课程目录

• 01、01 Python · AI&数据科学入门》02、第一章 绪论和环境配置
• 01、01 Python · AI&数据科学入门》03、【作业讲解】第一章：助教实际演示配置环境过程
• 01、01 Python · AI&数据科学入门》04、第二章 Python 基本语法元素
• 01、01 Python · AI&数据科学入门》05、【作业讲解】第二章：Python基本语法元素
• 01、01 Python · AI&数据科学入门》06、第三章 基本数据类型
• 01、01 Python · AI&数据科学入门》07、【作业讲解】第三章：基本数据类型
• 01、01 Python · AI&数据科学入门》08、第四章 组合数据类型
• 01、01 Python · AI&数据科学入门》09、【作业讲解】第四章：复杂数据类型
• 01、01 Python · AI&数据科学入门》10、第五章 程序控制结构
• 01、01 Python · AI&数据科学入门》11、【作业讲解】第五章：程序控制结构
• 01、01 Python · AI&数据科学入门》12、第六章 函数-面向过程的编程
• 01、01 Python · AI&数据科学入门》13、【作业讲解】第六章：函数
• 01、01 Python · AI&数据科学入门》14、第七章 类-面向对象的编程
• 01、01 Python · AI&数据科学入门》15、【作业讲解】第七章：类
• 01、01 Python · AI&数据科学入门》16、第八章 文件、异常和模块
• 01、01 Python · AI&数据科学入门》17、【作业讲解】第八章：文件、异常和模块
• 01、01 Python · AI&数据科学入门》18、第九章 有益的探索
• 01、01 Python · AI&数据科学入门》19、【作业讲解】第九章：有益的探索
• 01、01 Python · AI&数据科学入门》20、第十章 Python标准库
• 01、01 Python · AI&数据科学入门》21、【作业讲解】第十章：Python标准库
• 01、01 Python · AI&数据科学入门》22、第十一章 科学计算库—Numpy应用
• 01、01 Python · AI&数据科学入门》23、【作业讲解】第十一章：Numpy库
• 01、01 Python · AI&数据科学入门》24、第十二章 Pandas库
• 01、01 Python · AI&数据科学入门》25、【作业讲解】第十二章：Pandas库
• 01、01 Python · AI&数据科学入门》26、第十三章 Matplotlib
• 01、01 Python · AI&数据科学入门》27、【作业讲解】第十三章：Matplotlib
• 01、01 Python · AI&数据科学入门》28、第十四章 Sklearn常规用法
• 01、01 Python · AI&数据科学入门》29、【作业讲解】第十四章：Sklearn常规用法
• 01、01 Python · AI&数据科学入门》30、第十五章 再谈编程
• 02、02 PyTorch》02、【必看】深入浅出PyTorch
• 02、02 PyTorch》03、【第一周】PyTorch简介与安装
• 02、02 PyTorch》04、【第一周】补充-pytorch开发环境安装
• 02、02 PyTorch》05、【第一周】张量简介与创建
• 02、02 PyTorch》06、【第一周】张量操作与线性回归
• 02、02 PyTorch》07、【第一周】计算图与动态图机制
• 02、02 PyTorch》08、【第一周】autograd与逻辑回归
• 02、02 PyTorch》09、【第一周】作业讲解1
• 02、02 PyTorch》10、【第一周】作业讲解2
• 02、02 PyTorch》11、【第一周】作业讲解3
• 02、02 PyTorch》12、【第二周】数据读取机制Dataloader与Dataset
• 02、02 PyTorch》13、【第二周】数据预处理transforms模块机制
• 02、02 PyTorch》14、【第二周】二十二种transforms数据预处理方法
• 02、02 PyTorch》15、【第二周】学会自定义transforms方法
• 02、02 PyTorch》16、【第二周】作业讲解
• 02、02 PyTorch》17、【第三周】模型创建步骤与nn.Module
• 02、02 PyTorch》18、【第三周】模型容器与AlexNet构建
• 02、02 PyTorch》19、【第三周】nn网络层-卷积层
• 02、02 PyTorch》20、【第三周】nn网络层-池化-线性-激活函数层
• 02、02 PyTorch》21、【第三周】作业讲解
• 02、02 PyTorch》22、【第四周】权值初始化
• 02、02 PyTorch》23、【第四周】损失函数（一）
• 02、02 PyTorch》24、【第四周】损失函数(二)
• 02、02 PyTorch》25、【第四周】优化器optimizer的概念
• 02、02 PyTorch》26、【第四周】torch.optim.SGD
• 02、02 PyTorch》27、【第四周】作业讲解
• 02、02 PyTorch》28、【第五周】学习率调整策略
• 02、02 PyTorch》29、【第五周】TensorBoard简介与安装
• 02、02 PyTorch》30、【第五周】TensorBoard使用（一）
• 02、02 PyTorch》31、【第五周】TensorBoard使用（二）
• 02、02 PyTorch》32、【第五周】hook函数与CAM可视化
• 02、02 PyTorch》33、【第五周】作业讲解
• 02、02 PyTorch》34、【第六周】正则化之weight_decay
• 02、02 PyTorch》35、【第六周】Batch Normalization
• 02、02 PyTorch》36、【第六周】Normalizaiton_layers
• 02、02 PyTorch》37、【第六周】正则化之Dropout
• 02、02 PyTorch》38、【第六周】作业讲解
• 02、02 PyTorch》39、【第七周】模型保存与加载
• 02、02 PyTorch》40、【第七周】模型finetune
