咕泡-人工智能深度学习系统班第七期

📁 课件及代码
    📁 第21章 ⾃然语⾔处理经典案例实战
        📁 源码、数据集等
            📁 4：贝叶斯算法-新闻分类任务
                📁 贝叶斯Python文本分析
                    📁 搜狗新闻语料
                        train_28954_5487.txt  [86.8 MB]
                        test_28954_6983.txt  [18.3 MB]
                    Python文本分析_28954_2161.zip  [19.4 MB]
            📁 11-14：基于Tensorflow的项目实战
                📁 问答机器人
                    QA问答_28954_7576.zip  [880.5 MB]
                📁 对话问答机器人
                    chatbot_28954_8217.zip  [1.4 GB]
                📁 唐诗生成
                    poem.zip  [97.0 MB]
                    LSTM_28954_8521.zip  [101.3 MB]
                📁 NLP-文本相似度
                    文本相似度.zip  [115.8 MB]
                📁 LSTM情感分析
                    LSTM_28954_3508.zip  [101.3 MB]
                    LSTM.ipynb  [59.2 KB]
            📁 8-9：word2vec词向量实战
                📁 Word2Vec
                    gensim训练model_28954_4061.zip  [2.1 GB]
                    word2vec.zip  [84.6 MB]
                    tensorflow-word2vec.zip  [1.9 MB]
                    Gensim-代码_28954_5906.zip  [4.6 MB]
            📁 5-6：HMM实战
                📁 HMM案例实战
                    📁 HMM
                        📁 __pycache__
                            get_hmm_param.cpython-36.pyc  [2.4 KB]
                            data.cpython-36.pyc  [216.0 B]
                        hmm_start.py  [823.0 B]
                        get_hmm_param.py  [2.6 KB]
                        data.py  [318.0 B]
                    时间序列.ipynb  [189.0 KB]
                    hmm实践.ipynb  [5.8 KB]
                    data2.csv  [130.7 KB]
                📁 隐马尔科夫模型（课件）
                    HMM.pdf  [1.2 MB]
            📁 2：商品信息与文本可视化
                商品可视化展示与文本处理.zip  [213.8 MB]
            📁 3：贝叶斯算法
                5-贝叶斯算法.pdf  [654.8 KB]
            📁 10：NLP方法对比
                自然语言处理-特征提取方法对比.zip  [1.2 MB]
        📁 NLP常用工具包
            Python-自然语言处理工具包.zip  [9.7 MB]
            Python-自然语言处理工具包(1_28954_3180.zip  [9.7 MB]
        📁 课后作业
            第八模块：NLP实战(1).pdf  [73.1 KB]
        📁 课件
            贝叶斯算法.pdf  [620.7 KB]
            tensorflow-RNN.pdf  [120.1 KB]
            RNN与LSTM_28954_7232.pdf  [1.4 MB]
            Python文本分析_28954_7128.pdf  [579.5 KB]
            5-贝叶斯算法_28954_5843.pdf  [654.8 KB]
    📁 第9章 经典视觉项目实战-行为识别
        📁 slowfast-add
            📁 download
                📁 ava_annotations
                    📁 person_box_67091280_iou90
                        val.csv  [98.3 MB]
                        train.csv  [358.1 MB]
                        test.csv  [198.4 MB]
                        ava_val_v2.1.csv  [9.9 MB]
                        ava_train_v2.1.csv  [35.1 MB]
                        ava_train_predicted_boxes.csv  [52.2 MB]
                        ava_detection_val_for_training_boxes_and_labels_include_negative_v2.2.csv  [15.2 MB]
                        ava_detection_val_for_training_boxes_and_labels_include_negative_v2.1.csv  [14.9 MB]
                        ava_detection_val_for_training_boxes_and_labels_include_negative.csv  [14.9 MB]
                        ava_detection_train_boxes_and_labels_include_negative_v2.2.csv  [53.3 MB]
                        ava_detection_train_boxes_and_labels_include_negative_v2.1.csv  [52.2 MB]
