ 56M] 7-粗粒度匹配過程.mp4
      │   │   ├── [ 73M] 8-完成基礎匹配模塊.mp4
      │   │   └── [ 50M] 9-精細化調整方法與實例.mp4
      │   ├──7_三維重建應用與坐標系基礎/
      │   │   ├── [128M] 1-三維重建概述分析.mp4
      │   │   ├── [ 16M] 2-三維重建應用領域概述.mp4
      │   │   ├── [ 21M] 3-成像方法概述.mp4
      │   │   ├── [ 24M] 4-相機坐標系.mp4
      │   │   ├── [ 28M] 5-坐標系轉換方法解讀.mp4
      │   │   ├── [ 24M] 6-相機內外參.mp4
      │   │   ├── [ 21M] 7-通過內外參數進行坐標變換.mp4
      │   │   └── [6.7M] 8-相機標定簡介.mp4
      │   ├──8_NeuralRecon算法解讀/
      │   │   ├── [ 28M] 1-任務流程分析.mp4
      │   │   ├── [ 38M] 2-基本框架熟悉.mp4
      │   │   ├── [ 46M] 3-特征映射方法解讀.mp4
      │   │   ├── [ 23M] 4-片段融合思想.mp4
      │   │   └── [ 30M] 5-整體架構重構方法.mp4
      │   └──9_NeuralRecon項目環境配置/
      │   ├── [ 59M] 1-數據集下載與配置方法.mp4
      │   ├── [ 41M] 2-Scannet數據集內容概述.mp4
      │   ├── [ 68M] 3-TSDF標簽生成方法.mp4
      │   ├── [ 58M] 4-ISSUE的作用.mp4
      │   └── [ 66M] 5-完成依賴環境配置.mp4
      ├──14_缺陷檢測實戰/
      │   ├──10_基于視頻流水線的Opencv缺陷檢測項目/
      │   │   ├── [ 20M] 1-數據與任務概述.mp4
      │   │   ├── [ 23M] 2-視頻數據讀取與輪廓檢測.mp4
      │   │   ├── [ 40M] 3-目標質心計算.mp4
      │   │   ├── [ 39M] 4-視頻數據遍歷方法.mp4
      │   │   ├── [ 41M] 5-缺陷區域提取.mp4
      │   │   ├── [ 47M] 6-不同類型的缺陷檢測方法.mp4
      │   │   └── [ 29M] 7-檢測效果演示.mp4
      │   ├──11_圖像分割deeplab系列算法/
      │   │   ├── [ 19M] 1-deeplab分割算法概述.mp4
      │   │   ├── [ 21M] 2-空洞卷積的作用.mp4
      │   │   ├── [ 26M] 3-感受野的意義.mp4
      │   │   ├── [ 26M] 4-SPP層的作用.mp4
      │   │   ├── [ 17M] 5-ASPP特征融合策略.mp4
      │   │   └── [ 33M] 6-deeplabV3Plus版本網絡架構.mp4
      │   ├──12_基于deeplabV3+版本進行VOC分割實戰/
      │   │   ├── [ 57M] 1-PascalVoc數據集介紹.mp4
      │   │   ├── [ 70M] 2-項目參數與數據集讀取.mp4
      │   │   ├── [ 40M] 3-網絡前向傳播流程.mp4
      │   │   ├── [ 62M] 4-ASPP層特征融合.mp4
      │   │   └── [ 43M] 5-分割模型訓練.mp4
      │   ├──13_Deeplab鐵質材料缺陷檢測與開源項目應用流程/
      │   │   ├── [ 37M] 1-數據集與任務概述..mp4
      │   │   ├── [ 40M] 2-開源項目應用方法.mp4
      │   │   ├── [ 41M] 3-github與kaggle中需要注意的點.mp4
      │   │   ├── [100M] 4-源碼的利用方法.mp4
      │   │   ├── [ 86M] 5-數據集制作方法.mp4
      │   │   ├── [ 63M] 6-數據路徑配置.mp4
      │   │   ├── [ 38M] 7-訓練模型.mp4
      │   │   └── [ 48M] 8-任務總結.mp4
      │   ├──1_課程介紹/
      │   │   └── [ 36M] 課程介紹3.mp4
      │   ├──2_物體檢框架YOLO-V4版本算法解讀/
      │   │   ├── [ 15M] 1-V4版本整體概述.mp4
      │   │   ├── [ 21M] 10-PAN模塊解讀.mp4
      │   │   ├── [ 19M] 11-激活函數與整體架構總結.mp4
      │   │   ├── [ 10M] 2-V4版本貢獻解讀.mp4
      │   │   ├── [ 25M] 3-數據增強策略分析.mp4
      │   │   ├── [ 19M] 4-DropBlock與標簽平滑方法.mp4
      │   │   ├── [ 14M] 5-損失函數遇到的問題.mp4
      │   │   ├── [ 11M] 6-CIOU損失函數定義.mp4
      │   │   ├── [ 17M] 7-NMS細節改進.mp4
      │   │   ├── [ 15M] 8-SPP與CSP網絡結構.mp4
      │   │   └── [ 22M] 9-SAM注意力機制模塊.mp4
      │   ├──3_物體檢測框架YOLOV5版本項目配置/
      │   │   ├── [ 36M] 1-整體項目概述.mp4
      │   │   ├── [ 41M] 2-訓練自己的數據集方法.mp4
      │   │   ├── [ 51M] 3-訓練數據參數配置.mp4
      │   │   └── [ 50M] 4-測試DEMO演示.mp4
      │   ├──4_物體檢測框架YOLOV5項目工程源碼解讀/
      │   │   ├── [ 48M] 1-數據源DEBUG流程解讀.mp4
      │   │   ├── [ 59M] 10-完成配置文件解析任務.mp4
      │   │   ├── [ 31M] 11-前向傳播計算.mp4
      │   │   ├── [ 34M] 12-BottleneckCSP層計算方法.mp4
      │   │   ├── [ 39M] 13-1 SPP層計算細節分析.mp4
      │   │   ├── [ 31M] 13-2Head層流程解讀.mp4
      │   │   ├── [ 21M] 14-上采樣與拼接操作.mp4
      │   │   ├── [ 42M] 15-輸出結果分析.mp4
      │   │   ├── [ 35M] 16-超參數解讀.mp4
      │   │   ├── [ 35M] 16-超參數解讀.mp4.baiduyun.p.downloading
      │   │   ├── [ 44M] 17-命令行參數介紹.mp4
      │   │   ├── [ 47M] 18-訓練流程解讀.mp4
      │   │   ├── [ 38M] 19-各種訓練策略概述.mp4
      │   │   ├── [ 35M] 2-圖像數據源配置.mp4
      │   │   ├── [ 38M] 20-模型迭代過程.mp4
      │   │   ├── [ 26M] 3-加載標簽數據.mp4
      │   │   ├── [ 28M] 4-Mosaic數據增強方法.mp4
      │   │   ├── [ 42M] 5-數據四合一方法與流程演示.mp4
      │   │   ├── [ 33M] 6-getItem構建batch.mp4
      │   │   ├── [ 34M] 7-網絡架構圖可視化工具安裝.mp4
      │   │   ├── [ 36M] 8-V5網絡配置文件解讀.mp4
      │   │   └── [ 22M] 9-Focus模塊流程分析.mp4
      │   ├──5_基于YOLOV5的鋼材缺陷檢測實戰/
      │   │   ├── [ 16M] 1-任務需求與項目概述.mp4
      │   │   ├── [ 43M] 2-數據與標簽配置方法.mp4
      │   │   ├── [ 39M] 3-標簽轉換格式腳本制作.mp4
      │   │   ├── [ 37M] 4-各版本模型介紹分析.mp4
      │   │   ├── [ 30M] 5-項目參數配置.mp4
      │   │   ├── [ 33M] 6-缺陷檢測模型訓練.mp4
      │   │   └── [ 53M] 7-輸出結果與項目總結.mp4
      │   ├──6_Semi-supervised布料缺陷檢測實戰/
      │   │   ├── [ 61M] 1-任務目標與流程概述.mp4
      │   │   ├── [158M] 2-論文思想與模型分析.mp4
      │   │   ├── [ 69M] 3-項目配置解讀.mp4
      │   │   ├── [ 43M] 4-網絡流程分析.mp4
      │   │   └── [ 50M] 5-輸出結果展示.mp4
      │   ├──7_Opencv圖像常用處理方法實例/
      │   │   ├── [ 41M] 1-圖像閾值.mp4
      │   │   ├── [ 29M] 1-腐蝕操作.mp4
      │   │   ├── [ 40M] 1-計算機眼中的圖像.mp4
      │   │   ├── [ 34M] 2-圖像平滑處理.mp4
      │   │   ├── [ 17M] 2-膨脹操作.mp4
      │   │   ├── [ 60M] 2-視頻的讀取與處理.mp4
      │   │   ├── [ 20M] 3-ROI區域.mp4
      │   │   ├── [ 12M] 3-開運算與閉運算.mp4
      │   │   ├── [ 29M] 3-高斯與中值濾波.mp4
      │   │   ├── [ 10M] 4-梯度計算.mp4
      │   │   ├── [ 29M] 4-邊界填充.mp4
      │   │   ├── [ 52M] 5-數值計算.mp4
      │   │   └── [ 23M] 5-禮帽與黑帽.mp4
      │   ├──8_Opencv梯度計算與邊緣檢測實例/
      │   │   ├── [ 26M] 1-Canny邊緣檢測流程.mp4
      │   │   ├── [ 37M] 1-Sobel算子.mp4
      │   │   ├── [ 42M] 2-梯度計算方法.mp4
      │   │   ├── [ 21M] 2-非極大值抑制.mp4
      │   │   ├── [ 34M] 3-scharr與lapkacian算子.mp4
      │   │   └── [ 51M] 3-邊緣檢測效果.mp4
      │   ├──8_Opencv輪廓檢測與直方圖/
      │   │   ├── [ 27M] 1-圖像金字塔定義.mp4
      │   │   ├── [ 30M] 1-直方圖定義.mp4
      │   │   ├── [ 40M] 2-均衡化原理.mp4
      │   │   ├── [ 32M] 2-金字塔制作方法.mp4
      │   │   ├── [ 36M] 3-均衡化效果.mp4
      │   │   ├── [ 27M] 3-輪廓檢測方法.mp4
      │   │   ├── [ 61M] 4-傅里葉概述.mp4
