咕泡 - 人工智能深度学习系统班（第十一期）

 咕泡-人工智能深度学习系统班（第十一期）
   01-机器学习
   7-图像分割实战
   6-综合项目-物体检测经典算法实战
   18-强化学习与AI黑科技实例
   2-AI课程所需安装软件教程
   8-走向AI论文实验与项目实战的捷径-MMLAB实战系列
   19-面向医学领域的深度学习实战
   26-自然语言处理通用框架-BERT实战
   13-面向深度学习的无人驾驶实战
   9-经典视觉项目实战：行为识别、姿态估计、目标追踪
   20-CV与NLP经典大模型解读
   14-对比学习与多模态任务实战
   11-图神经网络实战
   15-缺陷检测实战
   21-CV与NLP经典大模型解读2
   10-论⽂必备-Transformer实战系列
   3-深度学习必备核⼼算法
   16-行人重识别实战
   22-深度学习模型部署与剪枝优化实战
   23-自然语言处理经典案例实战
   28-知识图谱实战系列
   30-推荐系统实战系列
   12-3D点云实战
   27-论文创新点常用方法及其应用实例
   1-直播课回放
   29-语音识别实战系列
   5-Opencv图像处理框架实战
   17-对抗生成网络实战
   4-深度学习框架PyTorch
   25-自然语言处理必备神器Huggingface系列实战
   24-时间序列预测
     08-第八模块：Python金融分析与量化交易实战
     01-第一模块：Python快速入门
     09-第九模块：深度学习经典算法解析
     03-第三模块：人工智能-必备数学课程
     10-选修：Python数据分析案例实战
     11-选修：机器学习进阶实战
     02-第二模块：Python数据科学必备工具包实战
     07-第七模块：机器学习竞赛优胜解决方案实战
     06-第六模块：机器学习案例实战应用集锦
     05-第五模块：机器学习算法建模实战项目
     04-第四模块：机器学习算法精讲及其案例应用
     资料.7z
     数学基础课件.zip
     7-医学⼼脏视频数据集分割建模实战
     10-物体检测框架-MaskRcnn项目介绍与配置
     4-U2NET显著性检测实战
     5-deeplab系列算法
     12-基于MASK-RCNN框架训练自己的数据与任务
     3-unet医学细胞分割实战
     1-图像分割及其损失函数概述
     9-补充：Mask2former源码解读
     2-Unet系列算法讲解
     6-基于deeplabV3+版本进⾏VOC分割实战
     11-MaskRcnn网络框架源码详解
     8-分割模型Maskformer系列
     13-ChatGPT
     3-PPO实战-月球登陆器训练实例
     6-Actor-Critic算法分析（A3C）
     4-Q-learning与DQN算法
     9-GPT建模与预测流程
     7-用A3C玩转超级马里奥
     11-Diffusion模型解读
     2-PPO算法与公式推导
     14-拓展-强化学习
     1-强化学习简介及其应用
     12-Dalle2及其源码解读
     5-DQN改进与应用技巧
     10-CLIP系列
     8-GPT系列生成模型
     6-项目实战-基于V3版本进行源码解读（建议直接跑V5版本）
     19-EfficientDet检测算法
     3-YOLO-V1整体思想与网络架构
     15-detr目标检测源码解读
     14-基于Transformer的detr目标检测算法
     18-EfficientNet网络
     20-YOLO V9
     17-半监督物体检测
     1-物体检测评估指标
     5-YOLO-V3核心网络模型
     10-V5项目工程源码解读
     8-YOLO-V4版本算法解读
     2-深度学习经典检测⽅法概述
     7-基于YOLO-V3训练自己的数据集与任务（建议直接跑V5版本）
     12-V7源码解读
     4-YOLO-V2改进细节详解
     13-YOLOV8
     11-YOLO系列（V7）算法解读
     9-V5版本项目配置
     16-DeformableDetr算法解读
     2-Anaconda基础讲解和使用的教程
     1-AI课程所需安装软件教程
     4-项目实战-基于BERT的中文命名实体识别识别实战
     1-自然语言处理通用框架BERT原理解读
     6-必备基础-掌握Tensorflow如何实现word2vec模型
     7-必备基础知识点-RNN网络架构与情感分析应用实例
     5-必备基础知识点-woed2vec模型通俗解读
     2-谷歌开源项目BERT源码解读与应用实例
     3-项目实战-基于BERT的中文情感分析实战
     8-医学糖尿病数据命名实体识别
     5-第二模块：使用分割模块训练自己的数据集
     16-第五模块：stylegan2源码解读
     9-第三模块：DeformableDetr物体检测源码分析
     1-MMCV安装方法
     7-第二模块：分割任务CVPR最新Backbone设计及其应用
     13-第四模块：DBNET文字检测
     20-第八模块：模型剪枝方法概述分析
     19-第八模块：模型蒸馏应用实例
     21-第九模块：mmaction行为识别
     14-第四模块：ANINET文字识别
     8-第三模块：mmdet训练自己的数据任务
     17-第六模块：BasicVSR++视频超分辨重构源码解读
     15-第四模块：KIE基于图模型的关键信息抽取
     18-第七模块：多模态3D目标检测算法源码解读
     23-额外补充-在源码中加入各种注意力机制方法
     10-第三模块：DeformableDetr算法解读
     11-补充：Mask2former源码解读
     3-第一模块：训练结果测试与验证
     24-追踪新增
     12-KIE关键信息抽取与视频超分辨率重构
     6-第二模块：基于Unet进行各种策略修改
     22-OCR算法解读
     4-第一模块：模型源码DEBUG演示
     2-第一模块：分类任务基本操作
     9-基于deeplabV3+版本进行VOC分割实战
     17-医学糖尿病数据命名实体识别
     2-PyTorch框架基本处理操作
     14-Neo4j数据库实战
     5-图像分割及其损失函数概述
     16-词向量模型与RNN网络架构
     1-卷积神经网络原理与参数解读
     11-YOLO系列物体检测算法原理解读
     7-unet医学细胞分割实战
     4-基于Resnet的医学数据集分类实战
     10-基于deeplab的心脏视频数据诊断分析
     15-基于知识图谱的医药问答系统实战
     3-PyTorch框架必备核心模块解读
     8-deeplab系列算法
     13-知识图谱原理解读
     12-基于YOLO5细胞检测实战
     6-Unet系列算法讲解
     5-ANINET源码解读
     3-多模态3D目标检测算法源码解读
     2-CLIP系列
     1-对比学习算法与实例
     4-多模态文字识别
     11-deepsort算法知识点解读
     13-YOLO-V4版本算法解读
     9-姿态估计OpenPose系列算法解读
     7-基础补充-Resnet模型及其应用实例
     15-V5项目工程源码解读
     1-slowfast算法知识点通俗解读
     5-视频异常检测算法与元学习
     6-视频异常检测CVPR2021论文及其源码解读
     4-基于3D卷积的视频分析与动作识别
     3-slowfast源码详细解读
     2-slowfast项目环境配置与配置文件