                        ava_detection_train_boxes_and_labels_include_negative.csv  [52.2 MB]
                        ava_detection_test_boxes_and_labels.csv  [14.6 MB]
                        ava_val_predicted_boxes.csv  [7.6 MB]
                        ava_val_excluded_timestamps_v2.1.csv  [629.0 B]
                        ava_detection_val_boxes_and_labels.csv  [7.6 MB]
                        ava_action_list_v2.1_for_activitynet_2018.pbtxt  [2.6 KB]
                    ava_train_v2.2.csv  [39.2 MB]
                    ava_val_v2.2.csv  [11.1 MB]
                    ava_train_v2.1.csv  [35.1 MB]
                _Ca3gOdOHxU.mp4  [516.8 MB]
                5KQ66BBWC4_28954_7700.mkv  [251.0 MB]
                _145Aa_xkuE.mp4  [313.3 MB]
                1j20qq1JyX4_28954_6040.mp4  [240.5 MB]
                -5KQ66BBWC4.mkv.1  [251.0 MB]
                val.csv  [1.5 MB]
                train.csv  [1.5 MB]
            avademo_28954_8167.zip  [2.1 GB]
        📁 基础补充-Resnet模型及其应用实例
            Resnet.pdf  [207.9 KB]
        6-视频异常检测CVPR2021论文及其源码解读.zip  [243.8 MB]
        基础补充-PyTorch框架必备核心模块解读_28954_7840.zip  [336.9 MB]
        4-基于3D卷积的视频分析与动作识别.zip  [845.8 MB]
        slowfast论文.pdf  [1.4 MB]
        5-视频异常检测算法与元学习.pdf  [1.1 MB]
        1-slowfast算法知识点通俗解读_28954_8257.pdf  [572.3 KB]
    📁 第1章 直播回放
        📁 1-1 节开班典礼等多个文件
            📁 1-15 节直播13：BEITV2-3与Mmlab自监督源码解读
                📁 第十三课：BEITV2及其源码解读
                    mmselfsup-1.x.zip  [326.6 MB]
                    BEiT v2.pdf  [9.9 MB]
            📁 1-10 直播8：图神经网络等多个文件
                📁 1-10 直播8：图神经网络
                    异构图.pdf  [937.7 KB]
                    图神经网络.pdf  [1.5 MB]
                    图注意力机制_28954_6093.pdf  [741.6 KB]
                    图卷积.pdf  [955.9 KB]
                    Temporal Graph Neural Networks.pdf  [695.8 KB]
            📁 1-9 节直播7：文本大模型下游任务一条龙
                大模型_28954_4610.pdf  [1.4 MB]
            📁 1-8 节直播6：时间序列timesnet
                Time-Series-Library-main.zip  [21.7 MB]
                2210.02186_28954_6018.pdf  [3.8 MB]
            📁 1-6 节直播4：VIT源码解读
                ViT.zip  [638.4 MB]
                Transformer在视觉中的应用VIT算法.pdf  [1.2 MB]
            📁 1-7 节直播5：Segment anything
                SAM.pdf  [15.0 MB]
            📁 1-12 节直播10：EfficientVIT与DINOV2
                IMAGE BERT PRE-TRAINING WITH ONLINE_28954_3258.pdf  [14.5 MB]
                Emerging Properties in Self-Supervised Vision Transformers_28954_9617.pdf  [13.4 MB]
                EfficientViT.pdf  [5.4 MB]
                DINOv2.pdf  [7.7 MB]
            📁 1-11 节直播9：LangChain与VQA任务
                langchain-tutorials-main.zip  [38.2 MB]
                From Images to Textual Prompts.pdf  [6.7 MB]
            📁 1-1 节开班典礼
                人工智能详情页7.1_28954_8871.pdf  [29.6 MB]
            📁 1-5 节直播3：Transformer
                transformer_28954_1813.pdf  [2.0 MB]
            📁 1-4 节直播2：卷积神经网络
                卷积神经网络.pdf  [2.6 MB]
            📁 1-3 节直播1：神经网络结构
                神经网络_28954_8511.pdf  [6.3 MB]
            📁 1-17 节直播15：总结与论文和简历
                EfficientViT_28954_8404.pdf  [5.4 MB]
            📁 1-16 节直播14：Bev特征空间与知识蒸馏
                蒸馏.pdf  [1.5 MB]
