【加密】JM113 – AIGC与NLP大模型实战 [6.7G]

【加密】JM113 – AIGC与NLP大模型实战 [6.7G]
┣━━01.视频 [4.6G]
┃ ┣━━第1章 GPT系列算法 [321.4M]
┃ ┃ ┣━━1-1 GPT系列算法概述.abc [28.2M]
┃ ┃ ┣━━1-2 GPT三代版本分析.abc [29.3M]
┃ ┃ ┣━━1-3 GPT初代版本要解决的问题.abc [28.7M]
┃ ┃ ┣━━1-4 GPT第二代版本训练策略.abc [25.8M]
┃ ┃ ┣━━1-5 采样策略与多样性.abc [25.3M]
┃ ┃ ┣━━1-6 GPT3的提示与生成方法.abc [69.4M]
┃ ┃ ┣━━1-7 应用场景CODEX分析.abc [35.6M]
┃ ┃ ┗━━1-8 DEMO应用演示.abc [79.2M]
┃ ┣━━第2章 GPT训练与预测部署流程 [259.2M]
┃ ┃ ┣━━2-1 生成模型可以完成的任务概述.abc [26.6M]
┃ ┃ ┣━━2-2 数据样本生成方法.abc [57.8M]
┃ ┃ ┣━━2-3 训练所需参数解读.abc [54.3M]
┃ ┃ ┣━━2-4 模型训练过程.abc [49.1M]
┃ ┃ ┗━━2-5 部署与网页预测展示.abc [71.3M]
┃ ┣━━第3章 chatgpt算法解读分析 [216M]
┃ ┃ ┣━━3-1 chatgpt概述.abc [19.9M]
┃ ┃ ┣━━3-2 挑战及其与有监督问题差异.abc [37.5M]
┃ ┃ ┣━━3-3 强化学习登场.abc [17.8M]
┃ ┃ ┣━━3-4 强化学习的作用效果.abc [30.1M]
┃ ┃ ┣━━3-5 奖励模型设计方法.abc [22.8M]
┃ ┃ ┣━━3-6 RLHF训练流程解读.abc [32.4M]
┃ ┃ ┗━━3-7 总结分析.abc [55.5M]
┃ ┣━━第4章 LLM与LORA微调策略解读 [151.2M]
┃ ┃ ┣━━4-1 大模型如何做下游任务.abc [28.2M]
┃ ┃ ┣━━4-2 LLM落地微调分析.abc [33.1M]
┃ ┃ ┣━━4-3 LLAMA与LORA介绍.abc [27.6M]
┃ ┃ ┣━━4-4 LORA微调的核心思想.abc [22.5M]
┃ ┃ ┗━━4-5 LORA模型实现细节.abc [39.7M]
┃ ┣━━第5章 LLM下游任务训练自己模型实战 [206M]
┃ ┃ ┣━━5-1 提示工程的作用.abc [39.4M]
┃ ┃ ┣━━5-2 项目数据解读.abc [42.2M]
┃ ┃ ┣━━5-3 源码调用DEBUG解读.abc [41.4M]
┃ ┃ ┣━━5-4 训练流程演示.abc [50.2M]
┃ ┃ ┗━━5-5 效果演示与总结分析.abc [32.7M]
┃ ┣━━第6章 langchain工具实例 [175.4M]
┃ ┃ ┣━━6-1 langchain框架解读.abc [20.6M]
┃ ┃ ┣━━6-2 基本API调用方法.abc [40.5M]
┃ ┃ ┣━━6-3 数据文档切分操作.abc [33.9M]
┃ ┃ ┣━━6-4 样本索引与向量构建.abc [41.6M]
┃ ┃ ┗━━6-5 数据切块方法.abc [38.9M]
┃ ┣━━第7章 视觉大模型SAM [587.6M]
┃ ┃ ┣━━7-1 DEMO效果演示.abc [53.4M]
┃ ┃ ┣━━7-2 论文解读分析.abc [61M]
