文件清单 55 项

• CVPR2020Papers.zip
• 人工智能大纲升级版本.pdf
• 8. 7-BERT模型训练策略.mp4
• 9. 8-论文总结分析.mp4
• 5. 4-预训练模型的作用.mp4
• 7. 6-向量特征编码方法.mp4
• 3. 2-BERT模型摘要概述.mp4
• 4. 3-模型在NLP领域应用效果.mp4
• 6. 5-输入数据特殊编码字符解析.mp4

展开全部 55 项

• 1. 课程介绍.mp4
• 2. 1-论文讲解思路概述.mp4
• 13-额外补充-Resnet论文解读.mp4
• 论文集索引.jpg
• 5. 4-基于图卷积构建人体拓扑关系.mp4
• 1. 1-关键点位置特征构建.mp4
• 4. 3-局部特征热度图计算.mp4
• 6. 5-图卷积模块实现方法.mp4
• 2. 2-图卷积与匹配的作用.mp4
• CVPR2021-2.zip
• CVPR2021-1.zip
• ICCV-2.zip
• ICCV-1.zip
• Szegedy_Going_Deeper_With_2015_CVPR_paper.pdf
• 1506.02025_Spatial Transformer Networks.pdf
• 1504.08083_Fast R-CNN.pdf
• 1512.03385v1_Deep Residual Learning for Image Recognition.pdf
• 4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf
• 1311.2524v5_R_CNN.pdf
• 1311.2901v3_Visualizing and Understanding Convolutional Networks.pdf
• 1506.01497v3_Faster R-CNN.pdf
• 1409.1556v6_VERY DEEP CONVOLUTIONAL Networks.pdf
• 1412.2306v2_Deep Visual-Semantic Alignments for Generating Image Descriptions.pdf
• 1406.2661v1_Generative Adversarial Nets.pdf
• 53份人工智能行业报告.zip
• OpenCV书籍.rar
• 4. 课时4 循环神经网络中Layer使用-1.mp4
• 3. 课时3 循环神经网络基本原理-2.mp4
• 1. 课时1 时间序列介绍.mp4
• 5. 课时5 循环神经网络中Layer的使用-2.mp4
• 8. 课时8 LSTM基本原理-2.mp4
• 7. 课时7 LSTM基本原理-1.mp4
• 2. 课时2 循环神经网络基本原理-1.mp4
• 10. 课时10 RNN训练难题—梯度弥散与梯度爆炸.mp4
• 9. 课时9 LSTM中Layer的使用.mp4
• 4 纳什均衡-1.flv
• 2 画家的成长历程.flv
• 5 纳什均衡-2.flv
• 9 GAN实战-1.flv
• 6 GAN训练难题.flv
• 7 EM距离.flv
• 11 WGAN实战-1.flv
• 8 WGAN-GP原理.flv
• 1 数据的分布.flv
• 3 生成对抗网络.flv
• 12 WGAN实战-2.flv