唐宇迪aigc与nlp大模型实战-经典cv与nlp大模型及其下游应用任务实现

📂 主文件夹：唐宇迪aigc与nlp大模型实战-经典cv与nlp大模型及其下游应用任务实现

• 📁 包含文件：AIGC与大模型
• 🎬 1_课程简介_ev.mp4
• 🎬 2_1-GPT系列算法概述_ev.mp4
• 🎬 3_2-GPT三代版本分析_ev.mp4
• 🎬 4_3-GPT初代版本要解决的问题_ev.mp4
• 🎬 5_4-GPT第二代版本训练策略_ev.mp4
• 🎬 6_5-采样策略与多样性_ev.mp4
• 🎬 7_6-GPT3的提示与生成方法_ev.mp4
• 🎬 8_7-应用场景CODEX分析_ev.mp4
• 🎬 9_8-DEMO应用演示_ev.mp4
• 🎬 10_1-生成模型可以完成的任务概述_ev.mp4
• 🎬 11_2-数据样本生成方法_ev.mp4
• 🎬 12_3-训练所需参数解读_ev.mp4
• 🎬 13_4-模型训练过程_ev.mp4
• 🎬 14_5-部署与网页预测展示_ev.mp4
• 🎬 15_1-chatgpt概述_ev.mp4
• 🎬 16_2-挑战及其与有监督问题差异_ev.mp4
• 🎬 17_3-强化学习登场_ev.mp4
• 🎬 18_4-强化学习的作用效果_ev.mp4
• 🎬 19_5-奖励模型设计方法_ev.mp4
• 🎬 20_6-RLHF训练流程解读_ev.mp4
• 🎬 21_7-总结分析_ev.mp4
• 🎬 22_1-大模型如何做下游任务_ev.mp4
• 🎬 23_2-LLM落地微调分析_ev.mp4
• 🎬 24_3-LLAMA与LORA介绍_ev.mp4
• 🎬 25_4-LORA微调的核心思想_ev.mp4
• 🎬 26_5-LORA模型实现细节_ev.mp4
• 🎬 27_1-提示工程的作用_ev.mp4
• 🎬 28_2-项目数据解读_ev.mp4
• 🎬 29_3-源码调用DEBUG解读_ev.mp4
• 🎬 30_4-训练流程演示_ev.mp4
• 🎬 31_5-效果演示与总结分析_ev.mp4
• 🎬 32_1-langchain框架解读_ev.mp4
• 🎬 33_2-基本API调用方法_ev.mp4
• 🎬 34_3-数据文档切分操作_ev.mp4
• 🎬 35_4-样本索引与向量构建_ev.mp4
• 🎬 36_5-数据切块方法_ev.mp4
• 🎬 37_1-DEMO效果演示_ev.mp4
• 🎬 38_2-论文解读分析_ev.mp4
• 🎬 39_3-完成的任务分析_ev.mp4
• 🎬 40_4-数据闭环方法_ev.mp4
• 🎬 41_5-预训练模型的作用_ev.mp4
• 🎬 42_6-Decoder的作用与项目源码_ev.mp4
• 🎬 43_7-分割任务模块设计_ev.mp4
• 🎬 44_8-实现细节分析_ev.mp4
• 🎬 45_9-总结分析_ev.mp4
• 🎬 46_1-视觉QA要解决的问题_ev.mp4
• 🎬 47_2-论文概述分析_ev.mp4
• 🎬 48_3-实现流程路线图_ev.mp4
• 🎬 49_4-答案关注区域分析_ev.mp4
• 📁 AIGC与大模型
• 📁 第三章：ChatGpt
• 📁 第四章：LLM与LORA
• 📁 第五章：LLM下游任务
• 📁 第六章：langchain
• 📁 第七章：视觉大模型SAM
• 📁 第八章：视觉QA
• 📁 第九章：扩散模型
• 📁 第十章：dalle2论文解读
• 📁 第十一章：dalle2源码解读
• 📁 第十二章：自监督任务对比学习
• 📁 第十三章：BEIT
• 📁 第十四章：BEITV2
• 📁 第十五章：BEITV2源码
• 📁 第十六章：BEV感知
• 📁 第十七章：BEVFORMER源码
• 📁 llama3
• 📁 SAM2
• 📕 第一章：GPT系列.pdf
• 📦 第二章：ChinesePretrainedModels.zip
• 📦 LLAVA_YOLO.rar