深度之眼-人工智能Paper年度会员（多模态方向）

1-1_大模型——前沿论文带读训练营（NLP方向）/

[ 233] 1-1_资料合集

1-2_大模型——前沿论文带读训练营（NLP方向）/

[ 233] 1-1_资料合集

1-3_02多模态—二期课程/

[ 233] 1-1_课件资料

[119M] 1-2_补充课程-GPT-4

[ 67M] 1-3_11VQA论文泛读1

[ 69M] 1-4_12VQA论文泛读2

[ 75M] 1-5_13VQA3论文泛读3

[146M] 1-6_14VQA论文泛读4论文精读

1-4_01多模态-baseline/

[ 259] 1-1_课件资料合集

[170M] 1-2_11CLIP-论文泛读（体验课直播回放）

[279M] 1-3_12CLIP-论文精读（体验课直播回放）

[ 80M] 1-4_13CLIP-代码复现

[2.6G] 1-5_21DeepVisual-Semanti-论文泛读

[1.4G] 1-6_22DeepVisual-Semanti-论文精读1

[1.3G] 1-7_23DeepVisual-Semanti-论文精读2

[ 12M] 1-8_24DeepVisual-Semanti-代码复现1

[ 48M] 1-9_25DeepVisual-Semanti-代码复现2

[ 76M] 1-10_26DeepVisual-Semanti-代码复现3

[1.4G] 1-11_31ShowandTell-论文泛读

[580M] 1-12_32ShowandTell-论文精读

[ 42M] 1-13_33ShowandTell-代码复现

[533M] 1-14_41showAttenendandTell论文泛读

[309M] 1-15_42showAttenendandTell论文精读1

[877M] 1-16_43showAttenendandTell论文精读2

[ 26M] 1-17_44showAttenendandTell代码复现1

[ 72M] 1-18_45showAttenendandTell代码复现2

[ 40M] 1-19_51ImageCaptioning论文泛读1

[ 11M] 1-20_52ImageCaptioning论文泛读2

[ 61M] 1-21_53ImageCaptioning论文精读1

[ 42M] 1-22_54ImageCaptioning论文精读2

[578M] 1-23_55ImageCaptioning代码讲解1

[342M] 1-24_56ImageCaptioning代码讲解2

[2.9G] 1-25_61densecaption论文泛读

[1.0G] 1-26_62densecaption论文精读

[1.8G] 1-27_63densecaption代码讲解

[535M] 1-28_71KnowingWhentoLook论文泛读

[1.1G] 1-29_72KnowingWhentoLook论文精读

[2.0G] 1-30_73KnowingWhentoLook代码讲解

[710M] 1-31_81SCA-CNN论文泛读

[1.2G] 1-32_82SCA-CNN论文精读

[284M] 1-33_83SCA-CNN代码讲解

[651M] 1-34_91bottom-up论文泛读

[845M] 1-35_92bottom-up论文精读

[911M] 1-36_93bottom-up代码讲解

[969M] 1-37_101evaluate论文泛读

[566M] 1-38_102evaluate论文精读

[343M] 1-39_103evaluate代码讲解

[116M] 1-40_111NeuralBabyTalk论文泛读

[861M] 1-41_112NeuralBabyTalk论文精读

[803M] 1-42_113NeuralBabyTalk代码讲解

1-5_03数学基础/

[ 216] 1-1_PDF课件合集

[ 23M] 1-2_[第一章]-1导读课

[ 75M] 1-3_[第一章]-2矩阵的基本概念和运算性质

[115M] 1-4_[第一章]-3矩阵的逆，转置和对称转置

[ 80M] 1-5_[第一章]-4行列式的计算

[ 97M] 1-6_[第一章]-5特殊矩阵的行列式与行列式的性质

[ 82M] 1-7_[第一章]-6行列式按行列展开，代数余子式

[ 20M] 1-8_[第一章]-7行列式的应用：克莱姆法则

[111M] 1-9_[第一章]-8矩阵的逆的引入

[ 73M] 1-10_[第一章]-9常用矩阵性质与特殊矩阵的逆

[ 60M] 1-11_[第一章]-10分块矩阵

[144M] 1-12_[第二章]-1初等变换引入+三种矩阵初等变换以及三种初等矩阵以及矩阵标准型