                Reinforced Multi-Teacher Selection for Knowledge Distillation.pdf  [1.0 MB]
                Decoupled Knowledge Distillation.pdf  [2.0 MB]
                BEV.pdf  [998.7 KB]
            📁 1-14 节直播12：注意力机制串讲
                可变形DETR_28954_2272.pdf  [4.4 MB]
                Informer_28954_6216.pdf  [1.1 MB]
            📁 1-13 节直播11：对比学习与自监督任务
                对比学习.pdf  [2.0 MB]
                BEIT_28954_1000.pdf  [1017.3 KB]
    📁 第19章 深度学习模型部署与剪枝优化实战
        📁 嵌入式AI
            📁 第二章 AI 实战
                📁 2software
                    📁 networks
                        SSD-Mobilenet-v2.tar.gz  [59.6 MB]
                        SSD-Mobilenet-v1.tar.gz  [24.2 MB]
                        bvlc_googlenet.caffemodel  [51.1 MB]
                        googlenet_noprob.prototxt  [34.9 KB]
                        googlenet.prototxt  [35.0 KB]
                    jetson-inference.zip  [557.4 MB]
                    mobilenet-v1-ssd-mp-0_675.pth  [36.2 MB]
                    usbCamera.py  [159.0 B]
                    csiCamera.py  [1002.0 B]
                时间统计.xlsx  [9.6 KB]
                2.6 转换出onnx模型，并使用_28954_8931.pdf  [95.3 KB]
                2.5 训练出自己目标识别模型.pdf  [1.1 MB]
                2.4 训练自己的目标检测模型准备_28954_7915.pdf  [300.1 KB]
                2.3 docker中运行分类模型.pdf  [124.5 KB]
                2.2 docker 的安装使用.pdf  [395.7 KB]
                2.1 jetson-inference 入门_28954_3773.pdf  [115.2 KB]
            📁 第四章 deepstream
                📁 software
                    gstreamer-1.0-msvc-x86_64-1.20.4.msi  [104.4 MB]
                    EasyPlayer-RTSP-Win-V3.0.19.0515.zip  [16.3 MB]
                    rtspVideoH264.py  [717.0 B]
                    rtspCameraH264.py  [725.0 B]
                    camera_gstreamer_code_rtsp_out.py  [2.1 KB]
                    camera_gstreamer_code_rtp.py  [2.1 KB]
                    Accelerated_GStreamer_User_Guide_28954_6918.pdf  [1.1 MB]
                4.6 deepstream集成yolov4.pdf  [822.5 KB]
                4.5 deepstream推理_28954_8731.pdf  [815.1 KB]
                4.4 python实现RTP和RTSP_28954_4389.pdf  [648.2 KB]
                4.3 GStreamer RTP和RTSP_28954_7329.pdf  [1.5 MB]
                4.2 deepstream HelloWorld.pdf  [711.6 KB]
                4.1 deepstream 介绍安装_28954_7272.pdf  [620.5 KB]
            📁 第一章 认识 jetson nano
                📁 1software
                    balenaEtcher-Setup-1.7.9.exe  [138.8 MB]
                    code_1.71.2-1663189619_arm64.deb  [71.5 MB]
                    usbCamera.py  [183.0 B]
                    SDCardFormatterv5_WinEN_28954_9100.zip  [6.1 MB]
                    csiCamera.py  [1002.0 B]
                1.4 安装使用摄像头csi  usb.pdf  [163.2 KB]
                1.3 感受nano的GPU算力.pdf  [118.1 KB]
                1.2b jetson nano 系统安装过程_28954_4920.pdf  [802.2 KB]
                1.2 jetson nano 刷机_28954_1096.pdf  [503.9 KB]
                1.1 jetson nano 硬件介绍.pdf  [895.0 KB]
            📁 第三章 NVIDIA TAO 实用级的训练神器
                3.5TAO 剪枝在训练推理验证.pdf  [792.0 KB]
                3.4NVIDIA TAO预训练模型和训练_28954_1391.pdf  [858.8 KB]
                3.3NVIDIA TAO数据转换_28954_8373.pdf  [936.6 KB]
                3.2NVIDIA TAO数据准备和环境设置_28954_8583.pdf  [785.9 KB]
                3.1NVIDIA TAO介绍和安装.pdf  [571.0 KB]