┃ ┃ ┣━━7-3 完成的任务分析.abc [59.6M]
┃ ┃ ┣━━7-4 数据闭环方法.abc [78.2M]
┃ ┃ ┣━━7-5 预训练模型的作用.abc [110.1M]
┃ ┃ ┣━━7-6 Decoder的作用与项目源码.abc [73.2M]
┃ ┃ ┣━━7-7 分割任务模块设计.abc [54.7M]
┃ ┃ ┣━━7-8 实现细节分析.abc [51M]
┃ ┃ ┗━━7-9 总结分析.abc [46.4M]
┃ ┣━━第8章 视觉QA算法与论文解读 [225.2M]
┃ ┃ ┣━━8-1 视觉QA要解决的问题.abc [38.2M]
┃ ┃ ┣━━8-2 论文概述分析.abc [57.8M]
┃ ┃ ┣━━8-3 实现流程路线图.abc [54.1M]
┃ ┃ ┣━━8-4 答案关注区域分析.abc [45.1M]
┃ ┃ ┗━━8-5 VQA任务总结.abc [30M]
┃ ┗━━第9章 扩散模型diffusion架构算法解读 [429.5M]
┃ ┣━━9-1 扩散模型概述与GAN遇到的问题.abc [44.6M]
┃ ┣━━9-10 基本建模训练效果.abc [65.9M]
┃ ┣━━9-2 要完成的任务分析.abc [47.8M]
┃ ┣━━9-3 公式原理推导解读.abc [44.9M]
┃ ┣━━9-4 分布相关计算操作.abc [34.3M]
┃ ┣━━9-5 算法实现细节推导.abc [38.1M]
┃ ┣━━9-6 公式推导结果分析.abc [38.5M]
┃ ┣━━9-7 细节实现总结.abc [38.8M]
┃ ┣━━9-8 论文流程图解读.abc [32.5M]
┃ ┗━━9-9 案例流程分析.abc [44.1M]
┃ ┣━━第10章 openai-dalle2论文解读 [170.1M]
┃ ┃ ┣━━10-1 论文基本思想与核心模块分析.abc [36.1M]
┃ ┃ ┣━━10-2 不同模块对比分析.abc [27.2M]
┃ ┃ ┣━━10-3 算法核心流程解读.abc [48.7M]
┃ ┃ ┗━━10-4 各模块实现细节讲解.abc [58.1M]
┃ ┣━━第11章 openai-dalle2源码解读 [216.6M]
┃ ┃ ┣━━11-1 项目整体流程分析.abc [45.7M]
┃ ┃ ┣━━11-2 源码实现细节分析.abc [39.7M]
┃ ┃ ┣━━11-3 源码公式对应论文分析.abc [41.2M]
┃ ┃ ┣━━11-4 Decoder模块实现细节解读.abc [41.6M]
┃ ┃ ┗━━11-5 源码实现流程总结.abc [48.5M]
┃ ┣━━第12章 自监督任务-对比学习思想 [120.1M]
┃ ┃ ┣━━12-1 对比学习要解决的问题分析.abc [30.8M]
┃ ┃ ┣━━12-2 正负样本构建方法.abc [26.4M]
┃ ┃ ┣━━12-3 Simclr框架流程分析.abc [32.3M]
┃ ┃ ┗━━12-4 下游任务应用概述.abc [30.7M]
┃ ┣━━第13章 视觉自监督BEIT算法解读 [260M]
┃ ┃ ┣━━13-1 视觉自监督任务分析.abc [42.2M]
┃ ┃ ┣━━13-2 任务训练目标分析.abc [41.3M]
┃ ┃ ┣━━13-3 建模流程分析与效果展示.abc [57.9M]
┃ ┃ ┣━━13-4 codebook模块的作用.abc [49.1M]
┃ ┃ ┗━━13-5 任务总结分析.abc [69.5M]
┃ ┣━━第14章 视觉自监督任务BEITV2论文解读 [220.6M]