[ 52M] 1-13_[第二章]-2初等变换的性质以及逆矩阵的另一种简单求法

[137M] 1-14_[第二章]-3矩阵秩的定义和性质以及线性方程组解的个数

[ 56M] 1-15_[第二章]-4矩阵的秩在线性回归算法中的应用

[132M] 1-16_[第二章]-5向量的线性相关线性无关于可逆矩阵的关系+向量的内积范数正交规范正交基

[ 89M] 1-17_[第二章]-6施密特规范正交化+特征值特征向量定义直观意义+特征值特征向量求法与常用性质

[118M] 1-18_[第二章]-7施密特规范正交化+特征值特征向量定义直观意义+特征值特征向量求法与常用性质

[117M] 1-19_[第二章]-8相似矩阵以及矩阵对角化+矩阵对角化的条件以及对称矩阵的对角化

[ 67M] 1-20_[第二章]-9对角化在压缩算法的应用+二次型矩阵正定性+矩阵正定性在线性回归算法应用（上）

[ 75M] 1-21_[第二章]-10对角化在压缩算法应用+二次型矩阵正定性+矩阵正定性在线性回归算法应用（下）

[127M] 1-22_[第二章]-11SVD分解的应用

[143M] 1-23_[第三章]-1常用函数的导数以及到导数的常用公式，复合函数求导

[136M] 1-24_[第三章]-2中值定理洛必达法则泰勒公式及应用

[269M] 1-25_[第三章]-3函数的凹凸性函数的极值

[158M] 1-26_[第三章]-4不定积分

[168M] 1-27_[第三章]-5定积分

[122M] 1-28_[第三章]-6偏导数多元函数复合求导法则链式求导法则

[ 224] 1-28_[第三章]-6偏导数多元函数复合求导法则链式求导法则_详情页

[301M] 1-29_[第三章]-7方向导数与梯度及其应用

[211M] 1-30_[第三章]-8多元函数泰勒公式与海森矩阵多元函数的极值

[241M] 1-31_[第三章]-9矩阵的求导

[283M] 1-32_[第三章]-10矩阵的求导在深度学习中的应用

[312M] 1-33_[第四章-上]-1随机实验样本空间随机事件概率的定义条件概率与乘法公式

[225M] 1-34_[第四章-上]-2全概率公式与贝叶斯公式及应用独立性

[127M] 1-35_[第四章-上]-3随机变量与多维随机变量

[115M] 1-36_[第四章-上]-4期望与方差（上）

[100M] 1-37_[第四章-上]-5期望与方差（下）

[132M] 1-38_[第四章-上]-6参数的估计

[120M] 1-39_[第四章-下]-1无约束最优化梯度下降

[108M] 1-40_[第四章-下]-2无约束最优化牛顿法

[ 93M] 1-41_[第四章-下]-3约束最优化

1-6_01Python·AI数据科学入门/

[1.2K] 1-1_[资料合集]代码、数据及课件下载地址

[ 56M] 1-2_第一章绪论和环境配置

[3.1K] 1-2_第一章绪论和环境配置_详情页

[229M] 1-3_[作业讲解]第一章：助教实际演示配置环境过程

[ 372] 1-3_[作业讲解]第一章：助教实际演示配置环境过程_详情页

[147M] 1-4_第二章Python基本语法元素

[1.8K] 1-4_第二章Python基本语法元素_详情页

[381M] 1-5_[作业讲解]第二章：Python基本语法元素

[ 647] 1-5_[作业讲解]第二章：Python基本语法元素_详情页

[117M] 1-6_第三章基本数据类型

[2.2K] 1-6_第三章基本数据类型_详情页

[440M] 1-7_[作业讲解]第三章：基本数据类型

[ 794] 1-7_[作业讲解]第三章：基本数据类型_详情页

[120M] 1-8_第四章组合数据类型

[2.0K] 1-8_第四章组合数据类型_详情页

[591M] 1-9_[作业讲解]第四章：复杂数据类型

[ 923] 1-9_[作业讲解]第四章：复杂数据类型_详情页

[105M] 1-10_第五章程序控制结构

[2.1K] 1-10_第五章程序控制结构_详情页

[ 34M] 1-11_[作业讲解]第五章：程序控制结构

[1.1K] 1-11_[作业讲解]第五章：程序控制结构_详情页

[163M] 1-12_第六章函数-面向过程的编程

[3.5K] 1-12_第六章函数-面向过程的编程_详情页

[ 60M] 1-13_[作业讲解]第六章：函数

[1.2K] 1-13_[作业讲解]第六章：函数_详情页

[101M] 1-14_第七章类-面向对象的编程

[1.7K] 1-14_第七章类-面向对象的编程_详情页

[ 40M] 1-15_[作业讲解]第七章：类

[1.1K] 1-15_[作业讲解]第七章：类_详情页

[153M] 1-16_第八章文件、异常和模块

[2.0K] 1-16_第八章文件、异常和模块_详情页

[ 16M] 1-17_[作业讲解]第八章：文件、异常和模块