        📁 tensorRT
            📁 tensorRT课程代码
                tensorrt-integrate.tar.gz  [1.9 GB]
                tensorrt-basic.tar.gz  [14.9 MB]
                cuda-runtime-api.tar.gz  [25.2 MB]
                cuda-driver-api.tar.gz  [764.0 KB]
            📁 tensorRT课程PPT
                video1-get-templ.mp4  [16.1 MB]
                video1-get-env_28954_1417.mp4  [2.9 MB]
                9.tensorrt-integrate-课程概述.pdf  [2.4 MB]
                video-series_28954_3368.mp4  [4.6 MB]
                8.tensorrt-basic_28954_7567.pdf  [761.6 KB]
                7.tensorrt-basic-课程概述_28954_5399.pdf  [1.0 MB]
                5.cuda-runtime-课程概述.pdf  [528.7 KB]
                6.cuda-runtime_28954_2329.pdf  [2.4 MB]
                4.cuda-driver.pdf  [370.1 KB]
                3.cuda-driver-课程概述.pdf  [493.6 KB]
                2.介绍_28954_1440.pdf  [386.7 KB]
                1.说在前面_28954_7268.pdf  [715.1 KB]
                10.tensorrt-integrate_28954_5715.pdf  [1.8 MB]
        YOLO部署实例.zip  [876.4 MB]
        YOLO部署实例(1_28953_7177.zip  [876.4 MB]
        pytorch-slimming.zip  [356.4 MB]
        pytorch-slimming(1).zip  [356.4 MB]
        剪枝算法.pdf  [504.0 KB]
        剪枝算法(1).pdf  [504.0 KB]
        TensorFlow-serving_28953_5527.zip  [3.0 MB]
        TensorFlow-serving(1).zip  [3.0 MB]
        PyTorch模型部署实例_28953_8668.zip  [102.8 KB]
        PyTorch模型部署实例(1).zip  [102.8 KB]
        mobilenetv3.py  [7.3 KB]
        mobilenetv3(1).py  [7.3 KB]
        Mobilenet.pdf  [2.4 MB]
        Docker使用命令_28953_4933.zip  [7.8 MB]
        Docker使用命令(1_28953_4277.zip  [7.8 MB]
        Mobilenet(1).pdf  [2.4 MB]
    📁 第7章 图像分割实战
        📁 7.第七章 图像分割实战
            📁 unet医学细胞分割实战
                📁 新建文件夹
                unet++_28954_3180.zip  [409.6 MB]
            📁 补充：Mask2former源码解读
                mask2former(mmdetection_28954_4344.zip  [192.4 MB]
            📁 基于deeplabV3+版本进行VOC分割实战
                DeepLabV3Plus.zip  [1.9 GB]
            📁 基于Resnet的医学数据集分类实战
                Resnet.pdf  [207.9 KB]
            📁 基于deeplab的心脏视频数据诊断分析
                基于deeplab的心脏视频数据诊断分析.zip  [748.3 MB]
            📁 图像分割算法
                深度学习分割任务_28954_1131.pdf  [1.1 MB]
            📁 分割模型Maskformer系列
                maskformer_28954_4223.pdf  [1.5 MB]
                mask2former.pdf  [3.0 MB]
            📁 Unet系列算法讲解
                深度学习分割任务.pdf  [1.1 MB]
            📁 deeplab系列算法
                DeepLab_28954_8952.pdf  [704.3 KB]
            第5节：U-2-Net_28954_2850.zip  [636.2 MB]
            基于MASK-RCNN框架训练自己的数据与任务_28954_6600.zip  [439.4 MB]
            MaskRcnn网络框架源码详解.zip  [1.1 GB]
            图像识别核心模块实战解读.zip  [336.9 MB]
            R(2+1)D网络_28954_3655.pdf  [507.1 KB]
            mask-rcnn_28954_1621.pdf  [990.0 KB]
            f112c9fda85536ee3eba662c9043e683.bat  [70.0 B]
        第7章 图像分割实战文档.zip  [1.8 MB]
    📁 第26章 推荐系统实战系列
        📁 第3节：音乐推荐系统实战
            📁 Python实现音乐推荐系统
                📁 __pycache__
                    Recommenders.cpython-36.pyc  [5.0 KB]
                📁 .ipynb_checkpoints
                    推荐系统-checkpoint.ipynb  [344.8 KB]
                train_triplets_28954_2828.txt  [2.8 GB]
                triplet_dataset_sub_song.csv  [648.3 MB]
                user_playcount_df.csv  [44.1 MB]