     8-课程介绍
     14-V5版本项目配置
     12-deepsort源码解读
     10-OpenPose算法源码分析
     12-TSDF实战案例
     9-NeuralRecon项目环境配置
     3-车道线检测算法与论文解读
     5-商汤LoFTR算法解读
     7-三维重建应用与坐标系基础
     1-深度估计算法原理解读
     15-特斯拉无人驾驶解读
     10-NeuralRecon项目源码解读
     13-轨迹估计算法与论文解读
     8-NeuralRecon算法解读
     14-轨迹估计预测实战
     2-深度估计项目实战
     4-基于深度学习的车道线检测项目实战
     6-局部特征关键点匹配实战
     11-TSDF算法与应用
     6-视觉自监督任务BEITV2论文解读
     14-视觉QA算法与论文解读
     2-GPT系列算法解读
     13-视觉大模型SAM
     1-课程简介
     18-RAGFLOW和function calling
     3-GPT2训练与预测部署流程
     5-视觉自监督BEIT算法解读
     10-补充-视觉大模型基础-deformableAttention
     8-BEV感知特征空间算法解读
     12-LLM下游任务训练自己模型实战
     9-BEVformer项目源码解读
     11-LLM与LORA微调策略解读
     7-视觉自监督任务BEITV2源码解读
     16-openai-dalle2论文解读
     17-openai-dalle2源码解读
     15-扩散模型diffusion架构算法解读
     8-基于图模型的轨迹估计
     9-图模型轨迹估计实战
     2-图卷积GCN模型
     5-图注意力机制与序列图模型
     11-异构图神经网络
     3-图模型必备神器PyTorch Geometric安装与使用
     4-使用PyTorch Geometric构建自己的图数据集
     6-图相似度论文解读
     1-图神经网络基础
     7-图相似度计算实战
     10-基于图模型的时间序列预测
     3-物体检测框架YOLOV5版本项目配置
     12-图像分割deeplab系列算法
     5-基于YOLOV5的钢材缺陷检测实战
     13-基于deeplabV3+版本进⾏VOC分割实战
     14-Deeplab铁质材料缺陷检测与开源项⽬应⽤流程
     10-基于Opencv缺陷检测项⽬实战
     11-基于视频流⽔线的Opencv缺陷检测项⽬
     2-物体检框架YOLO-V4版本算法解读
     1-课程介绍
     7-Opencv图像常⽤处理⽅法实例
     9-Opencv轮廓检测与直⽅图
     6-Semi-supervised布料缺陷检测实战
     4-物体检测框架YOLOV5项目工程源码解读
     8-Opencv梯度计算与边缘检测实例
     3-CVPR2024：YOLO- World
     5-Llama3应用
     4-time-llm大模型多模态预测任务
     10-Llava与YOLO11
     1-斯坦福AI小镇架构与项目解读
     8-RAGFLOW和function calling
     7-大模型微调与应用
     9-Agent工作流搭建
     6-SAM2视频分割
     6-基于Transformer的detr目标检测算法
     19-Informer时间序列源码解读
     7-detr目标检测源码解读
     3-VIT算法模型源码解读
     1-Transformer算法解读
     4-swintransformer算法原理解析
     20-Huggingface与NLP（讲故事）
     16-BEV特征空间
     14-分割模型Maskformer系列
     15-Mask2former源码解读
     17-BevFormer源码解读
     18-时间序列预测
     2-视觉Transformer及其源码分析
     13-局部特征关键点匹配实战
     10-MedicalTrasnformer论文解读
     11-MedicalTransformer源码解读
     8-DeformableDetr算法解读
     9-DeformableDetr物体检测源码分析
     5-swintransformer源码解读
     12-商汤LoFTR算法解读
     6-YOLO-V3物体检测部署实例
     1-AIoT人工智能物联网之认识 jetson nano
     11-Mobilenet三代网络模型架构
     4- AIoT人工智能物联网之deepstream
     8-tensorflow-serving实战
     2-AIoT人工智能物联网之AI 实战
     3-AIoT人工智能物联网之NVIDIA TAO 实用级的训练神器
     5-pyTorch框架部署实践
     7-docker实例演示
     9-模型剪枝-Network Slimming算法分析
     10-模型剪枝-Network Slimming实战解读
     12-拓展-模型部署
     1-神经网络结构
     2-卷积神经网络
     3-Transformer
     4-VIT源码解读
     4-AAAI2020顶会算法精讲
     5-项目实战-基于行人局部特征融合的再识别实战
     7-基于拓扑图的行人重识别项目实战
     2-基于注意力机制的Reld模型论文解读
     6-旷视研究院最新算法解读（基于图模型）
     8-额外补充：行人搜索源码分析
     1-行人重识别原理及其应用
     3-基于Attention的行人重识别项目实战
     2-商品信息可视化与文本分析
     3-贝叶斯算法
     7-语言模型
     12-LSTM情感分析
     9-基于word2vec的分类任务
     11-NLP-相似度模型
     10-NLP-文本特征方法对比
     13-机器人写唐诗
     6-HMM工具包实战
     5-HMM隐马尔科夫模型
     8-使用Gemsim构建词向量
     14-对话机器人
     1-NLP常用工具包实战
     4-新闻分类任务实战
     1-通用创新点
     2-论文写作参考范文
     8-医学糖尿病数据命名实体识别
     4-使用python操作neo4j实例
     1-知识图谱介绍及其应用领域分析
     5-基于知识图谱的医药问答系统实战
     2-知识图谱涉及技术点分析
     3-Neo4j数据库实战
     6-文本关系抽取实践
     7-金融平台风控模型实践
     2-协同过滤与矩阵分解
     8-推荐系统常用工具包演示
     10-基本统计分析的电影推荐
     5-基于知识图谱的电影推荐实战
     3-音乐推荐系统实战
     6-点击率估计FM与DeepFM算法
     9-基于文本数据的推荐实例
     4-知识图谱与Neo4j数据库实例
     11-补充-基于相似度的酒店推荐系统
     7-DeepFM算法实战
     1-推荐系统介绍及其应用
     6-点云补全实战解读
     7-点云配准及其案例实战
     8-基础补充-对抗生成网络架构原理与实战解析
     3-PointNet++算法解读
     4-Pointnet++项目实战
     5-点云补全PF-Net论文解读
     2-3D点云PointNet算法
     1-3D点云实战 3D点云应用领域分析
     2-LAS模型语音识别实战
     7-语音合成tacotron最新版实战
     3-starganvc2变声器论文原理解读
     1-seq2seq序列网络模型
     5-语音分离ConvTasnet模型