      │   │   ├── [ 44M] 4-輪廓檢測結果.mp4
      │   │   ├── [ 53M] 5-輪廓特征與近似.mp4
      │   │   ├── [ 35M] 5-頻域變換結果.mp4
      │   │   ├── [ 36M] 6-低通與高通濾波.mp4
      │   │   ├── [ 60M] 6-模板匹配方法.mp4
      │   │   └── [ 27M] 7-匹配效果展示.mp4
      │   └──9_基于Opencv缺陷檢測項目實戰/
      │   ├── [ 18M] 1-任務需求與環境配置.mp4
      │   ├── [ 33M] 2-數據讀取與基本處理.mp4
      │   ├── [ 33M] 3-缺陷形態學操作.mp4
      │   ├── [ 28M] 4-整體流程解讀.mp4
      │   └── [ 63M] 5-缺陷檢測效果演示.mp4
      ├──15_行人重識別實戰/
      │   ├──1_行人重識別原理及其應用/
      │   │   ├── [ 23M] 1-行人重識別要解決的問題.mp4
      │   │   ├── [ 47M] 2-挑戰與困難分析.mp4
      │   │   ├── [ 17M] 3-評估標準rank1指標.mp4
      │   │   ├── [ 21M] 4-map值計算方法.mp4
      │   │   ├── [ 34M] 5-triplet損失計算實例.mp4
      │   │   └── [ 37M] 6-Hard-Negative方法應用.mp4
      │   ├──2_基于注意力機制的Reld模型論文解讀/
      │   │   ├── [ 48M] 1-論文整體思想及注意力機制的作用解讀.mp4
      │   │   ├── [ 28M] 2-空間權重值計算流程分析.mp4
      │   │   ├── [ 29M] 3-融合空間注意力所需特征.mp4
      │   │   └── [ 89M] 4-基于特征圖的注意力計算.mp4
      │   ├──3_基于Attention的行人重識別項目實戰/
      │   │   ├── [ 58M] 1-項目環境與數據集配置.mp4
      │   │   ├── [ 83M] 2-參數配置與整體架構分析.mp4
      │   │   ├── [ 37M] 3-進入debug模式解讀網絡計算流程.mp4
      │   │   ├── [ 53M] 4-獲得空間位置點之間的關系.mp4
      │   │   ├── [ 42M] 5-組合關系特征圖.mp4
      │   │   ├── [ 49M] 6-計算得到位置權重值.mp4
      │   │   ├── [ 32M] 7-基于特征圖的權重計算.mp4
      │   │   ├── [ 75M] 8-損失函數計算實例解讀.mp4
      │   │   └── [ 91M] 9-訓練與測試模塊演示.mp4
      │   ├──4_AAAI2020頂會算法精講/
      │   │   ├── [ 22M] 1-論文整體框架概述.mp4
      │   │   ├── [ 21M] 2-局部特征與全局關系計算方法.mp4
      │   │   ├── [ 20M] 3-特征分組方法.mp4
      │   │   ├── [ 39M] 4-GCP模塊特征融合方法.mp4
      │   │   ├── [ 20M] 5-oneVsReset方法實例.mp4
      │   │   └── [ 20M] 6-損失函數應用位置.mp4
      │   ├──5_項目實戰-基于行人局部特征融合的再識別實戰/
      │   │   ├── [ 94M] 1-項目配置與數據集介紹.mp4
      │   │   ├── [ 62M] 10-得到所有分組特征結果.mp4
      │   │   ├── [ 53M] 11-損失函數與訓練過程演示.mp4
      │   │   ├── [ 64M] 12-測試與驗證模塊.mp4
      │   │   ├── [ 49M] 2-數據源構建方法分析.mp4
      │   │   ├── [ 35M] 3-dataloader加載順序解讀.mp4
      │   │   ├── [101M] 4-debug模式解讀.mp4
      │   │   ├── [ 38M] 5-網絡計算整體流程演示.mp4
      │   │   ├── [ 51M] 6-特征序列構建.mp4
      │   │   ├── [ 47M] 7-GCP全局特征提取.mp4
      │   │   ├── [ 58M] 8-局部特征提取實例.mp4
      │   │   └── [ 59M] 9-特征組合匯總.mp4
      │   ├──6_曠視研究院最新算法解讀(基于圖模型)/
      │   │   ├── [ 26M] 1-關鍵點位置特征構建.mp4
      │   │   ├── [ 30M] 2-圖卷積與匹配的作用.mp4
      │   │   ├── [ 33M] 3-局部特征熱度圖計算.mp4
      │   │   ├── [ 39M] 4-基于圖卷積構建人體拓撲關系.mp4
      │   │   ├── [ 36M] 5-圖卷積模塊實現方法.mp4
      │   │   ├── [ 21M] 6-圖匹配在行人重識別中的作用.mp4
      │   │   └── [ 31M] 7-整體算法框架分析.mp4
      │   └──7_基于拓撲圖的行人重識別項目實戰/
      │   ├── [ 61M] 1-數據集與環境配置概述.mp4
      │   ├── [ 88M] 10-整體項目總結.mp4
      │   ├── [ 59M] 2-局部特征準備方法.mp4
      │   ├── [ 52M] 3-得到一階段熱度圖結果.mp4
      │   ├── [ 96M] 4-階段監督訓練.mp4
      │   ├── [ 46M] 5-初始化圖卷積模型.mp4
      │   ├── [ 47M] 6-mask矩陣的作用.mp4
      │   ├── [ 58M] 7-鄰接矩陣學習與更新.mp4
      │   ├── [ 76M] 8-基于拓撲結構組合關鍵點特征.mp4
      │   └── [ 81M] 9-圖匹配模塊計算流程.mp4
      ├──16_對抗生成網絡實戰/
      │   ├──1_課程介紹/
      │   │   └── [ 35M] 課程介紹.mp4
      │   ├──2_對抗生成網絡架構原理與實戰解析/
      │   │   ├── [ 23M] 1-對抗生成網絡通俗解釋.mp4
      │   │   ├── [ 15M] 2-GAN網絡組成.mp4
      │   │   ├── [ 49M] 3-損失函數解釋說明.mp4
      │   │   ├── [ 37M] 4-數據讀取模塊.mp4
      │   │   └── [ 67M] 5-生成與判別網絡定義.mp4
      │   ├──3_基于CycleGan開源項目實戰圖像合成/
      │   │   ├── [ 44M] 1-CycleGan網絡所需數據.mp4
      │   │   ├── [ 45M] 10-額外補充:VISDOM可視化配置.mp4
      │   │   ├── [ 30M] 2-CycleGan整體網絡架構.mp4
      │   │   ├── [ 16M] 3-PatchGan判別網絡原理.mp4
      │   │   ├── [ 53M] 4-Cycle開源項目簡介.mp4
      │   │   ├── [ 60M] 5-數據讀取與預處理操作.mp4
      │   │   ├── [ 61M] 6-生成網絡模塊構造.mp4
      │   │   ├── [ 24M] 7-判別網絡模塊構造.mp4
      │   │   ├── [ 45M] 8-損失函數:identity loss計算方法.mp4
      │   │   └── [ 76M] 9-生成與判別損失函數指定.mp4
      │   ├──4_stargan論文架構解析/
      │   │   ├── [ 40M] 1-stargan效果演示分析.mp4
      │   │   ├── [ 35M] 2-網絡架構整體思路解讀.mp4
      │   │   ├── [ 57M] 3-建模流程分析.mp4
      │   │   ├── [ 62M] 4-V1版本存在的問題及后續改進思路.mp4
      │   │   ├── [ 55M] 5-V2版本在整體網絡架構.mp4
      │   │   ├── [ 47M] 6-編碼器訓練方法.mp4
      │   │   ├── [ 57M] 7-損失函數公式解析.mp4
      │   │   └── [ 40M] 8-訓練過程分析.mp4
      │   ├──5_stargan項目實戰及其源碼解讀/
      │   │   ├── [ 26M] 1-項目配置與數據源下載.mp4
      │   │   ├── [ 27M] 10-測試模塊效果與實驗分析.mp4
      │   │   ├── [ 45M] 2-測試效果演示.mp4
      │   │   ├── [ 34M] 3-項目參數解析.mp4
      │   │   ├── [ 62M] 4-生成器模塊源碼解讀.mp4
      │   │   ├── [ 56M] 5-所有網絡模塊構建實例.mp4
      │   │   ├── [ 61M] 6-數據讀取模塊分析.mp4
      │   │   ├── [ 41M] 7-判別器損失計算.mp4
      │   │   ├── [ 60M] 8-損失計算詳細過程.mp4
      │   │   └── [ 82M] 9-生成模塊損失計算.mp4
      │   ├──6_基于starganvc2的變聲器論文原理解讀/
      │   │   ├── [ 42M] 1-論文整體思路與架構解讀.mp4
      │   │   ├── [ 28M] 2-VCC2016輸入數據.mp4
      │   │   ├── [ 42M] 3-語音特征提取.mp4
      │   │   ├── [ 21M] 4-生成器模型架構分析.mp4
      │   │   ├── [ 26M] 5-InstanceNorm的作用解讀.mp4
      │   │   ├── [ 18M] 6-AdaIn的目的與效果.mp4
      │   │   └── [212M] 7-判別器模塊分析.mp4
      │   ├──7_starganvc2變聲器項目實戰及其源碼解讀/
      │   │   ├── [ 30M] 1-數據與項目文件解讀.mp4
      │   │   ├── [ 38M] 10-源碼損失計算流程.mp4
      │   │   ├── [ 55M] 11-測試模塊-生成轉換語音.mp4
      │   │   ├── [ 55M] 2-環境配置與工具包安裝.mp4
      │   │   ├── [126M] 3-數據預處理與聲音特征提取.mp4
      │   │   ├── [ 51M] 4-生成器構造模塊解讀.mp4
      │   │   ├── [ 43M] 5-下采樣與上采樣操作.mp4
      │   │   ├── [ 48M] 6-starganvc2版本標簽輸入分析.mp4
      │   │   ├── [ 34M] 7-生成器前向傳播維度變化.mp4
      │   │   ├── [ 45M] 8-判別器模塊解讀.mp4
      │   │   └── [116M] 9-論文損失函數.mp4
      │   ├──8_圖像超分辨率重構實戰/
      │   │   ├── [ 60M] 1-論文概述.mp4
      │   │   ├── [136M] 2-網絡架構.mp4
      │   │   ├── [ 37M] 3-數據與環境配置.mp4