• 02、02 PyTorch》41、【第七周】GPU的使用
• 02、02 PyTorch》42、【第七周】PyTorch常见报错
• 02、02 PyTorch》43、【第七周】作业讲解
• 02、02 PyTorch》44、【第八周】图像分类一瞥
• 02、02 PyTorch》45、【第八周】图像分割一瞥
• 02、02 PyTorch》46、【第八周】图像目标检测一瞥（上）
• 02、02 PyTorch》47、【第八周】图像目标检测一瞥（下）
• 02、02 PyTorch》48、【第九周】生成对抗网络一瞥
• 02、02 PyTorch》49、【第九周】循环神经网络一瞥
• 03、03 数学基础》02、【第一章】-1 导读课
• 03、03 数学基础》03、【第一章】-2 矩阵的基本概念和运算性质
• 03、03 数学基础》04、【第一章】-3 矩阵的逆，转置和对称转置
• 03、03 数学基础》05、【第一章】-4 行列式的计算
• 03、03 数学基础》06、【第一章】-5 特殊矩阵的行列式与行列式的性质
• 03、03 数学基础》07、【第一章】-6 行列式按行列展开，代数余子式
• 03、03 数学基础》08、【第一章】-7 行列式的应用：克莱姆法则
• 03、03 数学基础》09、【第一章】-8 矩阵的逆的引入
• 03、03 数学基础》10、【第一章】-9 常用矩阵性质与特殊矩阵的逆
• 03、03 数学基础》11、【第一章】-10 分块矩阵
• 03、03 数学基础》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
• 03、03 数学基础》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
• 03、03 数学基础》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
• 03、03 数学基础》15、【第二章】-4 矩阵的秩在线性回归算法中的应用
• 03、03 数学基础》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
• 03、03 数学基础》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
• 03、03 数学基础》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
• 03、03 数学基础》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
• 03、03 数学基础》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）
• 03、03 数学基础》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）
• 03、03 数学基础》22、【第二章】-11 SVD分解的应用
• 03、03 数学基础》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
• 03、03 数学基础》24、【第三章】-2 中值定理&洛必达法则&泰勒公式及应用
• 03、03 数学基础》25、【第三章】-3 函数的凹凸性&函数的极值
• 03、03 数学基础》26、【第三章】-4 不定积分
• 03、03 数学基础》27、【第三章】-5 定积分
• 03、03 数学基础》28、【第三章】-6 偏导数&多元函数复合求导法则链式求导法则
• 03、03 数学基础》29、【第三章】-7 方向导数与梯度及其应用
• 03、03 数学基础》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
• 03、03 数学基础》31、【第三章】-9 矩阵的求导
• 03、03 数学基础》32、【第三章】-10 矩阵的求导在深度学习中的应用
• 03、03 数学基础》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
• 03、03 数学基础》34、【第四章-上】-2 全概率公式与贝叶斯公式及应用&独立性
• 03、03 数学基础》35、【第四章-上】-3 随机变量与多维随机变量
• 03、03 数学基础》36、【第四章-上】-4 期望与方差（上）
• 03、03 数学基础》37、【第四章-上】-5 期望与方差（下）
• 03、03 数学基础》38、【第四章-上】-6 参数的估计
• 03、03 数学基础》39、【第四章-下】-1 无约束最优化梯度下降
• 03、03 数学基础》40、【第四章-下】-2 无约束最优化牛顿法
• 03、03 数学基础》41、【第四章-下】-3 约束最优化
• 04、04 神经网络基础知识》02、01-神经网络基础与多层感知机-0
• 04、04 神经网络基础知识》03、01-神经网络基础与多层感知机-1
• 04、04 神经网络基础知识》04、01-神经网络基础与多层感知机-2
• 04、04 神经网络基础知识》05、01-神经网络基础与多层感知机-3
• 04、04 神经网络基础知识》06、01-神经网络基础与多层感知机-4
• 04、04 神经网络基础知识》07、02-卷积神经网络-0
• 04、04 神经网络基础知识》08、02-卷积神经网络-1
• 04、04 神经网络基础知识》09、02-卷积神经网络-2
• 04、04 神经网络基础知识》10、03-循环神经网络-0
• 04、04 神经网络基础知识》11、03-循环神经网络-1
• 04、04 神经网络基础知识》12、03-循环神经网络-2
• 05、05 NLP基础知识》02、1-1 前言…mp4
• 05、05 NLP基础知识》03、1-2 研究方向概述…mp4
• 05、05 NLP基础知识》04、2-1 预备知识…mp4
• 05、05 NLP基础知识》05、2-2 NLP问题中的特征…mp4
• 05、05 NLP基础知识》06、2-3 特征输入…mp4
• 05、05 NLP基础知识》07、2-4 文本的向量化表示与案例实现…mp4
• 05、05 NLP基础知识》08、3-1 统计语言模型简介与案例实现…mp4
