34、Swin Transformer论文精讲及其PyTorch逐行复现
本期直播视频带来了完整的非常详细的SwinTransformer原理讲解和代码的逐行实现，难点较多，讲的时间比较久，希望对大家有帮助。如果大家觉得本期视频有收获，欢迎支持或转发。直播深度学习算法原理与项目源码讲解，欢迎关注我的直播间：https://live.bilibili.com/14297368?spm_id_from=333.999.0.0
在有限的生命里怎么样把握住时间专注做点自己喜欢做的、对别人也有点价值的事情，是我们应该时常自查的。
PyTorch源码教程与前沿人工智能算法复现讲解
（34/85）
266.9万播放
简介
订阅合集
1、PyTorch介绍与张量的创建
42:00
2、PyTorch张量的运算API（上）
32:06
3、PyTorch张量的运算API（下）
48:16
4、PyTorch的Dataset与DataLoader详细使用教程
35:30
5、深入剖析PyTorch DataLoader源码
42:30
6、PyTorch中搭建分类网络实例
43:50
7、深入剖析PyTorch nn.Module源码
01:13:10
8、深入剖析PyTorch的state_dict、parameters、modules源码
49:53
9、深入剖析PyTorch的nn.Sequential及ModuleList源码
46:14
10、PyTorch autograd使用教程
31:05
11、PyTorch中如何进行向量微分、矩阵微分与计算雅克比行列式
33:12
12、如何在PyTorch中训练模型
37:33
13、详细推导自动微分Forward与Reverse模式
54:08
14、如何保存与加载PyTorch训练的模型和超参数
37:50
15、Dropout原理以及其TF/Torch/Numpy源码实现
45:45
16、PyTorch中进行卷积残差模块算子融合
01:14:04
17、ConvMixer模型原理及其PyTorch逐行实现
44:43
18、深入剖析PyTorch中的Transformer API源码
01:07:40
19、Transformer Encoder原理精讲及其PyTorch逐行实现
01:50:37
20、Transformer Decoder原理精讲及其PyTorch逐行实现
59:13
21、Transformer Masked loss原理精讲及其PyTorch逐行实现
45:54
22、PyTorch nn.Conv2d卷积网络使用教程
33:34
23、手写并验证滑动相乘实现PyTorch二维卷积
52:44
24、手写并验证向量内积实现PyTorch二维卷积
58:21
25、手写实现nn.TransposedConv转置卷积
52:18
26、手写卷积与转置卷积的代码总结
41:48
27、手写实现PyTorch的DilatedConv和GroupConv
59:41
28、Vision Transformer(ViT)模型原理及PyTorch逐行实现
01:07:26
29、PyTorch RNN的原理及其手写复现
01:30:48
30、PyTorch LSTM和LSTMP的原理及其手写复现
01:16:29
31、PyTorch GRU的原理及其手写复现
39:18
32、基于PyTorch的文本分类项目模型与训练代码讲解
55:10
33、完整讲解PyTorch多GPU分布式训练代码编写
01:14:56
34、Swin Transformer论文精讲及其PyTorch逐行复现
01:38:20
35、基于PyTorch手写Attention-based Seq2Seq模型
37:41
36、PyTorch训练加速技巧与爱因斯坦标示法
01:05:52
37、Word Embedding原理精讲及其PyTorch API教程讲解
49:54
38、ConvNeXt论文导读与模型精讲
49:22
39、基于PyTorch的ConvNeXt模型代码逐行讲解
33:12
40、ConvNeXt各向同性模型与分布式训练代码逐行讲解
40:37
41、ResNet模型精讲以及PyTorch复现逐行讲解
01:01:32
42、Masked AutoEncoder(MAE)论文导读与模型详细介绍
01:02:41
43、逐行讲解Masked AutoEncoder(MAE)的PyTorch代码
01:50:32
44、Layer Normalization论文导读与原理精讲
01:12:06
45、五种归一化的原理与PyTorch逐行手写实现讲解(BatchNorm/LayerNorm/InsNorm/GroupNorm/WeightNorm)
01:11:29
46、四种Position Embedding的原理与PyTorch手写逐行实现（Transformer/ViT/Swin-T/MAE）
01:03:49
47、GAN原理讲解与PyTorch手写逐行讲解
01:33:31
48、快速复现PyTorch的Weight Normalization
19:07
49、cGAN及LSGAN的原理与PyTorch手写逐行讲解
49:07
50、NormalizingFlow(标准化流)论文导读与原理精讲
01:05:16
51、基于PyTorch ResNet18的水果蔬菜分类项目逐行代码讲解
01:08:13
52、逐行讲解Excel/Csv文件数据转成PyTorch张量导入模型
26:29
53、NormalizingFlow(标准化流)的PyTorch代码逐行讲解
01:21:49
54、Probabilistic Diffusion Model概率扩散模型理论与完整PyTorch代码详细解读
01:36:09
55、PyTorch的交叉熵、信息熵、二分类交叉熵、负对数似然、KL散度、余弦相似度的原理与代码讲解
01:18:46
56、U-Net用于图像分割以及人声伴奏分离原理代码讲解
43:46
57、Autoregressive Diffusion Model自回归扩散模型用于序列预测论文讲解
48:50
58、Improved Diffusion的PyTorch代码逐行深入讲解
02:26:58
59、基于CLIP/ViT模型搭建相似图像检索系统
41:17
60、VITS最前沿语音合成模型的论文原理精讲
01:34:31
61、VITS最前沿语音合成模型的PyTorch代码逐行讲解
03:15:46
62、Score Diffusion Model分数扩散模型理论与完整PyTorch代码详细解读
02:24:42
63、必看！概率扩散模型(DDPM)与分数扩散模型(SMLD)的联系与区别
46:36
64、扩散模型加速采样算法DDIM论文精讲与PyTorch源码逐行解读
02:09:54
65、【特别视频】AI教程评论区在线答疑之2022-10-25
35:55
66、Classifier Guided Diffusion条件扩散模型论文与PyTorch代码详细解读
01:30:27
67、DiffusionLM 基于扩散模型的语言模型论文原理精讲
56:30
68、VQVAE预训练模型的论文原理及PyTorch代码逐行讲解
01:20:21
69、VQGAN+Transformer自回归建模图像生成的论文原理细致讲解
01:06:53
70、VQGAN+GPT1自回归建模图像的代码讲解（上）
51:16
71、VQGAN模型+VQ离散化模块的代码讲解
50:34
72、爆火的GPT-2论文讲解
50:32
73、爆火必看的nano-GPT2 Pytorch经典代码逐行讲解
01:22:01
74、GPT-3论文原理讲解
53:18
75、Llama源码讲解之RoPE旋转位置编码
26:05
76、Llama源码讲解之RMS-Norm
13:43
77、Llama源码讲解之GroupQueryAttention和KV-cache
21:14
78、Llama源码讲解之Transformer
17:48
79、Llama源码讲解之自回归采样生成算法
21:02
80、Byte Pair Encoding 源码逐行讲解
47:45
81、LLaMA-1 论文导读
36:34
82、LLaMA-2 论文导读
55:27
83、llama 3.1 405B？15.6T？
39:59
84、GPT-4o之实时语音对话系统技术原理讲解
02:20:42
85、Differential Transformer原理与代码讲解
54:58
顶部