      │   │   ├── [ 42M] 4-數據加載與配置.mp4
      │   │   ├── [ 57M] 5-生成模塊.mp4
      │   │   ├── [ 50M] 6-判別模塊.mp4
      │   │   ├── [ 43M] 7-VGG特征提取網絡.mp4
      │   │   ├── [117M] 8-損失函數與訓練.mp4
      │   │   └── [110M] 9-測試模塊.mp4
      │   └──9_基于GAN的圖像補全實戰/
      │   ├── [ 90M] 1-.論文概述.mp4
      │   ├── [ 40M] 2-網絡架構11.mp4
      │   ├── [ 77M] 3- 細節設計.mp4
      │   ├── [ 80M] 4- 論文總結.mp4
      │   ├── [ 49M] 5- 數據與項目概述.mp4
      │   ├── [ 84M] 6- 參數基本設計.mp4
      │   ├── [ 90M] 7- 網絡結構配置.mp4
      │   ├── [122M] 8- 網絡迭代訓練.mp4
      │   └── [ 87M] 9- 測試模塊.mp4
      ├──17_強化學習實戰系列/
      │   ├──1_強化學習簡介及其應用/
      │   │   ├── [ 22M] 1-一張圖通俗解釋強化學習.mp4
      │   │   ├── [ 29M] 2-強化學習的指導依據.mp4
      │   │   ├── [ 29M] 3-強化學習AI游戲DEMO.mp4
      │   │   ├── [ 23M] 4-應用領域簡介.mp4
      │   │   ├── [ 19M] 5-強化學習工作流程.mp4
      │   │   └── [ 27M] 6-計算機眼中的狀態與行為.mp4
      │   ├──2_PPO算法與公式推導/
      │   │   ├── [ 40M] 1-基本情況介紹.mp4
      │   │   ├── [ 31M] 2-與環境交互得到所需數據.mp4
      │   │   ├── [ 33M] 3-要完成的目標分析.mp4
      │   │   ├── [ 30M] 4-策略梯度推導.mp4
      │   │   ├── [ 18M] 5-baseline方法.mp4
      │   │   ├── [ 27M] 6-OnPolicy與OffPolicy策略.mp4
      │   │   ├── [ 30M] 7-importance sampling的作用.mp4
      │   │   └── [ 36M] 8-PPO算法整體思路解析.mp4
      │   ├──3_PPO實戰-月球登陸器訓練實例/
      │   │   ├── [ 43M] 1-Critic的作用與效果.mp4
      │   │   ├── [ 42M] 2-PPO2版本公式解讀.mp4
      │   │   ├── [ 38M] 3-參數與網絡結構定義.mp4
      │   │   ├── [ 36M] 4-得到動作結果.mp4
      │   │   ├── [ 44M] 5-獎勵獲得與計算.mp4
      │   │   └── [ 63M] 6-參數迭代與更新.mp4
      │   ├──4_Q-learning與DQN算法/
      │   │   ├── [ 30M] 1-算法原理通俗解讀.mp4
      │   │   ├── [ 33M] 2-目標函數與公式解析.mp4
      │   │   ├── [ 21M] 3-Qlearning算法實例解讀.mp4
      │   │   ├── [ 31M] 4-Q值迭代求解.mp4
      │   │   └── [ 19M] 5-DQN簡介.mp4
      │   ├──5_DQN算法實例演示/
      │   │   ├── [ 25M] 1-整體任務流程演示.mp4
      │   │   ├── [ 35M] 2-探索與action獲取.mp4
      │   │   ├── [ 27M] 3-計算target值.mp4
      │   │   └── [ 40M] 4-訓練與更新.mp4
      │   ├──6_DQN改進與應用技巧/
      │   │   ├── [ 23M] 1-DoubleDqn要解決的問題.mp4
      │   │   ├── [ 24M] 2-DuelingDqn改進方法.mp4
      │   │   ├── [ 28M] 3-Dueling整體網絡架構分析.mp4
      │   │   ├── [9.7M] 4-MultiSetp策略.mp4
      │   │   └── [ 30M] 5-連續動作處理方法.mp4
      │   ├──7_Actor-Critic算法分析(A3C)/
      │   │   ├── [ 23M] 1-AC算法回顧與知識點總結.mp4
      │   │   ├── [ 27M] 2-優勢函數解讀與分析.mp4
      │   │   ├── [ 22M] 3-計算流程實例.mp4
      │   │   ├── [ 22M] 4-A3C整體架構分析.mp4
      │   │   └── [ 31M] 5-損失函數整理.mp4
      │   └──8_用A3C玩轉超級馬里奧/
      │   ├── [ 32M] 1-整體流程與環境配置.mp4
      │   ├── [ 38M] 2-啟動游戲環境.mp4
      │   ├── [ 45M] 3-要計算的指標回顧.mp4
      │   ├── [ 40M] 4-初始化局部模型并加載參數.mp4
      │   ├── [ 50M] 5-與環境交互得到訓練數據.mp4
      │   └── [ 56M] 6-訓練網絡模型.mp4
      ├──18_面向醫學領域的深度學習實戰/
      │   ├──10_基于deeplab的心臟視頻數據診斷分析/
      │   │   ├── [ 46M] 1-數據集與任務概述1.mp4
      │   │   ├── [ 39M] 2-項目基本配置參數1.mp4
      │   │   ├── [ 80M] 3-任務流程解讀1.mp4
      │   │   ├── [141M] 4-文獻報告分析1.mp4
      │   │   ├── [ 35M] 5-補充:視頻數據源特征處理方法概述1.mp4
      │   │   └── [ 25M] 6-補充:R(2plus1)D處理方法分析1.mp4
      │   ├──11_YOLO系列物體檢測算法原理解讀/
      │   │   ├── [ 17M] 1-V2版本細節升級概述.mp4
      │   │   ├── [ 23M] 1-V3版本改進概述.mp4
      │   │   ├── [ 18M] 1-V4版本整體概述.mp4
      │   │   ├── [ 22M] 1-YOLO算法整體思路解讀.mp4
      │   │   ├── [ 21M] 1-檢測任務中階段的意義.mp4
      │   │   ├── [ 28M] 10-PAN模塊解讀.mp4
      │   │   ├── [ 26M] 11-激活函數與整體架構總結.mp4
      │   │   ├── [ 12M] 2-V4版本貢獻解讀.mp4
      │   │   ├── [ 14M] 2-不同階段算法優缺點分析.mp4
      │   │   ├── [ 25M] 2-多scale方法改進與特征融合.mp4
      │   │   ├── [ 20M] 2-檢測算法要得到的結果.mp4
      │   │   ├── [ 22M] 2-網絡結構特點.mp4
      │   │   ├── [ 17M] 3-IOU指標計算.mp4
      │   │   ├── [ 35M] 3-數據增強策略分析.mp4
      │   │   ├── [ 44M] 3-整體網絡架構解讀.mp4
      │   │   ├── [ 25M] 3-架構細節解讀.mp4
      │   │   ├── [ 16M] 3-經典變換方法對比分析.mp4
      │   │   ├── [ 26M] 4-DropBlock與標簽平滑方法.mp4
      │   │   ├── [ 27M] 4-位置損失計算.mp4
      │   │   ├── [ 33M] 4-基于聚類來選擇先驗框尺寸.mp4
      │   │   ├── [ 25M] 4-殘差連接方法解讀.mp4
      │   │   ├── [ 36M] 4-評估所需參數計算.mp4
      │   │   ├── [ 25M] 5-map指標計算.mp4
      │   │   ├── [ 39M] 5-偏移量計算方法.mp4
      │   │   ├── [ 20M] 5-損失函數遇到的問題.mp4
      │   │   ├── [ 17M] 5-整體網絡模型架構分析.mp4
      │   │   ├── [ 39M] 5-置信度誤差與優缺點分析.mp4
      │   │   ├── [ 13M] 6-CIOU損失函數定義.mp4
      │   │   ├── [ 19M] 6-先驗框設計改進.mp4
      │   │   ├── [ 13M] 6-坐標映射與還原.mp4
      │   │   ├── [ 21M] 7-NMS細節改進.mp4
      │   │   ├── [ 14M] 7-sotfmax層改進.mp4
      │   │   ├── [ 38M] 7-感受野的作用.mp4
      │   │   ├── [ 18M] 8-SPP與CSP網絡結構.mp4
      │   │   ├── [ 28M] 8-特征融合改進.mp4
      │   │   ├── [ 30M] 9-SAM注意力機制模塊.mp4
      │   │   └── [1.7K] 目錄.txt
      │   ├──12_基于YOLO5細胞檢測實戰/
      │   │   ├── [ 50M] 1-任務與細胞數據集介紹.mp4
      │   │   ├── [ 42M] 2-模型與算法配置參數解讀.mp4
      │   │   ├── [ 42M] 3-網絡訓練流程演示.mp4
      │   │   ├── [ 33M] 4-效果評估與展示.mp4
      │   │   └── [ 43M] 5-細胞檢測效果演示.mp4
      │   ├──13_知識圖譜原理解讀/
      │   │   ├── [ 27M] 1-數據關系抽取分析.mp4
      │   │   ├── [ 20M] 1-知識圖譜通俗解讀.mp4
      │   │   ├── [ 22M] 2-常用NLP技術點分析.mp4
      │   │   ├── [ 27M] 2-知識圖譜在搜索引擎中的應用.mp4
      │   │   ├── [ 26M] 3-graph-embedding的作用與效果.mp4
      │   │   ├── [103M] 3-知識圖譜在醫療領域應用實例.mp4
      │   │   ├── [ 20M] 4-金融與推薦領域的應用.mp4
      │   │   ├── [ 13M] 4-金融領域圖編碼實例.mp4
      │   │   ├── [ 36M] 5-數據獲取分析.mp4
      │   │   ├── [ 28M] 5-視覺領域圖編碼實例.mp4
      │   │   ├── [ 34M] 6-圖譜知識融合與總結分析.mp4
      │   │   └── [ 586] 目錄.txt
      │   ├──14_Neo4j數據庫實戰/
      │   │   ├── [ 73M] 1-Neo4j圖數據庫介紹.mp4
      │   │   ├── [ 33M] 2-Neo4j數據庫安裝流程演示.mp4
      │   │   ├── [ 50M] 3-可視化例子演示.mp4
      │   │   ├── [ 33M] 4-創建與刪除操作演示.mp4
      │   │   └── [ 36M] 5-數據庫更改查詢操作演示.mp4
