190G全方位人工智能系统就业班 OpenAI顶级技术全面融入 29章节深度学习课程
深度学习实战，OpenAI技术融入
编辑点评
实战性强，涵盖多种目标检测算法，适合有深度学习基础的学习者。
⭐ 编辑推荐
全面深入学习人工智能系统，实战项目丰富，紧跟OpenAI技术前沿。
课程亮点
• 实战项目丰富
• OpenAI技术融入
• 多种目标检测算法
课程目录
📁 PART1
📁 06 综合项目-物体检测经典算法实战
📁 06 基于YOLO-V3训练自己的数据集与任务（建议直接跑V5版本）
08 训练模型并测试效果_69504_8834.mp4 [27.0 MB]
07 训练代码与参数配置更改_69504_2777.mp4 [33.8 MB]
06 完成输入数据准备工作_69504_2798.mp4 [29.3 MB]
04 生成模型所需配置文件_69504_5502.mp4 [27.4 MB]
05 json格式转换成yolo-v3所需输入_69504_6223.mp4 [15.6 MB]
03 完成标签制作_69504_3970.mp4 [23.6 MB]
02 数据信息标注_69504_6365.mp4 [23.6 MB]
01 Labelme工具安装_69504_4286.mp4 [12.6 MB]
📁 14 detr目标检测源码解读
09 损失函数与预测输出_69504_8697.mp4 [31.8 MB]
08 输出预测结果_69504_1255.mp4 [30.3 MB]
06 编码层作用方法_69504_9225.mp4 [32.2 MB]
07 Decoder层操作与计算_69504_9352.mp4 [21.6 MB]
05 mask与编码模块_69504_5729.mp4 [25.7 MB]
03 位置编码作用分析_69504_7841.mp4 [35.7 MB]
04 backbone特征提取模块_69504_8774.mp4 [25.7 MB]
02 数据处理与dataloader_69504_1310.mp4 [46.7 MB]
01 项目环境配置解读_69504_5797.mp4 [32.0 MB]
📁 11 EfficientNet网络
01 EfficientNet网络模型_69504_8530.mp4 [406.8 MB]
📁 12 EfficientDet检测算法
01 EfficientDet检测算法_69504_9155.mp4 [344.5 MB]
📁 13 基于Transformer的detr目标检测算法
05 训练过程的策略_69504_5263.mp4 [23.7 MB]
04 注意力机制的作用方法_69504_8985.mp4 [16.2 MB]
03 位置信息初始化query向量_69504_1550.mp4 [15.8 MB]
02 整体网络架构分析_69504_7761.mp4 [24.0 MB]
01 DETR目标检测基本思想解读_69504_6145.mp4 [16.0 MB]
📁 10 V7源码解读
19 重参数化多分支合并加速_69504_8417.mp4 [35.0 MB]
18 BN与卷积权重参数融合方法_69504_6850.mp4 [41.8 MB]
16 辅助头AUX网络结构配置文件解析_69504_9320.mp4 [25.7 MB]
17 辅助头损失函数调整_69504_6236.mp4 [33.3 MB]
14 通过IOU与置信度分配正样本_69504_1128.mp4 [48.1 MB]
15 损失函数计算方法_69504_6643.mp4 [37.0 MB]
13 GT匹配正样本数量计算_69504_2118.mp4 [32.7 MB]
10 完成BuildTargets模块_69504_7044.mp4 [40.9 MB]
12 预测值各项指标获取与调整_69504_1789.mp4 [36.5 MB]
11 候选框筛选流程分析_69504_9752.mp4 [25.0 MB]
09 得到偏移点所在网格位置_69504_7546.mp4 [33.9 MB]
07 标签分配策略准备操作_69504_1901.mp4 [28.1 MB]
08 候选框偏移方法与find3p模块解读_69504_8468.mp4 [27.4 MB]
06 输出层与配置文件其他模块解读_69504_1294.mp4 [49.8 MB]
05 各模块操作细节分析_69504_8497.mp4 [37.9 MB]
04 网络结构配置文件解读_69504_8891.mp4 [30.2 MB]
03 EMA等训练技巧解读_69504_4799.mp4 [42.3 MB]
01 命令行参数介绍_69504_8033.mp4 [20.6 MB]
02 基本参数作用_69504_1416.mp4 [33.8 MB]
📁 09 V5项目工程源码解读
21 模型迭代过程_69504_1870.mp4 [29.2 MB]
20 各种训练策略概述_69504_5044.mp4 [29.7 MB]
19 训练流程解读_69504_9983.mp4 [35.1 MB]
18 命令行参数介绍_69504_3052.mp4 [31.7 MB]
17 超参数解读_69504_3210.mp4 [26.6 MB]
16 输出结果分析_69504_5462.mp4 [26.9 MB]
15 上采样与拼接操作_69504_1452.mp4 [14.7 MB]
14 Head层流程解读_69504_3562.mp4 [21.8 MB]
13 SPP层计算细节分析_69504_6232.mp4 [20.9 MB]
12 BottleneckCSP层计算方法_69504_1461.mp4 [23.9 MB]
10 完成配置文件解析任务_69504_6162.mp4 [41.0 MB]
11 前向传播计算_69504_9999.mp4 [22.1 MB]
09 Focus模块流程分析_69504_3408.mp4 [16.1 MB]
08 V5网络配置文件解读_69504_5645.mp4 [28.1 MB]
07 网络架构图可视化工具安装_69504_2674.mp4 [24.7 MB]
06 getItem构建batch_69504_4221.mp4 [24.5 MB]
05 数据四合一方法与流程演示_69504_3981.mp4 [30.5 MB]
04 Mosaic数据增强方法_69504_7019.mp4 [20.4 MB]
03 加载标签数据_69504_1040.mp4 [19.2 MB]
02 图像数据源配置_69504_3499.mp4 [25.1 MB]
01 数据源DEBUG流程解读_69504_5066.mp4 [31.2 MB]
📁 08 V5版本项目配置
04 测试DEMO演示_69504_6514.mp4 [40.0 MB]
03 训练数据参数配置_69504_7960.mp4 [39.0 MB]
02 训练自己的数据集方法_69504_5878.mp4 [32.0 MB]
01 整体项目概述_69504_9851.mp4 [30.6 MB]
📁 07 YOLO-V4版本算法解读
10 PAN模块解读_69504_8426.mp4 [18.4 MB]
11 激活函数与整体架构总结_69504_8840.mp4 [16.2 MB]
08 SPP与CSP网络结构_69504_6349.mp4 [12.9 MB]
