唐宇迪aigc与nlp大模型实战-经典cv与nlp大模型及其下游应用任务实现
名称：唐宇迪aigc与nlp大模型实战-经典cv与nlp大模型及其下游应用任务实现描述：该课程为唐宇迪AIGC与NLP大模型实战，系统讲解CV与NLP大模型及其下游应用实现：基础篇深入GPT系列算法(三代版本演进、训练策略与CODEX应用)、ChatGPT原理(强化学习与RLHF训练流程)；进阶篇涵盖LLM微调技术(LLAMA与LORA)、提示工程与langchain框架应用；视觉篇聚焦SAM分割大模型、BEV空间感知(DeformableAttention、特征融合)、视觉QA与自监督学习(SimCLR、BEIT系列)；生成篇详解扩散模型(数学推导、DALL-E2源码)与对比学习，配套论文解读、源码实现与实战案例，打通大模型预训练、微调到部署全流程。
链接：
百度：https://pan.baidu.com/s/12PlyTiPIg04W9BC-bVCXdQ?pwd=9527
夸克：https://pan.quark.cn/s/e2544b0c0c03
???? 大小：10.46 GB
???? 标签：#GPT系列 #ChatGPT #RLHF训练 #LORA微调 #langchain框架 #SAM分割大模型 #BEV空间感知 #扩散模型 #DALLE2 #自监督学习 #对比学习 #唐宇迪aigc与nlp大模型实战 #baidu #quark
└─唐宇迪aigc与nlp大模型实战-经典cv与nlp大模型及其下游应用任务实现
│100_4-特征对齐与位置编码初始化_ev.mp4
│101_5-Reference初始点构建_ev.mp4
│102_6-BEV空间与图像空间位置对应_ev.mp4
│103_7-注意力机制模块计算方法_ev.mp4
│104_8-BEV空间特征构建_ev.mp4
│105_9-Decoder要完成的任务分析_ev.mp4
│106_10-获取当前BEV特征_ev.mp4
│107_11-Decoder级联校正模块_ev.mp4
│108_12-损失函数与预测可视化_ev.mp4
│109_1-DeformableAttention概述分析_ev.mp4
│10_1-生成模型可以完成的任务概述_ev.mp4
│110_2-可变形偏移量分析_ev.mp4
│111_3-应用场景分析解读_ev.mp4
│112_4-论文计算公式解读_ev.mp4
│113_5-整体框架流程实例_ev.mp4
│114_6-下游任务应用场景_ev.mp4
│11_2-数据样本生成方法_ev.mp4
│12_3-训练所需参数解读_ev.mp4
│13_4-模型训练过程_ev.mp4
│14_5-部署与网页预测展示_ev.mp4
│15_1-chatgpt概述_ev.mp4
│16_2-挑战及其与有监督问题差异_ev.mp4
│17_3-强化学习登场_ev.mp4
│18_4-强化学习的作用效果_ev.mp4
│19_5-奖励模型设计方法_ev.mp4
│1_课程简介_ev.mp4
│20_6-RLHF训练流程解读_ev.mp4
│21_7-总结分析_ev.mp4
│22_1-大模型如何做下游任务_ev.mp4
│23_2-LLM落地微调分析_ev.mp4
│24_3-LLAMA与LORA介绍_ev.mp4
│25_4-LORA微调的核心思想_ev.mp4
│26_5-LORA模型实现细节_ev.mp4
│27_1-提示工程的作用_ev.mp4
│28_2-项目数据解读_ev.mp4
│29_3-源码调用DEBUG解读_ev.mp4
│2_1-GPT系列算法概述_ev.mp4
│30_4-训练流程演示_ev.mp4
│31_5-效果演示与总结分析_ev.mp4
│32_1-langchain框架解读_ev.mp4
│33_2-基本API调用方法_ev.mp4
│34_3-数据文档切分操作_ev.mp4
│35_4-样本索引与向量构建_ev.mp4
│36_5-数据切块方法_ev.mp4
│37_1-DEMO效果演示_ev.mp4
│38_2-论文解读分析_ev.mp4
│39_3-完成的任务分析_ev.mp4
│3_2-GPT三代版本分析_ev.mp4
│40_4-数据闭环方法_ev.mp4
│41_5-预训练模型的作用_ev.mp4
│42_6-Decoder的作用与项目源码_ev.mp4
│43_7-分割任务模块设计_ev.mp4
│44_8-实现细节分析_ev.mp4
│45_9-总结分析_ev.mp4
│46_1-视觉QA要解决的问题_ev.mp4
│47_2-论文概述分析_ev.mp4
│48_3-实现流程路线图_ev.mp4
│49_4-答案关注区域分析_ev.mp4
│4_3-GPT初代版本要解决的问题_ev.mp4
│50_5-VQA任务总结_ev.mp4