                track_metadata.db  [711.6 MB]
                song_playcount_df.csv  [8.5 MB]
                老版.ipynb  [344.8 KB]
                推荐系统.ipynb  [363.5 KB]
                track_metadata_df_sub.csv  [5.9 MB]
                Recommenders.py  [9.2 KB]
                recommendation_engines.py  [13.7 KB]
                8.png  [68.8 KB]
                7.png  [77.3 KB]
                6.png  [60.3 KB]
                5.png  [3.6 KB]
                4.png  [12.0 KB]
                3.png  [43.0 KB]
                2.png  [30.4 KB]
                1.png  [45.3 KB]
        📁 第10节：基于统计分析的电影推荐
            电影推荐_28954_2318.zip  [10.0 MB]
        📁 第4节：Neo4j数据库实例
            NEO4J.pdf  [268.0 KB]
        第9节：基于文本数据的推荐实例.zip  [254.8 MB]
        第9节：基于文本数据的推荐实例(1_28954_8345.zip  [254.8 MB]
        第8节：推荐系统常用工具包演示.zip  [129.3 MB]
        第8节：推荐系统常用工具包演示(1).zip  [129.3 MB]
        第5节：基于知识图谱的电影推荐实战.zip  [160.6 MB]
        第5节：基于知识图谱的电影推荐实战(1).zip  [160.6 MB]
        第7节：DeepFM算法实战.zip  [1.2 MB]
        第7节：DeepFM算法实战(1_28954_1284.zip  [1.2 MB]
        第6节：FM与DeepFM算法.pdf  [759.6 KB]
        第6节：FM与DeepFM算法(1).pdf  [759.6 KB]
        第2节：协同过滤与矩阵分解.pdf  [974.7 KB]
        第1节：推荐系统介绍_28954_3022.pdf  [1.5 MB]
        第2节：协同过滤与矩阵分解(1).pdf  [974.7 KB]
        第1节：推荐系统介绍(1_28954_7877.pdf  [1.5 MB]
        第11节：补充-基于相似度的酒店推荐系统.zip  [1.8 MB]
        第11节：补充-基于相似度的酒店推荐系统(1).zip  [1.8 MB]
    📁 第6章 综合项⽬-物体检测经典算法实战
        📁 6.第六章 综合项⽬-物体检测经典算法实战
            📁 YOLO系列（PyTorch）
                📁 训练自己的数据集
                    构建自己的数据集_28954_3206.pdf  [403.8 KB]
                    json2yolo.py  [1.5 KB]
                📁 COCO-DATA
                    COCO数据集_28954_6115.txt  [96.0 B]
                PyTorch-YOLOv3_28954_6865.zip  [462.2 MB]
                NEU-DET.zip  [26.7 MB]
                YOLO新版_28954_7378.pdf  [3.6 MB]
            yolov7-main_28954_6699.zip  [337.6 MB]
            EfficientDet_28954_2344.zip  [80.5 MB]
            mmdetection-3.x_28954_8638.zip  [35.6 MB]
            CenterNet.pdf  [8.8 MB]
            可变形DETR.pdf  [4.5 MB]
            物体检测_28954_7563.pdf  [1.4 MB]
            第十二章：基于Transformer的detr目标检测算法.pdf  [885.7 KB]
            YOLOV7.pdf  [1.7 MB]
            Yolov7结构图.pptx  [44.4 KB]
            json2yolo.py  [1.5 KB]
            EfficientNet.pdf  [943.2 KB]
            EfficientDet.pdf  [780.7 KB]
            detr目标检测源码解读_28954_6807.zip  [108.3 KB]
    📁 第13章 ⾯向深度学习的⽆⼈驾驶实战
        📁 12-TSDF实战案例
            📁 TSDF实例
                tsdf-fusion-python-master_28953_6829.zip  [120.4 MB]
        📁 9-NeuralRecon项目环境配置
            📁 参考其GITHUB即可
        📁 10-NeuralRecon项目源码解读
            📁 NeuralRecon
                train_demo_28953_4369.zip  [64.6 MB]
                data.py  [9.9 KB]
                all_tsdf_9.zip  [5.3 MB]
        📁 4-基于深度学习的车道线检测项目实战
            Lane-Detection.zip  [1.9 GB]
            4-基于深度学习的车道线检测项目实战文档.png  [493.5 KB]
        📁 6-局部特征关键点匹配实战
        📁 2.深度估计项目实战
            LapDepth_28953_5865.zip  [650.4 MB]
        📁 1.深度估计算法解读
            Monocular_Depth_Estimation_Using_Laplacian_Pyramid-Based_Depth_Residuals.pdf  [13.8 MB]
            深度估计.pdf  [1.5 MB]
        📁 8-NeuralRecon算法解读
            三维重建_28953_1395.pdf  [3.1 MB]