• 05、05 NLP基础知识》09、3-2 语言模型任务评估…mp4
• 05、05 NLP基础知识》10、3-3 神经语言模型简介与代码实现…mp4
• 05、05 NLP基础知识》11、3-4 预训练的词表示及其使用实例…mp4
• 05、05 NLP基础知识》12、4-1 word2vec原理…mp4
• 05、05 NLP基础知识》13、4-2 word2vec代码复现…mp4
• 05、05 NLP基础知识》14、4-3 word2vec项目实战展示…mp4
• 05、05 NLP基础知识》15、4-4 BERT使用实战讲解…mp4
• 05、05 NLP基础知识》16、4-5 MLP模型与实战…mp4
• 05、05 NLP基础知识》17、4-6 RNN模型原理、代码复现与实战…mp4
• 05、05 NLP基础知识》18、5-1 HMM序列标注…mp4
• 05、05 NLP基础知识》19、5-2 HMM模型简介…mp4
• 05、05 NLP基础知识》20、5-3 HMM样本生成…mp4
• 05、05 NLP基础知识》21、5-4 HMM训练…mp4
• 05、05 NLP基础知识》22、5-5 HMM预测…mp4
• 05、05 NLP基础知识》23、5-6 HMM代码实现…mp4
• 06、06 OpenCV 图像基础》02、1-1图像基础知识
• 06、06 OpenCV 图像基础》03、1-2图像基础知识
• 06、06 OpenCV 图像基础》04、1-3图像基础知识
• 06、06 OpenCV 图像基础》05、1-4图像基础知识
• 06、06 OpenCV 图像基础》06、2-1图像基本处理
• 06、06 OpenCV 图像基础》07、2_2图像基本处理
• 06、06 OpenCV 图像基础》08、2_3图像基本处理
• 06、06 OpenCV 图像基础》09、2_4图像基本处理
• 06、06 OpenCV 图像基础》10、2_5图像基本操作_图像滤波
• 06、06 OpenCV 图像基础》11、2_6图像基本操作_图像增强
• 06、06 OpenCV 图像基础》12、2-7形态学操作_腐蚀…mp4
• 06、06 OpenCV 图像基础》13、2_8形态学操作_膨胀开运算与闭运算
• 06、06 OpenCV 图像基础》14、3_1固定阈值分割
• 06、06 OpenCV 图像基础》15、3_2自动阈值分割
• 06、06 OpenCV 图像基础》16、3_3边缘检测算子
• 06、06 OpenCV 图像基础》17、3_4连通区域_区域生长算法
• 06、06 OpenCV 图像基础》18、3_5分水岭算法图像分割
• 06、06 OpenCV 图像基础》19、4_1特征描述_HOG
• 06、06 OpenCV 图像基础》20、4_2特征描述Harris和SIFT算法
• 06、06 OpenCV 图像基础》21、4_3纹理特征LBP算法
• 06、06 OpenCV 图像基础》22、4_4模板匹配算法
• 06、06 OpenCV 图像基础》23、4_5人脸检测算法
• 06、06 OpenCV 图像基础》24、5_1摄像头调用和视频的读取保存
• 06、06 OpenCV 图像基础》25、5_2帧差法视频目标识别
• 06、06 OpenCV 图像基础》26、5_3光流法和背景减除法…mp4
• 07、12 CV-transformer》02、6-16 CV transformer 体验课直播回放
• 07、12 CV-transformer》03、6-17 CV-transformer 直播回放
• 07、12 CV-transformer》04、【6月25日】CV-transformer VIT论文讲解
• 07、12 CV-transformer》05、【6月27日】CV-transformer VIT代码详解
• 07、12 CV-transformer》06、【7月1日】CV-transformer PVT论文详解
• 07、12 CV-transformer》07、【7月4日】CV-transformer PVT代码详解
• 07、12 CV-transformer》08、【7月8日】CV-transformer Swin Transformer论文详解
• 07、12 CV-transformer》09、【7月11日】CV-transformer Swin Transformer代码详解
• 07、12 CV-transformer》10、【7月15日】CV-transformer DETR 论文详解
• 07、12 CV-transformer》11、【7月18日】CV-transformer DETR代码讲解
• 07、12 CV-transformer》12、【7月22日】CV-transformer Deformable DETR论文详解
• 07、12 CV-transformer》13、【7月25日】CV-transformer Deformable DETR代码详解
• 07、12 CV-transformer》14、【7月29日】CV-transformer Sparse R-CNN论文详解
• 07、12 CV-transformer》15、【8月1日】CV-transformer Sparse R-CNN代码详解
• 07、12 CV-transformer》16、【12月1日】Vit-论文讲解
• 07、12 CV-transformer》17、【12月5日】Vit-代码详解
• 07、12 CV-transformer》18、【12月8日】PVT-论文讲解
• 07、12 CV-transformer》19、【12月12日】PVT-代码详解
• 07、12 CV-transformer》20、【12月22日】Swin Transformer论文讲解
• 07、12 CV-transformer》21、【12月26日】Swin Transformer-代码详解
• 07、12 CV-transformer》22、【12月29日】Swin Transformer-代码详解
• 07、12 CV-transformer》23、【1月5日】pretrain小型专题（上）
• 07、12 CV-transformer》24、【1月9日】pretrain小型专题（下）
