01 GPT系列算法解读 · 02 GPT2训练与预测部署流程 · 03 chatgpt算法解读分析 · 04 LLM与LORA微调策略解读 · 05 LLM下

*   01 GPT系列算法解读/

  *   01 课程简介

  *   02 1-GPT系列算法概述

  *   03 2-GPT三代版本分析

  *   04 3-GPT初代版本要解决的问题

  *   05 4-GPT第二代版本训练策略

  *   06 5-采样策略与多样性

  *   07 6-GPT3的提示与生成方法

  *   08 7-应用场景CODEX分析

  *   09 8-DEMO应用演示

*   02 GPT2训练与预测部署流程/

  *   01 1-生成模型可以完成的任务概述

  *   02 2-数据样本生成方法

  *   03 3-训练所需参数解读

  *   04 4-模型训练过程

  *   05 5-部署与网页预测展示

*   03 chatgpt算法解读分析/

  *   01 1-chatgpt概述

  *   02 2-挑战及其与有监督问题差异

  *   03 3-强化学习登场

  *   04 4-强化学习的作用效果

  *   05 5-奖励模型设计方法

  *   06 6-RLHF训练流程解读

  *   07 7-总结分析

*   04 LLM与LORA微调策略解读/

  *   01 1-大模型如何做下游任务

  *   02 2-LLM落地微调分析

  *   03 3-LLAMA与LORA介绍

  *   04 4-LORA微调的核心思想

  *   05 5-LORA模型实现细节

*   05 LLM下游任务训练自己模型实战/

  *   01 1-提示工程的作用

  *   02 2-项目数据解读

  *   03 3-源码调用DEBUG解读

  *   04 4-训练流程演示

  *   05 5-效果演示与总结分析

*   06 langchain工具实例/

  *   01 1-langchain框架解读

  *   02 2-基本API调用方法

  *   03 3-数据文档切分操作

  *   04 4-样本索引与向量构建

  *   05 5-数据切块方法

*   07 视觉大模型SAM/

  *   01 1-DEMO效果演示

  *   02 2-论文解读分析

  *   03 3-完成的任务分析

  *   04 4-数据闭环方法

  *   05 5-预训练模型的作用

  *   06 6-Decoder的作用与项目源码

  *   07 7-分割任务模块设计

  *   08 8-实现细节分析

  *   09 9-总结分析

*   08 视觉QA算法与论文解读/

  *   01 1-视觉QA要解决的问题

  *   02 2-论文概述分析

  *   03 3-实现流程路线图

  *   04 4-答案关注区域分析

  *   05 5-VQA任务总结

*   09 扩散模型diffusion架构算法解读/

  *   01 1-扩散模型概述与GAN遇到的问题

  *   02 2-要完成的任务分析

  *   03 3-公式原理推导解读

  *   04 4-分布相关计算操作

  *   05 5-算法实现细节推导

  *   06 6-公式推导结果分析

  *   07 7-细节实现总结

  *   08 8-论文流程图解读

  *   09 9-案例流程分析

  *   10 10-基本建模训练效果

*   10 openai-dalle2论文解读/

  *   01 1-论文基本思想与核心模块分析

  *   02 2-不同模块对比分析

  *   03 3-算法核心流程解读

  *   04 4-各模块实现细节讲解

*   11 openai-dalle2源码解读/

  *   01 1-项目整体流程分析1

  *   02 2-源码实现细节分析

  *   03 3-源码公式对应论文分析

  *   04 4-Decoder模块实现细节解读

  *   05 5-源码实现流程总结

*   12 自监督任务-对比学习思想/

  *   01 1-对比学习要解决的问题分析

  *   02 2-正负样本构建方法

  *   03 3-Simclr框架流程分析

  *   04 4-下游任务应用概述

*   13 视觉自监督BEIT算法解读/

  *   01 1-视觉自监督任务分析

  *   02 2-任务训练目标分析

  *   03 3-建模流程分析与效果展示

  *   04 4-codebook模块的作用

  *   05 5-任务总结分析

*   14 视觉自监督任务BEITV2论文解读/

  *   01 1-BEITV2版本论文出发点解读

  *   02 2-自监督任务中两大核心任务分析

  *   03 3-整体网络架构图分析

  *   04 4-框架实现细节流程分析

  *   05 5-论文细节模块实现解读

*   15 视觉自监督任务BEITV2源码解读/

  *   01 1-mmselfup源码实现解读

  *   02 2-网络结构搭建细节解读

  *   03 3-源码实现流程总结

*   16 BEV感知特征空间算法解读/

  *   01 1-BEV要解决的问题通俗解读

  *   02 2-BEV中的3D与4D分析

  *   03 3-特征融合过程中可能遇到的问题

  *   04 4-BEV汇总特征方法实例解读

  *   05 5-DeformableAttention回顾

  *   06 6-空间注意力模块解读

  *   07 7-时间模块与拓展补充

  *   08 8-论文知识点分析

  *   09 9-核心模块论文分析

  *   10 10-整体架构总结

*   17 BEVformer项目源码解读/

  *   01 1-环境配置方法解读

  *   02 2-数据集下载与配置方法

  *   03 3-特征提取以及BEV空间初始化

  *   04 4-特征对齐与位置编码初始化

  *   05 5-Reference初始点构建

  *   06 6-BEV空间与图像空间位置对应

  *   07 7-注意力机制模块计算方法

  *   08 8-BEV空间特征构建

  *   09 9-Decoder要完成的任务分析

  *   10 10-获取当前BEV特征

  *   11 11-Decoder级联校正模块

  *   12 12-损失函数与预测可视化

*   18 补充-视觉大模型基础-deformableAttent/

  *   01 1-DeformableAttention概述分析

  *   02 2-可变形偏移量分析

  *   03 3-应用场景分析解读

  *   04 4-论文计算公式解读

  *   05 5-整体框架流程实例

  *   06 6-下游任务应用场景