唐宇迪AIGC与大模型实战

第1章GPT系列算法解读(1小时57分钟9节)

1-1课程简介[04:25]
1-21-GPT系列算法概述[10:02]
1-32-GPT三代版本分析[12:35]
1-43-GPT初代版本要解决的问题[12:07]
1-54-GPT第二代版本训练策略[10:17]
1-65-采样策略与多样性[10:31]
1-76-GPT3的提示与生成方法[24:20]
1-87-应用场景CODEX分析[14:53]
1-98-DEMO应用演示[17:58]
第2章GPT2训练与预测部署流程(1小时7分钟5节)

2-11-生成模型可以完成的任务概述[07:46]
2-22-数据样本生成方法[14:10]
2-33-训练所需参数解读[13:40]
2-44-模型训练过程[12:39]
2-55-部署与网页预测展示[19:11]
第3章chatgpt算法解读分析(1小时19分钟7节)

3-11-chatgpt概述[08:57]
3-22-挑战及其与有监督问题差异[09:26]
3-33-强化学习登场[07:42]
3-44-强化学习的作用效果[12:58]
3-55-奖励模型设计方法[09:03]
3-66-RLHF训练流程解读[13:07]
3-77-总结分析[18:46]
第4章LLM与LORA微调策略解读(1小时2分钟5节)

4-11-大模型如何做下游任务[10:16]
4-22-LLM落地微调分析[14:00]
4-33-LLAMA与LORA介绍[12:20]
4-44-LORA微调的核心思想[09:13]
4-55-LORA模型实现细节[16:46]
第5章LLM下游任务训练自己模型实战(57分钟5节)

5-11-提示工程的作用[14:46]
5-22-项目数据解读[09:42]
5-33-源码调用DEBUG解读[10:24]
5-44-训练流程演示[12:00]
5-55-效果演示与总结分析[10:17]
第6章langchain工具实例(49分钟5节)

6-11-langchain框架解读[09:18]
6-22-基本API调用方法[10:25]
6-33-数据文档切分操作[10:25]
6-44-样本索引与向量构建[10:02]
6-55-数据切块方法[09:37]
第7章视觉大模型SAM(1小时48分钟9节)

7-11-DEMO效果演示[12:32]
7-22-论文解读分析[14:40]
7-33-完成的任务分析[11:05]
7-44-数据闭环方法[15:16]
7-55-预训练模型的作用[12:58]
7-66-Decoder的作用与项目源码[10:25]
7-77-分割任务模块设计[12:48]
7-88-实现细节分析[10:01]
7-99-总结分析[08:24]
第8章视觉QA算法与论文解读(49分钟5节)

8-11-视觉QA要解决的问题[10:27]
8-22-论文概述分析[10:58]
8-33-实现流程路线图[11:00]
8-44-答案关注区域分析[10:42]
8-55-VQA任务总结[06:10]
第9章扩散模型diffusion架构算法解读(1小时56分钟10节)

9-11-扩散模型概述与GAN遇到的问题[11:23]
9-22-要完成的任务分析[11:51]
9-33-公式原理推导解读[13:15]
9-44-分布相关计算操作[09:02]
9-55-算法实现细节推导[12:14]
9-66-公式推导结果分析[11:46]
9-77-细节实现总结[10:36]
9-88-论文流程图解读[10:28]
9-99-案例流程分析[10:28]
9-1010-基本建模训练效果[15:12]
第10章openai-dalle2论文解读(44分钟4节)

10-11-论文基本思想与核心模块分析[10:22]
10-22-不同模块对比分析[07:09]
10-33-算法核心流程解读[13:06]
10-44-各模块实现细节讲解[14:02]
第11章openai-dalle2源码解读(53分钟5节)

11-11-项目整体流程分析1[10:52]
11-22-源码实现细节分析[10:45]
11-33-源码公式对应论文分析[10:12]
11-44-Decoder模块实现细节解读[10:04]
11-55-源码实现流程总结[12:02]
第12章自监督任务-对比学习思想(42分钟4节)

12-11-对比学习要解决的问题分析[10:32]
12-22-正负样本构建方法[09:32]
12-33-Simclr框架流程分析[11:28]
12-44-下游任务应用概述[11:27]
第13章视觉自监督BEIT算法解读(59分钟5节)

13-11-视觉自监督任务分析[12:32]
13-22-任务训练目标分析[11:58]
13-33-建模流程分析与效果展示[11:00]
13-44-codebook模块的作用[10:25]
13-55-任务总结分析[13:50]
第14章视觉自监督任务BEITV2论文解读(54分钟5节)

14-11-BEITV2版本论文出发点解读[10:23]
14-22-自监督任务中两大核心任务分析[10:31]
14-33-整体网络架构图分析[12:08]
14-44-框架实现细节流程分析[06:48]
14-55-论文细节模块实现解读[14:57]
第15章视觉自监督任务BEITV2源码解读(32分钟3节)

15-11-mmselfup源码实现解读[10:24]
15-22-网络结构搭建细节解读[10:39]
15-33-源码实现流程总结[10:59]
第16章BEV感知特征空间算法解读(1小时34分钟10节)

16-11-BEV要解决的问题通俗解读[04:48]
16-22-BEV中的3D与4D分析[08:44]
16-33-特征融合过程中可能遇到的问题[08:20]
16-44-BEV汇总特征方法实例解读[11:28]
16-55-DeformableAttention回顾[11:32]
16-66-空间注意力模块解读[09:46]
16-77-时间模块与拓展补充[09:58]
16-88-论文知识点分析[08:45]
16-99-核心模块论文分析[11:26]
16-1010-整体架构总结[10:05]
第17章BEVformer项目源码解读(2小时5分钟12节)

17-11-环境配置方法解读[09:46]
17-22-数据集下载与配置方法[09:39]
17-33-特征提取以及BEV空间初始化[11:35]
17-44-特征对齐与位置编码初始化[10:43]
17-55-Reference初始点构建[10:47]
17-66-BEV空间与图像空间位置对应[10:30]
17-77-注意力机制模块计算方法[10:12]
17-88-BEV空间特征构建[09:22]
17-99-Decoder要完成的任务分析[09:20]
17-1010-获取当前BEV特征[09:12]
17-1111-Decoder级联校正模块[11:02]
17-1212-损失函数与预测可视化[13:11]
第18章补充-视觉大模型基础-deformableAttent(59分钟6节)

18-11-DeformableAttention概述分析[08:35]
18-22-可变形偏移量分析[11:12]
18-33-应用场景分析解读[08:05]
18-44-论文计算公式解读[12:13]
18-55-整体框架流程实例[11:07]
18-66-下游任务应用场景[08:18]

唐宇迪AIGC与大模型实战

客服qq：3577690491 资源互换 高价回收 自助下单 超划算套餐 SVIP会员 预售特惠 小二牛下载器

客服qq：3577690491
资源互换高价回收