• 07、12 CV-transformer》25、【1月12日】DETR-论文讲解
• 07、12 CV-transformer》26、【1月16日】DETR-代码讲解
• 07、12 CV-transformer》27、【1月19日】Deformable detr论文讲解
• 07、12 CV-transformer》28、【1月26日】Deformable detr-代码讲解
• 07、12 CV-transformer》29、【2月9日】sparse rcnn-论文讲解
• 07、12 CV-transformer》30、【2月13日】sparse rcnn-代码讲解
• 07、12 CV-transformer》31、【2月16日】convnext-论文讲解
• 07、12 CV-transformer》32、【2月20日】convnext-代码详解
• 07、12 CV-transformer》33、【2月23日】maskformer-论文讲解
• 07、12 CV-transformer》34、【2月27日】maskformer-代码复现
• 08、13 CV-人脸识别》02、1.1 特征脸识别-人脸识别背景介绍
• 08、13 CV-人脸识别》03、1.2 特征脸识别-论文研究背景成果以及意义
• 08、13 CV-人脸识别》04、1.3 特征脸识别-论文泛读摘要部分
• 08、13 CV-人脸识别》05、1.4 特征脸识别-论文泛读介绍部分
• 08、13 CV-人脸识别》06、1.5 特征脸识别-论文泛读相关工作部分
• 08、13 CV-人脸识别》07、1.6 特征脸识别-论文精读PCA补充
• 08、13 CV-人脸识别》08、1.7 特征脸识别-论文精读特征脸计算上
• 08、13 CV-人脸识别》09、1.8 特征脸识别-论文精读特征脸计算中
• 08、13 CV-人脸识别》10、1.9 特征脸识别-论文精读特征脸计算下
• 08、13 CV-人脸识别》11、1.10 特征脸识别-代码讲解pca计算
• 08、13 CV-人脸识别》12、1.11 特征脸识别-代码讲解特征提取以及人脸重构
• 08、13 CV-人脸识别》13、1.12 特征脸识别-代码讲解人脸分类之最短距离方法
• 08、13 CV-人脸识别》14、1.13 特征脸识别-代码讲解人脸分类之SVM方法
• 08、13 CV-人脸识别》15、1.14 特征脸识别-代码讲解人脸分类之神经网络方法
• 08、13 CV-人脸识别》16、1.15 特征脸识别-论文总结
• 08、13 CV-人脸识别》17、2.1 Deep id-研究背景以及意义
• 08、13 CV-人脸识别》18、2.2 Deep id-摘要
• 08、13 CV-人脸识别》19、2.3 Deep id-介绍
• 08、13 CV-人脸识别》20、2.4 Deep id-相关工作
• 08、13 CV-人脸识别》21、2.5 Deep id-卷积计算补充
• 08、13 CV-人脸识别》22、2.6 Deep id-网络架构部分精读
• 08、13 CV-人脸识别》23、2.7 deepid实验上
• 08、13 CV-人脸识别》24、2.8 deepid实验中
• 08、13 CV-人脸识别》25、2.9 deepid实验下
• 08、13 CV-人脸识别》26、2.10 deepid实验下2
• 08、13 CV-人脸识别》27、2.11 Deep id-联合贝叶斯算法推导上
• 08、13 CV-人脸识别》28、2.12 Deep id-联合贝叶斯算法推导下
• 08、13 CV-人脸识别》29、2.13 Deep id-联合贝叶斯实验上
• 08、13 CV-人脸识别》30、2.14 Deep id-联合贝叶斯实验下
• 08、13 CV-人脸识别》31、2.15 Deep id-论文总结
• 08、13 CV-人脸识别》32、3.1 FaceNet-研究意义背景介绍
• 08、13 CV-人脸识别》33、3.2 FaceNet-摘要
• 08、13 CV-人脸识别》34、3.3 FaceNet-介绍
• 08、13 CV-人脸识别》35、3.4 FaceNet-相关工作和总结预告
• 08、13 CV-人脸识别》36、3.5 FaceNet-TripletLoss讲解与推导
• 08、13 CV-人脸识别》37、3.6 FaceNet-TripletSelection讲解
• 08、13 CV-人脸识别》38、3.7 FaceNet-网络架构
• 08、13 CV-人脸识别》39、3.8 FaceNet-实验part1
• 08、13 CV-人脸识别》40、3.9 FaceNet-实验part2
• 08、13 CV-人脸识别》41、3.10 FaceNet-实验part3
• 08、13 CV-人脸识别》42、3.11 FaceNet-实验part4_总结
• 08、13 CV-人脸识别》43、4.1 Center Loss-研究成果以及意义
• 08、13 CV-人脸识别》44、4.2 Center Loss-摘要以及介绍
• 08、13 CV-人脸识别》45、4.3 Center Loss-相关工作以及总结预告
• 08、13 CV-人脸识别》46、4.4 centerloss推导part1
• 08、13 CV-人脸识别》47、4.5 centerloss推导part2
• 08、13 CV-人脸识别》48、4.6 Center Loss-实验讲解part1
• 08、13 CV-人脸识别》49、4.7 Center Loss-实验讲解part2
• 08、13 CV-人脸识别》50、4.8 Center Loss-结果分析以及总结
• 08、13 CV-人脸识别》51、5.1 L-Softmax Loss-研究背景以及意义
• 08、13 CV-人脸识别》52、5.2 L-Softmax Loss-论文泛读和介绍
• 08、13 CV-人脸识别》53、5.3 L-Softmax Loss-相关工作
• 08、13 CV-人脸识别》54、5.4 Lsoftmax推导part1
• 08、13 CV-人脸识别》55、5.5 Lsoftmax推导part2
• 08、13 CV-人脸识别》56、5.6 Lsoftmax推导part3
• 08、13 CV-人脸识别》57、5.7 Lsoftmax推导part4
• 08、13 CV-人脸识别》58、5.8 L-Softmax Loss-实验part1
