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

【资源目录】：

├──AIGC与大模型

| ├──llama3

| | ├──Chinese-LLaMA-Alpaca-3-main.zip 1.56G

| | ├──LLAMA3.docx 64.20kb

| | └──rag.zip 8.97kb

| ├──SAM2

| | ├──SAM2.pdf 11.75M

| | └──segment-anything-2-main.zip 278.96M

| ├──第八章：视觉QA

| | └──From Images to Textual Prompts.pdf 6.68M

| ├──第九章：扩散模型

| | └──annotated_diffusion.ipynb 4.45M

| ├──第六章：langchain

| | └──langchain-tutorials-main.zip 38.24M

| ├──第七章：视觉大模型SAM

| | ├──SAM.pdf 14.67M

| | └──segment-anything-main.rar 2.24G

| ├──第三章：ChatGpt

| | └──GPT系列.pdf 1.81M

| ├──第十二章：自监督任务对比学习

| | └──对比学习.pdf 1.83M

| ├──第十六章：BEV感知

| | └──BEV.pdf 899.69kb

| ├──第十七章：BEVFORMER源码

| | └──BEV特征空间bevformer.mp4 517.88M

| ├──第十三章：BEIT

| | └──beit.pdf 13.58M

| ├──第十四章：BEITV2

| | └──BEiT v2.pdf 9.87M

| ├──第十五章：BEITV2源码

| | └──mmselfsup-1.x.zip 326.58M

| ├──第十一章：dalle2源码解读

| | └──DALLE2-pytorch-main.zip 4.21M

| ├──第十章：dalle2论文解读

| | └──dalle2.pdf 40.92M

| ├──第四章：LLM与LORA

| | └──大模型.pdf 1.37M

| ├──第五章：LLM下游任务

| | └──Huatuo-Llama-Med-Chinese-main.zip 44.74M

| ├──LLAVA_YOLO.rar 68.08M

| ├──第二章：ChinesePretrainedModels.zip 1.62G

| └──第一章：GPT系列.pdf 1.25M

├──100_4-特征对齐与位置编码初始化_ev.mp4 32.22M

├──101_5-Reference初始点构建_ev.mp4 27.77M

├──102_6-BEV空间与图像空间位置对应_ev.mp4 27.84M

├──103_7-注意力机制模块计算方法_ev.mp4 29.72M

├──104_8-BEV空间特征构建_ev.mp4 26.13M

├──105_9-Decoder要完成的任务分析_ev.mp4 23.84M

├──106_10-获取当前BEV特征_ev.mp4 26.15M

├──107_11-Decoder级联校正模块_ev.mp4 30.53M

├──108_12-损失函数与预测可视化_ev.mp4 36.99M

├──109_1-DeformableAttention概述分析_ev.mp4 18.52M

├──10_1-生成模型可以完成的任务概述_ev.mp4 21.32M

├──110_2-可变形偏移量分析_ev.mp4 26.29M

├──111_3-应用场景分析解读_ev.mp4 31.91M

├──112_4-论文计算公式解读_ev.mp4 43.77M

├──113_5-整体框架流程实例_ev.mp4 35.49M

├──114_6-下游任务应用场景_ev.mp4 19.95M

├──11_2-数据样本生成方法_ev.mp4 46.02M

├──12_3-训练所需参数解读_ev.mp4 40.98M

├──13_4-模型训练过程_ev.mp4 37.25M

├──14_5-部署与网页预测展示_ev.mp4 56.78M

├──15_1-chatgpt概述_ev.mp4 15.83M

├──16_2-挑战及其与有监督问题差异_ev.mp4 16.43M

├──17_3-强化学习登场_ev.mp4 13.47M

├──18_4-强化学习的作用效果_ev.mp4 23.84M

├──19_5-奖励模型设计方法_ev.mp4 17.82M

├──1_课程简介_ev.mp4 7.68M

├──20_6-RLHF训练流程解读_ev.mp4 25.83M

├──21_7-总结分析_ev.mp4 47.85M

├──22_1-大模型如何做下游任务_ev.mp4 23.23M

├──23_2-LLM落地微调分析_ev.mp4 26.03M

├──24_3-LLAMA与LORA介绍_ev.mp4 21.72M

├──25_4-LORA微调的核心思想_ev.mp4 16.49M

├──26_5-LORA模型实现细节_ev.mp4 30.02M

├──27_1-提示工程的作用_ev.mp4 30.43M

├──28_2-项目数据解读_ev.mp4 32.84M

├──29_3-源码调用DEBUG解读_ev.mp4 30.53M

├──2_1-GPT系列算法概述_ev.mp4 20.18M

├──30_4-训练流程演示_ev.mp4 38.96M

├──31_5-效果演示与总结分析_ev.mp4 23.96M

