课程介绍:
随着AI的发展,大模型离我们越来越近,如何利用大模型解决我们自己的业务场景成为核心挑战,本章节以当下流行大模型技术为核心,通俗讲解CV与NLP任务中的经典大模型及其实现方法,详细解读其论文思想与应用场景,并结合实例进行项目实战。所选内容全部基于当下主流算法及其源码实现,覆盖CV与NLP核心应用场景与落地方案。
课程目录:
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文件夹 PATH 列表
│ AIGC.txt (课程资料百度云下载地址)
│
├─第1章GPT系列算法解读
│ 1-GPT系列算法概述.mp4
│ 2-GPT三代版本分析.mp4
│ 3-GPT初代版本要解决的问题.mp4
│ 4-GPT第二代版本训练策略.mp4
│ 5-采样策略与多样性.mp4
│ 6-GPT3的提示与生成方法.mp4
│ 7-应用场景CODEX分析.mp4
│ 8-DEMO应用演示.mp4
│ 课程简介.mp4
│
├─第2章GPT2训练与预测部署流程
│ 1-生成模型可以完成的任务概述.mp4
│ 2-数据样本生成方法.mp4
│ 3-训练所需参数解读.mp4
│ 4-模型训练过程.mp4
│ 5-部署与网页预测展示.mp4
│
├─第3章chatgpt算法解读分析
│ 1-chatgpt概述.mp4
│ 2-挑战及其与有监督问题差异.mp4
│ 3-强化学习登场.mp4
│ 4-强化学习的作用效果.mp4
│ 5-奖励模型设计方法.mp4
│ 6-RLHF训练流程解读.mp4
│ 7-总结分析.mp4
│
├─第4章 LLM与LORA微调策略解读
│ 1-大模型如何做下游任务.mp4
│ 2-LLM落地微调分析.mp4
│ 3-LLAMA与LORA介绍.mp4
│ 4-LORA微调的核心思想.mp4
│ 5-LORA模型实现细节.mp4
│
├─第5章 LLM下游任务训练自己模型实战
│ 1-提示工程的作用.mp4
│ 2-项目数据解读.mp4
│ 3-源码调用DEBUG解读.mp4
│ 4-训练流程演示.mp4
│ 5-效果演示与总结分析.mp4
│
├─第6章 langchain工具实例
│ 1-langchain框架解读.mp4
│ 2-基本API调用方法.mp4
│ 3-数据文档切分操作.mp4
│ 4-样本索引与向量构建.mp4
│ 5-数据切块方法.mp4
│
├─第7章 视觉大模型SAM
│ 1-DEMO效果演示.mp4
│ 2-论文解读分析.mp4
│ 3-完成的任务分析.mp4
│ 4-数据闭环方法.mp4
│ 5-预训练模型的作用.mp4
│ 6-Decoder的作用与项目源码.mp4
│ 7-分割任务模块设计.mp4
│ 8-实现细节分析.mp4
│ 9-总结分析.mp4
│
├─第8章 视觉QA算法与论文解读
│ 1-视觉QA要解决的问题.mp4
│ 2-论文概述分析.mp4
│ 3-实现流程路线图.mp4
│ 4-答案关注区域分析.mp4
│ 5-VQA任务总结.mp4
│
└─第9章 扩散模型diffusion架构算法解读
1-扩散模型概述与GAN遇到的问题.mp4
10-基本建模训练效果.mp4
2-要完成的任务分析.mp4
3-公式原理推导解读.mp4
4-分布相关计算操作.mp4
5-算法实现细节推导.mp4
6-公式推导结果分析.mp4
7-细节实现总结.mp4
8-论文流程图解读.mp4
9-案例流程分析.mp4
├─第10章 openai-dalle2论文解读
│ 1-论文基本思想与核心模块分析.mp4
│ 2-不同模块对比分析.mp4
│ 3-算法核心流程解读.mp4
│ 4-各模块实现细节讲解.mp4
│
├─第11章 openai-dalle2源码解读
│ 1-项目整体流程分析.mp4
│ 2-源码实现细节分析.mp4
│ 3-源码公式对应论文分析.mp4
│ 4-Decoder模块实现细节解读.mp4
│ 5-源码实现流程总结.mp4
│
├─第12章 自监督任务-对比学习思想
│ 1-对比学习要解决的问题分析.mp4
│ 2-正负样本构建方法.mp4
│ 3-Simclr框架流程分析.mp4
│ 4-下游任务应用概述.mp4
│
├─第13章 视觉自监督BEIT算法解读
│ 1-视觉自监督任务分析.mp4
│ 2-任务训练目标分析.mp4
│ 3-建模流程分析与效果展示.mp4
│ 4-codebook模块的作用.mp4
│ 5-任务总结分析.mp4
│
├─第14章 视觉自监督任务BEITV2论文解读
│ 1-BEITV2版本论文出发点解读.mp4
│ 2-自监督任务中两大核心任务分析.mp4
│ 3-整体网络架构图分析.mp4
│ 4-框架实现细节流程分析.mp4
│ 5-论文细节模块实现解读.mp4
│
├─第15章 视觉自监督任务BEITV2源码解读
│ 1-mmselfup源码实现解读.mp4
│ 2-网络结构搭建细节解读.mp4
│ 3-源码实现流程总结.mp4
│
├─第16章 BEV感知特征空间算法解读
│ 1-BEV要解决的问题通俗解读.mp4
│ 10-整体架构总结.mp4
│ 2-BEV中的3D与4D分析.mp4
│ 3-特征融合过程中可能遇到的问题.mp4
│ 4-BEV汇总特征方法实例解读.mp4
│ 5-DeformableAttention回顾.mp4
│ 6-空间注意力模块解读.mp4
│ 7-时间模块与拓展补充.mp4
│ 8-论文知识点分析.mp4
│ 9-核心模块论文分析.mp4
│
├─第17章 BEVformer项目源码解读
│ 1-环境配置方法解读.mp4
│ 10-获取当前BEV特征.mp4
│ 11-Decoder级联校正模块.mp4
│ 12-损失函数与预测可视化.mp4
│ 2-数据集下载与配置方法.mp4
│ 3-特征提取以及BEV空间初始化.mp4
│ 4-特征对齐与位置编码初始化.mp4
│ 5-Reference初始点构建.mp4
│ 6-BEV空间与图像空间位置对应.mp4
│ 7-注意力机制模块计算方法.mp4
│ 8-BEV空间特征构建.mp4
│ 9-Decoder要完成的任务分析.mp4
│
├─第18章 补充-视觉大模型基础-deformableAttent
│ 1-DeformableAttention概述分析.mp4
│ 2-可变形偏移量分析.mp4
│ 3-应用场景分析解读.mp4
│ 4-论文计算公式解读.mp4
│ 5-整体框架流程实例.mp4
│ 6-下游任务应用场景.mp4
以下是资料目录:
│ 第一章:GPT系列.pdf
│ 第二章:ChinesePretrainedModels.zip
│
├─第七章:视觉大模型SAM
│ SAM.pdf
│
├─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]