29_3-源码调用DEBUG解读_ev.mp4 30.5MB

24_3-LLAMA与LORA介绍_ev.mp4 21.7MB

69_5-源码实现流程总结_ev.mp4 38.2MB

92_6-空间注意力模块解读_ev.mp4 22.4MB

97_1-环境配置方法解读_ev.mp4 31.7MB

55_5-算法实现细节推导_ev.mp4 28.8MB

105_9-Decoder要完成的任务分析_ev.mp4 23.8MB

107_11-Decoder级联校正模块_ev.mp4 30.5MB

83_5-论文细节模块实现解读_ev.mp4 60.3MB

56_6-公式推导结果分析_ev.mp4 32.0MB

9_8-DEMO应用演示_ev.mp4 62.8MB

2_1-GPT系列算法概述_ev.mp4 20.2MB

114_6-下游任务应用场景_ev.mp4 20.0MB

1_课程简介_ev.mp4 7.7MB

51_1-扩散模型概述与GAN遇到的问题_ev.mp4 29.6MB

49_4-答案关注区域分析_ev.mp4 36.0MB

46_1-视觉QA要解决的问题_ev.mp4 33.6MB

58_8-论文流程图解读_ev.mp4 28.9MB

74_1-视觉自监督任务分析_ev.mp4 32.6MB

6_5-采样策略与多样性_ev.mp4 20.2MB

64_4-各模块实现细节讲解_ev.mp4 51.6MB

19_5-奖励模型设计方法_ev.mp4 17.8MB

44_8-实现细节分析_ev.mp4 40.7MB

95_9-核心模块论文分析_ev.mp4 38.4MB

31_5-效果演示与总结分析_ev.mp4 24.0MB

27_1-提示工程的作用_ev.mp4 30.4MB

57_7-细节实现总结_ev.mp4 36.3MB

75_2-任务训练目标分析_ev.mp4 33.8MB

102_6-BEV空间与图像空间位置对应_ev.mp4 27.8MB

41_5-预训练模型的作用_ev.mp4 99.6MB

4_3-GPT初代版本要解决的问题_ev.mp4 22.4MB

59_9-案例流程分析_ev.mp4 34.7MB

13_4-模型训练过程_ev.mp4 37.2MB

65_1-项目整体流程分析_ev.mp4 37.5MB

106_10-获取当前BEV特征_ev.mp4 26.2MB

52_2-要完成的任务分析_ev.mp4 41.5MB

48_3-实现流程路线图_ev.mp4 42.8MB

8_7-应用场景CODEX分析_ev.mp4 27.1MB

63_3-算法核心流程解读_ev.mp4 38.3MB

43_7-分割任务模块设计_ev.mp4 45.8MB

53_3-公式原理推导解读_ev.mp4 34.7MB

89_3-特征融合过程中可能遇到的问题_ev.mp4 15.7MB

20_6-RLHF训练流程解读_ev.mp4 25.8MB

101_5-Reference初始点构建_ev.mp4 27.8MB

50_5-VQA任务总结_ev.mp4 29.4MB

30_4-训练流程演示_ev.mp4 39.0MB

12_3-训练所需参数解读_ev.mp4 41.0MB

77_4-codebook模块的作用_ev.mp4 39.9MB

32_1-langchain框架解读_ev.mp4 16.4MB

7_6-GPT3的提示与生成方法_ev.mp4 53.6MB

86_3-源码实现流程总结_ev.mp4 32.7MB

34_3-数据文档切分操作_ev.mp4 32.3MB

108_12-损失函数与预测可视化_ev.mp4 37.0MB

16_2-挑战及其与有监督问题差异_ev.mp4 16.4MB

35_4-样本索引与向量构建_ev.mp4 37.7MB

17_3-强化学习登场_ev.mp4 13.5MB

104_8-BEV空间特征构建_ev.mp4 26.1MB

79_1-BEITV2版本论文出发点解读_ev.mp4 30.5MB

28_2-项目数据解读_ev.mp4 32.8MB

68_4-Decoder模块实现细节解读_ev.mp4 31.6MB