咕泡学院人工智能P5第5期资源简介：

 课程内容全面覆盖深度学习算法及其项目实战，主要应用于计算机视觉与自然语言处理两大核心领域，配套实战案例与项目全部基于真实数据集与实际任务展开。大型项目完美结合当下行业趋势，培养满足企业就业需求的中高级人工智能算法工程师。

咕泡学院人工智能P5第5期课程目录

以下是来自百度网盘中的资源截屏，资源是真实存在的，如果购买的资源失效请联系客服获取

——/计算机教程/03-腾讯课堂/076-咕泡-人工智能P5第5期2022年/
├──01_直播课回放
| ├──10_直播7：GPT系列算法与实战
| ├──11_额外补充：GPT建模与预测流程
| ├──12_额外补充：文本摘要建模
| ├──13_直播8：知识抽取实战
| ├──14_直播9：Openai CLIP模型
| ├──15_直播10：DeformableDetr算法解读
| ├──16_直播11：OCR算法解读
| ├──17_直播12：KIE关键信息抽取与视频超分辨率重构
| ├──18_直播13：对比学习
| ├──1_直播1：开班典礼
| ├──2_Pycharm环境配置与Debug演示(没用过的同学必看)
| ├──3_直播2：深度学习必备基础-神经网络与卷积网络
| ├──4_直播3：Transformer原理及其各领域应用分析
| ├──5_额外补充：时间序列预测
| ├──6_直播4：Informer时间序列预测源码解读
| ├──7_额外补充：Huggingface与NLP（讲故事）
| ├──8_直播5：Huggingface核心模块解读
| └──9_直播6：BERT系列模型与命名实体识别实例
├──02_深度学习必备核心算法
| ├──1_神经网络算法解读
| ├──2_卷积神经网络算法解读
| └──3_递归神经网络算法解读
├──03_深度学习核心框架PyTorch
| ├──1_PyTorch框架介绍与配置安装
| ├──2_使用神经网络进行分类任务
| ├──3_神经网络回归任务-气温预测
| ├──4_卷积网络参数解读分析
| ├──5_图像识别模型与训练策略（重点）
| ├──6_DataLoader自定义数据集制作
| ├──7_LSTM文本分类实战
| └──8_PyTorch框架Flask部署例子
├──04_MMLAB实战系列
| ├──10_第四模块：DBNET文字检测
| ├──11_第四模块：ANINET文字识别
| ├──12_第四模块：KIE基于图模型的关键信息抽取
| ├──12_第五模块：stylegan2源码解读
| ├──13_第六模块：BasicVSR++视频超分辨重构源码解读
| ├──14_第七模块：多模态3D目标检测算法源码解读
| ├──15_第八模块：模型蒸馏应用实例
| ├──16_第八模块：模型剪枝方法概述分析
| ├──17_第九模块：mmaction行为识别
| ├──18_额外补充
| ├──1_MMCV安装方法
| ├──2_第一模块：分类任务基本操作
| ├──3_第一模块：训练结果测试与验证
| ├──4_第一模块：模型源码DEBUG演示
| ├──5_第二模块：使用分割模块训练自己的数据集
| ├──6_第二模块：基于Unet进行各种策略修改
| ├──7_第二模块：分割任务CVPR最新Backbone设计及其应用
| ├──8_第三模块：mmdet训练自己的数据任务
| └──9_第三模块：DeformableDetr物体检测源码分析
├──05_Opencv图像处理框架实战
| ├──10_项目实战-文档扫描OCR识别
| ├──11_图像特征-harris
| ├──12_图像特征-sift
| ├──13_案例实战-全景图像拼接
| ├──14_项目实战-停车场车位识别
| ├──15_项目实战-答题卡识别判卷
| ├──16_背景建模
| ├──17_光流估计
| ├──18_Opencv的DNN模块
| ├──19_项目实战-目标追踪
| ├──1_课程简介与环境配置
| ├──20_卷积原理与操作
| ├──21_项目实战-疲劳检测
| ├──2_图像基本操作
| ├──3_阈值与平滑处理
| ├──4_图像形态学操作
| ├──5_图像梯度计算
| ├──6_边缘检测
| ├──7_图像金字塔与轮廓检测
| ├──8_直方图与傅里叶变换
| └──9_项目实战-信用卡数字识别