• 08、13 CV-人脸识别》59、5.9 L-Softmax Loss-实验part2
• 08、13 CV-人脸识别》60、5.10 L-Softmax Loss-结果分析与总结
• 08、13 CV-人脸识别》61、6.1 SphereFace-研究背景成果意义
• 08、13 CV-人脸识别》62、6.2 SphereFace-摘要和介绍
• 08、13 CV-人脸识别》63、6.3 SphereFace-相关工作
• 08、13 CV-人脸识别》64、6.4 SphereFace-ASotfmax详解_part1
• 08、13 CV-人脸识别》65、6.5 SphereFace-ASoftmax详解_part2
• 08、13 CV-人脸识别》66、6.6 SphereFace-Asoftmax详解_part3
• 08、13 CV-人脸识别》67、6.7 SphereFace-实验代码讲解
• 08、13 CV-人脸识别》68、6.8 SphereFace-结果分析与总结
• 08、13 CV-人脸识别》69、7.1 CosFace-研究背景以及意义
• 08、13 CV-人脸识别》70、7.2 CosFace-摘要以及介绍
• 08、13 CV-人脸识别》71、7.3 CosFace-相关工作
• 08、13 CV-人脸识别》72、7.4 CosFace-LMCL详细推导_part1
• 08、13 CV-人脸识别》73、7.5 CosFace-LMCL详细推导_part2
• 08、13 CV-人脸识别》74、7.6 CosFace-LMCL详细推导_part3
• 08、13 CV-人脸识别》75、7.7 CosFace-实验代码讲解
• 08、13 CV-人脸识别》76、7.8 CosFace-结果分析与总结
• 08、13 CV-人脸识别》77、【11月13日】arcface-论文泛读+精读
• 08、13 CV-人脸识别》78、【11月14日】arcface-代码复现
• 08、13 CV-人脸识别》79、【11月20日】magface-论文泛读+精读
• 08、13 CV-人脸识别》80、【11月21日】magface-代码讲解
• 09、14 CV-三维重建》02、1.1 3DMM-摘要
• 09、14 CV-三维重建》03、1.2 3DMM-介绍
• 09、14 CV-三维重建》04、1.3 3DMM-相关工作
• 09、14 CV-三维重建》05、1.4 3DMM-算法详细讲解_part1
• 09、14 CV-三维重建》06、1.5 3DMM-算法详细讲解_part2
• 09、14 CV-三维重建》07、1.6 3DMM-算法详细讲解_part3
• 09、14 CV-三维重建》08、1.7 3DMM-实验一_part1
• 09、14 CV-三维重建》09、1.8 3DMM-实验一_part2
• 09、14 CV-三维重建》10、1.9 3DMM-实验一_part3
• 09、14 CV-三维重建》11、1.10 3DMM-实验一_part4
• 09、14 CV-三维重建》12、1.11 3DMM-实验二_part1
• 09、14 CV-三维重建》13、1.12 3DMM-实验二_part2
• 09、14 CV-三维重建》14、1.13 3DMM-实验二_part3
• 09、14 CV-三维重建》15、1.14 3DMM-实验二_part4
• 09、14 CV-三维重建》16、2.1 Nolinear 3DMM-研究背景
• 09、14 CV-三维重建》17、2.2 Nolinear 3DMM-摘要介绍
• 09、14 CV-三维重建》18、2.3 Nolinear 3DMM-相关工作
• 09、14 CV-三维重建》19、2.4 Nolinear 3DMM-算法详细讲解_part1
• 09、14 CV-三维重建》20、2.5 Nolinear 3DMM-算法详细讲解_part2
• 09、14 CV-三维重建》21、2.6 Nolinear 3DMM-算法详解_part3
• 09、14 CV-三维重建》22、2.7 Nolinear 3DMM-实验结果分析_part1
• 09、14 CV-三维重建》23、2.8 Nolinear 3DMM-实验结果分析_part2
• 09、14 CV-三维重建》24、3.1 Nolinear 3DMM V2-论文泛读
• 09、14 CV-三维重建》25、3.2 Nolinear 3DMM V2-算法详解part_1
• 09、14 CV-三维重建》26、3.3 Nolinear 3DMM V2-算法详解part_2
• 09、14 CV-三维重建》27、3.4 Nolinear 3DMM V2-算法详解part_3
• 09、14 CV-三维重建》28、3.5 Nolinear 3DMM V2-实验part_1
• 09、14 CV-三维重建》29、3.6 Nolinear 3DMM V2-实验part_2
• 09、14 CV-三维重建》30、3.7 Nolinear 3DMM V2-实验part_3
• 09、14 CV-三维重建》31、3.8 Nolinear 3DMM V2-结果分析论文总结
• 09、14 CV-三维重建》32、4.1 3DDFA-摘要
• 09、14 CV-三维重建》33、4.2 3DDFA-介绍
• 09、14 CV-三维重建》34、4.3 3DDFA-相关工作
• 09、14 CV-三维重建》35、4.4 3DDFA-算法详细讲解part1
• 09、14 CV-三维重建》36、4.5 3DDFA-算法详细讲解part2
• 09、14 CV-三维重建》37、4.6 3DDFA-算法详细讲解part3
• 09、14 CV-三维重建》38、4.7 3DDFA-算法详细讲解part4
• 09、14 CV-三维重建》39、4.8 3DDFA-算法详细讲解part5
• 09、14 CV-三维重建》40、4.9 3DDFA-实验讲解part1
• 09、14 CV-三维重建》41、4.10 3DDFA-实验讲解part2
• 09、14 CV-三维重建》42、4.11 3DDFA-实验讲解part3
• 09、14 CV-三维重建》43、4.12 3DDFA-结果分析与总结
• 09、14 CV-三维重建》44、5.1摘要介绍