      │   ├──15_基于知識圖譜的醫藥問答系統實戰/
      │   │   ├── [ 44M] 1-項目概述與整體架構分析.mp4
      │   │   ├── [ 53M] 10-完成對話系統構建.mp4
      │   │   ├── [ 72M] 2-醫療數據介紹及其各字段含義.mp4
      │   │   ├── [ 43M] 3-任務流程概述.mp4
      │   │   ├── [ 42M] 4-環境配置與所需工具包安裝.mp4
      │   │   ├── [ 61M] 5-提取數據中的關鍵字段信息.mp4
      │   │   ├── [ 47M] 5-數據獲取分析.mp4
      │   │   ├── [ 45M] 6-創建關系邊.mp4
      │   │   ├── [ 63M] 7-打造醫療知識圖譜模型.mp4
      │   │   ├── [ 44M] 8-加載所有實體數據.mp4
      │   │   └── [ 40M] 9-實體關鍵詞字典制作.mp4
      │   ├──16_詞向量模型與RNN網絡架構/
      │   │   ├── [ 22M] 2-1詞向量模型通俗解釋.mp4
      │   │   ├── [ 28M] 3-1模型整體框架.mp4
      │   │   ├── [ 16M] 4-1訓練數據構建.mp4
      │   │   ├── [ 24M] 5-1CBOW與Skip-gram模型.mp4
      │   │   ├── [ 30M] 6-1負采樣方案.mp4
      │   │   ├── [ 304] 目錄.txt
      │   │   └── [ 24M] 額外補充-RNN網絡模型解讀.mp4
      │   ├──17_醫學糖尿病數據命名實體識別/
      │   │   ├── [ 23M] 1-數據與任務介紹1.mp4
      │   │   ├── [ 15M] 2-整體模型架構1.mp4
      │   │   ├── [ 40M] 3-數據-標簽-語料庫處理1.mp4
      │   │   ├── [ 36M] 4-輸入樣本填充補齊1.mp4
      │   │   ├── [ 40M] 5-訓練網絡模型1.mp4
      │   │   └── [ 81M] 6-醫療數據集(糖尿。⿲嶓w識別1.mp4
      │   ├──1_卷積神經網絡原理與參數解讀/
      │   │   ├── [ 32M] 1-1卷積神經網絡應用領域.mp4
      │   │   ├── [ 25M] 10-1VGG網絡架構.mp4
      │   │   ├── [ 26M] 11-1殘差網絡Resnet.mp4
      │   │   ├── [ 19M] 12-感受野的作用.mp4
      │   │   ├── [ 32M] 2-1卷積的作用.mp4
      │   │   ├── [ 30M] 3-1卷積特征值計算方法.mp4
      │   │   ├── [ 25M] 4-1得到特征圖表示.mp4
      │   │   ├── [ 28M] 5-1步長與卷積核大小對結果的影響.mp4
      │   │   ├── [ 23M] 6-1邊緣填充方法.mp4
      │   │   ├── [ 29M] 7-1特征圖尺寸計算與參數共享.mp4
      │   │   ├── [ 14M] 8-1池化層的作用.mp4
      │   │   └── [ 22M] 9-1整體網絡架構.mp4
      │   ├──2_PyTorch框架基本處理操作/
      │   │   ├── [ 23M] 1-PyTorch實戰課程簡介.mp4
      │   │   ├── [ 35M] 2-PyTorch框架發展趨勢簡介1.mp4
      │   │   ├── [ 23M] 3-框架安裝方法(CPU與GPU版本)1.mp4
      │   │   ├── [ 39M] 4-PyTorch基本操作簡介1.mp4
      │   │   ├── [ 48M] 5-自動求導機制.mp4
      │   │   ├── [ 31M] 6線性回歸DEMO-數據與參數配置1.mp4
      │   │   ├── [ 52M] 7線性回歸DEMO-訓練回歸模型1.mp4
      │   │   ├── [ 28M] 8常見tensor格式1.mp4
      │   │   └── [ 68M] 9Hub模塊簡介1.mp4
      │   ├──3_PyTorch框架必備核心模塊解讀/
      │   │   ├── [ 34M] 1-卷積網絡參數定義1.mp4
      │   │   ├── [ 60M] 10-加載訓練好的網絡模型1.mp4
      │   │   ├── [ 25M] 11-優化器模塊配置1.mp4
      │   │   ├── [ 45M] 12-實現訓練模塊1.mp4
      │   │   ├── [ 58M] 13-訓練結果與模型保存1.mp4
      │   │   ├── [ 83M] 14-加載模型對測試數據進行預測1.mp4
      │   │   ├── [159M] 15-額外補充-Resnet論文解讀1.mp4
      │   │   ├── [ 27M] 16-額外補充-Resnet網絡架構解讀1.mp4
      │   │   ├── [ 62M] 2-網絡流程解讀1.mp4
      │   │   ├── [ 32M] 3-Vision模塊功能解讀1.mp4
      │   │   ├── [ 35M] 4-分類任務數據集定義與配置1.mp4
      │   │   ├── [ 15M] 5-圖像增強的作用1.mp4
      │   │   ├── [ 49M] 6-數據預處理與數據增強模塊1.mp4
      │   │   ├── [ 53M] 7-Batch數據制作1.mp4
      │   │   ├── [ 17M] 8-遷移學習的目標1.mp4
      │   │   └── [ 22M] 9-遷移學習策略1.mp4
      │   ├──4_基于Resnet的醫學數據集分類實戰/
      │   │   ├── [ 26M] 1-醫學疾病數據集介紹.mp4
      │   │   ├── [ 37M] 2-Resnet網絡架構原理分析.mp4
      │   │   ├── [ 70M] 3-dataloader加載數據集.mp4
      │   │   ├── [ 42M] 4-Resnet網絡前向傳播.mp4
      │   │   ├── [ 55M] 5-殘差網絡的shortcut操作.mp4
      │   │   ├── [ 37M] 6-特征圖升維與降采樣操作.mp4
      │   │   └── [ 83M] 7-網絡整體流程與訓練演示.mp4
      │   ├──5_圖像分割及其損失函數概述/
      │   │   ├── [ 27M] 1-語義分割與實例分割概述.mp4
      │   │   ├── [ 26M] 2-分割任務中的目標函數定義.mp4
      │   │   └── [ 13M] 3-MIOU評估標準.mp4
      │   ├──6_Unet系列算法講解/
      │   │   ├── [ 24M] 1-Unet網絡編碼與解碼過程.mp4
      │   │   ├── [ 21M] 2-網絡計算流程1.mp4
      │   │   ├── [ 21M] 3-Unet升級版本改進1.mp4
      │   │   └── [ 25M] 4-后續升級版本介紹1.mp4
      │   ├──7_unet醫學細胞分割實戰/
      │   │   ├── [ 70M] 1-醫學細胞數據集介紹與參數配置.mp4
      │   │   ├── [ 65M] 2-數據增強工具.mp4
      │   │   ├── [ 51M] 3-Debug模式演示網絡計算流程.mp4
      │   │   ├── [ 36M] 4-特征融合方法演示.mp4
      │   │   ├── [ 43M] 5-迭代完成整個模型計算任務.mp4
      │   │   └── [ 40M] 6-模型效果驗證.mp4
      │   ├──8_deeplab系列算法/
      │   │   ├── [ 19M] 1-deeplab分割算法概述.mp4
      │   │   ├── [ 21M] 2-空洞卷積的作用.mp4
      │   │   ├── [ 26M] 3-感受野的意義.mp4
      │   │   ├── [ 26M] 4-SPP層的作用.mp4
      │   │   ├── [ 17M] 5-ASPP特征融合策略.mp4
      │   │   └── [ 33M] 6-deeplabV3Plus版本網絡架構.mp4
      │   └──9_基于deeplabV3+版本進行VOC分割實戰/
      │   ├── [ 57M] 1-PascalVoc數據集介紹.mp4
      │   ├── [ 70M] 2-項目參數與數據集讀取.mp4
      │   ├── [ 40M] 3-網絡前向傳播流程.mp4
      │   ├── [ 62M] 4-ASPP層特征融合.mp4
      │   └── [ 43M] 5-分割模型訓練.mp4
      ├──19_深度學習模型部署與剪枝優化實戰/
      │   ├──3_pyTorch框架部署實踐/
      │   │   ├── [9.5M] 0-課程簡介12.mp4
      │   │   ├── [ 28M] 1-所需基本環境配置.mp4
      │   │   ├── [ 46M] 2-模型加載與數據預處理.mp4
      │   │   ├── [ 49M] 3-接收與預測模塊實現.mp4
      │   │   └── [ 55M] 4-效果實例演示.mp4
      │   ├──4_YOLO-V3物體檢測部署實例/
      │   │   ├── [ 34M] 1-項目所需配置文件介紹.mp4
      │   │   ├── [ 46M] 2-加載參數與模型權重.mp4
      │   │   ├── [ 61M] 3-數據預處理.mp4
      │   │   └── [ 55M] 4-返回線性預測結果.mp4
      │   ├──5_docker實例演示/
      │   │   ├── [ 21M] 1-docker簡介.mp4
      │   │   ├── [ 61M] 2-docker安裝與配置.mp4
      │   │   ├── [ 32M] 3-阿里云鏡像配置.mp4
      │   │   ├── [ 49M] 4-基于docker配置pytorch環境.mp4
      │   │   ├── [ 41M] 5-安裝演示環境所需依賴.mp4
      │   │   ├── [ 36M] 6-復制所需配置到容器中.mp4
      │   │   └── [ 59M] 7-上傳與下載配置好的項目.mp4
      │   ├──6_tensorflow-serving實戰/
      │   │   ├── [ 35M] 1-tf-serving項目獲取與配置.mp4
      │   │   ├── [ 41M] 2-加載并啟動模型服務.mp4
      │   │   ├── [ 56M] 3-測試模型部署效果.mp4
      │   │   ├── [ 43M] 4-fashion數據集獲取.mp4
      │   │   └── [ 34M] 5-加載fashion模型啟動服務.mp4
      │   ├──7_模型剪枝-Network Slimming算法分析/
      │   │   ├── [ 26M] 1-論文算法核心框架概述.mp4
      │   │   ├── [ 25M] 2-BatchNorm要解決的問題.mp4
      │   │   ├── [ 27M] 3-BN的本質作用.mp4
      │   │   ├── [ 27M] 4-額外的訓練參數解讀.mp4
