【尊享】ZX022 – 深度学习经典论文与开源项目实战 [19.1G]

【尊享】ZX022 – 深度学习经典论文与开源项目实战 [19.1G]

┣━━00.资料 [14.5G]
┃ ┣━━00.资料.z01 [4G]
┃ ┣━━00.资料.z02 [4G]
┃ ┣━━00.资料.z03 [4G]
┃ ┣━━00.资料.zip [2.5G]
┃ ┗━━该压缩方式为zip分卷压缩，下载好所有文件后选择zip解压即可，mac系统勿用自带软件解压.txt [0B]
┗━━01.视频 [4.6G]
┣━━01.课程介绍.vep [124.6M]
┣━━02.论文与开源项目的重要性.vep [34.9M]
┣━━04.论文讲解思路概述.vep [8.4M]
┣━━05.BERT模型摘要概述.vep [23.5M]
┣━━06.模型在NLP领域应用效果.vep [18M]
┣━━07.预训练模型的作用.vep [12.1M]
┣━━08.输入数据特殊编码字符解析.vep [45.6M]
┣━━09.向量特征编码方法.vep [15.4M]
┣━━10.BERT模型训练策略.vep [91.1M]
┣━━11.论文总结分析.vep [36.7M]
┣━━12.BERT任务目标概述.vep [9M]
┣━━13.传统解决方案遇到的问题.vep [24.3M]
┣━━14.注意力机制的作用.vep [11.3M]
┣━━15.selfattention计算方法.vep [37.7M]
┣━━16.特征分配与softmax机制.vep [16.3M]
┣━━17.Multihead的作用.vep [14.8M]
┣━━18.位置编码与多层堆叠.vep [12.8M]
┣━━19.transformer整体架构梳理.vep [17.3M]
┣━━20.BERT模型训练方法.vep [15.3M]
┣━━21.训练实例.vep [25.6M]
┣━━22.BERT开源项目简介.vep [71M]
┣━━23.项目参数配置.vep [43.6M]
┣━━24.数据读取模块.vep [25M]
┣━━25.数据预处理模块.vep [46.9M]
┣━━26.tfrecord制作.vep [27.4M]
┣━━27.Embedding层的作用.vep [16.6M]
┣━━28.加入额外编码特征.vep [49.7M]
┣━━29.加入位置编码特征.vep [12.4M]
┣━━30.mask机制.vep [19.6M]
┣━━31.构建QKV矩阵.vep [28.2M]
┣━━32.完成Transformer模块构建.vep [22.4M]
┣━━33.训练BERT模型.vep [26.6M]
┣━━34.中文分类数据与任务概述.vep [62M]
┣━━35.读取处理自己的数据集.vep [72.2M]
┣━━36.训练BERT中文分类模型.vep [32.3M]
┣━━37.命名实体识别数据分析与任务目标.vep [20M]
┣━━38.NER标注数据处理与读取.vep [92M]
┣━━39.构建BERT与CRF模型.vep [33.5M]
┣━━40.词向量模型通俗解释.vep [14.1M]
┣━━41.模型整体框架.vep [18.2M]
┣━━42.训练数据构建.vep [31.5M]
┣━━43.CBOW与Skipgram模型.vep [48M]
┣━━44.负采样方案.vep [64.9M]
┣━━45.物体检测通用框架论文整体概述.vep [49.2M]
┣━━46.MaskRcnn创新点介绍.vep [28.2M]
┣━━47.网络结构分析.vep [34.7M]
┣━━48.总结概述.vep [19.8M]
┣━━49.MaskRcnn开源项目简介.vep [96.6M]
┣━━50.开源项目数据集.vep [19.6M]
┣━━51.参数配置.vep [41.7M]
┣━━52.FPN层特征提取原理解读.vep [24.6M]
┣━━53.FPN网络架构实现解读.vep [29.5M]
┣━━54.生成框比例设置.vep [15.8M]
┣━━55.基于不同尺度特征图生成所有框.vep [18.4M]
┣━━56.RPN层的作用与实现解读.vep [18.9M]
┣━━57.候选框过滤方法.vep [28.7M]
┣━━58.Proposal层实现方法.vep [41.3M]
┣━━59.DetectionTarget层的作用.vep [14.6M]
┣━━60.正负样本选择与标签定义.vep [14.6M]
┣━━61.RoiPooling层的作用与目的.vep [32.3M]
┣━━62.RorAlign操作的效果.vep [14.8M]
