No 1. 👨‍🎓 [笑cry]
    No 2. ‘省市区数据采集并标注拼音、坐标和边界范围’ by xiangyuecn GitHub: http:…
    No 3. 这什么鬼AR? http://t.cn/AiNGKLXA
    No 4. 【创建自己的个性化arXiv选读Feed】
    No 5. 【微软因果推理框架DoWhy入门】
    No 6. 【视频目标检测文献大列表】
    No 7. “2019 CVPR Accepted Papers”
    No 8. 【Python高性能矩阵乘法库】
    No 9. 【可视化图表选用指南】
    No 10. 【Python开源机器人研究平台】
    No 11. 《Resolving Gendered Ambiguous Pronouns with BERT》
    No 12. 《Applying AutoML to Transformer Architectures | Google AI Blog》
    No 13. Kelly Vaughn:编程的两个阶段:1、这代码怎么不好使呢? 2、这代码怎么就好使了呢? …
    No 14. “GluonCV: a Deep Learning Toolkit for Computer Vision | MXNet”
    No 15. 【OpenCV视频稳定工具包】
    No 16. 《InverseRenderNet: Learning single image inverse rendering》
    No 17. 《有哪些只有学计算机的人才懂的笑话? - 知乎》
    No 18. ‘Lstm-crf,Lattice-CRF,bert-ner及近年ner相关论文follow’ by…
    No 19. ‘Bayesian Deep Learning Benchmarks’ by OATML GitHu…
    No 20. 晚安~ [月亮] http://t.cn/AiNwKwHb
    No 21. 【PyTorch Hub:仅需一行代码(torch.hub.load())复用ResNet, ResNext, BERT, GPT, PGAN, Tacotron, DenseNet, MobileNet等最新模型】
    No 22. 【2019.5 AI最佳网文】
    No 23. 【开发者都应该了解的SOLID原则】
    No 24. 【基于深度学习用卫星图像预测采矿前景和矿藏】
    No 25. 【元学习相关资源大列表】
    No 26. GitHub:http://t.cn/AiNwSLm8
    No 27. 【行人重识别数据集大列表】
    No 28. 《Detecting Photoshopped Faces by Scripting Photoshop》
    No 29. 【深度学习自然语言推理】
    No 30. 《Can You Trust Your Model’s Uncertainty? Evaluating Predictive Uncertainty Under Dataset Shift》
    No 31. 【NAACL 2019亮点摘要】
    No 32.
    No 33. 《Meta-Learning via Learned Loss》
    No 34. 【满足行业需求/约束的学术级数据集创建指南】
    No 35. 【软银机器人Python模拟环境】
    No 36. 早![太阳]
    No 37. 【C++多语拼写检查库】
    No 38. 【GitHub Repository卡片生成器】
    No 39. 打开就变成天文球的戒指 💍✨ (十六世纪德国制造) …
    No 40. 【分子/晶体通用图网络机器学习框架】
    No 41. 【Transformer/GPT-2文本自动补完Demo】
    No 42. 【GANs’必读’论文推荐】
    No 43. 《Reweighted Expectation Maximization》
    No 44. 《The Replica Dataset: A Digital Replica of Indoor Spaces》
    No 45. 【GauGAN由分割块和线条涂鸦生成自然景观照片的在线交互演示】
    No 46. 《哪些网站帮你打开了新世界的大门? - 知乎》
    No 47. 《TalkSumm: A Dataset and Scalable Annotation Method for Scientific Paper Summarization Based on Conference Talks》
    No 48. 《Learning Curves for Deep Neural Networks: A Gaussian Field Theory Perspective》
    No 49. 《Deep Reinforcement Learning for Industrial Insertion Tasks with Visual Inputs and Natural Rewards》
    No 50. 《Table-Based Neural Units: Fully Quantizing Networks for Multiply-Free Inference》