07 NMS细节改进_69504_1670.mp4 [12.8 MB]
09 SAM注意力机制模块_69504_8036.mp4 [18.6 MB]
06 CIOU损失函数定义_69504_5487.mp4 [8.9 MB]
03 数据增强策略分析_69504_9488.mp4 [19.9 MB]
05 损失函数遇到的问题_69504_9386.mp4 [12.3 MB]
02 V4版本贡献解读_69504_8362.mp4 [8.2 MB]
04 DropBlock与标签平滑方法_69504_9658.mp4 [16.2 MB]
01 V4版本整体概述_69504_8995.mp4 [13.0 MB]
📁 05 项目实战-基于V3版本进行源码解读（建议直接跑V5版本）
16 预测效果展示_69504_1324.mp4 [25.1 MB]
15 模型训练与总结_69504_1576.mp4 [56.3 MB]
14 完成所有损失函数所需计算指标_69504_5916.mp4 [26.2 MB]
13 坐标相对位置计算_69504_8278.mp4 [23.6 MB]
12 标签值格式修改_69504_5358.mp4 [20.3 MB]
11 模型要计算的损失概述_69504_9465.mp4 [17.4 MB]
10 网格偏移计算_69504_3144.mp4 [24.1 MB]
09 预测结果计算_69504_7380.mp4 [32.3 MB]
08 YOLO层定义解析_69504_4675.mp4 [44.6 MB]
07 路由层与shortcut层的作用_69504_6409.mp4 [24.1 MB]
05 debug模式介绍_69504_3432.mp4 [19.8 MB]
06 基于配置文件构建网络模型_69504_9844.mp4 [29.1 MB]
04 标签文件读取与处理_69504_1250.mp4 [19.0 MB]
03 COCO图像数据读取与处理_69504_9604.mp4 [30.2 MB]
01 数据与环境配置_69504_4920.mp4 [45.9 MB]
02 训练参数设置_69504_2290.mp4 [17.2 MB]
📁 04 YOLO-V3核心网络模型
07 sotfmax层改进_69504_8038.mp4 [8.8 MB]
06 先验框设计改进_69504_2608.mp4 [10.8 MB]
05 整体网络模型架构分析_69504_1880.mp4 [10.5 MB]
03 经典变换方法对比分析_69504_1911.mp4 [9.3 MB]
04 残差连接方法解读_69504_3463.mp4 [15.9 MB]
02 多scale方法改进与特征融合_69504_7334.mp4 [14.5 MB]
01 V3版本改进概述_69504_2833.mp4 [14.9 MB]
📁 03 YOLO-V2改进细节详解
07 感受野的作用_69504_6604.mp4 [22.3 MB]
08 特征融合改进_69504_8866.mp4 [16.2 MB]
06 坐标映射与还原_69504_9354.mp4 [8.5 MB]
05 偏移量计算方法_69504_1771.mp4 [23.1 MB]
04 基于聚类来选择先验框尺寸_69504_1920.mp4 [20.6 MB]
03 架构细节解读_69504_7014.mp4 [15.8 MB]
02 网络结构特点_69504_5440.mp4 [13.0 MB]
01 V2版本细节升级概述_69504_2285.mp4 [11.2 MB]
📁 02 YOLO-V1整体思想与网络架构
05 置信度误差与优缺点分析_69504_9818.mp4 [23.1 MB]
04 位置损失计算_69504_2312.mp4 [16.4 MB]
03 整体网络架构解读_69504_3500.mp4 [25.4 MB]
02 检测算法要得到的结果_69504_3353.mp4 [11.7 MB]
01 YOLO算法整体思路解读_69504_8051.mp4 [12.7 MB]
📁 01 深度学习经典检测方法概述
05 map指标计算_69504_1989.mp4 [17.0 MB]
04 评估所需参数计算_69504_5994.mp4 [20.9 MB]
03 IOU指标计算_69504_1361.mp4 [9.8 MB]
02 不同阶段算法优缺点分析_69504_2174.mp4 [8.9 MB]
01 检测任务中阶段的意义_69504_3175.mp4 [13.0 MB]
06 综合项目-物体检测经典算法实战必看.zip [1.8 MB]
📁 00 资料
📁 8.第八章 行为识别实战
📁 slowfast-add
📁 download
📁 ava_annotations
📁 person_box_67091280_iou90
val_69504_3158.csv [98.3 MB]
train_69504_1306.csv [358.1 MB]
test_69504_3539.csv [198.4 MB]
ava_val_v2.1_69504_3816.csv [9.9 MB]
ava_train_v2.1_69504_5528.csv [35.1 MB]
ava_train_predicted_boxes_69504_3218.csv [52.2 MB]
ava_detection_val_for_training_boxes_and_labels_include_negative_v2.2_69504_1844.csv [15.2 MB]
ava_detection_val_for_training_boxes_and_labels_include_negative_v2.1_69504_5661.csv [14.9 MB]
ava_detection_val_for_training_boxes_and_labels_include_negative_69504_1319.csv [14.9 MB]
ava_detection_train_boxes_and_labels_include_negative_v2.2_69504_2250.csv [53.3 MB]
ava_detection_train_boxes_and_labels_include_negative_v2.1_69504_3548.csv [52.2 MB]
ava_detection_train_boxes_and_labels_include_negative_69504_8543.csv [52.2 MB]
ava_detection_test_boxes_and_labels_69504_1820.csv [14.6 MB]
ava_val_predicted_boxes_69504_3522.csv [7.6 MB]
ava_val_excluded_timestamps_v2.1_69504_4394.csv [629.0 B]
ava_detection_val_boxes_and_labels_69504_8644.csv [7.6 MB]
ava_action_list_v2.1_for_activitynet_2018_69504_1613.pbtxt [2.6 KB]