      │   │   └── [ 33M] 5-稀疏化原理與效果.mp4
      │   ├──8_模型剪枝-Network Slimming實戰解讀/
      │   │   ├── [ 47M] 1-整體案例流程解讀.mp4
      │   │   ├── [ 34M] 2-加入L1正則化來進行更新.mp4
      │   │   ├── [ 35M] 3-剪枝模塊介紹.mp4
      │   │   ├── [ 41M] 4-篩選需要的特征圖.mp4
      │   │   ├── [ 63M] 5-剪枝后模型參數賦值.mp4
      │   │   └── [ 55M] 6-微調完成剪枝模型.mp4
      │   └──9_Mobilenet三代網絡模型架構/
      │   ├── [ 27M] 1-模型剪枝分析.mp4
      │   ├── [ 15M] 10-V2整體架構與效果分析.mp4
      │   ├── [ 15M] 11-V3版本網絡架構分析.mp4
      │   ├── [ 46M] 12-SE模塊作用與效果解讀.mp4
      │   ├── [ 87M] 13-代碼實現mobilenetV3網絡架構.mp4
      │   ├── [ 29M] 2-常見剪枝方法介紹.mp4
      │   ├── [ 11M] 3-mobilenet簡介.mp4
      │   ├── [ 18M] 4-經典卷積計算量與參數量分析.mp4
      │   ├── [ 19M] 5-深度可分離卷積的作用與效果.mp4
      │   ├── [ 56M] 6-參數與計算量的比較.mp4
      │   ├── [ 35M] 7-V1版本效果分析.mp4
      │   ├── [ 26M] 8-V2版本改進以及Relu激活函數的問題.mp4
      │   └── [ 22M] 9-倒殘差結構的作用.mp4
      ├──20_自然語言處理經典案例實戰/
      │   └──20_自然語言處理經典案例實戰/
      │   ├──10_NLP-文本特征方法對比/
      │   │   ├── [ 55M] 1.1-任務概述.mp4
      │   │   ├── [ 35M] 2-詞袋模型.mp4
      │   │   ├── [ 72M] 3-詞袋模型分析.mp4
      │   │   ├── [ 56M] 4-TFIDF模型.mp4
      │   │   ├── [ 73M] 5-word2vec詞向量模型.mp4
      │   │   └── [ 42M] 6-深度學習模型.mp4
      │   ├──11_NLP-相似度模型/
      │   │   ├── [ 14M] 1.任務概述.mp4
      │   │   ├── [ 29M] 2-數據展示.mp4
      │   │   ├── [ 43M] 3-正負樣本制作.mp4
      │   │   ├── [ 40M] 4-數據預處理.mp4
      │   │   ├── [ 67M] 5-網絡模型定義.mp4
      │   │   ├── [ 76M] 6-基于字符的訓練.mp4
      │   │   └── [ 48M] 7-基于句子的相似度訓練.mp4
      │   ├──12_LSTM情感分析/
      │   │   ├── [ 26M] 1-RNN網絡架構.mp4
      │   │   ├── [ 28M] 2-LSTM網絡架構.mp4
      │   │   ├── [ 47M] 3-案例:使用LSTM進行情感分類.mp4
      │   │   ├── [ 48M] 4-情感數據集處理.mp4
      │   │   └── [ 73M] 5-基于word2vec的LSTM模型.mp4
      │   ├──13_機器人寫唐詩/
      │   │   ├── [ 14M] 1.1.1-任務概述與環境配置.mp4
      │   │   ├── [ 33M] 2-參數配置.mp4
      │   │   ├── [ 45M] 3-數據預處理模塊.mp4
      │   │   ├── [ 39M] 4-batch數據制作.mp4
      │   │   ├── [ 25M] 5-RNN模型定義.mp4
      │   │   ├── [ 42M] 6-完成訓練模塊.mp4
      │   │   ├── [ 15M] 7-訓練唐詩生成模型.mp4
      │   │   └── [ 31M] 8-測試唐詩生成效果.mp4
      │   ├──14_對話機器人/
      │   │   ├── [ 38M] 1-效果演示.mp4
      │   │   ├── [ 62M] 2-參數配置與數據加載.mp4
      │   │   ├── [ 53M] 3-數據處理.mp4
      │   │   ├── [ 49M] 4-詞向量與投影.mp4
      │   │   ├── [ 38M] 5-seq網絡.mp4
      │   │   └── [ 50M] 6-網絡訓練.mp4
      │   ├──1_NLP常用工具包實戰/
      │   │   ├── [ 65M] 1-Python字符串處理.mp4
      │   │   ├── [ 30M] 10-名字實體匹配.mp4
      │   │   ├── [ 50M] 11-恐怖襲擊分析.mp4
      │   │   ├── [ 80M] 12-統計分析結果.mp4
      │   │   ├── [ 40M] 13-結巴分詞器.mp4
      │   │   ├── [ 98M] 14-詞云展示.mp4
      │   │   ├── [ 41M] 2-正則常用符號.mp4
      │   │   ├── [ 36M] 2-正則表達式基本語法.mp4
      │   │   ├── [ 53M] 4-常用函數介紹.mp4
      │   │   ├── [ 42M] 5-NLTK工具包簡介.mp4
      │   │   ├── [ 35M] 6-停用詞過濾.mp4
      │   │   ├── [ 45M] 7-詞性標注.mp4
      │   │   ├── [ 56M] 8-數據清洗實例.mp4
      │   │   └── [ 53M] 9-Spacy工具包.mp4
      │   ├──2_商品信息可視化與文本分析/
      │   │   ├── [ 40M] 1-任務概述.mp4
      │   │   ├── [ 49M] 2-商品類別劃分.mp4
      │   │   ├── [ 49M] 3-商品類別可視化展示.mp4
      │   │   ├── [ 34M] 4-描述長度對價格的影響.mp4
      │   │   ├── [ 67M] 5-詞云展示.mp4
      │   │   ├── [ 44M] 6-tf-idf結果.mp4
      │   │   ├── [ 50M] 7-降維可視化展示.mp4
      │   │   └── [ 73M] 8-聚類與主題模型.mp4
      │   ├──3_貝葉斯算法/
      │   │   ├── [ 16M] 1-貝葉斯算法概述.mp4
      │   │   ├── [ 16M] 2-貝葉斯推導實例.mp4
      │   │   ├── [ 26M] 3-貝葉斯拼寫糾錯實例.mp4
      │   │   ├── [ 31M] 4-垃圾郵件過濾實例.mp4
      │   │   └── [ 50M] 5-貝葉斯實現拼寫檢查器.mp4
      │   ├──4_新聞分類任務實戰/
      │   │   ├── [ 25M] 1-文本分析與關鍵詞提取.mp4
      │   │   ├── [ 29M] 2-相似度計算.mp4
      │   │   ├── [ 43M] 3-新聞數據與任務簡介.mp4
      │   │   ├── [ 63M] 4-TF-IDF關鍵詞提取.mp4
      │   │   ├── [ 40M] 5-LDA建模.mp4
      │   │   └── [ 75M] 6-基于貝葉斯算法進行新聞分類.mp4
      │   ├──5_HMM隱馬爾科夫模型/
      │   │   ├── [ 24M] 1-馬爾科夫模型.mp4
      │   │   ├── [ 62M] 10-維特比算法.mp4
      │   │   ├── [ 25M] 2-隱馬爾科夫模型基本出發點.mp4
      │   │   ├── [ 18M] 3-組成與要解決的問題.mp4
      │   │   ├── [ 37M] 4-暴力求解方法.mp4
      │   │   ├── [ 19M] 5-復雜度計算.mp4
      │   │   ├── [ 49M] 6-前向算法.mp4
      │   │   ├── [ 46M] 7-前向算法求解實例.mp4
      │   │   ├── [ 36M] 8-Baum-Welch算法.mp4
      │   │   └── [ 22M] 9-參數求解.mp4
      │   ├──6_HMM工具包實戰/
      │   │   ├── [ 28M] 1-hmmlearn工具包.mp4
      │   │   ├── [ 70M] 2-工具包使用方法.mp4
      │   │   ├── [ 17M] 3-中文分詞任務.mp4
      │   │   └── [ 46M] 4-實現中文分詞.mp4
      │   ├──7_語言模型/
      │   │   ├── [ 13M] 1-開篇.mp4
      │   │   ├── [ 15M] 10-負采樣模型.mp4
      │   │   ├── [ 13M] 2-語言模型.mp4
      │   │   ├── [ 20M] 3-N-gram模型.mp4
      │   │   ├── [ 19M] 4-詞向量.mp4
      │   │   ├── [ 24M] 5-神經網絡模型.mp4
      │   │   ├── [ 24M] 6-Hierarchical Softmax.mp4
      │   │   ├── [ 30M] 7-CBOW模型實例.mp4
      │   │   ├── [ 14M] 8-CBOW求解目標.mp4
      │   │   └── [ 26M] 9-銻度上升求解.mp4
      │   ├──8_使用Gemsim構建詞向量/
      │   │   ├── [ 25M] 1-使用Gensim庫構造詞向量.mp4
      │   │   ├── [ 35M] 2-維基百科中文數據處理.mp4
      │   │   ├── [ 31M] 3-Gensim構造word2vec模型.mp4
      │   │   └── [ 29M] 4-測試模型相似度結果.mp4
      │   └──9_基于word2vec的分類任務/
      │   ├── [ 69M] 1-影評情感分類.mp4
      │   ├── [ 35M] 2-基于詞袋模型訓練分類器.mp4
      │   ├── [ 35M] 3-準備word2vec輸入數據.mp4
      │   └── [ 85M] 4-使用gensim構建word2vec詞向量(新).mp4
      ├──21_自然語言處理通用框架-BERT實戰/
      │   └──21_自然語言處理通用框架-BERT實戰/
      │   ├──1_自然語言處理通用框架BERT原理解讀/
      │   │   ├── [ 46M] 1-BERT課程簡介.mp4
      │   │   ├── [ 27M] 10-BERT模型訓練方法.mp4
      │   │   ├── [ 33M] 11-訓練實例.mp4
      │   │   ├── [ 14M] 2-BERT任務目標概述.mp4
      │   │   ├── [ 31M] 2-傳統解決方案遇到的問題.mp4
      │   │   ├── [ 20M] 3-注意力機制的作用.mp4