     4-staeganvc2变声器源码实战
     6-ConvTasnet语音分离实战
     012、Huggingface与知识图谱.mp4
     010、基于分层强化学习的机器人路径规划方法.mp4
     014、Deepseek辅助科研技能学习和科研探索--.mp4
     011、时间序列预测.mp4
     006、融合强化学习与机器人训练原理、架构、部署.mp4
     008、Transformer下游应用实例.mp4
     007、VIT 源码Debug.mp4
     004、卷积神经网络.mp4
     003、神经网络解读.mp4
     002、Pycharm环境配置与Debug演示(没用过的同学必看).mp4
     005、transformer架构解读.mp4
     001、开班典礼.mp4
     009、图神经网络.mp4
     013、对比学习.mp4
     7-starganvc2变声器项目实战及其源码解读
     8-图像超分辨率重构实战
     2-对抗生成网络架构原理与实战解析
     6-基于starganvc2的变声器论文原理解读
     5-stargan项目实战及其源码解读
     9-基于GAN的图像补全实战
     1-课程介绍
     4-stargan论文架构解析
     3-基于CycleGan开源项目实战图像合成
     1-课程简介与环境配置
     9-项目实战-信用卡数字识别
     5-图像梯度计算
     10-项目实战-文档扫描OCR识别
     6-边缘检测
     3-阈值与平滑处理
     15-项目实战-答题卡识别判卷
     11-图像特征-harris
     19-项目实战-目标追踪
     12-图像特征-sift
     8-直方图与傅里叶变换
     13-案例实战-全景图像拼接
     16-背景建模
     14-项目实战-停车场车位识别
     21-项目实战-疲劳检测
     20-卷积原理与操作
     17-光流估计
     4-图像形态学操作
     7-图像金字塔与轮廓检测
     18-Opencv的DNN模块
     2-图像基本操作
     1-Informer原理解读
     2-Informer源码解读
     4-time-llm大模型多模态预测任务
     3-Timesnet时序预测
     3-神经网络回归任务-气温预测
     8-PyTorch框架Flask部署例子
     7-LSTM文本分类实战
     2-使用神经网络进行分类任务
     5-图像识别模型与训练策略（重点）
     1-PyTorch框架介绍与配置安装
     4-卷积网络参数解读分析
     6-DataLoader自定义数据集制作
     2-Transformer工具包基本操作实例解读
     11-补充Huggingface数据集制作方法实例
     8-GPT训练与预测部署流程
     1-Huggingface与NLP介绍解读
     3-transformer原理解读
     10-图谱知识抽取实战
     9-文本摘要建模
     4-BERT系列算法解读
     7-GPT系列算法
     6-文本预训练模型构建实例
     5-文本标注工具与NER实例
       01-课程内容与大纲介绍
       11-聚类分析策略
       10-因子打分选股实战
       09-因子分析实战
       13-基于深度学习的时间序列预测
       02-金融数据时间序列分析
       06-Ricequant回测选股分析实战
       08-因子选股策略实战
       04-策略收益与风险评估指标解析
       05-量化交易与回测平台解读
       12-拓展：fbprophet时间序列预测神器
       11-回归分析策略
       07-因子数据预处理实战
       03-1双均线交易策略实战
       03-基于统计分析的电影推荐
       01-KIVA贷款数据
       06-数据分析-机器学习模板
       02-订单数据集分析
       04-纽约出租车建模
       05-商品信息可视化与文本分析
       14-方差分析
       09-核函数变换
       11-回归分析
       12-假设检验
       05-特征值与矩阵分解
       07-概率论基础
       08-数据科学你得知道的几种分布
       04-线性代数基础
       02-微积分
       16-贝叶斯分析
       13-相关分析
       15-聚类分析
       06-随机变量
       10-熵与激活函数
       01-高等数学基础
       03-泰勒公式与拉格朗日
       01-深度学习必备基础知识点础
       05-案例实战搭建神经网络
       02-神经网络整体架构
       04-递归神经网络与词向量原理解读
       07-案例实战LSTM时间序列预测任务
       06-案例实战卷积神经网络
       03-卷积神经网络原理与参数解读
       13-12-赋值机制
       07-7-1-索引结构
       15-14-循环结构
       04-4-Python简介
       21-20-类的属性操作
       14-13-判断结构
       03-3-Notebook工具使用
       01-1-Python环境配置
       11-10-字典的核心操作
       16-15-函数定义
       22-21-时间操作
       12-11-Set结构
       08-7-2-List基础结构
       18-17-异常处理模块
       09-8-List核心操作
       02-2-Python库安装工具
       05-5-Python数值运算
       17-16-模块与包
       10-9-字典基础定义
       20-19-类的基本定义
       06-6-Python字符串操作
       19-18-文件操作
       23-22-Python练习题-1
       24-23-Python练习题-2
       10-10文本特征处理方法对比
       09-数据特征预处理
       12-图像特征聚类分析实践
       03-基于相似度的酒店推荐系统
       02-爱彼迎数据集分析与建模
       06-机器学习-模型解释方法实战
       11-银行客户还款可能性预测
       01-Python实战关联规则
       04-商品销售额回归分析
       08-NLP核心模型-Word2vec
       05-绝地求生数据集探索分析与建模
       07-自然语言处理必备工具包实战
       03-智慧城市-道路通行时间预测
       04-特征工程建模可解释包
       01-快手短视频用户活跃度分析
       10-机器学习项目实战模板
       08-数据特征常用构建方法
       06-贷款平台风控模型+特征工程
       07-新闻关键词抽取模型
       05-医学糖尿病数据命名实体识别
       09-用电敏感客户分类
       04-特征工程建模可解释包
       02-工业化生产预测
       01-科学计算库-Numpy
       04-可视化库-Seaborn
       02-数据分析处理库-Pandas
       03-.可视化库-Matplotlib
       10-HMM隐马尔科夫模型
       09-EM算法
       13-音乐推荐系统实战
       20-机器学习项目实战-数据处理与特征提取
       07-贝叶斯优化及其工具包使用
       13-基于统计分析的电影推荐
       02-xgboost-gbdt-lightgbm提升算法框架对比