├──06_综合项目-物体检测经典算法实战
| ├──10_EfficientNet网络
| ├──11_EfficientDet检测算法
| ├──12_基于Transformer的detr目标检测算法
| ├──13_detr目标检测源码解读
| ├──1_深度学习经典检测方法概述
| ├──2_YOLO-V1整体思想与网络架构
| ├──3_YOLO-V2改进细节详解
| ├──4_YOLO-V3核心网络模型
| ├──5_项目实战-基于V3版本进行源码解读
| ├──6_基于YOLO-V3训练自己的数据集与任务
| ├──7_YOLO-V4版本算法解读
| ├──8_V5版本项目配置
| └──9_V5项目工程源码解读
├──07_图像分割实战
| ├──10_MaskRcnn网络框架源码详解
| ├──11_基于MASK-RCNN框架训练自己的数据与任务
| ├──1_图像分割及其损失函数概述
| ├──2_卷积神经网络原理与参数解读
| ├──3_Unet系列算法讲解
| ├──4_unet医学细胞分割实战
| ├──5_U2NET显著性检测实战
| ├──6_deeplab系列算法
| ├──7_基于deeplabV3+版本进行VOC分割实战
| ├──8_医学心脏视频数据集分割建模实战
| └──9_物体检测框架-MaskRcnn项目介绍与配置
├──08_行为识别实战
| ├──1_slowfast算法知识点通俗解读
| ├──2_slowfast项目环境配置与配置文件
| ├──3_slowfast源码详细解读
| ├──4_基于3D卷积的视频分析与动作识别
| ├──5_视频异常检测算法与元学习
| ├──6_视频异常检测CVPR2021论文及其源码解读
| └──7_基础补充-Resnet模型及其应用实例
├──09_2022论文必备-Transformer实战系列
| ├──10_MedicalTransformer源码解读
| ├──11_商汤LoFTR算法解读
| ├──12_局部特征关键点匹配实战
| ├──13_项目补充-谷歌开源项目BERT源码解读与应用实例
| ├──14_项目补充-基于BERT的中文情感分析实战
| ├──1_课程介绍
| ├──2_自然语言处理通用框架BERT原理解读
| ├──3_Transformer在视觉中的应用VIT算法
| ├──4_VIT算法模型源码解读
| ├──5_swintransformer算法原理解析
| ├──6_swintransformer源码解读
| ├──7_基于Transformer的detr目标检测算法
| ├──8_detr目标检测源码解读
| └──9_MedicalTrasnformer论文解读
├──10_图神经网络实战
| ├──1_图神经网络基础
| ├──2_图卷积GCN模型
| ├──3_图模型必备神器PyTorch Geometric安装与使用
| ├──4_使用PyTorch Geometric构建自己的图数据集
| ├──5_图注意力机制与序列图模型
| ├──6_图相似度论文解读
| ├──7_图相似度计算实战
| ├──8_基于图模型的轨迹估计
| └──9_图模型轨迹估计实战
├──11_3D点云实战
| ├──1_3D点云实战 3D点云应用领域分析
| ├──2_3D点云PointNet算法
| ├──3_PointNet++算法解读
| ├──4_Pointnet++项目实战
| ├──5_点云补全PF-Net论文解读
| ├──6_点云补全实战解读
| ├──7_点云配准及其案例实战
| └──8_基础补充-对抗生成网络架构原理与实战解析
├──12_目标追踪与姿态估计实战
| ├──1_课程介绍
| ├──2_姿态估计OpenPose系列算法解读
| ├──3_OpenPose算法源码分析
| ├──4_deepsort算法知识点解读
| ├──5_deepsort源码解读
| ├──6_YOLO-V4版本算法解读
| ├──7_V5版本项目配置
| └──8_V5项目工程源码解读
├──13_面向深度学习的无人驾驶实战
| ├──10_NeuralRecon项目源码解读
| ├──11_TSDF算法与应用
| ├──12_TSDF实战案例
| ├──13_轨迹估计算法与论文解读
| ├──14_轨迹估计预测实战
| ├──15_特斯拉无人驾驶解读