[ 942] 1-17_[作业讲解]第八章：文件、异常和模块_详情页

[159M] 1-18_第九章有益的探索

[2.1K] 1-18_第九章有益的探索_详情页

[ 39M] 1-19_[作业讲解]第九章：有益的探索

[113M] 1-20_第十章Python标准库

[1.9K] 1-20_第十章Python标准库_详情页

[ 19M] 1-21_[作业讲解]第十章：Python标准库

[1.1K] 1-21_[作业讲解]第十章：Python标准库_详情页

[104M] 1-22_第十一章科学计算库—Numpy应用

[2.1K] 1-22_第十一章科学计算库—Numpy应用_详情页

[220M] 1-23_[作业讲解]第十一章：Numpy库

[1.1K] 1-23_[作业讲解]第十一章：Numpy库_详情页

[188M] 1-24_第十二章Pandas库

[2.1K] 1-24_第十二章Pandas库_详情页

[204M] 1-25_[作业讲解]第十二章：Pandas库

[1.1K] 1-25_[作业讲解]第十二章：Pandas库_详情页

[127M] 1-26_第十三章Matplotlib

[260M] 1-27_[作业讲解]第十三章：Matplotlib

[ 73M] 1-28_第十四章Sklearn常规用法

[2.1K] 1-28_第十四章Sklearn常规用法_详情页

[335M] 1-29_[作业讲解]第十四章：Sklearn常规用法

[1.1K] 1-29_[作业讲解]第十四章：Sklearn常规用法_详情页

[ 91M] 1-30_第十五章再谈编程

1-7_02PyTorch/

[认准一手完整 www.ukoou.com]深度之眼人工智能Paper年度会员

[1.7K] 1-1_[资料合集]课件及代码百度云盘下载地址

[381M] 1-2_[必看]深入浅出PyTorch

[ 159] 1-2_[必看]深入浅出PyTorch_详情页

[101M] 1-3_[第一周]PyTorch简介与安装

[8.5K] 1-3_[第一周]PyTorch简介与安装_详情页

[896M] 1-4_[第一周]补充-pytorch开发环境安装

[6.7K] 1-4_[第一周]补充-pytorch开发环境安装_详情页

[174M] 1-5_[第一周]张量简介与创建

[8.2K] 1-5_[第一周]张量简介与创建_详情页

[101M] 1-6_[第一周]张量操作与线性回归

[8.1K] 1-6_[第一周]张量操作与线性回归_详情页

[ 59M] 1-7_[第一周]计算图与动态图机制

[7.9K] 1-7_[第一周]计算图与动态图机制_详情页

[ 98M] 1-8_[第一周]autograd与逻辑回归

[8.3K] 1-8_[第一周]autograd与逻辑回归_详情页

[106M] 1-9_[第一周]作业讲解1

[ 167] 1-9_[第一周]作业讲解1_详情页

[138M] 1-10_[第一周]作业讲解2

[110M] 1-11_[第一周]作业讲解3

[ 85M] 1-12_[第二周]数据读取机制Dataloader与Dataset

[7.6K] 1-12_[第二周]数据读取机制Dataloader与Dataset_详情页

[ 81M] 1-13_[第二周]数据预处理transforms模块机制

[7.4K] 1-13_[第二周]数据预处理transforms模块机制_详情页

[176M] 1-14_[第二周]二十二种transforms数据预处理方法

[7.0K] 1-14_[第二周]二十二种transforms数据预处理方法_详情页

[196M] 1-15_[第二周]学会自定义transforms方法

[7.2K] 1-15_[第二周]学会自定义transforms方法_详情页

[393M] 1-16_[第二周]作业讲解

[ 89M] 1-17_[第三周]模型创建步骤与nnModule

[7.9K] 1-17_[第三周]模型创建步骤与nnModule_详情页

[ 96M] 1-18_[第三周]模型容器与AlexNet构建

[8.6K] 1-18_[第三周]模型容器与AlexNet构建_详情页

[107M] 1-19_[第三周]nn网络层-卷积层

[ 10K] 1-19_[第三周]nn网络层-卷积层_详情页

[ 96M] 1-20_[第三周]nn网络层-池化-线性-激活函数层

[ 11K] 1-20_[第三周]nn网络层-池化-线性-激活函数层_详情页

[223M] 1-21_[第三周]作业讲解

[ 95M] 1-22_[第四周]权值初始化

[9.6K] 1-22_[第四周]权值初始化_详情页

[161M] 1-23_[第四周]损失函数（一）

[ 11K] 1-23_[第四周]损失函数（一）_详情页

[166M] 1-24_[第四周]损失函数(二)