ava_train_v2.2_69504_3665.csv [39.2 MB]
ava_val_v2.2_69504_1804.csv [11.1 MB]
ava_train_v2.1_69504_3920.csv [35.1 MB]
5KQ66BBWC4_69504_8466.mkv [251.0 MB]
Ca3gOdOHxU_69504_3014.mp4 [516.8 MB]
5KQ66BBWC4.mkv_69504_1080.1 [251.0 MB]
1j20qq1JyX4_69504_1572.mp4 [240.5 MB]
145Aa_xkuE_69504_5921.mp4 [313.3 MB]
val_69504_9420.csv [1.5 MB]
train_69504_1118.csv [1.5 MB]
avademo_69504_4321.zip [2.1 GB]
📁 基础补充-Resnet模型及其应用实例
Resnet_69504_2196.pdf [207.9 KB]
基础补充-PyTorch框架必备核心模块解读_69504_3841.zip [336.9 MB]
4-基于3D卷积的视频分析与动作识别_69504_1663.zip [845.8 MB]
6-视频异常检测CVPR2021论文及其源码解读_69504_5317.zip [243.8 MB]
slowfast论文_69504_4534.pdf [1.4 MB]
5-视频异常检测算法与元学习_69504_1178.pdf [1.1 MB]
1-slowfast算法知识点通俗解读_69504_6220.pdf [572.3 KB]
📁 9.第九章 2022论⽂必备-Transformer实战系列
📁 transformer系列
📁 谷歌开源项目BERT源码解读与应用实例
📁 第十一，十二章
2104.00680.pdf [7.8 MB]
Loftr.pdf [1.5 MB]
📁 基础补充-Resnet模型及其应用实例
Resnet.pdf [207.9 KB]
📁 第九章：项目补充-基于BERT的中文情感分析实战
BERT中文情感分类开源项目_69504_1929.zip [2.3 MB]
📁 第一章：transformer原理解读
BERT_69504_4339.pdf [2.1 MB]
第三章：VIT算法模型源码解读.zip [942.2 MB]
第五章：swintransformer源码解读_69504_2214.zip [234.6 MB]
Medical-Transformer.zip [59.8 MB]
第四章：swintransformer算法原理解析_69504_3741.pdf [807.8 KB]
第六章：基于Transformer的detr目标检测算法_69504_3231.pdf [885.7 KB]
第二章：Transformer在视觉中的应用VIT算法_69504_4018.pdf [1.2 MB]
第七章：detr目标检测源码解读_69504_7586.zip [108.3 KB]
transformer论文_69504_3249.pdf [3.6 MB]
9.第九章 2022论⽂必备-Transformer实战系列文档.png [493.5 KB]
📁 24.第二十四章 ⾃然语⾔处理经典案例实战
📁 源码、数据集等
📁 11-14：基于Tensorflow的项目实战
📁 问答机器人
QA问答.zip [880.5 MB]
📁 对话问答机器人
chatbot_69504_6890.zip [1.4 GB]
📁 NLP-文本相似度
文本相似度_69504_3741.zip [115.8 MB]
📁 唐诗生成
poem_69504_4317.zip [97.0 MB]
LSTM.zip [101.3 MB]
📁 LSTM情感分析
LSTM.zip [101.3 MB]
LSTM.ipynb [59.2 KB]
📁 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.txt [86.8 MB]
test.txt [18.3 MB]
val_69504_8040.txt [9.5 MB]
Python文本分析.zip [19.4 MB]
📁 8-9：word2vec词向量实战
📁 Word2Vec
gensim训练model_69504_5037.zip [2.1 GB]
word2vec_69504_8565.zip [84.6 MB]
tensorflow-word2vec.zip [1.9 MB]
Gensim-代码_69504_1939.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_69504_2904.zip [213.8 MB]
📁 3：贝叶斯算法
5-贝叶斯算法_69504_5937.pdf [654.8 KB]
📁 10：NLP方法对比
自然语言处理-特征提取方法对比_69504_7539.zip [1.2 MB]
📁 课后作业
data.txt [9.5 MB]
第八模块：NLP实战(1_69504_4415.pdf [73.1 KB]
📁 NLP常用工具包
Python-自然语言处理工具包_69504_1742.zip [9.7 MB]
Python-自然语言处理工具包(1_69504_3551.zip [9.7 MB]
📁 课件
贝叶斯算法_69504_2736.pdf [620.7 KB]
RNN与LSTM_69504_9561.pdf [1.4 MB]
tensorflow-RNN_69504_4083.pdf [120.1 KB]
Python文本分析_69504_7081.pdf [579.5 KB]
5-贝叶斯算法.pdf [654.8 KB]
📁 27.第二十七章 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_69504_1551.pyc [5.0 KB]
📁 .ipynb_checkpoints
推荐系统-checkpoint_69504_6434.ipynb [344.8 KB]
train_triplets_69504_8904.txt [2.8 GB]
triplet_dataset_sub_song_69504_5223.csv [648.3 MB]
user_playcount_df_69504_6639.csv [44.1 MB]
track_metadata_69504_5649.db [711.6 MB]
song_playcount_df_69504_8667.csv [8.5 MB]
老版_69504_5567.ipynb [344.8 KB]
推荐系统_69504_3657.ipynb [363.5 KB]
track_metadata_df_sub_69504_1227.csv [5.9 MB]
Recommenders_69504_7633.py [9.2 KB]
8_69504_6871.png [68.8 KB]
recommendation_engines_69504_7365.py [13.7 KB]
7_69504_4086.png [77.3 KB]
6_69504_3294.png [60.3 KB]
5_69504_1334.png [3.6 KB]
4_69504_7062.png [12.0 KB]