┃ ┃ ┣━━14-1 BEITV2版本论文出发点解读.abc [37M]
┃ ┃ ┣━━14-2 自监督任务中两大核心任务分析.abc [51.4M]
┃ ┃ ┣━━14-3 整体网络架构图分析.abc [42M]
┃ ┃ ┣━━14-4 框架实现细节流程分析.abc [19.5M]
┃ ┃ ┗━━14-5 论文细节模块实现解读.abc [70.7M]
┃ ┣━━第15章 视觉自监督任务BEITV2源码解读 [130.6M]
┃ ┃ ┣━━15-1 mmselfup源码实现解读.abc [41.9M]
┃ ┃ ┣━━15-2 网络结构搭建细节解读.abc [45.3M]
┃ ┃ ┗━━15-3 源码实现流程总结.abc [43.3M]
┃ ┣━━第16章 BEV感知特征空间算法解读 [305.6M]
┃ ┃ ┣━━16-1 BEV要解决的问题通俗解读.abc [29.7M]
┃ ┃ ┣━━16-10 整体架构总结.abc [39.3M]
┃ ┃ ┣━━16-2 BEV中的3D与4D分析.abc [21.7M]
┃ ┃ ┣━━16-3 特征融合过程中可能遇到的问题.abc [19.6M]
┃ ┃ ┣━━16-4 BEV汇总特征方法实例解读.abc [29.6M]
┃ ┃ ┣━━16-5 DeformableAttention回顾.abc [31.7M]
┃ ┃ ┣━━16-6 空间注意力模块解读.abc [28.7M]
┃ ┃ ┣━━16-7 时间模块与拓展补充.abc [25.5M]
┃ ┃ ┣━━16-8 论文知识点分析.abc [36.6M]
┃ ┃ ┗━━16-9 核心模块论文分析.abc [43.3M]
┃ ┣━━第17章 BEVformer项目源码解读 [516.3M]
┃ ┃ ┣━━17-1 环境配置方法解读.abc [37.7M]
┃ ┃ ┣━━17-10 获取当前BEV特征.abc [38.4M]
┃ ┃ ┣━━17-11 Decoder级联校正模块.abc [45.6M]
┃ ┃ ┣━━17-12 损失函数与预测可视化.abc [57.6M]
┃ ┃ ┣━━17-2 数据集下载与配置方法.abc [45.3M]
┃ ┃ ┣━━17-3 特征提取以及BEV空间初始化.abc [45.5M]
┃ ┃ ┣━━17-4 特征对齐与位置编码初始化.abc [47M]
┃ ┃ ┣━━17-5 Reference初始点构建.abc [40.5M]
┃ ┃ ┣━━17-6 BEV空间与图像空间位置对应.abc [41.6M]
┃ ┃ ┣━━17-7 注意力机制模块计算方法.abc [42.6M]
┃ ┃ ┣━━17-8 BEV空间特征构建.abc [39.4M]
┃ ┃ ┗━━17-9 Decoder要完成的任务分析.abc [35.1M]
┃ ┣━━第18章 补充-视觉大模型基础-deformable [231.4M]
┃ ┃ ┣━━18-1 DeformableAttention概述分析.abc [22.3M]
┃ ┃ ┣━━18-2 可变形偏移量分析.abc [33.6M]
┃ ┃ ┣━━18-3 应用场景分析解读.abc [43.4M]
┃ ┃ ┣━━18-4 论文计算公式解读.abc [61M]
┃ ┃ ┣━━18-5 整体框架流程实例.abc [46.9M]
┃ ┃ ┗━━18-6 下游任务应用场景.abc [24.2M]

┣━━00.资料.zip [2.1G]
┗━━加密播放器下载地址.txt [105B]

admin网站管理

收藏 海报 链接