• 09、14 CV-三维重建》45、5.2 相关工作
• 09、14 CV-三维重建》46、5.3 算法详细讲解part1
• 09、14 CV-三维重建》47、5.4 算法详细讲解part2
• 09、14 CV-三维重建》48、5.5 算法详细讲解part3
• 09、14 CV-三维重建》49、5.6 实验详解part1
• 09、14 CV-三维重建》50、5.7 实验详解part2
• 09、14 CV-三维重建》51、5.8 实验详解part3
• 09、14 CV-三维重建》52、5.9 结果与总结
• 09、14 CV-三维重建》53、6.1 论文泛读
• 09、14 CV-三维重建》54、6.2 算法详细讲解
• 09、14 CV-三维重建》55、6.3 实验讲解
• 09、14 CV-三维重建》56、6.4 总结
• 09、14 CV-三维重建》57、7.1 论文泛读part1
• 09、14 CV-三维重建》58、7.2 论文泛读part2
• 09、14 CV-三维重建》59、7.3 算法详解part1
• 09、14 CV-三维重建》60、7.4 算法详解part2
• 09、14 CV-三维重建》61、7.5 实验讲解part1
• 09、14 CV-三维重建》62、7.6 实验讲解part2
• 09、14 CV-三维重建》63、8.1 论文泛读
• 09、14 CV-三维重建》64、8.2 算法详细讲解
• 09、14 CV-三维重建》65、8.3 实验讲解
• 1.1 项目介绍
• 10、01 多模态-baseline》02、1.1 CLIP-论文泛读（体验课直播回放）
• 10、01 多模态-baseline》03、1.2 CLIP-论文精读（体验课直播回放）
• 10、01 多模态-baseline》04、1.3 CLIP-代码复现
• 10、01 多模态-baseline》05、2.1 Deep Visual-Semanti-论文泛读
• 10、01 多模态-baseline》06、2.2 Deep Visual-Semanti-论文精读1
• 10、01 多模态-baseline》07、2.3 Deep Visual-Semanti-论文精读2
• 10、01 多模态-baseline》08、2.4 Deep Visual-Semanti-代码复现1
• 10、01 多模态-baseline》09、2.5 Deep Visual-Semanti-代码复现2
• 10、01 多模态-baseline》10、2.6 Deep Visual-Semanti-代码复现3
• 10、01 多模态-baseline》11、3.1 Show and Tell-论文泛读
• 10、01 多模态-baseline》12、3.2 Show and Tell-论文精读
• 10、01 多模态-baseline》15、3.3 Show and Tell-代码复现
• 11、强化学习基础知识》02、01-基础知识
• 11、强化学习基础知识》03、02-MC-part1
• 11、强化学习基础知识》04、02-MC-part2
• 11、强化学习基础知识》05、02-MC-part3
• 11、强化学习基础知识》06、03-TD-part1
• 11、强化学习基础知识》07、03-TD-part2
• 11、强化学习基础知识》08、03-TD-part3
• 12、强化学习》01、强化学习1期第1次答疑直播
• 12、强化学习》03、强化学习开营直播
• 12、强化学习》04、01DQN-01-论文泛读开场白
• 12、强化学习》05、01DQN-02-研究背景及意义
• 12、强化学习》06、01DQN-03-背景知识补充
• 12、强化学习》07、01DQN-04-论文泛读
• 12、强化学习》08、01DQN-05-泛读总结及下节预告
• 12、强化学习》09、01DQN-06-论文精读开场白
• 12、强化学习》100、07DDPG-01-开场白
• 12、强化学习》101、07DDPG-02-研究背景成果和意义
• 12、强化学习》102、07DDPG-03-背景知识补充
• 12、强化学习》103、07DDPG-04-论文泛读
• 12、强化学习》104、07DDPG-05-本节回顾下节预告
• 12、强化学习》105、07DDPG-06-论文精读结构
• 12、强化学习》106、07DDPG-07-从DQN到DDPG
• 12、强化学习》107、07DDPG-08-网络结构
• 12、强化学习》108、07DDPG-09-DDPG核心思想
• 12、强化学习》109、07DDPG-10-算法的其他细节
• 12、强化学习》10、01DQN-07-论文模型
• 12、强化学习》110、07DDPG-11-算法总结
• 12、强化学习》111、07DDPG-12-代码部分结构
• 12、强化学习》112、07DDPG-13-网络结构及初始化
• 12、强化学习》113、07DDPG-14-BatchNorm的使用
• 12、强化学习》114、07DDPG-15-参数更新
• 12、强化学习》115、07DDPG-16-代码结构
• 12、强化学习》116、07DDPG-17-运行结果
• 12、强化学习》117、08TD3-01-论文泛读开场白
• 12、强化学习》118、08TD3-02-研究背景
• 12、强化学习》119、08TD3-03-背景知识
• 12、强化学习》11、01DQN-08-论文细节一 图像预处理
• 12、强化学习》120、08TD3-04-论文泛读
• 12、强化学习》121、08TD3-05-论文泛读总结
• 12、强化学习》122、08TD3-06-论文精读开场白
• 12、强化学习》123、08TD3-07-overestimation
• 12、强化学习》124、08TD3-08-variance
• 12、强化学习》125、08TD3-09-实验结果
• 12、强化学习》126、08TD3-10-论文总结
• 12、强化学习》127、08TD3-11-代码部分结构
• 12、强化学习》128、08TD3-12-更新Critic
• 12、强化学习》129、08TD3-13-更新Actor和代码结构
• 12、强化学习》12、01DQN-09-论文细节二 ReplayBuffer
• 12、强化学习》130、08TD3-14-实验结果