| ├──1_深度估计算法原理解读
| ├──2_深度估计项目实战
| ├──3_车道线检测算法与论文解读
| ├──4_基于深度学习的车道线检测项目实战
| ├──5_商汤LoFTR算法解读
| ├──6_局部特征关键点匹配实战
| ├──7_三维重建应用与坐标系基础
| ├──8_NeuralRecon算法解读
| └──9_NeuralRecon项目环境配置
├──14_缺陷检测实战
| ├──10_基于视频流水线的Opencv缺陷检测项目
| ├──11_图像分割deeplab系列算法
| ├──12_基于deeplabV3+版本进行VOC分割实战
| ├──13_Deeplab铁质材料缺陷检测与开源项目应用流程
| ├──1_课程介绍
| ├──2_物体检框架YOLO-V4版本算法解读
| ├──3_物体检测框架YOLOV5版本项目配置
| ├──4_物体检测框架YOLOV5项目工程源码解读
| ├──5_基于YOLOV5的钢材缺陷检测实战
| ├──6_Semi-supervised布料缺陷检测实战
| ├──7_Opencv图像常用处理方法实例
| ├──8_Opencv轮廓检测与直方图
| ├──8_Opencv梯度计算与边缘检测实例
| └──9_基于Opencv缺陷检测项目实战
├──15_行人重识别实战
| ├──1_行人重识别原理及其应用
| ├──2_基于注意力机制的Reld模型论文解读
| ├──3_基于Attention的行人重识别项目实战
| ├──4_AAAI2020顶会算法精讲
| ├──5_项目实战-基于行人局部特征融合的再识别实战
| ├──6_旷视研究院最新算法解读（基于图模型）
| └──7_基于拓扑图的行人重识别项目实战
├──16_对抗生成网络实战
| ├──1_课程介绍
| ├──2_对抗生成网络架构原理与实战解析
| ├──3_基于CycleGan开源项目实战图像合成
| ├──4_stargan论文架构解析
| ├──5_stargan项目实战及其源码解读
| ├──6_基于starganvc2的变声器论文原理解读
| ├──7_starganvc2变声器项目实战及其源码解读
| ├──8_图像超分辨率重构实战
| └──9_基于GAN的图像补全实战
├──17_强化学习实战系列
| ├──1_强化学习简介及其应用
| ├──2_PPO算法与公式推导
| ├──3_PPO实战-月球登陆器训练实例
| ├──4_Q-learning与DQN算法
| ├──5_DQN算法实例演示
| ├──6_DQN改进与应用技巧
| ├──7_Actor-Critic算法分析（A3C）
| └──8_用A3C玩转超级马里奥
├──18_面向医学领域的深度学习实战
| ├──10_基于deeplab的心脏视频数据诊断分析
| ├──11_YOLO系列物体检测算法原理解读
| ├──12_基于YOLO5细胞检测实战
| ├──13_知识图谱原理解读
| ├──14_Neo4j数据库实战
| ├──15_基于知识图谱的医药问答系统实战
| ├──16_词向量模型与RNN网络架构
| ├──17_医学糖尿病数据命名实体识别
| ├──1_卷积神经网络原理与参数解读
| ├──2_PyTorch框架基本处理操作
| ├──3_PyTorch框架必备核心模块解读
| ├──4_基于Resnet的医学数据集分类实战
| ├──5_图像分割及其损失函数概述
| ├──6_Unet系列算法讲解
| ├──7_unet医学细胞分割实战
| ├──8_deeplab系列算法
| └──9_基于deeplabV3+版本进行VOC分割实战
├──19_深度学习模型部署与剪枝优化实战
| ├──3_pyTorch框架部署实践
| ├──4_YOLO-V3物体检测部署实例
| ├──5_docker实例演示
| ├──6_tensorflow-serving实战
| ├──7_模型剪枝-Network Slimming算法分析
| ├──8_模型剪枝-Network Slimming实战解读
| └──9_Mobilenet三代网络模型架构
├──20_自然语言处理经典案例实战
| ├──10_NLP-文本特征方法对比
| ├──11_NLP-相似度模型
| ├──12_LSTM情感分析
| ├──13_机器人写唐诗
| ├──14_对话机器人