       05-降维算法-线性判别分析
       01-GBDT提升算法
       21-机器学习项目实战-建模与分析
       18-Tensorflow自己打造word2vec
       08-贝叶斯优化实战
       05-人口普查数据集项目实战-收入预测
       12-推荐系统
       17-使用word2vec分类任务
       01-数据特征
       11-HMM案例实战
       15-学习曲线
       19-制作自己常用工具包
       04-4.使用lightgbm进行饭店流量预测
       15-NLP-文本特征方法对比
       1-Mask-Rcnn开源项目简介.mp4
       2-开源项目数据集.mp4
       3-开源项目数据集.mp4
       3-任务流程解读.mp4
       1-数据集与任务概述.mp4
       2-项目基本配置参数.mp4
       6-补充：R(2plus1)D处理方法分析.mp4
       4-文献报告分析.mp4
       5-补充：视频数据源特征处理方法概述.mp4
       05-fbprophe时间序列预测
       02-基于随机森林的气温预测实战
       06-京东用户购买意向预测
       04-推荐系统实战
       01-项目实战-交易数据异常检测
       03-贝叶斯新闻分类实战
       09-Kmeans代码实现
       06-逻辑回归代码实现
       16-支持向量机原理推导
       29-HMM应用实例
       14-集成算法原理
       04-线性回归实验分析
       05-逻辑回归实验分析
       28-隐马尔科夫模型
       27-主成分分析降维算法原理解读
       13-决策树实验分析
       03-模型评估方法
       12-决策树代码实现
       19-神经网络代码实现
       20-贝叶斯算法原理
       02-线性回归代码实现
       07-逻辑回归实验分析
       21-贝叶斯代码实现
       25-代码实现word2vec词向量模型
       11-决策树原理
       17-支持向量机实验分析
       22-关联规则实战分析
       10-聚类算法实验分析
       15-集成算法实验分析
       18-神经网络算法原理
       01-线性回归原理推导
       24-词向量word2vec通俗解读
       08-聚类算法-Kmeans&Dbscan原理
       23-关联规则代码实现
       26-线性判别分析降维算法原理解读
       1-任务目标与网络整体介绍.mp4
       2-显著性检测任务与目标概述.mp4
       5-损失函数与应用效果.mp4
       4-解码器输出结果.mp4
       3-编码器模块解读.mp4
       6-模型效果验证.mp4
       2-数据增强工具.mp4
       1-医学细胞数据集介绍与参数配置.mp4
       4-特征融合方法演示.mp4
       5-迭代完成整个模型计算任务.mp4
       3-Debug模式演示网络计算流程.mp4
       6-测试与展示模块.mp4
       2-使用labelme进行数据与标签标注.mp4
       5-基于标注数据训练所需任务.mp4
       4-maskrcnn源码修改方法.mp4
       1-Labelme工具安装.mp4
       3-完成训练数据准备工作.mp4
       2-空洞卷积的作用.mp4
       1-deeplab分割算法概述.mp4
       3-感受野的意义.mp4
       6-deeplabV3Plus版本网络架构.mp4
       5-ASPP特征融合策略.mp4
       4-SPP层的作用.mp4
       2-分割任务中的目标函数定义.mp4
       1-语义分割与实例分割概述.mp4
       3-MIOU评估标准.mp4
       1-PascalVoc数据集介绍.mp4
       5-分割模型训练.mp4
       3-网络前向传播流程.mp4
       2-项目参数与数据集读取.mp4
       4-ASPP层特征融合.mp4
       2-网络计算流程.mp4
       3-Unet升级版本改进.mp4
       4-后续升级版本介绍.mp4
       1-Unet网络编码与解码过程.mp4
       3-多层级输入特征序列创建方法.mp4
       2-多层级采样点初始化构建.mp4
       1-Backbone获取多层级特征.mp4
       4-偏移量与权重计算并转换.mp4
       12-最终损失计算流程.mp4
       5-Encoder特征构建方法实例.mp4
       7-Decoder中的AttentionMask方法.mp4
       10-正样本筛选损失计算.mp4
       11-标签分类匹配结果分析.mp4
       13-汇总所有损失完成迭代.mp4
       6-query要预测的任务解读.mp4
       9-标签分配策略解读.mp4
       8-损失模块输入参数分析.mp4
       1-分割模型Maskformer系列.mp4
       2-PPO2版本公式解读.mp4
       3-参数与网络结构定义.mp4
       6-参数迭代与更新.mp4
       1-Critic的作用与效果.mp4
       5-奖励获得与计算.mp4
       4-得到动作结果.mp4
       9-正负样本选择与标签定义.mp4
       10-RoiPooling层的作用与目的.mp4
       7-Proposal层实现方法.mp4
       2-FPN网络架构实现解读.mp4
       1-FPN层特征提取原理解读.mp4
       4-基于不同尺度特征图生成所有框.mp4
       8-DetectionTarget层的作用.mp4
       3-生成框比例设置.mp4
       6-候选框过滤方法.mp4
       12-整体框架回顾.mp4
       11-RorAlign操作的效果.mp4
       5-RPN层的作用与实现解读.mp4
       1-ChatGPT.mp4
       4-A3C整体架构分析.mp4
       5-损失函数整理.mp4
       3-计算流程实例.mp4
       1-AC算法回顾与知识点总结.mp4
       2-优势函数解读与分析.mp4
       5-部署与网页预测展示.mp4
       1-生成模型可以完成的任务概述.mp4
       4-模型训练过程.mp4
       2-数据样本生成方法.mp4
       3-训练所需参数解读.mp4
       5-与环境交互得到训练数据.mp4
       6-训练网络模型.mp4
       2-启动游戏环境.mp4
       1-整体流程与环境配置.mp4
       4-初始化局部模型并加载参数.mp4
       3-要计算的指标回顾.mp4
       1-整体任务流程演示.mp4
       4-训练与更新.mp4
       6-目标函数与公式解析.mp4
       8-Q值迭代求解.mp4
       2-探索与action获取.mp4
       7-Qlearning算法实例解读.mp4
       5-算法原理通俗解读.mp4
       9-DQN简介.mp4
       3-计算target值.mp4
       1-Diffusion模型解读.mp4
       2-强化学习的指导依据.mp4
       3-强化学习AI游戏DEMO.mp4