• 12、强化学习》131、09SQL-01-论文泛读开场白
• 12、强化学习》132、09SQL-02-研究背景及成果
• 12、强化学习》133、09SQL-03-背景知识补充
• 12、强化学习》134、09SQL-04-论文泛读总结
• 12、强化学习》135、09SQL-05-论文精读开场白
• 12、强化学习》136、09SQL-06-核心思想
• 12、强化学习》137、09SQL-07-理论基础
• 12、强化学习》138、09SQL-08-算法细节
• 12、强化学习》139、09SQL-09-实验结果分析
• 12、强化学习》13、01DQN-10-论文细节三 SemiGradientMethod
• 12、强化学习》140、09SQL-10-理论证明
• 12、强化学习》141、09SQL-11-论文精读总结
• 12、强化学习》142、09SQL-12-代码部分结构
• 12、强化学习》143、09SQL-13-Pytorch的手动链式法则求导
• 12、强化学习》144、09SQL-14-离散情况细节
• 12、强化学习》145、09SQL-15-连续情况细节
• 12、强化学习》146、09SQL-16-代码结构
• 12、强化学习》147、09SQL-17-调参结果
• 12、强化学习》148、10SAC-01-论文泛读开场白
• 12、强化学习》149、10SAC-02-研究背景
• 12、强化学习》14、01DQN-11-实验结果分析
• 12、强化学习》150、10SAC-03-论文泛读
• 12、强化学习》151、10SAC-04-论文泛读总结
• 12、强化学习》152、10SAC-05-论文精读开场白
• 12、强化学习》153、10SAC-06-核心思想
• 12、强化学习》154、10SAC-07-主要算法
• 12、强化学习》155、10SAC-08实验结果
• 12、强化学习》156、10SAC-09-理论证明
• 12、强化学习》157、10SAC-10-论文精读总结
• 12、强化学习》158、10SAC-11-算法细节
• 12、强化学习》159、10SAC-12-代码结构及调参结果
• 12、强化学习》15、01DQN-12-论文精读总结
• 12、强化学习》160、11AdvancedValueMethods-01-论文泛读开场白
• 12、强化学习》161、11AdvancedValueMethods-02-背景知识补充
• 12、强化学习》162、11AdvancedValueMethods-03-Rainbow泛读
• 12、强化学习》163、11AdvancedValueMethods-04-D4PG泛读
• 12、强化学习》164、11AdvancedValueMethods-05-A3C泛读
• 12、强化学习》165、11AdvancedValueMethods-06-IMPALA泛读
• 12、强化学习》166、11AdvancedValueMethods-07-论文泛读总结
• 12、强化学习》167、11AdvancedValueMethods-08-论文精读开场白
• 12、强化学习》168、11AdvancedValueMethods-09-Rainbow
• 12、强化学习》169、11AdvancedValueMethods-10-D4PG
• 12、强化学习》16、01DQN-13-代码课整体介绍
• 12、强化学习》170、11AdvancedValueMethods-11-A3C
• 12、强化学习》171、11AdvancedValueMethods-12-IMPALA
• 12、强化学习》172、11AdvancedValueMethods-13-总结
• 12、强化学习》173、12IntrinsicMotivation-01-论文泛读开场白
• 12、强化学习》174、12IntrinsicMotivation-02-ICM泛读
• 12、强化学习》175、12IntrinsicMotivation-03-CuriosityStudy泛读
• 12、强化学习》176、12IntrinsicMotivation-04-VIME泛读
• 12、强化学习》177、12IntrinsicMotivation-05-VIC泛读
• 12、强化学习》178、12IntrinsicMotivation-06-DIAYN泛读
• 12、强化学习》179、12IntrinsicMotivation-07-SMM泛读
• 12、强化学习》17、01DQN-14-gym介绍
• 12、强化学习》180、12IntrinsicMotivation-08-EDL泛读
• 12、强化学习》181、12IntrinsicMotivation-09-泛读总结及下节预告
• 12、强化学习》182、12IntrinsicMotivation-10-论文精读开场白
• 12、强化学习》183、12IntrinsicMotivation-11-ICM精读
• 12、强化学习》184、12-IntrinsicMotivation-12-CuriosityStudy精读
• 12、强化学习》185、12IntrinsicMotivation-13-VIME精读
• 12、强化学习》186、12IntrinsicMotivation-14-VIC精读
• 12、强化学习》187、12IntrinsicMotivation-15-DIAYN精读
• 12、强化学习》188、12IntrinsicMotivation-16-SMM精读
• 12、强化学习》189、12IntrinsicMotivation-17-EDL精读
• 12、强化学习》18、01DQN-15-图像预处理代码
• 12、强化学习》190、12IntrinsicMotivation-18-论文总结
• 12、强化学习》191、12IntrinsicMotivation-19-结尾语
• 12、强化学习》19、01DQN-16-DQN核心功能实现
• 12、强化学习》20、01DQN-17-代码结构及实验结果分析
• 12、强化学习》21、02DQN改进-01-论文泛读开场白
• 12、强化学习》22、02DQN改进-02-研究背景及意义
• 12、强化学习》23、02DQN改进-03-论文泛读
• 12、强化学习》24、02DQN改进-04-论文泛读总结及下节预告