| ├──1_NLP常用工具包实战
| ├──2_商品信息可视化与文本分析
| ├──3_贝叶斯算法
| ├──4_新闻分类任务实战
| ├──5_HMM隐马尔科夫模型
| ├──6_HMM工具包实战
| ├──7_语言模型
| ├──8_使用Gemsim构建词向量
| └──9_基于word2vec的分类任务
├──21_自然语言处理通用框架-BERT实战
| ├──1_自然语言处理通用框架BERT原理解读
| ├──2_谷歌开源项目BERT源码解读与应用实例
| ├──3_项目实战-基于BERT的中文情感分析实战
| ├──4_项目实战-基于BERT的中文命名实体识别识别实战
| ├──5_必备基础知识点-woed2vec模型通俗解读
| ├──6_必备基础-掌握Tensorflow如何实现word2vec模型
| ├──7_必备基础知识点-RNN网络架构与情感分析应用实例
| └──8_医学糖尿病数据命名实体识别
├──22_知识图谱实战系列
| ├──1_知识图谱介绍及其应用领域分析
| ├──2_知识图谱涉及技术点分析
| ├──3_Neo4j数据库实战
| ├──4_使用python操作neo4j实例
| ├──5_基于知识图谱的医药问答系统实战
| ├──6_文本关系抽取实践
| ├──7_金融平台风控模型实践
| └──8_医学糖尿病数据命名实体识别
├──23_语音识别实战系列
| ├──1_seq2seq序列网络模型
| ├──2_LAS模型语音识别实战
| ├──3_starganvc2变声器论文原理解读
| ├──4_staeganvc2变声器源码实战
| ├──5_语音分离ConvTasnet模型
| ├──6_ConvTasnet语音分离实战
| ├──7_语音合成tacotron最新版实战
| └──3.注意力机制的作用.txt
├──24_推荐系统实战系列
| ├──10_基本统计分析的电影推荐
| ├──11_补充-基于相似度的酒店推荐系统
| ├──1_推荐系统介绍及其应用
| ├──2_协同过滤与矩阵分解
| ├──3_音乐推荐系统实战
| ├──4_知识图谱与Neo4j数据库实例
| ├──5_基于知识图谱的电影推荐实战
| ├──6_点击率估计FM与DeepFM算法
| ├──7_DeepFM算法实战
| ├──8_推荐系统常用工具包演示
| └──9_基于文本数据的推荐实例
└──资料
| ├──00.1-18 节直播13：对比学习
| ├──00.直播
| ├──03.第三章 深度学习核⼼框架PyTorch
| ├──04.第四章 MMLAB实战系列
| ├──05.第五章 Opencv图像处理框架实战
| ├──06.第六章 综合项⽬-物体检测经典算法实战
| ├──07.第七章 图像分割实战
| ├──08.第八章 行为识别实战
| ├──09.第九章 2022论⽂必备-Transformer实战系列
| ├──10.第一十章 图神经⽹络实战
| ├──11.第一十一章 3D点云实战
| ├──12.第一十二章 ⽬标追踪与姿态估计实战
| ├──12.第一十二章 第十模块：缺陷检测实战
| ├──13.第一十三章 ⾯向深度学习的⽆⼈驾驶实战
| ├──14.第一十四章 缺陷检测实战
| ├──15.第一十五章 ⾏⼈重识别实战
| ├──15.第一十五章 第十三模块：强化学习实战
| ├──16.第一十六章 第十四模块：面向医学领域的深度学习实战
| ├──16.第一十六章 对抗⽣成⽹络实战
| ├──19.第一十九章 深度学习模型部署与剪枝优化实战
| ├──20.第二十章 ⾃然语⾔处理经典案例实战
| ├──21.第二十一章 ⾃然语⾔处理通⽤框架-BERT实战
| ├──22.第二十二章 知识图谱实战系列
| ├──23.第二十三章 语⾳识别实战系列
| └──24.第二十四章 推荐系统实战系列
——/资料/
├──00.1-18 节直播13：对比学习
| ├──trainCLIP.py 1.56kb
| └──对比学习.pdf 1.96M
├──00.直播
| ├──1-10 节直播7：GPT系列算法与实战
| ├──1-11 节额外补充：GPT建模与预测流程
| ├──1-12 节额外补充：文本摘要建模
| ├──1-13 节直播8：知识抽取实战
| ├──1-14 节直播9：Openai CLIP模型
