V
主页
京东 11.11 红包
[lecture 11d] 注意力和transformer (positional encoding 位置编码)
发布人
打开封面
下载高清视频
观看高清视频
视频下载器
[lecture 11e] 注意力和transformer (masked attention, multi-head attention)
[lecture 11d] 注意力和transformer (positional encoding 补充,代码实现,距离计算)
[lecture 11c] 注意力和transformer (从attention演变到self-attention)
[lecture 11f] 注意力和transformer (用于图像描述的transformer的encoder部分)
[lecture 11b] 注意力和transformer (attention性别偏见较正,与NLP中的注意力比较)
[lecture 11a] 注意力和transformer (基于视觉注意力的image captioning)
[lecture 15c] 分割和检测(Fast R-CNN, Faster R-CNN)
[lecture 11g] 注意力和transformer (用于图像描述的transformer的decoder部分, transformer总结)
[lecture 5] 卷积神经网络 cs231n(2021)
[lecture 10e] RNN循环神经网络(LSTM, GRU)
[lecture 6] 深度学习硬件和软件 cs231n(2021)
检测和分割(语义分割)
[lecture 4b] 神经网络和反向传播 cs231n(2021)
cs231n(2021) 历史和概述 Lecture 1a
[lecture 10c] RNN循环神经网络(Image captioning 图像描述)
[lecture 8a] 神经网络的训练(SGD存在的问题, loss的等高线图,Hessian的条件数)
[lecture 12a] 生成式模型(生成式模型的分类学,显式和隐式的概率模型)
Gumbel Softmax补充说明
[lecture 3] 损失函数和优化方法 cs231n(2021)
自监督学习(simCLR)
[lecture 15d] 分割和检测(RPN, Faster-RCNN)
[带你读论文系列] Vision Transformer(ViT): An Image is Worth 16x16 Words
太厉害了!终于有人能把OpenCV图像处理+YOLO目标检测讲的这么通俗易懂了!无偿分享学不会你来找我!_计算机视觉/深度学习/OpenCV/YOLO
[lecture 2] 图像分类 kNN和线性分类器 cs231n(2021)
Gumbel-softmax 中文解读 Categorical Reparameterization with Gumbel-Softmax
这也太全了!U-Net、V-Net、Deeplab、Mask R-CNN、Mask2former五大图像分割算法一口气学完!语义分割、实例分割全详解!
[lecture 8b] 神经网络的训练(学习速率调节, dropout, 二阶优化, 数据增广, 超参数, 集成学习)
[lecture 15e] 分割和检测(Yolo, Mask R-CNN, Mesh R-CNN等)
[lecture 9a] CNN结构(Alexnet和ZFnet)
神经网络可视化 (对抗扰动, Deep dream, 特征反转,纹理合成,神经风格化)
【经典论文】transformer-xl论文带读
[lecture 10b] RNN循环神经网络(RNN可理解性与可视化)
[lecture 13a] 自监督学习(概述,pretext tasks)
2025最好出论文的方向:结合图神经网络GNN构建局部特征!50集理论基础+创新点讲解,学会轻松发SCI!(AI人工智能丨机器学习丨深度学习丨计算机视觉丨CV)
[lecture 13d] 自监督学习( video coloring, 视频上色)
Meta刚刚发布了一个令人恐惧的AI模型,可以创建带声音的视频
Denoising Diffusion Models : A Generative Learning Big Bang [CVPR 2023 Tutorial]
【动手学AI系列 2】AI写作文 / 对着图手撕RNN,从零开始手写循环神经网络实现训练AI写作文 (教程较长,看结果请拉到最后)
强推!不愧是李飞飞,一口把深度学习、计算机视觉、神经网络、图像处理、图像分割、目标检测、物体识别给讲透了,新手小白秒上手!-人工智能/计算机视觉
程序员必看的数学知识!一本小册子就能吃透线性代数!这本书你一定不能错过!真的通俗易懂!(微积分、核函数变换、随机变量、概率论基础、泰勒公式与拉格朗日)