• 12、强化学习》25、02DQN改进-05-论文网络结构
• 12、强化学习》26、02DQN改进-06-DDQN图表分析
• 12、强化学习》27、02DQN改进-07-DDQN总结
• 12、强化学习》28、02DQN改进-08-PER01
• 12、强化学习》29、02DQN改进-09-PER02
• 12、强化学习》30、02DQN改进-10-PER实验结果及DuelDQN
• 12、强化学习》31、02DQN改进-11-下节预告
• 12、强化学习》32、02DQN改进-12-代码课整体介绍
• 12、强化学习》33、02DQN改进-13-bisect包
• 12、强化学习》34、02DQN改进-14-SumTree
• 12、强化学习》35、02DQN改进-15-SumTree后续及DuelStructure
• 12、强化学习》36、02DQN改进-16-ReplayBuffer01
• 12、强化学习》37、02DQN改进-17-ReplayBuffer02
• 12、强化学习》38、02DQN改进-18-ReplayBuffer03
• 12、强化学习》39、02DQN改进-19-代码总览及实验结果
• 12、强化学习》40、03C51-01-研究成果及意义
• 12、强化学习》41、03C51-02-背景知识补充01
• 12、强化学习》42、03C51-03-背景知识补充02
• 12、强化学习》43、03C51-04-论文泛读
• 12、强化学习》44、03C51-05-分布更新 BellmanEquation BellmanOperator
• 12、强化学习》45、03C51-06-BellmanOptimalOperator
• 12、强化学习》46、03C51-07-算法分析
• 12、强化学习》47、03C51-08-实验结果及分析
• 12、强化学习》48、03C51-09-引理2引理3证明
• 12、强化学习》49、03C51-10-引理1证明
• 12、强化学习》50、03C51-11-定理1证明
• 12、强化学习》51、03C51-12-其余理论部分及总结
• 12、强化学习》52、03C51-13-代码部分介绍
• 12、强化学习》53、03C51-14-算法部分结构一览
• 12、强化学习》54、03C51-15-分布更新单个样本
• 12、强化学习》55、03C51-16-MiniBatch分布更新
• 12、强化学习》56、03C51-17-Pytorch MiniBatch分布更新…mp4
• 12、强化学习》57、03C51-18-实验结果
• 12、强化学习》58、04QRDQN-01-研究背景、意义及补充知识介绍
• 12、强化学习》59、04QRDQN-02-论文泛读、摘要、框架讲解
• 12、强化学习》60、04QRDQN-03-回顾C51
• 12、强化学习》61、04QRDQN-04-新的分布更新思路、估计分位数
• 12、强化学习》62、04QRDQN-05-QRDQN算法讲解、实验结果与分析
• 12、强化学习》63、04QRDQN-06-理论证明1
• 12、强化学习》64、04QRDQN-07-理论证明2
• 12、强化学习》65、04QRDQN-08-上节回顾和下节预告
• 12、强化学习》66、04QRDQN-09-code1
• 12、强化学习》67、04QRDQN-10-code2
• 12、强化学习》68、04QRDQN-11-code3
• 12、强化学习》69、05REINFORCE-01-开场白及研究背景介绍
• 12、强化学习》70、05REINFORCE-02-论文泛读
• 12、强化学习》71、05REINFORCE-03-背景知识补充
• 12、强化学习》72、05REINFORCE-04-下节预告
• 12、强化学习》73、05REINFORCE-05-论文定理理解
• 12、强化学习》74、05REINFORCE-06-算法核心思想
• 12、强化学习》75、05REINFORCE-07-核心定理证明
• 12、强化学习》76、05REINFORCE-08-下节预告
• 12、强化学习》77、05REINFORCE-09-代码部分结构
• 12、强化学习》78、05REINFORCE-10-网络结构设计
• 12、强化学习》79、05REINFORCE-11-数据处理
• 12、强化学习》80、05REINFORCE-12-主体循环
• 12、强化学习》81、05REINFORCE-13-代码结构
• 12、强化学习》82、05REINFORCE-14-运行结果分析
• 12、强化学习》83、06PPO-01-开场白
• 12、强化学习》84、06PPO-02-研究背景
• 12、强化学习》85、06PPO-03-论文泛读
• 12、强化学习》86、06PPO-04-本节回顾下节预告
• 12、强化学习》87、06PPO-05-论文精读结构介绍
• 12、强化学习》88、06PPO-06-Clipped Surrogate Loss
• 12、强化学习》89、06PPO-07-Adaptive KL
• 12、强化学习》90、06PPO-08-Advantage Function
• 12、强化学习》91、06PPO-09-算法分析
• 12、强化学习》92、06PPO-10-实验结果分析
• 12、强化学习》93、06PPO-11-本届回顾下节预告
• 12、强化学习》94、06PPO-12-代码部分结构
• 12、强化学习》95、06PPO-13-计算Loss Function
• 12、强化学习》96、06PPO-14-拓展到连续型action空间
• 12、强化学习》97、06PPO-15-代码结构
• 12、强化学习》98、06PPO-16-代码运行结果
• 12、强化学习》99、06PPO-17-算法之外的技巧
• 13、自监督-无监督》01、1.1 专题简介与导引&MOCO论文泛读
• 13、自监督-无监督》02、1.2 MOCO论文精读
• 13、自监督-无监督》03、1.3 MOCO-实验结果分析与总结
• 13、自监督-无监督》04、1，4 MOCO-代码讲解
• 13、自监督-无监督》05、2.1 simclr-论文精读
• 13、自监督-无监督》06、2.2 sinclr-论文精讲
• 13、自监督-无监督》07、2.3 simclr-代码讲解