| ├──1-15 节直播10：DeformableDetr算法解读
| ├──1-16 节直播11：OCR算法解读
| ├──1-17 节直播12：KIE关键信息抽取与视频超分辨率重构
| ├──1-3 节直播2：深度学习必备基础-神经网络与卷积网络
| ├──1-4 节直播3：Transformer原理及其各领域应用分析
| ├──1-6 节直播4：Informer时间序列预测源码解读
| ├──1-8 节直播5：Huggingface核心模块解读
| └──1-9 节直播6：BERT系列模型与命名实体识别实例
├──03.第三章 深度学习核⼼框架PyTorch
| ├──flask预测.zip 712.05M
| ├──第八章：对抗生成网络架构原理与实战解析.zip 35.28M
| ├──第二,三章：神经网络实战分类与回归任务.zip 15.82M
| ├──第六章：DataLoader自定义数据集制作.zip 594.02M
| ├──第七章：LSTM文本分类实战.zip 31.53M
| ├──第四章：卷积网络参数解读.zip 33.37M
| └──第五章：图像识别模型与训练策略（重点）.zip 449.77M
├──04.第四章 MMLAB实战系列
| ├──mmaction2-master.zip 827.76M
| ├──mmclassification-master.zip 912.00M
| ├──mmdetection-master.zip 1.46G
| ├──mmdetection3d-1.0.0rc0.zip 395.05M
| ├──mmediting-master.zip 107.78M
| ├──mmgeneration-master.zip 746.81M
| ├──mmocr-main.zip 381.72M
| ├──mmrazor-master.zip 1.00G
| ├──mmsegmentation-0.20.2.zip 2.80G
| ├──MPViT-main.zip 924.77M
| └──ner.zip 121.60M
├──05.第五章 Opencv图像处理框架实战
| ├──课件
| └──源码资料
├──06.第六章 综合项⽬-物体检测经典算法实战
| ├──YOLO系列（PyTorch）
| ├──detr目标检测源码解读.zip 108.29kb
| ├──EfficientDet.zip 80.48M
| ├──EfficientNet.pdf 943.23kb
| ├──第十二章：基于Transformer的detr目标检测算法.pdf 885.69kb
| └──物体检测.pdf 1.38M
├──07.第七章 图像分割实战
| ├──第1节：图像分割算法
| ├──第2节：卷积网络
| ├──第3节：Unet系列算法讲解
| ├──第4节：unet医学细胞分割实战
| ├──第6节：deeplab系列算法
| ├──第7节：基于deeplabV3+版本进行VOC分割实战
| ├──第8节：基于deeplab的心脏视频数据诊断分析
| ├──基于Resnet的医学数据集分类实战
| ├──f112c9fda85536ee3eba662c9043e683.bat 0.07kb
| ├──mask-rcnn.pdf 989.98kb
| ├──MaskRcnn网络框架源码详解.zip 1.14G
| ├──PyTorch框架基本处理操作.zip 98.58M
| ├──R(2+1)D网络.pdf 507.15kb
| ├──第5节：U-2-Net.zip 636.25M
| ├──基于MASK-RCNN框架训练自己的数据与任务.zip 439.38M
| └──图像识别核心模块实战解读.zip 336.95M
├──08.第八章 行为识别实战
| ├──基础补充-Resnet模型及其应用实例
| ├──1-slowfast算法知识点通俗解读.pdf 572.31kb
| ├──4-基于3D卷积的视频分析与动作识别.zip 845.84M
| ├──5-视频异常检测算法与元学习.pdf 1.15M
| ├──6-视频异常检测CVPR2021论文及其源码解读.zip 243.75M
| ├──slowfast论文.pdf 1.45M
| ├──基础补充-PyTorch框架必备核心模块解读.zip 336.95M