3_69504_3695.png [43.0 KB]
2_69504_5552.png [30.4 KB]
1_69504_8615.png [45.3 KB]
📁 第10节：基于统计分析的电影推荐
电影推荐_69504_1328.zip [10.0 MB]
📁 第4节：Neo4j数据库实例
NEO4J_69504_6798.pdf [268.0 KB]
第9节：基于文本数据的推荐实例_69504_2186.zip [254.8 MB]
第8节：推荐系统常用工具包演示_69504_4515.zip [129.3 MB]
第5节：基于知识图谱的电影推荐实战_69504_8732.zip [160.6 MB]
第7节：DeepFM算法实战_69504_7203.zip [1.2 MB]
第6节：FM与DeepFM算法_69504_4946.pdf [759.6 KB]
第1节：推荐系统介绍_69504_6847.pdf [1.5 MB]
第2节：协同过滤与矩阵分解_69504_2809.pdf [974.7 KB]
第11节：补充-基于相似度的酒店推荐系统_69504_8082.zip [1.8 MB]
📁 13.第一十三章 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_69504_6785.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.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_69504_5950.zip [1.9 GB]
📁 2.深度估计项目实战
LapDepth_69504_4075.zip [650.4 MB]
📁 6-局部特征关键点匹配实战
📁 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_69504_4156.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.pdf [1.7 MB]
2104.00680.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.pdf [879.7 KB]
📁 15-特斯拉无人驾驶解读
Tesla无人驾驶.pdf [4.0 MB]
📁 14-轨迹估计预测实战
Vector.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_69504_6516.pdf [786.8 KB]
📁 21.第二十一章 深度学习模型部署与剪枝优化实战
📁 嵌入式AI
📁 第四章 deepstream
📁 software
gstreamer-1.0-msvc-x86_64-1.20.4_69504_4897.msi [104.4 MB]
EasyPlayer-RTSP-Win-V3.0.19.0515_69504_8316.zip [16.3 MB]
rtspVideoH264_69504_5034.py [717.0 B]
rtspCameraH264_69504_4797.py [725.0 B]
camera_gstreamer_code_rtsp_out_69504_4998.py [2.1 KB]
camera_gstreamer_code_rtp_69504_3001.py [2.1 KB]
Accelerated_GStreamer_User_Guide_69504_4525.pdf [1.1 MB]
4.6 deepstream集成yolov4_69504_8920.pdf [822.5 KB]
4.4 python实现RTP和RTSP_69504_3457.pdf [648.2 KB]
4.5 deepstream推理_69504_8045.pdf [815.1 KB]
4.2 deepstream HelloWorld_69504_4880.pdf [711.6 KB]
4.3 GStreamer RTP和RTSP_69504_8213.pdf [1.5 MB]
4.1 deepstream 介绍安装_69504_4312.pdf [620.5 KB]
📁 第二章 AI 实战
📁 2software
📁 networks
SSD-Mobilenet-v2.tar_69504_6615.gz [59.6 MB]
bvlc_googlenet_69504_9233.caffemodel [51.1 MB]
SSD-Mobilenet-v1.tar_69504_6707.gz [24.2 MB]
googlenet_noprob_69504_7268.prototxt [34.9 KB]
googlenet_69504_1204.prototxt [35.0 KB]
jetson-inference_69504_5899.zip [557.4 MB]
mobilenet-v1-ssd-mp-0_675_69504_7407.pth [36.2 MB]
usbCamera_69504_2060.py [159.0 B]
csiCamera_69504_5291.py [1002.0 B]
时间统计_69504_6438.xlsx [9.6 KB]
2.6 转换出onnx模型，并使用_69504_9802.pdf [95.3 KB]
2.5 训练出自己目标识别模型_69504_5361.pdf [1.1 MB]
2.4 训练自己的目标检测模型准备_69504_2202.pdf [300.1 KB]
2.3 docker中运行分类模型_69504_9105.pdf [124.5 KB]
2.2 docker 的安装使用_69504_1239.pdf [395.7 KB]
2.1 jetson-inference 入门_69504_8038.pdf [115.2 KB]
📁 第一章 认识 jetson nano
📁 1software
code_1.71.2-1663189619_arm64_69504_1575.deb [71.5 MB]
balenaEtcher-Setup-1.7.9_69504_7418.exe [138.8 MB]
usbCamera_69504_8476.py [183.0 B]
SDCardFormatterv5_WinEN_69504_5487.zip [6.1 MB]
csiCamera_69504_6974.py [1002.0 B]
1.4 安装使用摄像头csi usb_69504_3941.pdf [163.2 KB]
1.3 感受nano的GPU算力_69504_8639.pdf [118.1 KB]
1.2b jetson nano 系统安装过程_69504_8445.pdf [802.2 KB]
1.2 jetson nano 刷机_69504_6520.pdf [503.9 KB]
1.1 jetson nano 硬件介绍_69504_8363.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_69504_7399.pdf [792.0 KB]
3.4NVIDIA TAO预训练模型和训练_69504_4134.pdf [858.8 KB]