            NeuralRecon.pdf  [7.7 MB]
        📁 7-三维重建应用与坐标系基础
            三维重建.pdf  [2.9 MB]
        📁 5-商汤LoFTR算法解读
            Loftr_28953_5605.pdf  [1.7 MB]
            2104.00680_28953_7038.pdf  [7.7 MB]
        📁 3-车道线检测算法与论文解读
            基于深度学习的车道线检测_28953_6282.pdf  [879.7 KB]
        📁 15-特斯拉无人驾驶解读
            Tesla无人驾驶_28953_6209.pdf  [4.0 MB]
        📁 14-轨迹估计预测实战
            Vector_28953_4649.zip  [4.9 MB]
        📁 13-轨迹估计算法与论文解读
            无人驾驶.pdf  [629.2 KB]
        📁 11-TSDF算法与应用
            TSDF_28953_9354.pdf  [786.8 KB]
    📁 第5章 Opencv图像处理框架实战
        📁 课件
            📁 第2-8节课件
                第8节notebook课件.zip  [1.3 MB]
                第2-7节notebook课件.zip  [7.3 MB]
            第16-17节notebook课件_28954_8090.zip  [9.4 MB]
        📁 源码资料
            第21节：项目实战-疲劳检测.zip  [74.1 MB]
            第21节：人脸关键点定位_28954_9660.zip  [69.8 MB]
            第18节：Opencv的DNN模块_28954_3837.zip  [49.6 MB]
            第14节：项目实战-停车场车位识别.zip  [111.3 MB]
            第10节：项目实战-文档扫描OCR识别_28954_7352.zip  [44.9 MB]
            第9节：项目实战-信用卡数字识别_28954_8341.zip  [548.1 KB]
            第20节：卷积原理与操作_28954_5912.zip  [24.5 KB]
            第15节：项目实战-答题卡识别判卷.zip  [3.1 MB]
            第13节：案例实战-全景图像拼接.zip  [829.5 KB]
        第5章 Opencv图像处理框架实战资料.png  [493.5 KB]
    📁 第3章 深度学习必备核⼼算法
        📁 课件
            📁 词向量模型资料
                NLP核心模型-word2vec_28954_8469.zip  [2.1 MB]
            深度学习_28954_7754.pdf  [9.9 MB]
            卷积神经网络.pdf  [2.6 MB]
    📁 第11章 Transformer实战解读
        📁 transformer系列
            📁 11-17
                bevformer_28953_7903.zip  [5.1 GB]
            📁 基础补充-Resnet模型及其应用实例
                Resnet_28953_6293.pdf  [207.9 KB]
            📁 11-3
                第三章：VIT算法模型源码解读.zip  [942.2 MB]
            📁 11-2
                ViT.zip  [638.4 MB]
                Transformer在视觉中的应用VIT算法_28953_2947.pdf  [1.2 MB]
            📁 11-14
                mask2former(mmdetection).zip  [192.4 MB]
            📁 11-12 11-13
                Loftr.pdf  [1.5 MB]
                2104.00680.pdf  [7.8 MB]
            📁 第一章：transformer原理解读
                BERT_28953_8090.pdf  [2.1 MB]
            📁 11-9
                可变形DETR.pdf  [4.5 MB]
            📁 11-8
                可变形DETR_28953_4233.pdf  [4.5 MB]
            📁 11-16
                BEV.pdf  [998.2 KB]
            📁 11-15
                maskformer.pdf  [1.5 MB]
                mask2former_28953_5866.pdf  [3.0 MB]
            📁 11-1
                transformer_28953_7918.pdf  [2.0 MB]
            11-5：swintransformer源码解读.zip  [234.6 MB]
            11-10 11-11Medical-Transformer_28953_3103.zip  [59.8 MB]
            11-7：detr目标检测源码解读_28953_5042.zip  [108.3 KB]
            transformer论文_28953_6707.pdf  [3.6 MB]
            11-6：基于Transformer的detr目标检测算法_28953_6392.pdf  [885.7 KB]
            11-4：swintransformer算法原理解析_28953_4312.pdf  [807.8 KB]
    📁 第24章 知识图谱实战系列
        📁 第7节：金融平台风控模型实践
            贷款风控特征工程.zip  [2.0 GB]
        📁 第6节：文本关系抽取实践
            关系抽取.zip  [740.6 MB]
        📁 第8节：医学糖尿病数据命名实体识别
            eclipse-命名实体识别_28954_1376.zip  [18.2 MB]
            第8节：医学糖尿病数据命名实体识别说明.zip  [1.8 MB]
            notebook-瑞金.zip  [5.0 MB]
        📁 第5节：基于知识图谱的医药问答系统实战
            配置与安装_28954_3123.pdf  [102.3 KB]