       6-计算机眼中的状态与行为.mp4
       4-应用领域简介.mp4
       5-强化学习工作流程.mp4
       1-一张图通俗解释强化学习.mp4
       1-强化学习的基础原理与应用等.mp4
       3-要完成的目标分析.mp4
       2-与环境交互得到所需数据.mp4
       8-PPO算法整体思路解析.mp4
       5-baseline方法.mp4
       4-策略梯度推导.mp4
       7-importance sampling的作用.mp4
       1-基本情况介绍.mp4
       6-OnPolicy与OffPolicy策略.mp4
       1-CLIP系列.mp4
       1-Dalle2源码解读.mp4
       4-MultiSetp策略.mp4
       1-DoubleDqn要解决的问题.mp4
       5-连续动作处理方法.mp4
       2-DuelingDqn改进方法.mp4
       3-Dueling整体网络架构分析.mp4
       1-GPT系列.mp4
       3-整体网络架构解读.mp4
       4-位置损失计算.mp4
       5-置信度误差与优缺点分析.mp4
       1-YOLO算法整体思路解读.mp4
       2-检测算法要得到的结果.mp4
       1-EfficientDet检测算法.mp4
       7-Decoder层操作与计算.mp4
       5-mask与编码模块.mp4
       4-backbone特征提取模块.mp4
       8-输出预测结果.mp4
       2-数据处理与dataloader.mp4
       3-位置编码作用分析.mp4
       9-损失函数与预测输出.mp4
       6-编码层作用方法.mp4
       1-项目环境配置解读.mp4
       3-COCO图像数据读取与处理.mp4
       9-预测结果计算.mp4
       2-训练参数设置.mp4
       5-debug模式介绍.mp4
       14-完成所有损失函数所需计算指标.mp4
       13-坐标相对位置计算.mp4
       6-基于配置文件构建网络模型.mp4
       7-路由层与shortcut层的作用.mp4
       10-网格偏移计算.mp4
       8-YOLO层定义解析.mp4
       16-预测效果展示.mp4
       1-数据与环境配置.mp4
       11-模型要计算的损失概述.mp4
       4-标签文件读取与处理.mp4
       15-模型训练与总结.mp4
       12-标签值格式修改.mp4
       1-半监督物体检测.mp4
       1-EfficientNet网络模型.mp4
       4-注意力机制的作用方法.mp4
       2-整体网络架构分析.mp4
       5-训练过程的策略.mp4
       3-位置信息初始化query向量.mp4
       1-DETR目标检测基本思想解读.mp4
       1-YOLO V9【网盘分享wpfx.org.cn】.mp4
       1-Pycharm环境配置与Debug演示(没用过的同学必看).mp4
       2-物体检测评估指标.mp4
       7-sotfmax层改进.mp4
       3-经典变换方法对比分析.mp4
       2-多scale方法改进与特征融合.mp4
       5-整体网络模型架构分析.mp4
       6-先验框设计改进.mp4
       1-V3版本改进概述.mp4
       4-残差连接方法解读.mp4
       9-SAM注意力机制模块.mp4
       3-数据增强策略分析.mp4
       8-SPP与CSP网络结构.mp4
       2-V4版本贡献解读.mp4
       4-DropBlock与标签平滑方法.mp4
       11-激活函数与整体架构总结.mp4
       5-损失函数遇到的问题.mp4
       7-NMS细节改进.mp4
       1-V4版本整体概述.mp4
       6-CIOU损失函数定义.mp4
       10-PAN模块解读.mp4
       11-前向传播计算.mp4
       15-上采样与拼接操作.mp4
       14-Head层流程解读.mp4
       3-加载标签数据.mp4
       13-SPP层计算细节分析.mp4
       16-输出结果分析.mp4
       18-命令行参数介绍.mp4
       8-V5网络配置文件解读.mp4
       19-训练流程解读.mp4
       12-BottleneckCSP层计算方法.mp4
       5-数据四合一方法与流程演示.mp4
       17-超参数解读.mp4
       1-数据源DEBUG流程解读.mp4
       6-getItem构建batch.mp4
       4-Mosaic数据增强方法.mp4
       7-网络架构图可视化工具安装.mp4
       20-各种训练策略概述.mp4
       2-图像数据源配置.mp4
       9-Focus模块流程分析.mp4
       10-完成配置文件解析任务.mp4
       21-模型迭代过程.mp4
       3-IOU指标计算.mp4
       1-检测任务中阶段的意义.mp4
       5-map指标计算.mp4
       4-评估所需参数计算.mp4
       2-不同阶段算法优缺点分析.mp4
       4-生成模型所需配置文件.mp4
       5-json格式转换成yolo-v3所需输入.mp4
       3-完成标签制作.mp4
       6-完成输入数据准备工作.mp4
       7-训练代码与参数配置更改.mp4
       2-数据信息标注.mp4
       8-训练模型并测试效果.mp4
       1-Labelme工具安装.mp4
       8-候选框偏移方法与find3p模块解读.mp4
       13-GT匹配正样本数量计算.mp4
       4-网络结构配置文件解读.mp4
       12-预测值各项指标获取与调整.mp4
       6-输出层与配置文件其他模块解读.mp4
       3-EMA等训练技巧解读.mp4
       19-重参数化多分支合并加速.mp4
       1-命令行参数介绍.mp4
       17-辅助头损失函数调整.mp4
       7-标签分配策略准备操作.mp4
       14-通过IOU与置信度分配正样本.mp4
       10-完成BuildTargets模块.mp4
       2-基本参数作用.mp4
       11-候选框筛选流程分析.mp4
       16-辅助头AUX网络结构配置文件解析.mp4
       18-BN与卷积权重参数融合方法.mp4
       9-得到偏移点所在网格位置.mp4
       5-各模块操作细节分析.mp4
       15-损失函数计算方法.mp4
       7-感受野的作用.mp4
       4-基于聚类来选择先验框尺寸.mp4
       8-特征融合改进.mp4
       6-坐标映射与还原.mp4
       1-V2版本细节升级概述.mp4
       5-偏移量计算方法.mp4
       2-网络结构特点.mp4
       3-架构细节解读.mp4
       1-YOLOV8.mp4
       4-测试DEMO演示.mp4
       3-训练数据参数配置.mp4
       2-训练自己的数据集方法.mp4
       1-整体项目概述.mp4
       1-YOLO系列（V7）算法解读.mp4
       1-DeformableDetr算法解读.mp4