3.3NVIDIA TAO数据转换_69504_7155.pdf [936.6 KB]
3.2NVIDIA TAO数据准备和环境设置_69504_6794.pdf [785.9 KB]
3.1NVIDIA TAO介绍和安装_69504_1361.pdf [571.0 KB]
📁 tensorRT
📁 tensorRT课程代码
tensorrt-integrate.tar_69504_7491.gz [1.9 GB]
tensorrt-basic.tar_69504_5318.gz [14.9 MB]
cuda-runtime-api.tar_69504_9101.gz [25.2 MB]
cuda-driver-api.tar_69504_3531.gz [764.0 KB]
📁 tensorRT课程PPT
video1-get-templ_69504_4441.mp4 [16.1 MB]
video-series_69504_3976.mp4 [4.6 MB]
video1-get-env_69504_3941.mp4 [2.9 MB]
5.cuda-runtime-课程概述_69504_3668.pdf [528.7 KB]
9.tensorrt-integrate-课程概述_69504_9664.pdf [2.4 MB]
6.cuda-runtime_69504_1483.pdf [2.4 MB]
7.tensorrt-basic-课程概述_69504_4687.pdf [1.0 MB]
8.tensorrt-basic_69504_8293.pdf [761.6 KB]
4.cuda-driver_69504_7741.pdf [370.1 KB]
2.介绍_69504_8722.pdf [386.7 KB]
3.cuda-driver-课程概述_69504_8794.pdf [493.6 KB]
10.tensorrt-integrate_69504_1681.pdf [1.8 MB]
1.说在前面_69504_7260.pdf [715.1 KB]
YOLO部署实例_69504_7594.zip [876.4 MB]
pytorch-slimming_69504_7558.zip [356.4 MB]
剪枝算法_69504_4806.pdf [504.0 KB]
TensorFlow-serving_69504_9689.zip [3.0 MB]
Mobilenet_69504_7818.pdf [2.4 MB]
Docker使用命令_69504_1288.zip [7.8 MB]
PyTorch模型部署实例_69504_4317.zip [102.8 KB]
mobilenetv3_69504_7227.py [7.3 KB]
📁 7.第七章 图像分割实战
📁 第7节：基于deeplabV3+版本进行VOC分割实战
DeepLabV3Plus_69504_4563.zip [1.9 GB]
📁 第8节：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_69504_8504.zip [748.3 MB]
📁 第4节：unet医学细胞分割实战
📁 新建文件夹
unet++_69504_2362.zip [409.6 MB]
📁 第2节：卷积网络
深度学习_69504_6953.pdf [9.9 MB]
📁 基于Resnet的医学数据集分类实战
Resnet_69504_5393.pdf [207.9 KB]
📁 第6节：deeplab系列算法
DeepLab_69504_2423.pdf [704.3 KB]
📁 第3节：Unet系列算法讲解
深度学习分割任务_69504_4047.pdf [1.1 MB]
📁 第1节：图像分割算法
深度学习分割任务_69504_5639.pdf [1.1 MB]
第5节：U-2-Net_69504_5771.zip [636.2 MB]
MaskRcnn网络框架源码详解_69504_3010.zip [1.1 GB]
图像识别核心模块实战解读_69504_8301.zip [336.9 MB]
R(2+1)D网络_69504_4175.pdf [507.1 KB]
mask-rcnn_69504_8430.pdf [990.0 KB]
f112c9fda85536ee3eba662c9043e683_69504_3550.bat [70.0 B]
📁 5.第五章 Opencv图像处理框架实战
📁 课件
📁 第2-8节课件
第8节notebook课件_69504_4174.zip [1.3 MB]
第2-7节notebook课件_69504_8910.zip [7.3 MB]
第16-17节notebook课件_69504_2793.zip [9.4 MB]
📁 源码资料
第21节：项目实战-疲劳检测_69504_8229.zip [74.1 MB]
第21节：人脸关键点定位_69504_9963.zip [69.8 MB]
第18节：Opencv的DNN模块_69504_1654.zip [49.6 MB]
第14节：项目实战-停车场车位识别_69504_3654.zip [111.3 MB]
第10节：项目实战-文档扫描OCR识别_69504_2288.zip [44.9 MB]
第9节：项目实战-信用卡数字识别_69504_5630.zip [548.1 KB]
第20节：卷积原理与操作_69504_1000.zip [24.5 KB]
第15节：项目实战-答题卡识别判卷_69504_1326.zip [3.1 MB]
第13节：案例实战-全景图像拼接_69504_4000.zip [829.5 KB]
📁 2.第二章 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.zip [2.1 MB]
深度学习.pdf [9.9 MB]
卷积神经网络.pdf [2.6 MB]
📁 25.第二十五章 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_69504_6598.zip [2.0 GB]
📁 第6节：文本关系抽取实践
关系抽取_69504_9008.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_69504_2803.zip [18.2 MB]
notebook-瑞金_69504_1421.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_69504_3770.pdf [102.3 KB]
📁 第4节：使用python操作neo4j实例
python操作neo4j_69504_3993.zip [25.5 KB]
📁 第3节：Neo4j数据库实战
NEO4J_69504_3809.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_69504_7964.pdf [2.1 MB]
📁 12.第一十二章 ⽬标追踪与姿态估计实战
📁 第五六七章：YOLO目标检测
📁 COCO-DATA
COCO数据集.txt [96.0 B]
📁 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]
NEU-DET.zip [26.7 MB]