        📁 第4节：使用python操作neo4j实例
            python操作neo4j.zip  [25.5 KB]
        📁 第3节：Neo4j数据库实战
            NEO4J.pdf  [268.0 KB]
        📁 第1.2节：知识图谱介绍及其应用领域分析
            知识图谱_28954_8608.pdf  [2.1 MB]
    📁 第10章 经典视觉项目实战-目标追踪与姿态估计
        📁 第五六七章：YOLO目标检测
            📁 训练自己的数据集
                构建自己的数据集.pdf  [403.8 KB]
                json2yolo.py  [1.5 KB]
            📁 COCO-DATA
                COCO数据集.txt  [96.0 B]
            NEU-DET_28953_3110.zip  [26.7 MB]
            YOLO新版_28953_2121.pdf  [3.6 MB]
        📁 基础补充-Resnet模型及其应用实例
            Resnet_28953_1901.pdf  [207.9 KB]
        第四章：Deepsort源码解读_28953_6501.zip  [107.9 MB]
        第二章：OpenPose算法源码分析_28953_1930.zip  [243.9 MB]
        第四章：Deepsort源码解读(1_28953_5152.zip  [107.9 MB]
        第二章：OpenPose算法源码分析(1_28953_5746.zip  [243.9 MB]
        基础补充-PyTorch框架必备核心模块解读.zip  [336.9 MB]
        基础补充-PyTorch框架必备核心模块解读(1).zip  [336.9 MB]
        第一章：姿态估计OpenPose系列算法解读_28953_4422.pdf  [2.4 MB]
        第三章：Deepsort算法知识点解读(1).pdf  [1.6 MB]
        第三章：Deepsort算法知识点解读.pdf  [1.6 MB]
        第一章：姿态估计OpenPose系列算法解读(1).pdf  [2.4 MB]
    📁 第8章  走向AI论文实验与项目实战的捷径-MMLAB实战系列
        📁 KIE关键信息抽取与视频超分辨率重构
            BasicVSR++_28954_1182.pdf  [13.0 MB]
            spynet.pdf  [5.8 MB]
            KIE_28954_9496.pdf  [2.3 MB]
        📁 OCR算法解读
            DBNET.pdf  [3.8 MB]
            ABINET_28954_3031.pdf  [1.2 MB]
        📁 DeformableDetr算法解读
            可变形DETR_28954_1442.pdf  [4.5 MB]
        第四模块：mmocr-main.zip  [381.7 MB]
        第八模块：mmrazor-模型蒸馏.zip  [1.0 GB]
        第六模块：mmediting-master_28954_9675.zip  [107.8 MB]
        第二模块：mmsegmentation-0.20.2.zip  [2.8 GB]
        第五模块：mmgeneration-master_28954_9567.zip  [746.8 MB]
        第二模块：MPViT-main_28954_2844.zip  [924.8 MB]
        第九模块：mmaction2-master.zip  [827.8 MB]
        第三模块：mmdetection-master_28954_5368.zip  [1.5 GB]
        第一模块：mmclassification-master_28954_7115.zip  [912.0 MB]
        第七模块：mmdetection3d-1.0.0rc0.zip  [395.0 MB]
        ner_28954_8801.zip  [121.6 MB]
        mask2former(mmdetection).zip  [192.4 MB]
    📁 第22章 自然语言处理必备神器Huggingface系列实战
        📁 第十章：图谱知识抽取实战
            CMeKG_28954_6704.zip  [1.3 GB]
        📁 第八章：GPT训练与预测部署流程
            GPT.zip  [1.2 GB]
        📁 第二章：Transformer工具包基本操作实例解读
            2-Finetuning.zip  [2.1 GB]
            1-Transformers.zip  [383.6 MB]
        📁 第十一章：补充Huggingface数据集制作方法实例
            数据格式转换_28954_6660.zip  [89.4 MB]
        📁 第九章：文本摘要建模
            Summarization_28954_2274.zip  [2.0 GB]
        📁 第五章：文本标注工具与NER实例
            ner_28954_5227.zip  [121.6 MB]
        📁 第四章：BERT系列算法解读
            BERT系列.pptx  [889.7 KB]
        📁 第六章：文本预训练模型构建实例
            Mask Language Model.ipynb  [51.3 KB]
        📁 第三章：Transformer核心架构
            transformer课件_28954_8347.pdf  [1.1 MB]
        📁 第七章：GPT系列算法
            GPT系列.pdf  [1.2 MB]
        📁 第一章：Huggingface与NLP介绍解读
            Huggingface初识.pptx  [168.8 KB]
    📁 第20章 面向医学领域的深度学习实战
        📁 9-基于deeplabV3+版本进行VOC分割实战
            DeepLabV3Plus.zip  [1.9 GB]
        📁 7-unet医学细胞分割实战
            unet++.zip  [409.6 MB]
        📁 4-基于Resnet的医学数据集分类实战
            Resnet_28954_6402.pdf  [207.9 KB]
            4-基于Resnet的医学数据集分类实战资料.png  [493.5 KB]
        📁 10-基于deeplab的心脏视频数据诊断分析
