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