YOLO新版.pdf [3.6 MB]
📁 基础补充-Resnet模型及其应用实例
Resnet_69504_7993.pdf [207.9 KB]
第二章：OpenPose算法源码分析_69504_3875.zip [243.9 MB]
第四章：Deepsort源码解读.zip [107.9 MB]
基础补充-PyTorch框架必备核心模块解读.zip [336.9 MB]
第一章：姿态估计OpenPose系列算法解读_69504_2538.pdf [2.4 MB]
第三章：Deepsort算法知识点解读.pdf [1.6 MB]
📁 1.第一章 直播回放
📁 1-14 节直播11文本生成GPT系列
📁 Cha
GPT系列_69504_4726.pdf [1.8 MB]
📁 1-17 节补充：BevFormer源码解读
bevformer_69504_9749.zip [5.1 GB]
📁 1-12 节直播9：图像定位与检索
small_69504_3462.zip [4.5 GB]
CosPlace-main_69504_4000.zip [190.5 MB]
📁 1-9 节补充：Mask2former源码解读
mask2former(mmdetection_69504_3910.zip [192.4 MB]
📁 1-6 节直播4：Transfomer在视觉任务中的应用实例
VIT算法模型源码解读_69504_8755.zip [942.2 MB]
transformer课件_69504_6699.pdf [1.2 MB]
📁 1-13 节直播10：近期内容补充
Informer_huggingface_69504_6055.zip [37.0 MB]
YOLOV7_69504_2653.pdf [1.9 MB]
📁 1-10 节直播7：半监督物体检测
mmdetection-3.x_69504_4183.zip [35.6 MB]
📁 1-11 节直播8：基于图模型的时间序列预测
Raindrop-main_69504_2338.rar [89.7 MB]
raindrop-AAAI22_69504_7129.pdf [10.6 MB]
2110.05357_69504_3235.pdf [880.7 KB]
📁 1-1 节开班典礼
咕泡唐宇迪人工智能【第六期】学习路线图_69504_5179.pdf [34.8 MB]
📁 1-8 节直播6：分割模型Maskformer系列
mask2former_69504_6257.pdf [3.0 MB]
maskformer_69504_1696.pdf [1.5 MB]
📁 1-7 节直播5：YOLO系列（V7）算法解读
YOLOV7_69504_8419.pdf [1.7 MB]
Yolov7结构图_69504_6891.pptx [44.4 KB]
📁 1-3 节直播1：深度学习核心算法-神经网络与卷积网络
神经网络_69504_7117.pdf [6.3 MB]
📁 1-5 节直播3：Transformer架构
transformer_69504_7536.pdf [2.0 MB]
📁 1-4 节卷积神经网络
卷积神经网络_69504_2038.pdf [2.6 MB]
📁 1-16 节直播13：BEV特征空间
BEV_69504_6851.pdf [998.2 KB]
📁 1-18 节直播14：知识蒸馏
Reinforced Multi-Teacher Selection for Knowledge Distillation_69504_3200.pdf [1.0 MB]
蒸馏_69504_8033.pdf [1.5 MB]
Decoupled Knowledge Distillation_69504_6872.pdf [2.0 MB]
📁 1-15 节直播12：异构图神经网络
异构图_69504_1959.pdf [1017.3 KB]
异构图神经网络_69504_4769.pdf [3.1 MB]
HeterogeneousGraph_69504_7736.zip [1.9 MB]
📁 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.pdf [403.8 KB]
json2yolo.py [1.5 KB]
📁 COCO-DATA
COCO数据集_69504_6183.txt [96.0 B]
PyTorch-YOLOv3.zip [462.2 MB]
NEU-DET.zip [26.7 MB]
YOLO新版_69504_6655.pdf [3.6 MB]
yolov7-main.zip [337.6 MB]
EfficientDet.zip [80.5 MB]
CenterNet.pdf [8.8 MB]
第十二章：基于Transformer的detr目标检测算法.pdf [885.7 KB]
物体检测.pdf [1.4 MB]
json2yolo.py [1.5 KB]
EfficientNet.pdf [943.2 KB]
EfficientDet_69504_4118.pdf [780.7 KB]
detr目标检测源码解读.zip [108.3 KB]
📁 22.第二十二章 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_69504_1573.zip [1.3 GB]
📁 第八章：GPT训练与预测部署流程
GPT_69504_5145.zip [1.2 GB]
📁 第二章：Transformer工具包基本操作实例解读
2-Finetuning_69504_3727.zip [2.1 GB]
1-Transformers_69504_2093.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_69504_3443.zip [89.4 MB]
📁 第九章：文本摘要建模
Summarization_69504_8183.zip [2.0 GB]
Summarization_69504_4159.ipynb [287.8 KB]
📁 第五章：文本标注工具与NER实例
ner_69504_7249.zip [121.6 MB]
📁 第四章：BERT系列算法解读
BERT系列_69504_9543.pdf [969.9 KB]
📁 第六章：文本预训练模型构建实例
Mask Language Model_69504_6725.ipynb [51.3 KB]
📁 第三章：transformer原理解读
transformer_69504_5366.pdf [2.0 MB]
📁 第七章：GPT系列算法
GPT系列_69504_8010.pdf [1.4 MB]
📁 第一章：Huggingface与NLP介绍解读
Huggingface初识_69504_3035.pptx [168.8 KB]
📁 4.第四章 MMLAB实战系列
📁 KIE关键信息抽取与视频超分辨率重构
BasicVSR++_69504_4891.pdf [13.0 MB]
spynet_69504_3987.pdf [5.8 MB]
KIE_69504_7218.pdf [2.3 MB]
📁 OCR算法解读
DBNET_69504_7691.pdf [3.8 MB]
ABINET_69504_3335.pdf [1.2 MB]