| └──基础补充-PyTorch框架基本处理操作.zip 98.58M
├──09.第九章 2022论⽂必备-Transformer实战系列
| └──transformer系列
├──10.第一十章 图神经⽹络实战
| ├──3-图模型必备神器PyTorch Geometric安装与使用
| ├──4-使用PyTorch Geometric构建自己的图数据集
| ├──5-图注意力机制与序列图模型
| ├──6-图相似度论文解读
| ├──7-图相似度计算实战
| ├──8-基于图模型的轨迹估计
| ├──9-图模型轨迹估计实战
| ├──第二章：图卷积GCN模型
| └──第一章：图神经网络基础
├──11.第一十一章 3D点云实战
| ├──第1节：3D点云应用领域分析
| ├──第2节：3D点云PointNet算法
| ├──第3节：PointNet++算法解读
| ├──第4节：Pointnet++项目实战
| ├──第5节：点云补全PF-Net论文解读
| ├──第6节：点云补全实战解读
| ├──第7节：点云配准及其案例实战
| └──第8节：基础补充-对抗生成网络架构原理与实战解析
├──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
| ├──基础补充-Resnet模型及其应用实例
| ├──第二章：OpenPose算法源码分析.zip 243.86M
| ├──第三章：Deepsort算法知识点解读.pdf 1.58M
| ├──第四章：Deepsort源码解读.zip 107.90M
| ├──第一章：姿态估计OpenPose系列算法解读.pdf 2.42M
| ├──基础补充-PyTorch框架必备核心模块解读.zip 336.95M
| └──基础补充-PyTorch框架基本处理操作.zip 98.58M
├──12.第一十二章 第十模块：缺陷检测实战
| └──缺陷检测实战
├──13.第一十三章 ⾯向深度学习的⽆⼈驾驶实战
| ├──1.深度估计算法解读
| ├──10-NeuralRecon项目源码解读
| ├──11-TSDF算法与应用
| ├──12-TSDF实战案例
| ├──13-轨迹估计算法与论文解读
| ├──14-轨迹估计预测实战
| ├──15-特斯拉无人驾驶解读
| ├──2.深度估计项目实战
| ├──3-车道线检测算法与论文解读
| ├──4-基于深度学习的车道线检测项目实战
| ├──5-商汤LoFTR算法解读
| ├──6-局部特征关键点匹配实战
| ├──7-三维重建应用与坐标系基础
| ├──8-NeuralRecon算法解读
| └──9-NeuralRecon项目环境配置
├──14.第一十四章 缺陷检测实战
| ├──PyTorch基础
| ├──Resnet分类实战
| ├──第1-4章：YOLOV5缺陷检测
| ├──第11-12章：deeplab
| ├──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.zip 3.58G
| ├──第10章：基于视频流水线的Opnecv缺陷检测项目.zip 13.96M
| ├──第5章：Semi-supervised布料缺陷检测实战.zip 212.33M
| └──第9章：基于Opencv缺陷检测项目实战.zip 11.38M
├──15.第一十五章 ⾏⼈重识别实战
| ├──第1节：行人重识别原理及其应用
| ├──第2节：基于注意力机制的ReId模型论文解读
| ├──第3节：基于Attention的行人重识别项目实战
| ├──第4节：经典会议算法精讲（特征融合）
| ├──第5节：项目实战-基于行人局部特征融合的再识别实战
| ├──第6节：旷视研究院最新算法解读（基于图模型）
| └──第7节：基于拓扑图的行人重识别项目实战
├──15.第一十五章 第十三模块：强化学习实战
| ├──第1节：强化学习简介及其应用.pdf 738.65kb
| ├──第2节：PPO算法与公式推导.pdf 899.22kb
| ├──第3节：策略梯度实战-月球登陆器训练实例.zip 4.34M
| ├──第4节：DQN算法.pdf 1.43M
| ├──第5节：DQN算法实例演示.zip 1.98kb
| ├──第7节：Actor-Critic算法分析(A3C).pdf 560.29kb