[9.3K] 1-24_[第四周]损失函数(二)_详情页

[102M] 1-25_[第四周]优化器optimizer的概念

[8.9K] 1-25_[第四周]优化器optimizer的概念_详情页

[122M] 1-26_[第四周]torchoptimSGD

[4.6K] 1-26_[第四周]torchoptimSGD_详情页

[247M] 1-27_[第四周]作业讲解

[133M] 1-28_[第五周]学习率调整策略

[5.6K] 1-28_[第五周]学习率调整策略_详情页

[ 62M] 1-29_[第五周]TensorBoard简介与安装

[6.0K] 1-29_[第五周]TensorBoard简介与安装_详情页

[113M] 1-30_[第五周]TensorBoard使用（一）

[6.2K] 1-30_[第五周]TensorBoard使用（一）_详情页

[174M] 1-31_[第五周]TensorBoard使用（二）

[6.9K] 1-31_[第五周]TensorBoard使用（二）_详情页

[130M] 1-32_[第五周]hook函数与CAM可视化

[6.2K] 1-32_[第五周]hook函数与CAM可视化_详情页

[350M] 1-33_[第五周]作业讲解

[ 90M] 1-34_[第六周]正则化之weight_decay

[6.3K] 1-34_[第六周]正则化之weight_decay_详情页

[129M] 1-35_[第六周]BatchNormalization

[7.1K] 1-35_[第六周]BatchNormalization_详情页

[ 92M] 1-36_[第六周]Normalizaiton_layers

[7.6K] 1-36_[第六周]Normalizaiton_layers_详情页

[ 84M] 1-37_[第六周]正则化之Dropout

[6.7K] 1-37_[第六周]正则化之Dropout_详情页

[291M] 1-38_[第六周]作业讲解

[ 66M] 1-39_[第七周]模型保存与加载

[6.2K] 1-39_[第七周]模型保存与加载_详情页

[ 95M] 1-40_[第七周]模型finetune

[6.6K] 1-40_[第七周]模型finetune_详情页

[105M] 1-41_[第七周]GPU的使用

[6.2K] 1-41_[第七周]GPU的使用_详情页

[ 93M] 1-42_[第七周]PyTorch常见报错

[6.9K] 1-42_[第七周]PyTorch常见报错_详情页

[141M] 1-43_[第七周]作业讲解

[144M] 1-44_[第八周]图像分类一瞥

[5.8K] 1-44_[第八周]图像分类一瞥_详情页

[180M] 1-45_[第八周]图像分割一瞥

[6.3K] 1-45_[第八周]图像分割一瞥_详情页

[126M] 1-46_[第八周]图像目标检测一瞥（上）

[5.4K] 1-46_[第八周]图像目标检测一瞥（上）_详情页

[229M] 1-47_[第八周]图像目标检测一瞥（下）

[5.8K] 1-47_[第八周]图像目标检测一瞥（下）_详情页

[160M] 1-48_[第九周]生成对抗网络一瞥