       1-Anaconda基础讲解和使用的教程.mp4
       1-命名实体识别数据分析与任务目标.mp4
       2-NER标注数据处理与读取.mp4
       3-构建BERT与CRF模型.mp4
       4-注意力机制的作用.mp4
       5-self-attention计算方法.mp4
       9-transformer整体架构梳理.mp4
       2-BERT任务目标概述.mp4
       11-训练实例.mp4
       1-BERT课程简介.mp4
       10-BERT模型训练方法.mp4
       7-Multi-head的作用.mp4
       8-位置编码与多层堆叠.mp4
       3-传统解决方案遇到的问题.mp4
       6-特征分配与softmax机制.mp4
       1-AI课程所需安装软件教程.mp4
       3-项目流程解读.mp4
       4-加载词向量特征.mp4
       8-LSTM情感分析.mp4
       7-训练与测试效果.mp4
       1-RNN网络模型解读.mp4
       6-构建LSTM网络模型.mp4
       2-NLP应用领域与任务简介.mp4
       5-正负样本数据读取.mp4
       4-网络训练.mp4
       5-可视化展示.mp4
       1-数据与任务流程.mp4
       3-batch数据制作.mp4
       2-数据清洗.mp4
       11-完成Transformer模块构建.mp4
       5-tfrecord数据源制作.mp4
       9-mask机制的作用.mp4
       1-BERT开源项目简介.mp4
       4-数据预处理模块.mp4
       6-Embedding层的作用.mp4
       10-构建QKV矩阵.mp4
       7-加入额外编码特征.mp4
       12-训练BERT模型.mp4
       3-数据读取模块.mp4
       8-加入位置编码特征.mp4
       2-项目参数配置.mp4
       5-负采样方案.mp4
       4-CBOW与Skip-gram模型.mp4
       3-训练数据构建.mp4
       1-词向量模型通俗解释.mp4
       2-模型整体框架.mp4
       2-得到style特征编码.mp4
       3-特征编码风格拼接.mp4
       4-基础风格特征卷积模块.mp4
       6-损失函数概述.mp4
       5-上采样得到输出结果.mp4
       1-要完成的任务与基本思想概述.mp4
       3-训练BERT中文分类模型.mp4
       2-读取处理自己的数据集.mp4
       1-中文分类数据与任务概述.mp4
       3-数据-标签-语料库处理.mp4
       1-数据与任务介绍.mp4
       5-医疗数据集（糖尿病）实体识别.mp4
       2-整体模型架构.mp4
       6-输入样本填充补齐.mp4
       4-训练网络模型.mp4
       2-数据集标注与制作方法.mp4
       5-预测DEMO演示.mp4
       1-项目配置基本介绍.mp4
       4-加载预训练模型开始训练.mp4
       3-根据预测类别数修改配置文件.mp4
       1-特征提取与位置编码.mp4
       3-得到相对位置点编码.mp4
       6-偏移量offset计算.mp4
       5-编码层中的序列分析.mp4
       2-序列特征展开并叠加.mp4
       7-偏移量对齐操作.mp4
       4-准备Encoder编码层所需全部输入.mp4
       11-预测输出结果与标签匹配模块.mp4
       10-分类与回归输出模块.mp4
       9-Decoder要完成的操作.mp4
       8-Encoder层完成特征对齐.mp4
       2-配置文件参数设置.mp4
       3-Neck层特征组合.mp4
       4-损失函数模块概述.mp4
       5-损失计算方法.mp4
       1-文字检测数据概述与配置文件.mp4
       6-近似Attention模块实现.mp4
       7-完成特征提取与融合模块.mp4
       2-配置文件指定.mp4
       4-PatchEmbedding的作用与实现.mp4
       1-注册自己的Backbone模块.mp4
       9-全局特征的作用与实现.mp4
       8-分割输出模块.mp4
       3-DEBUG解读Backbone设计.mp4
       5-卷积位置编码计算方法.mp4
       10-汇总多层级特征进行输出.mp4
       1-MMCV安装方法.mp4
       3-Bakbone模块得到特征.mp4
       1-数据集与环境概述.mp4
       8-输出层与损失计算.mp4
       6-文本模型中的结构分析.mp4
       4-视觉Transformer模块的作用.mp4
       2-配置文件修改方法.mp4
       7-迭代修正模块.mp4
       5-视觉模型中的编码与解码的效果.mp4
       1-创建自己的行为识别标注数据集.mp4
       4-开始模型训练过程与问题修正.mp4
       7-实际测试效果演示.mp4
       3-训练T与S得到蒸馏模型.mp4
       5-日志输出与模型分离.mp4
       1-任务概述与工具使用.mp4
       6-分别得到Teacher与Student模型.mp4
       2-Teacher与Student网络结构定义.mp4
       1-SuperNet网络结构分析与剪枝概述.mp4
       2-搜索匹配到符合计算量的模型并训练.mp4
       1-要完成的任务分析与配置文件.mp4
       6-双向计算特征对齐.mp4
       3-光流估计网络模块.mp4
       7-提特征传递流程分析.mp4
       4-基于光流完成对齐操作.mp4
       2-特征基础提取模块.mp4
       9-准备变形卷积模块的输入.mp4
       8-序列传播计算.mp4
       10-传播流程整体完成一圈.mp4
       11-完成输出结果.mp4
       5-偏移量计算方法.mp4
       7-体素特征计算方法分析.mp4
       2-数据与标注文件介绍.mp4
       5-体素索引位置获取.mp4
       4-数据与图像特征提取模块.mp4
       8-全局体素特征提取.mp4
       10-3D卷积特征融合.mp4
       3-基本流程梳理并进入debug模式.mp4
       6-体素特征提取方法解读.mp4
       11-输出层预测结果.mp4
       9-多模态特征融合.mp4
       1-环境配置与数据集概述.mp4
       6-特征合并处理.mp4
       1-配置文件以及要完成的任务解读.mp4
       5-标签数据处理与关系特征提取.mp4
       7-准备拼接边与点特征.mp4
       4-边框要计算的特征分析.mp4
       3-配置文件与标签要进行处理操作.mp4
       8-整合得到图模型输入特征.mp4
       2-KIE数据集格式调整方法.mp4
       2-COCO数据标注格式.mp4
       8-补充：评估指标.mp4
       1-数据集标注与标签获取.mp4
       3-通过脚本生成COCO数据格式.mp4
       5-训练所需配置说明.mp4
       6-模型训练与DEMO演示.mp4