| └──第8节：A3C算法玩转超级马里奥.zip 97.62M
├──16.第一十六章 第十四模块：面向医学领域的深度学习实战
| ├──1-神经网络算法PPT
| ├──10-基于deeplab的心脏视频数据诊断分析
| ├──11-YOLO系列物体检测算法原理解读
| ├──12-基于YOLO5细胞检测实战
| ├──13-知识图谱原理解读
| ├──14-Neo4j数据库实战
| ├──15-基于知识图谱的医药问答系统实战
| ├──17-医学糖尿病数据命名实体识别
| ├──4-基于Resnet的医学数据集分类实战
| ├──5-图像分割及其损失函数概述
| ├──6-Unet系列算法讲解
| ├──7-unet医学细胞分割实战
| ├──8-deeplab系列算法
| ├──9-基于deeplabV3+版本进行VOC分割实战
| ├──16-词向量模型与RNN网络架构.zip 2.15M
| ├──2-PyTorch框架基本处理操作.zip 98.58M
| └──3-PyTorch框架必备核心模块解读.zip 336.95M
├──16.第一十六章 对抗⽣成⽹络实战
| ├──第4节：stargan论文架构解析
| ├──第6节：基于starganvc2的变声器论文原理解读
| ├──第8节：图像超分辨率重构实战
| ├──第9节：基于GAN的图像补全实战
| ├──cyclegan.pdf 2.67M
| ├──第2节：对抗生成网络架构原理与实战解析.zip 35.28M
| ├──第3节：基于CycleGan开源项目实战图像合成.zip 1.60G
| ├──第5节：stargan项目实战及其源码解读.zip 869.44M
| └──第7节：starganvc2变声器项目实战及其源码解读.zip 485.00M
├──19.第一十九章 深度学习模型部署与剪枝优化实战
| ├──Docker使用命令.zip 7.83M
| ├──Mobilenet.pdf 2.41M
| ├──mobilenetv3.py 7.31kb
| ├──pytorch-slimming.zip 356.43M
| ├──PyTorch模型部署实例.zip 102.80kb
| ├──TensorFlow-serving.zip 2.96M
| ├──YOLO部署实例.zip 876.45M
| └──剪枝算法.pdf 504.02kb
├──20.第二十章 ⾃然语⾔处理经典案例实战
| ├──NLP常用工具包
| ├──课后作业
| ├──课件
| └──源码、数据集等
├──21.第二十一章 ⾃然语⾔处理通⽤框架-BERT实战
| ├──课后作业
| └──课件、源码
├──22.第二十二章 知识图谱实战系列
| ├──第1.2节：知识图谱介绍及其应用领域分析
| ├──第3节：Neo4j数据库实战
| ├──第4节：使用python操作neo4j实例
| ├──第5节：基于知识图谱的医药问答系统实战
| ├──第6节：文本关系抽取实践
| ├──第7节：金融平台风控模型实践
| └──第8节：医学糖尿病数据命名实体识别
├──23.第二十三章 语⾳识别实战系列
| ├──PPT
| ├──论文
| ├──变声器pytorch-StarGAN-VC2.zip 484.93M
| ├──语音分离Conv-TasNet.zip 84.38M
| ├──语音合成tacotron2实战.zip 302.43M
| ├──语音识别LAS模型.zip 420.12M
| └──资料.jpg 3.33M
└──24.第二十四章 推荐系统实战系列
| ├──第10节：基于统计分析的电影推荐
| ├──第3节：音乐推荐系统实战
| ├──第4节：Neo4j数据库实例
| ├──第11节：补充-基于相似度的酒店推荐系统.zip 1.81M
| ├──第1节：推荐系统介绍.pdf 1.50M
| ├──第2节：协同过滤与矩阵分解.pdf 974.68kb
| ├──第5节：基于知识图谱的电影推荐实战.zip 160.61M
| ├──第6节：FM与DeepFM算法.pdf 759.61kb
| ├──第7节：DeepFM算法实战.zip 1.16M
| ├──第8节：推荐系统常用工具包演示.zip 129.35M
| └──第9节：基于文本数据的推荐实例.zip 254.77M