[5.6K] 1-48_[第九周]生成对抗网络一瞥_详情页

[103M] 1-49_[第九周]循环神经网络一瞥

[4.9K] 1-49_[第九周]循环神经网络一瞥_详情页

1-8_06OpenCV图像基础/

[ 340] 1-1_课件代码

[ 74M] 1-2_1-1图像基础知识

[145M] 1-3_1-2图像基础知识

[229M] 1-4_1-3图像基础知识

[174M] 1-5_1-4图像基础知识

[292M] 1-6_2-1图像基本处理

[236M] 1-7_2_2图像基本处理

[389M] 1-8_2_3图像基本处理

[478M] 1-9_2_4图像基本处理

[571M] 1-10_2_5图像基本操作_图像滤波

[353M] 1-11_2_6图像基本操作_图像增强

[309M] 1-12_2-7形态学操作_腐蚀

[481M] 1-13_2_8形态学操作_膨胀开运算与闭运算

[341M] 1-14_3_1固定阈值分割

[413M] 1-15_3_2自动阈值分割

[566M] 1-16_3_3边缘检测算子

[378M] 1-17_3_4连通区域_区域生长算法

[334M] 1-18_3_5分水岭算法图像分割

[435M] 1-19_4_1特征描述_HOG

[264M] 1-20_4_2特征描述Harris和SIFT算法

[368M] 1-21_4_3纹理特征LBP算法

[282M] 1-22_4_4模板匹配算法

[560M] 1-23_4_5人脸检测算法

[504M] 1-24_5_1摄像头调用和视频的读取保存

[383M] 1-25_5_2帧差法视频目标识别

[431M] 1-26_5_3光流法和背景减除法

1-9_05NLP基础知识/

[认准一手完整 www.ukoou.com]人工智能Paper年度会员多模态方向

[ 305] 1-1_课件

[473M] 1-2_1-1前言

[378M] 1-3_1-2研究方向概述

[228M] 1-4_2-1预备知识

[ 350] 1-4_2-1预备知识_详情页

[231M] 1-5_2-2NLP问题中的特征

[387M] 1-6_2-3特征输入

[272M] 1-7_2-4文本的向量化表示与案例实现

[582M] 1-8_3-1统计语言模型简介与案例实现

[239M] 1-9_3-2语言模型任务评估

[656M] 1-10_3-3神经语言模型简介与代码实现

[250M] 1-11_3-4预训练的词表示及其使用实例

[442M] 1-12_4-1word2vec原理

[765M] 1-13_4-2word2vec代码复现

[329M] 1-14_4-3word2vec项目实战展示

[491M] 1-15_4-4BERT使用实战讲解

[399M] 1-16_4-5MLP模型与实战

[583M] 1-17_4-6RNN模型原理、代码复现与实战

[211M] 1-18_5-1HMM序列标注

[326M] 1-19_5-2HMM模型简介

[387M] 1-20_5-3HMM样本生成

[191M] 1-21_5-4HMM训练

[307M] 1-22_5-5HMM预测

[532M] 1-23_5-6HMM代码实现

资料代码/