│51_1-扩散模型概述与GAN遇到的问题_ev.mp4
│52_2-要完成的任务分析_ev.mp4
│53_3-公式原理推导解读_ev.mp4
│54_4-分布相关计算操作_ev.mp4
│55_5-算法实现细节推导_ev.mp4
│56_6-公式推导结果分析_ev.mp4
│57_7-细节实现总结_ev.mp4
│58_8-论文流程图解读_ev.mp4
│59_9-案例流程分析_ev.mp4
│5_4-GPT第二代版本训练策略_ev.mp4
│60_10-基本建模训练效果_ev.mp4
│61_1-论文基本思想与核心模块分析_ev.mp4
│62_2-不同模块对比分析_ev.mp4
│63_3-算法核心流程解读_ev.mp4
│64_4-各模块实现细节讲解_ev.mp4
│65_1-项目整体流程分析_ev.mp4
│66_2-源码实现细节分析_ev.mp4
│67_3-源码公式对应论文分析_ev.mp4
│68_4-Decoder模块实现细节解读_ev.mp4
│69_5-源码实现流程总结_ev.mp4
│6_5-采样策略与多样性_ev.mp4
│70_1-对比学习要解决的问题分析_ev.mp4
│71_2-正负样本构建方法_ev.mp4
│72_3-Simclr框架流程分析_ev.mp4
│73_4-下游任务应用概述_ev.mp4
│74_1-视觉自监督任务分析_ev.mp4
│75_2-任务训练目标分析_ev.mp4
│76_3-建模流程分析与效果展示_ev.mp4
│77_4-codebook模块的作用_ev.mp4
│78_5-任务总结分析_ev.mp4
│79_1-BEITV2版本论文出发点解读_ev.mp4
│7_6-GPT3的提示与生成方法_ev.mp4
│80_2-自监督任务中两大核心任务分析_ev.mp4
│81_3-整体网络架构图分析_ev.mp4
│82_4-框架实现细节流程分析_ev.mp4
│83_5-论文细节模块实现解读_ev.mp4
│84_1-mmselfup源码实现解读_ev.mp4
│85_2-网络结构搭建细节解读_ev.mp4
│86_3-源码实现流程总结_ev.mp4
│87_1-BEV要解决的问题通俗解读_ev.mp4
│88_2-BEV中的3D与4D分析_ev.mp4
│89_3-特征融合过程中可能遇到的问题_ev.mp4
│8_7-应用场景CODEX分析_ev.mp4
│90_4-BEV汇总特征方法实例解读_ev.mp4
│91_5-DeformableAttention回顾_ev.mp4
│92_6-空间注意力模块解读_ev.mp4
│93_7-时间模块与拓展补充_ev.mp4
│94_8-论文知识点分析_ev.mp4
│95_9-核心模块论文分析_ev.mp4
│96_10-整体架构总结_ev.mp4
│97_1-环境配置方法解读_ev.mp4
│98_2-数据集下载与配置方法_ev.mp4
│99_3-特征提取以及BEV空间初始化_ev.mp4
│9_8-DEMO应用演示_ev.mp4
│
└─AIGC与大模型
└─AIGC与大模型
│LLAVA_YOLO.rar
│第一章：GPT系列.pdf
│第二章：ChinesePretrainedModels.zip
│
├─llama3
│ Chinese-LLaMA-Alpaca-3-main.zip
│ LLAMA3.docx
│ rag.zip
│
├─SAM2
│ SAM2.pdf
│ segment-anything-2-main.zip
│
├─第七章：视觉大模型SAM
│ SAM.pdf
│ segment-anything-main.rar
│
├─第三章：ChatGpt
│ GPT系列.pdf
│
├─第九章：扩散模型
│ annotated_diffusion.ipynb
│
├─第五章：LLM下游任务
│ Huatuo-Llama-Med-Chinese-main.zip
│
├─第八章：视觉QA
│ From Images to Textual Prompts.pdf
│
├─第六章：langchain
│ langchain-tutorials-main.zip
│
├─第十一章：dalle2源码解读
│ DALLE2-pytorch-main.zip
│
├─第十七章：BEVFORMER源码
│ BEV特征空间bevformer.mp4
│
├─第十三章：BEIT
│ beit.pdf
│
├─第十二章：自监督任务对比学习
│ 对比学习.pdf
│
├─第十五章：BEITV2源码
│ mmselfsup-1.x.zip
│
├─第十六章：BEV感知
│ BEV.pdf
│
├─第十四章：BEITV2
│ BEiT v2.pdf
│
├─第十章：dalle2论文解读
│ dalle2.pdf
│
└─第四章：LLM与LORA
大模型.pdf
页:
[1]