            基于deeplab的心脏视频数据诊断分析.zip  [748.3 MB]
        📁 12-基于YOLO5细胞检测实战
            基于YOLO5细胞检测实战_28954_2883.zip  [584.8 MB]
        📁 17-医学糖尿病数据命名实体识别
            eclipse-命名实体识别.zip  [18.2 MB]
            notebook-瑞金_28954_5695.zip  [5.0 MB]
        📁 15-基于知识图谱的医药问答系统实战
            配置与安装_28954_7734.pdf  [102.3 KB]
            15-基于知识图谱的医药问答系统实战文档.png  [493.5 KB]
        📁 1-神经网络算法PPT
            深度学习_28954_6266.pdf  [9.9 MB]
        📁 8-deeplab系列算法
            DeepLab_28954_8664.pdf  [704.3 KB]
        📁 6-Unet系列算法讲解
            深度学习分割任务_28954_6097.pdf  [1.1 MB]
        📁 5-图像分割及其损失函数概述
            深度学习分割任务.pdf  [1.1 MB]
        📁 14-Neo4j数据库实战
            NEO4J.pdf  [268.0 KB]
        📁 13-知识图谱原理解读
            知识图谱_28954_2312.pdf  [2.1 MB]
            13-知识图谱原理解读文档.png  [493.5 KB]
        📁 11-YOLO系列物体检测算法原理解读
            YOLO.pdf  [2.0 MB]
            YOLOv4.pdf  [3.8 MB]
        3-PyTorch框架必备核心模块解读_28954_7552.zip  [336.9 MB]
        3-PyTorch框架必备核心模块解读(1_28954_1749.zip  [336.9 MB]
        16-词向量模型与RNN网络架构_28954_7959.zip  [2.1 MB]
        16-词向量模型与RNN网络架构(1).zip  [2.1 MB]
    📁 第25章 语⾳识别实战系列
        📁 论文
            论文必看.png  [493.5 KB]
            tacotron2论文.pdf  [366.3 KB]
            stargancv2论文.pdf  [451.5 KB]
            Conv-TasNet论文_28954_5802.pdf  [1.5 MB]
        📁 PPT
            语音合成-tacotron2.pdf  [272.6 KB]
            语音分离_28954_4670.pdf  [821.2 KB]
            stargan-vc2_28954_3709.pdf  [788.6 KB]
            seq2seq_28954_9018.pdf  [592.9 KB]
        语音识别LAS模型.zip  [420.1 MB]
        语音识别LAS模型(1_28954_5182.zip  [420.1 MB]
        语音合成tacotron2实战.zip  [302.4 MB]
        语音合成tacotron2实战(1).zip  [302.4 MB]
        语音分离Conv-TasNet.zip  [84.4 MB]
        变声器pytorch-StarGAN-VC2_28954_2458.zip  [484.9 MB]
        变声器pytorch-StarGAN-VC2(1).zip  [484.9 MB]
        语音分离Conv-TasNet(1).zip  [84.4 MB]
        第25章 语⾳识别实战系列必看.png  [493.5 KB]
    📁 第23章 ⾃然语⾔处理通⽤框架-BERT实战
        📁 课件、源码
            第8节：医学糖尿病数据命名实体识别_28954_5229.zip  [23.1 MB]
            第7节：必备基础知识点-RNN网络架构与情感分析应用实例.zip  [98.4 MB]
            第2节：谷歌开源项目BERT源码解读与应用实例.zip  [992.8 MB]
            第4节：项目实战-基于BERT的中文命名实体识别实战_28954_5785.zip  [732.0 MB]
            第6节：必备基础-掌握Tensorflow如何实现word2vec模型.zip  [32.6 MB]
            BERT_28954_3445.zip  [732.9 MB]
            第5节：必备基知识点-word2vec模型通俗解读.zip  [2.1 MB]
            第3节：项目实战-基于BERT的中文情感分析实战_28954_5306.zip  [2.3 MB]
            第1节：BERT课件_28954_6420.pdf  [1.9 MB]
            NLP核心模型-word2vec_28954_1895.zip  [2.1 MB]
        📁 课后作业
            第八模块：BERT作业.pdf  [149.6 KB]
    📁 第18章 AI黑科技实例
    📁 第16章 对抗⽣成⽹络实战
    📁 第15章 ⾏⼈重识别实战
    📁 第14章 对比学习与多模态任务实战
    📁 第12章 图神经⽹络实战
    📁 第4章 深度学习核⼼框架PyTorch
    📁 第2章 AI课程所需安装软件教程
    📁 第17章 强化学习实战系列
📁 第9章 经典视觉项目实战-行为识别
📁 第8章 走向AI论文实验与项目实战的捷径-MMLAB实战系列
📁 第7章 图像分割实战
📁 第6章 综合项目-物体检测经典算法实战
📁 第5章 Opencv图像处理框架实战
📁 第4章 深度学习核心框架PyTorch
📁 第3章 深度学习必备核心算法
📁 第2章 AI课程所需安装软件教程
📁 第26章 推荐系统实战系列
📁 第25章 语音识别实战系列
📁 第24章 知识图谱实战系列
📁 第23章 自然语言处理通用框架-BERT实战
📁 第22章 自然语言处理必备神器Huggingface系列实战
📁 第21章 自然语言处理经典案例实战
📁 第20章 面向医学领域的深度学习实战
📁 第1章 直播回放
📁 第19章 深度学习模型部署与剪枝优化实战
📁 第18章 AI黑科技实例
📁 第17章 强化学习实战系列
📁 第16章 对抗生成网络实战
📁 第15章 行人重识别实战
📁 第14章 对比学习与多模态任务实战
📁 第13章 面向深度学习的无人驾驶实战
📁 第12章 图神经网络实战
📁 第11章 Transformer实战解读
📁 第10章 经典视觉项目实战-目标追踪与姿态估计