No 1. 【“拿来就用”的深度学习模型库汇总】
    No 2. 【给新手推荐的十篇最佳数据科学文章】
    No 3. 【用VS Code、Anaconda搭建数据科学开发环境】
    No 4. 寒暑假结束能做到无怨无悔的必是人中龙凤 [笑而不语]…
    No 5. [doge]
    No 6. 【用自拍照生成动漫头像】
    No 7. 【看脸测心跳：视频生命体征读取】
    No 8. 《Recent Advances in Deep Learning for Object Detection》
    No 9. 《精通特征工程》
    No 10. 【信息图：如何阅读期刊文章】
    No 11. “(Colab)TensorFlow技巧实例：用 .cache() 将(TensorFlow Datasets)训练时间缩短一半”
    No 12. 开箱即用的深度模型库，值得收藏
    No 13. 【信息图：科研论文要素】
    No 14. 看来“图片场景文字校对”
    No 15. 【Maltrail：恶意流量检测系统】
    No 16. 一个人的奥运会 💪😏😂 http://t.cn/AiQvZKME …
    No 17. 【Python初学者常犯的5个错误】
    No 18. ‘AoE (AI on Edge，终端智能，边缘计算) ：滴滴开源的 终端侧 AI 集成运行时环境 ( IRE )，以 “稳定性、易用性、安全性”
    No 19. 暑假前制定了一个plan，半个暑假结束了，完成了个p，因为lan。 …
    No 20. 用 普通手机 + Google Street View App + Google Tour Crea…
    No 21. 【用PyTorch实现在128颗GPU上训练GAN】
    No 22. 【(Keras)训练 Progressive Growing GAN 实现合成人脸】
    No 23. 【Pytorch-Transformers 1.0发布，支持BERT, GPT, GPT-2, Transfo-XL, XLNet, XLM等，含27个预训练模型】
    No 24. 《TensorFlow与卷积神经网络从算法入门到项目实战》
    No 25. 【将在明年夏天发布的免费书：Python/Matplotlib科学可视化】
    No 26. 《Exploiting temporal context for 3D human pose estimation in the wild》
    No 27. 【实验像素3D引擎】
    No 28. 来，干了这碗费曼鸡汤：• 失败才是开始 • 永远保持学习 • 保持开放，不轻信 • 把知道的…
    No 29. 【《IPython交互计算与可视化方案手册》随书代码】
    No 30. 美味流水线 http://t.cn/AiH1MXUx
    No 31. 【Lambda Labs 深度学习Demo集锦(深度学习预训练模型)】
    No 32. 【鲁棒机器学习相关文献集】
    No 33. 【如何用算法玩转“飞翔小鸟”】
    No 34. 【Instagram大规模静态分析】
    No 35. 清华昨日开学典礼，邱勇校长亲自迎接新生。可是，有人注意到背后的横幅那个巨大的错字了吗？”热烈欢迎”变…
    No 36. 【命令行赛车游戏 ASCII RACER】
    No 37. 《GCDT: A Global Context Enhanced Deep Transition Architecture for Sequence Labeling》
    No 38. Katerina Borodina：用 alias 将 sudo 化名到 “please”
    No 39. 1.1.0版发布，包含Facebook最新的RoBERTa
    No 40. 【Sankey图可视化包(Python)】
    No 41. 【Open VINS：视觉惯性导航研究平台】
    No 42. 《AutoCorrect: Deep Inductive Alignment of Noisy Geometric Annotations》
    No 43. 某些AI公司的后端核心算法[挤眼] http://t.cn/AiHHGE5l …
    No 44. 《A Selective Overview of Deep Learning》
    No 45. 致那些有缘相逢、激动收藏、用时遍寻不到的帖子 [哈哈] http://t.cn/AiH1bX4z …
    No 46. 【Pin2Interest：可扩展内容分类系统】
    No 47. 【概率学习详解】
    No 48. 《Adversarial Neural Pruning》
    No 49. 《One Model To Rule Them All》
    No 50. 《Synthesizing Programs for Images using Reinforced Adversarial Learning》