      │   │   ├── [ 33M] 4-self-attention計算方法.mp4
      │   │   ├── [ 29M] 5-特征分配與softmax機制.mp4
      │   │   ├── [ 27M] 7-Multi-head的作用.mp4
      │   │   ├── [ 23M] 8-位置編碼與多層堆疊.mp4
      │   │   └── [ 22M] 9-transformer整體架構梳理.mp4
      │   ├──2_谷歌開源項目BERT源碼解讀與應用實例/
      │   │   ├── [ 47M] 1-BERT開源項目簡介.mp4
      │   │   ├── [ 63M] 10-構建QKV矩陣.mp4
      │   │   ├── [ 52M] 11-完成Transformer模塊構建.mp4
      │   │   ├── [ 72M] 12-訓練BERT模型.mp4
      │   │   ├── [100M] 2-項目參數配置.mp4
      │   │   ├── [ 56M] 3-數據讀取模塊.mp4
      │   │   ├── [ 50M] 4-數據預處理模塊.mp4
      │   │   ├── [ 65M] 5-tfrecord制作.mp4
      │   │   ├── [ 38M] 6-Embedding層的作用.mp4
      │   │   ├── [ 51M] 7-加入額外編碼特征.mp4
      │   │   ├── [ 30M] 8-加入位置編碼特征.mp4
      │   │   └── [ 46M] 9-mask機制.mp4
      │   ├──3_項目實戰-基于BERT的中文情感分析實戰/
      │   │   ├── [ 94M] 1-中文分類數據與任務概述.mp4
      │   │   ├── [ 61M] 2-讀取處理自己的數據集.mp4
      │   │   └── [ 82M] 3-訓練BERT中文分類模型.mp4
      │   ├──4_項目實戰-基于BERT的中文命名實體識別識別實戰/
      │   │   ├── [ 43M] 1-命名實體識別數據分析與任務目標.mp4
      │   │   ├── [ 78M] 2-NER標注數據處理與讀取.mp4
      │   │   └── [ 65M] 3-構建BERT與CRF模型.mp4
      │   ├──5_必備基礎知識點-woed2vec模型通俗解讀/
      │   │   ├── [ 30M] 1-詞向量模型通俗解釋.mp4
      │   │   ├── [ 32M] 2-模型整體框架.mp4
      │   │   ├── [ 20M] 3-訓練數據構建.mp4
      │   │   ├── [ 33M] 4-CBOW與Skip-gram模型.mp4
      │   │   └── [ 45M] 5-負采樣方案.mp4
      │   ├──6_必備基礎-掌握Tensorflow如何實現word2vec模型/
      │   │   ├── [ 50M] 1-數據與任務流程.mp4
      │   │   ├── [ 30M] 2-數據清洗.mp4
      │   │   ├── [ 62M] 3-batch數據制作.mp4
      │   │   ├── [ 68M] 4-網絡訓練.mp4
      │   │   └── [ 59M] 5-可視化展示.mp4
      │   ├──7_必備基礎知識點-RNN網絡架構與情感分析應用實例/
      │   │   ├── [ 35M] 1-RNN網絡模型解讀.mp4
      │   │   ├── [ 48M] 2-NLP應用領域與任務簡介.mp4
      │   │   ├── [ 52M] 3-項目流程解讀.mp4
      │   │   ├── [ 40M] 4-加載詞向量特征.mp4
      │   │   ├── [ 48M] 5-正負樣本數據讀取.mp4
      │   │   ├── [ 58M] 6-構建LSTM網絡模型.mp4
      │   │   ├── [101M] 7-訓練與測試效果.mp4
      │   │   └── [717M] 第十二課:LSTM情感分析.mp4
      │   └──8_醫學糖尿病數據命名實體識別/
      │   ├── [ 23M] 1-數據與任務介紹1.mp4
      │   ├── [ 15M] 2-整體模型架構1.mp4
      │   ├── [ 40M] 3-數據-標簽-語料庫處理1.mp4
      │   ├── [ 36M] 4-輸入樣本填充補齊1.mp4
      │   ├── [ 40M] 5-訓練網絡模型1.mp4
      │   └── [ 81M] 6-醫療數據集(糖尿。⿲嶓w識別1.mp4
      ├──22_知識圖譜實戰系列/
      │   └──22_知識圖譜實戰系列/
      │   ├──1_知識圖譜介紹及其應用領域分析/
      │   │   ├── [ 20M] 1-知識圖譜通俗解讀.mp4
      │   │   ├── [ 27M] 2-知識圖譜在搜索引擎中的應用.mp4
      │   │   ├── [103M] 3-知識圖譜在醫療領域應用實例.mp4
      │   │   ├── [ 20M] 4-金融與推薦領域的應用.mp4
      │   │   └── [ 36M] 5-數據獲取分析.mp4
      │   ├──2_知識圖譜涉及技術點分析/
      │   │   ├── [ 27M] 1-數據關系抽取分析.mp4
      │   │   ├── [ 22M] 2-常用NLP技術點分析.mp4
      │   │   ├── [ 26M] 3-graph-embedding的作用與效果.mp4
      │   │   ├── [ 13M] 4-金融領域圖編碼實例.mp4
      │   │   ├── [ 21M] 5-視覺領域圖編碼實例.mp4
      │   │   └── [ 24M] 6-圖譜知識融合與總結分析.mp4
      │   ├──3_Neo4j數據庫實戰/
      │   │   ├── [ 63M] 1-Neo4j圖數據庫介紹.mp4
      │   │   ├── [ 28M] 2-Neo4j數據庫安裝流程演示.mp4
      │   │   ├── [ 44M] 3-可視化例子演示.mp4
      │   │   ├── [ 25M] 4-創建與刪除操作演示.mp4
      │   │   └── [ 27M] 5-數據庫更改查詢操作演示.mp4
      │   ├──4_使用python操作neo4j實例/
      │   │   ├── [ 51M] 1-使用Py2neo建立連接.mp4
      │   │   ├── [ 60M] 2-提取所需的指標信息.mp4
      │   │   ├── [ 52M] 3-在圖中創建實體.mp4
      │   │   └── [ 67M] 4-根據給定實體創建關系.mp4
      │   ├──5_基于知識圖譜的醫藥問答系統實戰/
      │   │   ├── [ 37M] 1-項目概述與整體架構分析.mp4
      │   │   ├── [ 39M] 10-完成對話系統構建.mp4
      │   │   ├── [ 63M] 2-醫療數據介紹及其各字段含義.mp4
      │   │   ├── [ 40M] 3-任務流程概述.mp4
      │   │   ├── [ 36M] 4-環境配置與所需工具包安裝.mp4
      │   │   ├── [ 61M] 5-提取數據中的關鍵字段信息.mp4
      │   │   ├── [ 39M] 6-創建關系邊.mp4
      │   │   ├── [ 59M] 7-打造醫療知識圖譜模型.mp4
      │   │   ├── [ 42M] 8-加載所有實體數據.mp4
      │   │   └── [ 32M] 9-實體關鍵詞字典制作.mp4
      │   ├──6_文本關系抽取實踐/
      │   │   ├── [ 23M] 1-關系抽取要完成的任務演示與分析.mp4
      │   │   ├── [ 58M] 2-LTP工具包概述介紹.mp4
      │   │   ├── [ 46M] 3-pyltp安裝與流程演示.mp4
      │   │   ├── [ 45M] 4-得到分詞與詞性標注結果.mp4
      │   │   ├── [ 34M] 5-依存句法概述.mp4
      │   │   ├── [ 49M] 6-句法分析結果整理.mp4
      │   │   ├── [ 70M] 7-語義角色構建與分析.mp4
      │   │   └── [ 64M] 8-設計規則完成關系抽取.mp4
      │   ├──7_金融平臺風控模型實踐/
      │   │   ├── [ 25M] 1-競賽任務目標.mp4
      │   │   ├── [ 39M] 2-圖模型信息提取.mp4
      │   │   ├── [ 47M] 3-節點權重特征提取(PageRank).mp4
      │   │   ├── [ 66M] 4-deepwalk構建圖頂點特征.mp4
      │   │   ├── [ 58M] 5-各項統計特征.mp4
      │   │   ├── [ 46M] 6-app安裝特征.mp4
      │   │   └── [102M] 7-圖中聯系人特征.mp4
      │   └──8_醫學糖尿病數據命名實體識別/
      │   ├── [ 23M] 1-數據與任務介紹1.mp4
      │   ├── [ 15M] 2-整體模型架構1.mp4
      │   ├── [ 40M] 3-數據-標簽-語料庫處理1.mp4
      │   ├── [ 36M] 4-輸入樣本填充補齊1.mp4
      │   ├── [ 40M] 5-訓練網絡模型1.mp4
      │   └── [ 81M] 6-醫療數據集(糖尿。⿲嶓w識別1.mp4
      ├──23_語音識別實戰系列/
      │   └──23_語音識別實戰系列/
      │   ├──1_seq2seq序列網絡模型/
      │   │   ├── [ 17M] 1-序列網絡模型概述分析.mp4
      │   │   ├── [9.0M] 2-工作原理概述.mp4
      │   │   ├──3.注意力機制的作用.txt
      │   │   ├── [ 21M] 4-加入attention的序列模型整體架構.mp4
      │   │   ├── [ 17M] 5-TeacherForcing的作用與訓練策略.mp4
      │   │   └── [ 24M] 額外補充-RNN網絡模型解讀.mp4
      │   ├──2_LAS模型語音識別實戰/
      │   │   ├── [ 32M] 1-數據源與環境配置.mp4
      │   │   ├── [ 25M] 2-語料表制作方法.mp4
      │   │   ├── [ 38M] 3-制作json標注數據.mp4
      │   │   ├── [ 63M] 4-聲音數據處理模塊解讀.mp4
      │   │   ├── [ 36M] 5-Pack與Pad操作解析.mp4
      │   │   ├── [ 31M] 6-編碼器模塊整體流程.mp4
      │   │   ├── [ 33M] 7-加入注意力機制.mp4
      │   │   ├── [ 36M] 8-計算得到每個輸出的attention得分.mp4
      │   │   └── [ 44M] 9-解碼器與訓練過程演示.mp4
      │   ├──3.注意力機制的作用.txt
      │   ├──3_starganvc2變聲器論文原理解讀/
      │   │   ├── [ 35M] 1-論文整體思路與架構解讀.mp4
      │   │   ├── [ 21M] 2-VCC2016輸入數據.mp4
      │   │   ├── [ 31M] 3-語音特征提取.mp4
