名称：手写AI-LLM多模态视觉大模型2024

描述：《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。

链接：

百度：

夸克：

📁 大小：1.91 GB

🏷 标签：#多模态大模型 #自监督学习 #ViT #CLIP #LLaVA #视觉Prompt #模型微调 #下游迁移 #代码实战 #手写AI #手写AILLM百度网盘 #quark

└─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│├─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│      2.2对比学习与SimCLR_ev.mp4│      2.3Moco模型_ev.mp4│      2.4MoCo代码详解_ev.mp4│      2.5掩码重建与BEiT_ev.mp4│├─3.视觉基础大模型的架构│      3.1 ViT与其变种_ev.mp4│      3.2 MoCo v3自监督骨干网络_ev.mp4│      3.3 DINO模型_ev.mp4│      3.4 DINO代码详解_ev.mp4│      3.5 MAE模型_ev.mp4│      3.6 MAE代码详解_ev.mp4│      3.7 SAM模型_ev.mp4│├─4.多模态视觉大模型│      4.1 多模态学习的概念_ev.mp4│      4.2 多模态网络的架构_ev.mp4│      4.3 CLIP模型_ev.mp4│      4.4 CLIP代码详解_ev.mp4│      4.5 GLIP模型_ev.mp4│      4.6 Flamingo模型_ev.mp4│      4.7 LLaVA模型_ev.mp4│├─5.下游任务迁移与视觉提示│      5.1 线性探测与微调_ev.mp4│      5.2 线性探测与微调代码详解_ev.mp4│      5.3 Adapter方法_ev.mp4│      5.4 Adapter代码详解_ev.mp4│      5.5 视觉prompt方法_ev.mp4│      5.6 视觉Prompt代码详解_ev.mp4│      5.7 小结_ev.mp4│├─6.实战-多模态大模型微调│      6.1 PandaGPT框架介绍_ev.mp4│      6.2 环境与模型配置_ev.mp4│      6.3 项目代码通览_ev.mp4│      6.4 数据集加载_ev.mp4│      6.5 模型定义_ev.mp4│      6.6 模型实现_ev.mp4│      6.7 Demo运行_ev.mp4│      code .zip│      Vicuna模型加载指南.txt│      端口映射方法.txt│├─7.实战-基于视觉提示的下游迁移│      7.1 VPT框架通览_ev.mp4│      7.2 数据集加载_ev.mp4│      7.3 模型定义_ev.mp4│      7.4 模型实现1_ev.mp4│      7.5 模型实现2_ev.mp4│      7.6 病理图像下游迁移_ev.mp4│      BCI数据集下载.txt│      code .zip│└─文档+资料        资料.zip