┣━━63.整体框架回顾.vep [17.9M]
┣━━64.Labelme工具安装.vep [8.8M]
┣━━65.使用labelme进行数据与标签标注.vep [16.6M]
┣━━66.完成训练数据准备工作.vep [37M]
┣━━67.maskrcnn源码修改方法.vep [96M]
┣━━68.基于标注数据训练所需任务.vep [20.7M]
┣━━69.测试与展示模块.vep [18.7M]
┣━━70.COCO数据集与人体姿态识别简介.vep [23.9M]
┣━━71.网络架构概述.vep [80.3M]
┣━━72.流程与结果演示.vep [66.8M]
┣━━73.物体检测概述.vep [26.4M]
┣━━74.深度学习经典检测方法.vep [29.5M]
┣━━75.fasterrcnn概述.vep [21M]
┣━━76.fasterrcnn论文解读.vep [52M]
┣━━77.RPN网络结构.vep [52.5M]
┣━━78.损失函数定义.vep [78.7M]
┣━━79.网络细节.vep [87.7M]
┣━━80.对抗生成网络通俗解释.vep [14.2M]
┣━━81.GAN网络组成.vep [13M]
┣━━82.损失函数解释说明.vep [22.8M]
┣━━83.数据读取模块.vep [31.1M]
┣━━84.生成与判别网络定义.vep [55M]
┣━━85.CycleGan论文整体概述.vep [36.7M]
┣━━86.论文涉及知识点简介.vep [31.4M]
┣━━87.损失函数公式分析.vep [9.5M]
┣━━88.Cycle架构分析与目标函数定义.vep [63.8M]
┣━━89.论文总结概述.vep [27.8M]
┣━━90.CycleGan网络所需数据.vep [76.7M]
┣━━91.CycleGan整体网络架构.vep [23.6M]
┣━━92.PatchGan判别网络原理.vep [8.1M]
┣━━93.Cycle开源项目简介.vep [76.4M]
┣━━94.数据读取与预处理操作.vep [28M]
┣━━95.生成网络模块构造.vep [57.4M]
┣━━96.判别网络模块构造.vep [11M]
┣━━97.损失函数identityloss计算方法.vep [42.4M]
┣━━98.生成与判别损失函数指定.vep [68.2M]
┣━━99.额外补充VISDOM可视化配置.vep [53.9M]
┣━━100.论文概述.vep [20.6M]
┣━━101.网络架构.vep [39.2M]
┣━━102.数据与环境配置.vep [16.3M]
┣━━103.数据加载与配置.vep [20.1M]
┣━━104.生成模块.vep [22.4M]
┣━━105.判别模块.vep [20.9M]
┣━━106.VGG特征提取网络.vep [50.7M]
┣━━107.损失函数与训练.vep [39.5M]
┣━━108.测试模块.vep [34.5M]
┣━━109.styletransfer基本原理.vep [13.4M]
┣━━110.风格生成网络结构原理.vep [21.2M]
┣━━111.风格生成网络细节.vep [20.5M]
┣━━112.风格转换效果展示.vep [42M]
┣━━113.参数解释与配置.vep [20.9M]
┣━━114.数据加载.vep [23.4M]
┣━━115.特征提取网络.vep [31M]
┣━━116.网络训练.vep [58.7M]
┣━━117.视频与图像测试模块.vep [45M]
┣━━118.论文概述.vep [35.6M]
┣━━119.网络架构.vep [32.8M]
┣━━120.细节设计.vep [32.9M]
┣━━121.论文总结.vep [54.2M]
┣━━122.数据与项目概述.vep [71.6M]
┣━━123.参数基本设计.vep [28.5M]
┣━━124.网络结构配置.vep [95M]
┣━━125.网络迭代训练.vep [43.2M]
┣━━126.测试模块.vep [19M]
┣━━127.迁移学习的目标.vep [9M]
┣━━128.迁移学习策略.vep [11.5M]
┣━━129.Resnet原理.vep [45.8M]
┣━━130.Resnet网络细节.vep [24.3M]
┣━━131.Resnet基本处理操作.vep [43.4M]
┣━━132.shortcut模块.vep [54.3M]
┣━━133.加载训练好的权重.vep [49.7M]
┗━━134.迁移学习效果对比.vep [68M]

admin网站管理

收藏 海报 链接