13_4-模型训练过程_ev.mp4 37.2MB

87_1-BEV要解决的问题通俗解读_ev.mp4 24.4MB

22_1-大模型如何做下游任务_ev.mp4 23.2MB

45_9-总结分析_ev.mp4 41.6MB

77_4-codebook模块的作用_ev.mp4 39.9MB

1_课程简介_ev.mp4 7.7MB

72_3-Simclr框架流程分析_ev.mp4 25.1MB

67_3-源码公式对应论文分析_ev.mp4 34.0MB

33_2-基本API调用方法_ev.mp4 35.8MB

75_2-任务训练目标分析_ev.mp4 33.8MB

49_4-答案关注区域分析_ev.mp4 36.0MB

100_4-特征对齐与位置编码初始化_ev.mp4 32.2MB

74_1-视觉自监督任务分析_ev.mp4 32.6MB

15_1-chatgpt概述_ev.mp4 15.8MB

4_3-GPT初代版本要解决的问题_ev.mp4 22.4MB

73_4-下游任务应用概述_ev.mp4 24.1MB

94_8-论文知识点分析_ev.mp4 33.9MB

50_5-VQA任务总结_ev.mp4 29.4MB

42_6-Decoder的作用与项目源码_ev.mp4 68.0MB

43_7-分割任务模块设计_ev.mp4 45.8MB

9_8-DEMO应用演示_ev.mp4 62.8MB

99_3-特征提取以及BEV空间初始化_ev.mp4 31.5MB

112_4-论文计算公式解读_ev.mp4 43.8MB

63_3-算法核心流程解读_ev.mp4 38.3MB

21_7-总结分析_ev.mp4 47.9MB

102_6-BEV空间与图像空间位置对应_ev.mp4 27.8MB

60_10-基本建模训练效果_ev.mp4 52.4MB

17_3-强化学习登场_ev.mp4 13.5MB

32_1-langchain框架解读_ev.mp4 16.4MB

85_2-网络结构搭建细节解读_ev.mp4 34.8MB

51_1-扩散模型概述与GAN遇到的问题_ev.mp4 29.6MB

104_8-BEV空间特征构建_ev.mp4 26.1MB

91_5-DeformableAttention回顾_ev.mp4 27.4MB

29_3-源码调用DEBUG解读_ev.mp4 30.5MB

90_4-BEV汇总特征方法实例解读_ev.mp4 24.5MB

11_2-数据样本生成方法_ev.mp4 46.0MB

12_3-训练所需参数解读_ev.mp4 41.0MB

2_1-GPT系列算法概述_ev.mp4 20.2MB

111_3-应用场景分析解读_ev.mp4 31.9MB

52_2-要完成的任务分析_ev.mp4 41.5MB

58_8-论文流程图解读_ev.mp4 28.9MB

80_2-自监督任务中两大核心任务分析_ev.mp4 36.9MB

41_5-预训练模型的作用_ev.mp4 99.6MB

86_3-源码实现流程总结_ev.mp4 32.7MB

53_3-公式原理推导解读_ev.mp4 34.7MB

95_9-核心模块论文分析_ev.mp4 38.4MB

57_7-细节实现总结_ev.mp4 36.3MB

3_2-GPT三代版本分析_ev.mp4 21.9MB

62_2-不同模块对比分析_ev.mp4 23.4MB

5_4-GPT第二代版本训练策略_ev.mp4 20.6MB

98_2-数据集下载与配置方法_ev.mp4 37.7MB

56_6-公式推导结果分析_ev.mp4 32.0MB

81_3-整体网络架构图分析_ev.mp4 32.7MB

35_4-样本索引与向量构建_ev.mp4 37.7MB

92_6-空间注意力模块解读_ev.mp4 22.4MB

97_1-环境配置方法解读_ev.mp4 31.7MB

10_1-生成模型可以完成的任务概述_ev.mp4 21.3MB

76_3-建模流程分析与效果展示_ev.mp4 49.1MB

20_6-RLHF训练流程解读_ev.mp4 25.8MB

65_1-项目整体流程分析_ev.mp4 37.5MB