      │   │   ├── [ 16M] 4-生成器模型架構分析.mp4
      │   │   ├── [ 19M] 5-InstanceNorm的作用解讀.mp4
      │   │   ├── [ 13M] 6-AdaIn的目的與效果.mp4
      │   │   └── [114M] 7-判別器模塊分析.mp4
      │   ├──4_staeganvc2變聲器源碼實戰/
      │   │   ├── [ 22M] 1-數據與項目文件解讀.mp4
      │   │   ├── [ 35M] 10-源碼損失計算流程.mp4
      │   │   ├── [ 47M] 11-測試模塊-生成轉換語音.mp4
      │   │   ├── [ 37M] 2-環境配置與工具包安裝.mp4
      │   │   ├── [ 88M] 3-數據預處理與聲音特征提取.mp4
      │   │   ├── [ 41M] 4-生成器構造模塊解讀.mp4
      │   │   ├── [ 35M] 5-下采樣與上采樣操作.mp4
      │   │   ├── [ 50M] 6-starganvc2版本標簽輸入分析.mp4
      │   │   ├── [ 26M] 7-生成器前向傳播維度變化.mp4
      │   │   ├── [ 35M] 8-判別器模塊解讀.mp4
      │   │   └── [100M] 9-論文損失函數.mp4
      │   ├──5_語音分離ConvTasnet模型/
      │   │   ├── [ 12M] 1-語音分離任務分析.mp4
      │   │   ├── [ 25M] 2-經典語音分離模型概述.mp4
      │   │   ├── [ 22M] 3-DeepClustering論文解讀.mp4
      │   │   ├── [ 38M] 4-TasNet編碼器結構分析.mp4
      │   │   ├── [ 12M] 5-DW卷積的作用與效果.mp4
      │   │   └── [ 24M] 6-基于Mask得到分離結果.mp4
      │   ├──6_ConvTasnet語音分離實戰/
      │   │   ├── [ 76M] 1-數據準備與環境配置.mp4
      │   │   ├── [ 39M] 2-訓練任務所需參數介紹.mp4
      │   │   ├── [ 38M] 3-DataLoader定義.mp4
      │   │   ├── [ 37M] 4-采樣數據特征編碼.mp4
      │   │   ├── [ 50M] 5編碼器特征提取.mp4
      │   │   ├── [ 71M] 6-構建更大的感受區域.mp4
      │   │   ├── [ 51M] 7-解碼得到分離后的語音.mp4
      │   │   └── [ 75M] 8-測試模塊所需參數.mp4
      │   └──7_語音合成tacotron最新版實戰/
      │   ├── [ 57M] 1-語音合成項目所需環境配置.mp4
      │   ├── [ 70M] 10-得到加權的編碼向量.mp4
      │   ├── [ 66M] 11-模型輸出結果.mp4
      │   ├── [ 69M] 12-損失函數與預測.mp4
      │   ├── [ 65M] 2-所需數據集介紹.mp4
      │   ├── [ 79M] 3-路徑配置與整體流程解讀.mp4
      │   ├── [ 84M] 4-Dataloader構建數據與標簽.mp4
      │   ├── [ 42M] 5-編碼層要完成的任務.mp4
      │   ├── [ 38M] 6-得到編碼特征向量.mp4
      │   ├── [ 43M] 7-解碼器輸入準備.mp4
      │   ├── [ 46M] 8-解碼器流程梳理.mp4
      │   └── [ 72M] 9-注意力機制應用方法.mp4
      ├──24_推薦系統實戰系列/
      │   └──24_推薦系統實戰系列/
      │   ├──10_基本統計分析的電影推薦/
      │   │   ├── [ 86M] 1-電影數據與環境配置.mp4
      │   │   ├── [ 61M] 2-數據與關鍵詞信息展示.mp4
      │   │   ├── [ 54M] 3-關鍵詞云與直方圖展示.mp4
      │   │   ├── [ 49M] 4-特征可視化.mp4
      │   │   ├── [ 78M] 5-數據清洗概述.mp4
      │   │   ├── [ 46M] 6-缺失值填充方法.mp4
      │   │   ├── [ 59M] 7-推薦引擎構造.mp4
      │   │   ├── [ 46M] 8-數據特征構造.mp4
      │   │   └── [ 64M] 9-得出推薦結果.mp4
      │   ├──11_補充-基于相似度的酒店推薦系統/
      │   │   ├── [ 34M] 1-酒店數據與任務介紹.mp4
      │   │   ├── [ 33M] 2-文本詞頻統計.mp4
      │   │   ├── [ 66M] 3-ngram結果可視化展示.mp4
      │   │   ├── [ 49M] 4-文本清洗.mp4
      │   │   ├── [ 57M] 5-相似度計算.mp4
      │   │   └── [ 86M] 6-得出推薦結果.mp4
      │   ├──1_推薦系統介紹及其應用/
      │   │   ├── [ 24M] 1-推薦系統通俗解讀.mp4
      │   │   ├── [ 28M] 2-推薦系統發展簡介.mp4
      │   │   ├── [ 32M] 3-應用領域與多方位評估指標.mp4
      │   │   ├── [ 37M] 4-任務流程與挑戰概述.mp4
      │   │   ├── [ 22M] 5-常用技術點分析.mp4
      │   │   └── [ 33M] 6-與深度學習的結合.mp4
      │   ├──2_協同過濾與矩陣分解/
      │   │   ├── [ 14M] 1-協同過濾與矩陣分解簡介.mp4
      │   │   ├── [ 24M] 2-基于用戶與商品的協同過濾.mp4
      │   │   ├── [ 21M] 3-相似度計算與推薦實例.mp4
      │   │   ├── [ 28M] 4-矩陣分解的目的與效果.mp4
      │   │   ├── [ 35M] 5-矩陣分解中的隱向量.mp4
      │   │   ├── [ 14M] 6-目標函數簡介.mp4
      │   │   ├── [ 18M] 7-隱式情況分析.mp4
      │   │   └── [ 14M] 8-Embedding的作用.mp4
      │   ├──3_音樂推薦系統實戰/
      │   │   ├── [101M] 1-音樂推薦任務概述.mp4
      │   │   ├── [ 65M] 2-數據集整合.mp4
      │   │   ├── [ 73M] 3-基于物品的協同過濾.mp4
      │   │   ├── [106M] 4-物品相似度計算與推薦.mp4
      │   │   ├── [ 44M] 5-SVD矩陣分解.mp4
      │   │   └── [126M] 6-基于矩陣分解的音樂推薦.mp4
      │   ├──4_知識圖譜與Neo4j數據庫實例/
      │   │   ├── [ 63M] 1-Neo4j圖數據庫介紹.mp4
      │   │   ├── [ 20M] 1-知識圖譜通俗解讀.mp4
      │   │   ├── [ 28M] 2-Neo4j數據庫安裝流程演示.mp4
      │   │   ├── [ 27M] 2-知識圖譜在搜索引擎中的應用.mp4
      │   │   ├── [ 44M] 3-可視化例子演示.mp4
      │   │   ├── [103M] 3-知識圖譜在醫療領域應用實例.mp4
      │   │   ├── [ 25M] 4-創建與刪除操作演示.mp4
      │   │   ├── [ 20M] 4-金融與推薦領域的應用.mp4
      │   │   ├── [ 27M] 5-數據庫更改查詢操作演示.mp4
      │   │   └── [ 36M] 5-數據獲取分析.mp4
      │   ├──5_基于知識圖譜的電影推薦實戰/
      │   │   ├── [ 29M] 1-知識圖譜推薦系統效果演示.mp4
      │   │   ├── [ 73M] 2-kaggle電影數據集下載與配置.mp4
      │   │   ├── [ 35M] 3-圖譜需求與任務流程解讀.mp4
      │   │   ├── [ 59M] 4-項目所需環境配置安裝.mp4
      │   │   ├── [ 66M] 5-構建用戶電影知識圖譜.mp4
      │   │   ├── [ 25M] 6-圖譜查詢與匹配操作.mp4
      │   │   └── [ 53M] 7-相似度計算與推薦引擎構建.mp4
      │   ├──6_點擊率估計FM與DeepFM算法/
      │   │   ├── [ 28M] 1-CTR估計及其經典方法概述.mp4
      │   │   ├── [ 16M] 2-高維特征帶來的問題.mp4
      │   │   ├── [ 14M] 3-二項式特征的作用與挑戰.mp4
      │   │   ├── [ 27M] 4-二階公式推導與化簡.mp4
      │   │   ├── [ 27M] 5-FM算法解析.mp4
      │   │   ├── [ 20M] 6-DeepFm整體架構解讀.mp4
      │   │   ├── [ 16M] 7-輸入層所需數據樣例.mp4
      │   │   └── [ 30M] 8-Embedding層的作用與總結.mp4
      │   ├──7_DeepFM算法實戰/
      │   │   ├── [ 70M] 1-數據集介紹與環境配置.mp4
      │   │   ├── [ 65M] 2-廣告點擊數據預處理實例.mp4
      │   │   ├── [ 41M] 3-數據處理模塊Embedding層.mp4
      │   │   ├── [ 39M] 4-Index與Value數據制作.mp4
      │   │   ├── [ 40M] 5-一階權重參數設計.mp4
      │   │   ├── [ 36M] 6-二階特征構建方法.mp4
      │   │   ├── [ 60M] 7-特征組合方法實例分析.mp4
      │   │   ├── [ 30M] 8-完成FM模塊計算.mp4
      │   │   └── [ 47M] 9-DNN模塊與訓練過程.mp4
      │   ├──8_推薦系統常用工具包演示/
      │   │   ├── [ 49M] 1-環境配置與數據集介紹.mp4
      │   │   ├── [ 46M] 2-電影數據集預處理分析.mp4
      │   │   ├── [ 50M] 3-surprise工具包基本使用.mp4
      │   │   ├── [ 41M] 4-模型測試集結果.mp4
      │   │   └── [109M] 5-評估指標概述.mp4
      │   └──9_基于文本數據的推薦實例/
      │   ├── [ 25M] 1-數據與環境配置介紹.mp4
      │   ├── [ 37M] 2-數據科學相關數據介紹.mp4
      │   ├── [ 45M] 3-文本數據預處理.mp4
      │   ├── [ 41M] 4-TFIDF構建特征矩陣.mp4
      │   ├── [ 40M] 5-矩陣分解演示.mp4
      │   ├── [ 66M] 6-LDA主題模型效果演示.mp4
      │   └── [ 50M] 7-推薦結果分析.mp4
      └── 資料/


