k学长的深度学习宝库
k学长的深度学习宝库
全部菜单
我的 模型宝库 学习专栏 练手小项目 毕设项目库 论文源码 视频课程 数据集 资料库 电子书 AI科研工具箱
机器学习常见算法理论基础学习笔记

机器学习常见算法理论基础学习笔记

机器学习常见算法学习笔记——从回归到聚类,从 PCA 到 EM,让你真正 听得懂、算得清、用得上。 适合:机器学习入门者 / 转岗算法 / 研一研二同学

14天深度学习从0基础到入门

14天深度学习从0基础到入门

从 PyTorch 到 CNN/分割/检测,再到 RNN/Attention/Transformer/BERT, 配套训练-验证-部署全闭环脚手架,14 天跑通,3 个月显著提升。

7天搞定PyTorch从安装到模型训练

从环境配置到张量运算,从神经网络搭建到模型训练与可视化,一次性掌握 PyTorch 全流程。7 天跑通深度学习项目闭环.

3天吃透NLP从词向量到BERT的全栈路线

从Word2Vec、FastText、GloVe到TextCNN、TextRNN、Seq2Seq,再到Attention、Transformer、BERT、XLNet,一次性打通自然语言处理核心技能

零基础强化学习入门从理论到实战

从Word2Vec、FastText、GloVe到TextCNN、TextRNN、Seq2Seq,再到Attention、Transformer、BERT、XLNet,一次性打通自然语言处理核心技能

手把手教你OpenCV图像处理

手把手教你OpenCV图像处理

知识要点:图像读取与显示、灰度与颜色空间、边缘检测与滤波、特征提取与匹配、视频与ROI处理

【深度学习进阶】7天完成参数调优和模型训练

【深度学习进阶】7天完成参数调优和模型训练

【深度学习进阶】7天完成参数调优和模型训练——系统掌握调参思路与优化策略,让你的模型跑得更稳更强。

YOLO源码逐行超详细解读和入门实践

YOLO源码逐行超详细解读和入门实践

不再“会用不会改”的黑盒调用,从 源码逐行注释 到 完整训练部署流程,一站式吃透 YOLOv5, 让你写得懂、调得动、敢改造的目标检测模型。

14天吃透Transformers模型库,从安装到发布你的第一个大模型

14天吃透Transformers模型库,从安装到发布你的第一个大模型

从环境配置到Pipeline一键推理,从AutoClass加载千亿参数到PEFT微调+Accelerate分布式训练,一次性打通HuggingFace生态全链路。

手把手教你如何对YOLOv5模型进行模块缝合

手把手教你如何对YOLOv5模型进行模块缝合

从主干替换到注意力机制融合,从损失函数到 Neck 改进,带你系统掌握 YOLOv5 模块级创新,做出“更强、更聪明”的检测模型。

YOLOv8全网独家改进优化策略

原创自研:YOLOv8全网独家改进优化策略

YOLOv8全网独家改进优化策略——融合百余种创新机制与结构优化,让你的YOLOv8性能突破极限。适合人群:硕士以上。

unet的所有变种创新-基于最强模型nnunetv2改进

unet的所有变种创新-基于最强模型nnunetv2改进

实战融合 Attention、DynamicConv、SPP、CBAM、ASPP、ECA、PolarizedSelfAttention 等前沿模块, 真正掌握医学影像分割中最强大的模型改进思路与实现路径

YOLOv11 涨点实战专栏

YOLOv11涨点实战专栏全网最强合集

最新 YOLOv11 算法改进涨点方案,系统汇总 主干优化、注意力融合、损失函数改进、特征金字塔与检测头增强, 覆盖 2024–2025 前沿论文与顶会创新结构,配套完整 代码 + 改动教程 + 运行示例

史上最全-149篇RT-DETR模型改进策略

史上最全-149篇RT-DETR模型改进策略

史上最全——149篇RT-DETR模型改进策略精读,带你全面掌握从结构优化到创新Attention机制的前沿目标检测思路。

目标检测多模态创新融合专栏

可发SCI一区:目标检测多模态创新融合专栏

多模态特征融合、跨模态注意力机制、Transformer与CNN协同建模、时序与空间特征交互、目标检测多源信息整合

LLM大模型0基础入门专栏

LLM大模型0基础入门专栏

4 大必修模块,覆盖提示工程、ChatGPT API 客服助手、LangChain 应用开发、自有知识库 RAG 检索问答, 带你在最短时间内跑通「从想法 → Prompt → 应用 → 上线」的完整闭环。

Ollama专栏:7天从零开始玩转大模型部署

Ollama专栏:7天从零开始玩转大模型部署

不依赖云端、不用复杂环境, 7 天 手把手带你在本地跑起主流开源 LLM, 完整打通「部署模型 → 调用模型 → 接入业务逻辑 → 搭建真实可用应用」闭环。

检索增强生成 (RAG) 技术全栈指南

检索增强生成 (RAG) 技术全栈指南

本项目是一个面向大模型应用开发者的RAG(检索增强生成)技术全栈教程,旨在通过体系化的学习路径和动手实践项目,帮助开发者掌握基于大语言模型的RAG应用开发技能,构建生产级的智能问答和知识检索系统。

大模型分布式训练并行技术

大模型分布式训练并行技术

从单卡训练到多机多卡,从数据并行、模型并行到流水线并行、混合并行,本专栏系统讲解大模型分布式训练的核心技术体系

大模型参数高效微调技术原理和实战

大模型参数高效微调技术原理和实战

系统理解 Prompt Tuning、Prefix Tuning、LoRA、Int8 量化、适配器方法等核心方案,并结合真实训练脚本与最佳实践