📁 DeformableDetr算法解读
可变形DETR_69504_9284.pdf [4.5 MB]
第四模块：mmocr-main_69504_9616.zip [381.7 MB]
第八模块：mmrazor-模型蒸馏_69504_4938.zip [1.0 GB]
第六模块：mmediting-master_69504_3155.zip [107.8 MB]
第二模块：mmsegmentation-0.20.2_69504_8253.zip [2.8 GB]
第五模块：mmgeneration-master_69504_6398.zip [746.8 MB]
第二模块：MPViT-main_69504_4233.zip [924.8 MB]
第九模块：mmaction2-master_69504_6175.zip [827.8 MB]
第一模块：mmclassification-master_69504_1445.zip [912.0 MB]
第三模块：mmdetection-master_69504_2194.zip [1.5 GB]
第七模块：mmdetection3d-1.0.0rc0_69504_3021.zip [395.0 MB]
ner_69504_1788.zip [121.6 MB]
mask2former(mmdetection_69504_5127.zip [192.4 MB]
📁 29.第二十九章 额外补充
📁 SPPCSPC(替换SPP)
源码_69504_2947.txt [878.0 B]
📁 SPD-Conv
yolo_69504_8199.py [11.9 KB]
源码实现_69504_4240.txt [307.0 B]
yolov5s_69504_9480.yaml [1.4 KB]
yolov5s_spd_69504_6471.yaml [1.6 KB]
SPD-Conv论文_69504_8161.pdf [4.5 MB]
common_69504_9417.py [4.9 KB]
📁 mobileone(提速)
yolo_69504_5850.py [13.0 KB]
源码实现_69504_9314.txt [4.6 KB]
yolov5s_mobileone_69504_2957.yaml [1.4 KB]
common_69504_9534.py [19.9 KB]
2206.04040_69504_9998.pdf [7.8 MB]
📁 GCNET(全局特征融合)
yolo_69504_1846.py [12.4 KB]
gc_69504_6309.py [5.7 KB]
yolov5s_cb2d_69504_6099.yaml [1.3 KB]
1904.11492_69504_2595.pdf [3.4 MB]
📁 Coordinate_attention
源码实现_69504_4025.txt [2.4 KB]
yolo_69504_5716.py [12.1 KB]
yolov5s_Coordinate_attention_69504_8097.yaml [1.5 KB]
Hou_Coordinate_Attention_for_Efficient_Mobile_Network_Design_CVPR_2021_paper_69504_6326.pdf [1.3 MB]
common_69504_2038.py [7.2 KB]
📁 ConvNeXt
源码_69504_2894.txt [3.4 KB]
源码链接_69504_3704.txt [44.0 B]
yolo_69504_2984.py [12.9 KB]
yolov5s_convnextB_69504_2253.yaml [1.4 KB]
common_69504_8492.py [15.3 KB]
2201.03545_69504_6700.pdf [816.9 KB]
📁 ACMIX(卷积与注意力结合)
源码实现_69504_4108.txt [4.9 KB]
yolo_69504_7982.py [12.6 KB]
yolov5s_acmix_69504_9902.yaml [1.4 KB]
common_69504_1385.py [12.0 KB]
2111.14556_69504_7711.pdf [1.5 MB]
gc_69504_8879.py [5.7 KB]
gc(2_69504_1519.py [5.7 KB]
29.第二十九章 额外补充必看.zip [1.8 MB]
📁 26.第二十六章 语⾳识别实战系列
📁 论文
tacotron2论文_69504_7020.pdf [366.3 KB]
stargancv2论文.pdf [451.5 KB]
Conv-TasNet论文.pdf [1.5 MB]
📁 PPT
语音合成-tacotron2_69504_2183.pdf [272.6 KB]
语音分离_69504_5235.pdf [821.2 KB]
stargan-vc2.pdf [788.6 KB]
seq2seq.pdf [592.9 KB]
语音识别LAS模型_69504_1081.zip [420.1 MB]
语音合成tacotron2实战_69504_4663.zip [302.4 MB]
变声器pytorch-StarGAN-VC2.zip [484.9 MB]
语音分离Conv-TasNet.zip [84.4 MB]
📁 20.第二十章 面向医学领域的深度学习实战
📁 7-unet医学细胞分割实战
📁 新建文件夹
unet++_69504_6439.zip [409.6 MB]
📁 9-基于deeplabV3+版本进行VOC分割实战
DeepLabV3Plus_69504_2936.zip [1.9 GB]
📁 4-基于Resnet的医学数据集分类实战
Resnet_69504_6646.pdf [207.9 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_69504_6082.zip [748.3 MB]
📁 17-医学糖尿病数据命名实体识别
eclipse-命名实体识别_69504_1675.zip [18.2 MB]
notebook-瑞金_69504_8865.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_69504_4516.pdf [102.3 KB]
📁 12-基于YOLO5细胞检测实战
基于YOLO5细胞检测实战_69504_4844.zip [584.8 MB]
📁 1-神经网络算法PPT
深度学习_69504_7984.pdf [9.9 MB]
📁 8-deeplab系列算法
DeepLab_69504_3198.pdf [704.3 KB]
📁 5-图像分割及其损失函数概述
深度学习分割任务_69504_3507.pdf [1.1 MB]
📁 6-Unet系列算法讲解
深度学习分割任务_69504_8780.pdf [1.1 MB]
📁 14-Neo4j数据库实战
NEO4J_69504_5467.pdf [268.0 KB]
📁 13-知识图谱原理解读
知识图谱_69504_2744.pdf [2.1 MB]
📁 11-YOLO系列物体检测算法原理解读
YOLO_69504_2831.pdf [2.0 MB]