       7-模型测试与可视化分析模块.mp4
       4-配置文件数据增强策略分析.mp4
       1-测试DEMO效果.mp4
       8-MMCLS可视化模块应用.mp4
       2-测试评估模型效果.mp4
       3-MMCLS中增加一个新的模块.mp4
       7-可视化细节与效果分析.mp4
       5-数据增强流程可视化展示.mp4
       6-Grad-Cam可视化方法.mp4
       4-修改配置文件中的参数.mp4
       9-模型分析脚本使用.mp4
       1-在源码中加入各种注意力机制方法.mp4
       1-DeformableDetr算法解读.mp4
       3-多层级输入特征序列创建方法.mp4
       2-多层级采样点初始化构建.mp4
       9-标签分配策略解读.mp4
       11-标签分类匹配结果分析.mp4
       7-Decoder中的AttentionMask方法.mp4
       8-损失模块输入参数分析.mp4
       10-正样本筛选损失计算.mp4
       5-Encoder特征构建方法实例.mp4
       12-最终损失计算流程.mp4
       6-query要预测的任务解读.mp4
       4-偏移量与权重计算并转换.mp4
       1-Backbone获取多层级特征.mp4
       13-汇总所有损失完成迭代.mp4
       1-KIE关键信息抽取与视频超分辨率重构.mp4
       2-初始时刻追踪器创建.mp4
       3-追踪器记录信息概述.mp4
       4-匹配过程细节分析.mp4
       6-追踪器状态更新处理.mp4
       5-不同帧时刻追踪器状态更新方法.mp4
       1-获取检测结果与追踪初始化.mp4
       7-追踪器迭代更新策略.mp4
       1-OCR算法解读.mp4
       4-辅助层的作用.mp4
       1-配置文件解读.mp4
       3-上采样与输出层.mp4
       2-编码层模块.mp4
       7-将Unet特征提取模块替换成transformer.mp4
       5-给Unet添加一个neck层.mp4
       6-如何修改参数适配网络结构.mp4
       8-VIT模块源码分析.mp4
       1-PascalVoc数据集介绍.mp4
       2-项目参数与数据集读取.mp4
       5-分割模型训练.mp4
       3-网络前向传播流程.mp4
       4-ASPP层特征融合.mp4
       2-数据增强模块概述分析.mp4
       5-CLS与输出模块.mp4
       1-VIT任务概述.mp4
       3-PatchEmbedding层.mp4
       4-前向传播基本模块.mp4
       2-准备MMCLS项目.mp4
       8-训练自己的任务.mp4
       5-生成完整配置文件.mp4
       4-各模块配置文件组成.mp4
       1-MMCLS问题修正.mp4
       7-构建自己的数据集.mp4
       3-基本参数配置解读.mp4
       6-根据文件夹定义数据集.mp4
       4-输入样本填充补齐.mp4
       2-整体模型架构.mp4
       3-数据-标签-语料库处理.mp4
       6-医疗数据集（糖尿病）实体识别.mp4
       5-训练网络模型.mp4
       1-数据与任务介绍.mp4
       4-CBOW与Skip-gram模型.mp4
       5-负采样方案.mp4
       1-词向量模型通俗解释.mp4
       3-训练数据构建.mp4
       6-额外补充-RNN网络模型解读.mp4
       2-模型整体框架.mp4
       1-PyTorch实战课程简介.mp4
       2-PyTorch框架发展趋势简介.mp4
       3-框架安装方法（CPU与GPU版本）.mp4
       9-补充：Hub模块简介.mp4
       4-PyTorch基本操作简介.mp4
       8-补充：常见tensor格式.mp4
       6-线性回归DEMO-数据与参数配置.mp4
       5-自动求导机制.mp4
       7-线性回归DEMO-训练回归模型.mp4
       4-创建与删除操作演示.mp4
       1-Neo4j图数据库介绍.mp4
       3-可视化例子演示.mp4
       5-数据库更改查询操作演示.mp4
       2-Neo4j数据库安装流程演示.mp4
       1-语义分割与实例分割概述.mp4
       2-分割任务中的目标函数定义.mp4
       3-MIOU评估标准.mp4
       4-特征融合方法演示.mp4
       6-模型效果验证.mp4
       1-医学细胞数据集介绍与参数配置.mp4
       3-Debug模式演示网络计算流程.mp4
       5-迭代完成整个模型计算任务.mp4
       2-数据增强工具.mp4
       2-卷积的作用.mp4
       6-边缘填充方法.mp4
       1-卷积神经网络应用领域.mp4
       8-池化层的作用.mp4
       3-卷积特征值计算方法.mp4
       11-残差网络Resnet.mp4
       7-特征图尺寸计算与参数共享.mp4
       9-整体网络架构.mp4
       12-感受野的作用.mp4
       4-得到特征图表示.mp4
       5-步长与卷积核大小对结果的影响.mp4
       10-VGG网络架构.mp4
       1-检测任务中阶段的意义.mp4
       28-数据增强策略分析.mp4
       2-不同阶段算法优缺点分析.mp4
       33-SPP与CSP网络结构.mp4
       26-V4版本整体概述.mp4
       4-评估所需参数计算.mp4
       24-先验框设计改进.mp4
       14-基于聚类来选择先验框尺寸.mp4
       9-位置损失计算.mp4
       30-损失函数遇到的问题.mp4
       3-IOU指标计算.mp4
       35-PAN模块解读.mp4
       17-感受野的作用.mp4
       27-V4版本贡献解读.mp4
       10-置信度误差与优缺点分析.mp4
       13-架构细节解读.mp4
       32-NMS细节改进.mp4
       8-整体网络架构解读.mp4
       31-CIOU损失函数定义.mp4
       29-DropBlock与标签平滑方法.mp4
       34-SAM注意力机制模块.mp4
       21-经典变换方法对比分析.mp4
       23-整体网络模型架构分析.mp4
       19-V3版本改进概述.mp4
       15-偏移量计算方法.mp4
       25-sotfmax层改进.mp4
       6-YOLO算法整体思路解读.mp4
       16-坐标映射与还原.mp4
       18-特征融合改进.mp4
       20-多scale方法改进与特征融合.mp4
       22-残差连接方法解读.mp4
       11-V2版本细节升级概述.mp4
       7-检测算法要得到的结果.mp4
       12-网络结构特点.mp4
       5-map指标计算.mp4
       36-激活函数与整体架构总结.mp4
       7-网络整体流程与训练演示.mp4
       2-Resnet网络架构原理分析.mp4
       6-特征图升维与降采样操作.mp4
       3-dataloader加载数据集.mp4
