手写AI-LLM多模态视觉大模型2024
| 发布时间： | 2025-09-08 06:26 |
|---|---|
| 发布者： | 用户9527 |
| 资源来源： | 夸克网盘 |
| 资源状态： | 【资源纠错】 |
| 标签： | 手写 / ai-llm / 模态 / 视觉 / 模型 / |
《手写AI-LLM多模态视觉大模型2024》课程系统讲解视觉与多模态大模型的核心技术，涵盖自监督学习(MoCo、MAE)、视觉基础模型(ViT、DINO)、多模态模型(CLIP、LLaVA)及下游迁移方法(Adapter、视觉Prompt)。课程通过代码实战(MoCo、MAE、CLIP等)和项目案例(PandaGPT微调、VPT下游迁移)，帮助学员掌握大模型训练、微调及应用，适合AI开发者深入多模态视觉领域。
网盘快照
- 手写AI-LLM多模态视觉大模型2024 ( - )
- 1.大模型技术概述 ( - )
- 1. 视觉大模型技术概述_ev.mp4 ( 21.90MB )
- 2.自监督学习的原理与方法 ( - )
- 2.1自监督学习与前置任务_ev.mp4 ( 17.96MB )
- 2.2对比学习与SimCLR_ev.mp4 ( 18.88MB )
- 2.3Moco模型_ev.mp4 ( 11.95MB )
- 2.4MoCo代码详解_ev.mp4 ( 23.32MB )
- 2.5掩码重建与BEiT_ev.mp4 ( 10.50MB )
- 3.视觉基础大模型的架构 ( - )
- 3.1 ViT与其变种_ev.mp4 ( 15.32MB )
- 3.2 MoCo v3自监督骨干网络_ev.mp4 ( 7.95MB )
- 3.3 DINO模型_ev.mp4 ( 12.78MB )
- 3.4 DINO代码详解_ev.mp4 ( 16.99MB )
- 3.5 MAE模型_ev.mp4 ( 9.63MB )
- 3.6 MAE代码详解_ev.mp4 ( 26.37MB )
- 3.7 SAM模型_ev.mp4 ( 23.64MB )
- 4.多模态视觉大模型 ( - )
- 4.1 多模态学习的概念_ev.mp4 ( 22.46MB )
- 4.2 多模态网络的架构_ev.mp4 ( 19.29MB )
- 4.3 CLIP模型_ev.mp4 ( 17.23MB )
- 4.4 CLIP代码详解_ev.mp4 ( 26.51MB )
- 4.5 GLIP模型_ev.mp4 ( 9.92MB )
- 4.6 Flamingo模型_ev.mp4 ( 24.20MB )
- 4.7 LLaVA模型_ev.mp4 ( 41.57MB )
- 5.下游任务迁移与视觉提示 ( - )
- 5.1 线性探测与微调_ev.mp4 ( 8.96MB )
- 5.2 线性探测与微调代码详解_ev.mp4 ( 11.64MB )
- 5.3 Adapter方法_ev.mp4 ( 12.09MB )
- 5.4 Adapter代码详解_ev.mp4 ( 49.03MB )
- 5.5 视觉prompt方法_ev.mp4 ( 48.91MB )
- 5.6 视觉Prompt代码详解_ev.mp4 ( 33.13MB )
- 5.7 小结_ev.mp4 ( 3.66MB )
- 6.实战-多模态大模型微调 ( - )
- 6.1 PandaGPT框架介绍_ev.mp4 ( 42.55MB )
- 6.2 环境与模型配置_ev.mp4 ( 103.96MB )
- 6.3 项目代码通览_ev.mp4 ( 106.00MB )
- 6.4 数据集加载_ev.mp4 ( 90.95MB )
- 6.5 模型定义_ev.mp4 ( 133.72MB )
- 6.6 模型实现_ev.mp4 ( 220.91MB )
- 6.7 Demo运行_ev.mp4 ( 59.58MB )
- code .zip ( 27.63MB )
- 端口映射方法.txt ( 84.00B )
- Vicuna模型加载指南.txt ( 382.00B )
- 7.实战-基于视觉提示的下游迁移 ( - )
- 7.1 VPT框架通览_ev.mp4 ( 116.63MB )
- 7.2 数据集加载_ev.mp4 ( 100.96MB )
- 7.3 模型定义_ev.mp4 ( 141.26MB )
- 7.4 模型实现1_ev.mp4 ( 86.75MB )
- 7.5 模型实现2_ev.mp4 ( 67.92MB )
- 7.6 病理图像下游迁移_ev.mp4 ( 44.52MB )
- BCI数据集下载.txt ( 892.00B )
- code .zip ( 1021.61KB )
- 文档+资料 ( - )
- 资料.zip ( 68.00MB )