├──32_1-langchain框架解读_ev.mp4 16.44M

├──33_2-基本API调用方法_ev.mp4 35.76M

├──34_3-数据文档切分操作_ev.mp4 32.26M

├──35_4-样本索引与向量构建_ev.mp4 37.67M

├──36_5-数据切块方法_ev.mp4 38.34M

├──37_1-DEMO效果演示_ev.mp4 41.06M

├──38_2-论文解读分析_ev.mp4 46.09M

├──39_3-完成的任务分析_ev.mp4 49.02M

├──3_2-GPT三代版本分析_ev.mp4 21.93M

├──40_4-数据闭环方法_ev.mp4 56.24M

├──41_5-预训练模型的作用_ev.mp4 99.58M

├──42_6-Decoder的作用与项目源码_ev.mp4 67.99M

├──43_7-分割任务模块设计_ev.mp4 45.84M

├──44_8-实现细节分析_ev.mp4 40.72M

├──45_9-总结分析_ev.mp4 41.64M

├──46_1-视觉QA要解决的问题_ev.mp4 33.64M

├──47_2-论文概述分析_ev.mp4 43.53M

├──48_3-实现流程路线图_ev.mp4 42.78M

├──49_4-答案关注区域分析_ev.mp4 35.96M

├──4_3-GPT初代版本要解决的问题_ev.mp4 22.39M

├──50_5-VQA任务总结_ev.mp4 29.37M

├──51_1-扩散模型概述与GAN遇到的问题_ev.mp4 29.62M

├──52_2-要完成的任务分析_ev.mp4 41.47M

├──53_3-公式原理推导解读_ev.mp4 34.71M

├──54_4-分布相关计算操作_ev.mp4 29.48M

├──55_5-算法实现细节推导_ev.mp4 28.82M

├──56_6-公式推导结果分析_ev.mp4 32.02M

├──57_7-细节实现总结_ev.mp4 36.32M

├──58_8-论文流程图解读_ev.mp4 28.91M

├──59_9-案例流程分析_ev.mp4 34.75M

├──5_4-GPT第二代版本训练策略_ev.mp4 20.62M

├──60_10-基本建模训练效果_ev.mp4 52.39M

├──61_1-论文基本思想与核心模块分析_ev.mp4 30.33M

├──62_2-不同模块对比分析_ev.mp4 23.41M

├──63_3-算法核心流程解读_ev.mp4 38.31M

├──64_4-各模块实现细节讲解_ev.mp4 51.63M

├──65_1-项目整体流程分析_ev.mp4 37.48M

├──66_2-源码实现细节分析_ev.mp4 29.91M

├──67_3-源码公式对应论文分析_ev.mp4 33.98M

├──68_4-Decoder模块实现细节解读_ev.mp4 31.58M

├──69_5-源码实现流程总结_ev.mp4 38.20M

├──6_5-采样策略与多样性_ev.mp4 20.16M

├──70_1-对比学习要解决的问题分析_ev.mp4 25.02M

├──71_2-正负样本构建方法_ev.mp4 20.28M

├──72_3-Simclr框架流程分析_ev.mp4 25.13M

├──73_4-下游任务应用概述_ev.mp4 24.12M

├──74_1-视觉自监督任务分析_ev.mp4 32.60M

├──75_2-任务训练目标分析_ev.mp4 33.78M

├──76_3-建模流程分析与效果展示_ev.mp4 49.10M

├──77_4-codebook模块的作用_ev.mp4 39.89M

├──78_5-任务总结分析_ev.mp4 59.92M

├──79_1-BEITV2版本论文出发点解读_ev.mp4 30.54M

├──7_6-GPT3的提示与生成方法_ev.mp4 53.58M

├──80_2-自监督任务中两大核心任务分析_ev.mp4 36.95M

├──81_3-整体网络架构图分析_ev.mp4 32.75M

├──82_4-框架实现细节流程分析_ev.mp4 15.31M

├──83_5-论文细节模块实现解读_ev.mp4 60.35M

├──84_1-mmselfup源码实现解读_ev.mp4 30.23M

├──85_2-网络结构搭建细节解读_ev.mp4 34.78M

├──86_3-源码实现流程总结_ev.mp4 32.69M

├──87_1-BEV要解决的问题通俗解读_ev.mp4 24.36M

├──88_2-BEV中的3D与4D分析_ev.mp4 16.58M

├──89_3-特征融合过程中可能遇到的问题_ev.mp4 15.72M

├──8_7-应用场景CODEX分析_ev.mp4 27.14M

├──90_4-BEV汇总特征方法实例解读_ev.mp4 24.45M

├──91_5-DeformableAttention回顾_ev.mp4 27.42M

├──92_6-空间注意力模块解读_ev.mp4 22.40M

├──93_7-时间模块与拓展补充_ev.mp4 19.59M

├──94_8-论文知识点分析_ev.mp4 33.86M

├──95_9-核心模块论文分析_ev.mp4 38.41M

├──96_10-整体架构总结_ev.mp4 35.61M

├──97_1-环境配置方法解读_ev.mp4 31.74M

├──98_2-数据集下载与配置方法_ev.mp4 37.74M

├──99_3-特征提取以及BEV空间初始化_ev.mp4 31.54M

└──9_8-DEMO应用演示_ev.mp4 62.75M