      購買主題 本主題需向作者支付 20 資源幣 才能瀏覽
      回復

      使用道具 舉報

      3

      主題

      1717

      帖子

      0

      精華

      終身高級VIP會員

      Rank: 7Rank: 7Rank: 7

      資源幣
      94
      積分
      1725
      貢獻
      0
      在線時間
      471 小時
      注冊時間
      2020-4-8
      最后登錄
      2023-6-15

      終身VIP會員

      沙發
      發表于 2023-3-2 08:41:16 | 只看該作者
      我看不錯噢 謝謝樓主!
      回復 支持 反對

      使用道具 舉報

      6

      主題

      304

      帖子

      0

      精華

      終身高級VIP會員

      Rank: 7Rank: 7Rank: 7

      資源幣
      94
      積分
      312
      貢獻
      0
      在線時間
      96 小時
      注冊時間
      2020-5-10
      最后登錄
      2023-6-18

      終身VIP會員

      板凳
      發表于 2023-3-2 10:34:15 | 只看該作者
      6666666
      回復

      使用道具 舉報

      4

      主題

      623

      帖子

      0

      精華

      終身高級VIP會員

      Rank: 7Rank: 7Rank: 7

      資源幣
      210
      積分
      639
      貢獻
      0
      在線時間
      496 小時
      注冊時間
      2020-1-20
      最后登錄
      2023-7-7

      終身VIP會員

      地板
      發表于 2023-3-2 14:04:44 | 只看該作者
      6666666666666666666
      回復 支持 反對

      使用道具 舉報

      4

      主題

      1161

      帖子

      0

      精華

      終身高級VIP會員

      笨豬拱爛白菜

      Rank: 7Rank: 7Rank: 7

      資源幣
      79
      積分
      1165
      貢獻
      0
      在線時間
      165 小時
      注冊時間
      2020-3-31
      最后登錄
      2023-7-7

      終身VIP會員

      5#
      發表于 2023-3-2 14:20:20 | 只看該作者
      11111111111111
      回復 支持 反對

      使用道具 舉報

      3

      主題

      95

      帖子

      0

      精華

      終身高級VIP會員

      Rank: 7Rank: 7Rank: 7

      資源幣
      30
      積分
      98
      貢獻
      0
      在線時間
      28 小時
      注冊時間
      2020-7-5
      最后登錄
      2023-6-29

      終身VIP會員

      6#
      發表于 2023-3-2 18:54:20 | 只看該作者
      祝資源共享吧越來越火!
      回復 支持 反對

      使用道具 舉報

      2

      主題

      213

      帖子

      0

      精華

      資源共享吧豪華貴族SVIP

      Rank: 9Rank: 9Rank: 9

      資源幣
      7
      積分
      215
      貢獻
      0
      在線時間
      145 小時
      注冊時間
      2022-2-22
      最后登錄
      2023-7-7

      終身VIP會員

      7#
      發表于 2023-3-2 20:35:28 | 只看該作者
      thx ..

      ...


      回復

      使用道具 舉報

      3

      主題

      288

      帖子

      0

      精華

      資源共享吧豪華貴族SVIP

      Rank: 9Rank: 9Rank: 9

      資源幣
      16
      積分
      292
      貢獻
      0
      在線時間
      127 小時
      注冊時間
      2020-9-29
      最后登錄
      2023-7-7

      終身VIP會員

      8#
      發表于 2023-3-2 20:55:27 | 只看該作者
      感謝樓主分享
      回復 支持 反對

      使用道具 舉報

      88

      主題

      1643

      帖子

      0

      精華

      終身高級VIP會員

      Rank: 7Rank: 7Rank: 7

      資源幣
      1064
      積分
      3380
      貢獻
      0
      在線時間
      470 小時
      注冊時間
      2016-12-4
      最后登錄
      2023-7-5

      終身VIP會員

      9#
      發表于 2023-3-2 21:11:52 | 只看該作者
      我看不錯噢 謝謝樓主!
      回復 支持 反對

      使用道具 舉報

      4

      主題

      541

      帖子

      0

      精華

      終身高級VIP會員

      Rank: 7Rank: 7Rank: 7

      資源幣
      1053
      積分
      853
      貢獻
      0
      在線時間
      161 小時
      注冊時間
      2015-11-8
      最后登錄
      2023-3-28

      終身VIP會員

      10#
      發表于 2023-3-3 11:09:45 | 只看該作者
      謝謝樓主!
      回復

      使用道具 舉報

       點擊右側快捷回復  

      本版積分規則

      小黑屋|資源共享吧 ( 瓊ICP備2021005790號-1 )

      GMT+8, 2023-7-7 21:28 , Processed in 0.100853 second(s), 17 queries , MemCached On.

      Powered by Discuz! X3.4 Licensed

      Copyright © 2001-2021, Tencent Cloud.

      快速回復 返回頂部 返回列表
      黄瓜app网站_黄瓜丝瓜成年人官方app_黄瓜官网_黄瓜影视

      1. <ins id="l33b3"><td id="l33b3"></td></ins>
        <dl id="l33b3"><bdo id="l33b3"></bdo></dl>