YOLOv4_69504_5380.pdf [3.8 MB]
3-PyTorch框架必备核心模块解读_69504_4057.zip [336.9 MB]
16-词向量模型与RNN网络架构_69504_4848.zip [2.1 MB]
📁 23.第二十三章 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.zip [23.1 MB]
第4节：项目实战-基于BERT的中文命名实体识别实战_69504_4125.zip [732.0 MB]
第2节：谷歌开源项目BERT源码解读与应用实例_69504_6024.zip [992.8 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6节：必备基础-掌握Tensorflow如何实现word2vec模型_69504_5908.zip [32.6 MB]
BERT_69504_1041.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.zip [2.3 MB]
第1节：BERT课件.pdf [1.9 MB]
NLP核心模型-word2vec.zip [2.1 MB]
📁 课后作业
第八模块：BERT作业.pdf [149.6 KB]
📁 19.第一十九章 Openai顶级黑科技算法及其项目实战
📁 2 节GPT建模与预测流程
ChinesePretrainedModels_69504_5210.zip [1.6 GB]
📁 5 节Dalle2及其源码解读
dalle2_69504_1404.pdf [40.9 MB]
DALLE2-pytorch-main_69504_2445.zip [4.2 MB]
📁 1 节GPT系列生成模型
GPT_69504_3796.zip [1.2 GB]
GPT系列_69504_5926.pdf [1.2 MB]
📁 6 节Cha
GPT系列_69504_1947.pdf [1.8 MB]
📁 4 节Diffusion模型解读
annotated_diffusion_69504_6063.ipynb [4.4 MB]
📁 3 节CLIP系列
CLIP及其应用_69504_1178.pdf [1.8 MB]
CLIP_69504_6736.zip [679.4 KB]
📁 17.第一十七章 对抗⽣成⽹络实战
📁 第8节：图像超分辨率重构实战
srdata.zip [4.0 GB]
srgan超分辨率重构.zip [532.6 MB]
📁 第9节：基于GAN的图像补全实战
图像补全人脸数据.zip [1.3 GB]
glcic图像补全_69504_3216.zip [178.8 MB]
📁 第6节：基于starganvc2的变声器论文原理解读
1907.12279.pdf [451.5 KB]
stargan-vc2_69504_1028.pdf [788.6 KB]
📁 第4节：stargan论文架构解析
stargan.pdf [936.9 KB]
1912.01865.pdf [5.4 MB]
第7节：starganvc2变声器项目实战及其源码解读_69504_1759.zip [485.0 MB]
第5节：stargan项目实战及其源码解读_69504_8279.zip [869.4 MB]
第3节：基于CycleGan开源项目实战图像合成.zip [1.6 GB]
第2节：对抗生成网络架构原理与实战解析_69504_5374.zip [35.3 MB]
cyclegan_69504_1542.pdf [2.7 MB]
📁 16.第一十六章 ⾏⼈重识别实战
📁 第7节：基于拓扑图的行人重识别项目实战
基于图模型的ReID(旷视_69504_5490.zip [1.6 GB]
📁 第3节：基于Attention的行人重识别项目实战
Relation-Aware-Global-Attention-Networks.zip [3.1 GB]
📁 第5节：项目实战-基于行人局部特征融合的再识别实战
Relation Network for Person Re-identification.zip [296.5 MB]
📁 第6节：旷视研究院最新算法解读（基于图模型）
Wang_High-Order_Information_Matters_Learning_Relation_and_Topology_for_Occluded_Person_CVPR_2020_paper.pdf [1.5 MB]
📁 第2节：基于注意力机制的ReId模型论文解读
Relation-Aware Global Attention.pdf [675.7 KB]
📁 第4节：经典会议算法精讲（特征融合）
Relation Network for Person Re-identification_69504_2599.pdf [2.5 MB]
📁 第1节：行人重识别原理及其应用
行人重识别_69504_9607.pdf [1.8 MB]
📁 15.第一十五章 缺陷检测实战
📁 第11-12章：deeplab
DeepLabV3Plus_69504_9470.zip [1.9 GB]
DeepLab_69504_5350.pdf [704.3 KB]
📁 第1-4章：YOLOV5缺陷检测
NEU-DET_69504_5054.zip [26.7 MB]
Defective_Insulators_69504_4802.zip [54.7 MB]
YOLO新版_69504_6998.pdf [3.6 MB]
📁 Resnet分类实战
Resnet_69504_8442.pdf [207.9 KB]
📁 PyTorch基础
📁 第6-8章：Opencv各函数使用实例
DeepLab铁质材料缺陷检测与开源项目应用流程_69504_4250.zip [3.6 GB]
第5章：Semi-supervised布料缺陷检测实战_69504_6014.zip [212.3 MB]
第9章：基于Opencv缺陷检测项目实战_69504_1793.zip [11.4 MB]
第10章：基于视频流水线的Opnecv缺陷检测项目_69504_4000.zip [14.0 MB]
📁 14.第一十四章 对比学习与多模态任务实战
📁 11.第一十一章 3D点云实战
📁 10.第一十章 图神经⽹络实战
📁 3.第三章 深度学习核⼼框架PyTorch
📁 28.第二十八章 AI课程所需安装软件教程
📁 18.第一十八章 强化学习实战系列
📁 17.第一十七章 对抗⽣成⽹络实战
📁 17 对抗生成网络实战
📁 16 行人重识别实战
📁 15 缺陷检测实战
📁 14 对比学习与多模态任务实战
📁 13 面向深度学习的无人驾驶实战
📁 12 目标追踪与姿态估计实战
📁 11 3D点云实战
📁 10 图神经网络实战
📁 09 论文必备-Transformer实战系列
📁 08 行为识别实战
📁 07 图像分割实战
📁 05 Opencv图像处理框架实战
📁 04 MMLAB实战系列
📁 03 深度学习核心框架PyTorch
📁 02 深度学习必备核心算法
📁 01 直播课回放
📁 PART2适合人群
- 深度学习爱好者
- 人工智能从业者
学习收获
掌握目标检测算法
实战项目经验
提升AI系统开发能力
祝您学习愉快！
学有所成，前程似锦！