       5-残差网络的shortcut操作.mp4
       4-Resnet网络前向传播.mp4
       1-医学疾病数据集介绍.mp4
       3-任务流程解读.mp4
       5-补充：视频数据源特征处理方法概述.mp4
       4-文献报告分析.mp4
       1-数据集与任务概述.mp4
       2-项目基本配置参数.mp4
       6-补充：R(2plus1)D处理方法分析.mp4
       2-空洞卷积的作用.mp4
       4-SPP层的作用.mp4
       5-ASPP特征融合策略.mp4
       6-deeplabV3Plus版本网络架构.mp4
       1-deeplab分割算法概述.mp4
       3-感受野的意义.mp4
       15-额外补充-Resnet论文解读.mp4
       16-额外补充-Resnet网络架构解读.mp4
       8-迁移学习的目标.mp4
       12-实现训练模块.mp4
       4-分类任务数据集定义与配置.mp4
       9-迁移学习策略.mp4
       13-训练结果与模型保存.mp4
       3-Vision模块功能解读.mp4
       2-网络流程解读.mp4
       6-数据预处理与数据增强模块.mp4
       10-加载训练好的网络模型.mp4
       1-卷积网络参数定义.mp4
       11-优化器模块配置.mp4
       14-加载模型对测试数据进行预测.mp4
       7-Batch数据制作.mp4
       5-图像增强的作用.mp4
       5-提取数据中的关键字段信息.mp4
       7-打造医疗知识图谱模型.mp4
       6-创建关系边.mp4
       10-完成对话系统构建.mp4
       8-加载所有实体数据.mp4
       3-任务流程概述.mp4
       4-环境配置与所需工具包安装.mp4
       2-医疗数据介绍及其各字段含义.mp4
       9-实体关键词字典制作.mp4
       1-项目概述与整体架构分析.mp4
       1-任务与细胞数据集介绍.mp4
       3-网络训练流程演示.mp4
       5-细胞检测效果演示.mp4
       2-模型与算法配置参数解读.mp4
       4-效果评估与展示.mp4
       2-网络计算流程.mp4
       4-后续升级版本介绍.mp4
       1-Unet网络编码与解码过程.mp4
       3-Unet升级版本改进.mp4
       7-常用NLP技术点分析.mp4
       3-知识图谱在医疗领域应用实例.mp4
       11-图谱知识融合与总结分析.mp4
       4-金融与推荐领域的应用.mp4
       8-graph-embedding的作用与效果.mp4
       9-金融领域图编码实例.mp4
       6-数据关系抽取分析.mp4
       1-知识图谱通俗解读.mp4
       10-视觉领域图编码实例.mp4
       5-数据获取分析.mp4
       2-知识图谱在搜索引擎中的应用.mp4
       8-输出层与损失计算.mp4
       3-Bakbone模块得到特征.mp4
       1-数据集与环境概述.mp4
       5-视觉模型中的编码与解码的效果.mp4
       6-文本模型中的结构分析.mp4
       7-迭代修正模块.mp4
       2-配置文件修改方法.mp4
       4-视觉Transformer模块的作用.mp4
       1-对比学习算法与实例.mp4
       3-基本流程梳理并进入debug模式.mp4
       1-环境配置与数据集概述.mp4
       11-输出层预测结果.mp4
       10-3D卷积特征融合.mp4
       8-全局体素特征提取.mp4
       6-体素特征提取方法解读.mp4
       2-数据与标注文件介绍.mp4
       4-数据与图像特征提取模块.mp4
       5-体素索引位置获取.mp4
       7-体素特征计算方法分析.mp4
       9-多模态特征融合.mp4
       1-多模态文字识别.mp4
       1-CLIP系列.mp4
       1-V4版本整体概述.mp4
       5-损失函数遇到的问题.mp4
       3-数据增强策略分析.mp4
       4-DropBlock与标签平滑方法.mp4
       9-SAM注意力机制模块.mp4
       2-V4版本贡献解读.mp4
       8-SPP与CSP网络结构.mp4
       10-PAN模块解读.mp4
       7-NMS细节改进.mp4
       11-激活函数与整体架构总结.mp4
       6-CIOU损失函数定义.mp4
       2-姿态估计应用领域概述.mp4
       12-算法流程与总结.mp4
       9-预测时PAF积分计算方法.mp4
       3-传统topdown方法的问题.mp4
       8-PAF标签设计方法.mp4
       1-姿态估计要解决的问题分析.mp4
       5-基于高斯分布预测关键点位置.mp4
       10-匹配方法解读.mp4
       7-PAF向量登场.mp4
       11-CPM模型特点.mp4
       4-要解决的两个问题分析.mp4
       6-各模块输出特征图解读.mp4
       3-dataloader加载数据集.mp4
       5-残差网络的shortcut操作.mp4
       1-医学疾病数据集介绍.mp4
       6-特征图升维与降采样操作.mp4
       7-网络整体流程与训练演示.mp4
       2-Resnet网络架构原理分析.mp4
       4-Resnet网络前向传播.mp4
       9-REID特征的作用.mp4
       4-基于观测值进行最优估计.mp4
       6-追踪中的状态量.mp4
       7-匈牙利匹配算法概述.mp4
       2-卡尔曼滤波要完成的任务.mp4
       3-任务本质分析.mp4
       10-sort与deepsort建模流程分析.mp4
       1-卡尔曼滤波通俗解释.mp4
       11-预测与匹配流程解读.mp4
       12-追踪任务流程拆解.mp4
       5-预测与更新操作.mp4
       8-匹配小例子分析.mp4
       5-损失函数的目的.mp4
       6-特征图生成.mp4
       4-注意力机制模块打造.mp4
       2-数据集配置与读取.mp4
       3-模型编码与解码结构.mp4
       1-论文概述与环境配置.mp4
       7-MetaLearn与输出.mp4
       2-核心网络结构模块分析.mp4
       3-数据采样曾的作用.mp4
       1-slowfast核心思想解读.mp4
       5-特征融合模块与总结分析.mp4
       4-模型网络结构设计.mp4
       6-如何找到合适的初始化参数.mp4
       2-基本思想与流程分析.mp4
       1-异常检测要解决的问题与数据集介绍.mp4
       3-预测与常见问题.mp4
       7-MAML算法流程解读.mp4
       5-学习能力与参数定义.mp4
       4-Meta-Learn要解决的问题.mp4
       20-各种训练策略概述.mp4
       2-图像数据源配置.mp4
       11-前向传播计算.mp4
       5-数据四合一方法与流程演示.mp4
       15-上采样与拼接操作.mp4