No 2. 【用Python实现’Pattern Recognition and Machine Learning”里的算法】
No 3. 同一种方法,自己论文里的结果 vs. 别人论文里作为比较方法的结果 [笑而不语]
No 4. 真的还要再“加快”
No 5. ‘Coding总结 - 面试高频算法题总结’ by Making-It GitHub: http:/…
No 6. 《Python编程与实践》
No 7. B站凌晨3点半通过审核的,真心不容易。这段番外,最大收获是熟悉了后期的关键技术,搞清了几个制作上的“小”
No 8. 【NYX在线实时试妆体验】
No 9. 晚安~ [月亮] http://t.cn/A67oV0Ke
No 10. 【160+道数据科学面试题】
No 11. 【面向计算机视觉的卷积网络及其实现大列表】
No 12. 湍流 🤩src:
No 13. 代码就像诗:不写则无以成诗。 - E.W Dijkstra …
No 14. 《Time Series Data Augmentation for Deep Learning: A Survey》
No 15. 小梦、小埃、阿珍,来,笑一笑,眨个眼 😉
No 16. ‘超轻量级中文ocr,支持竖排文字识别, 支持ncnn推理 , psenet(8.5M) + crn…
No 17. 生于1980年的人,是唯一在 x² 年 x 岁的人: 45² = 2025年他们正好45岁
No 18. PRML电子版官方免费下载:http://t.cn/Ey0kDXz More:http://t.cn…
No 19. Chip Huyen:有时候觉得自己就像R,不是任何人的最爱,但功能很强,尤其擅长处理数据。 …
No 20. 【
No 21. 16x16表情 vs. 超分辨率表情,你更爱哪个?
No 22. 【数据科学面试题理论篇】
No 23. 秩序的诞生 🤩 http://t.cn/A67NeTAg
No 24. 【图神经网络基准】
No 25. 某种意义上,你在打造自己的迷宫,而你,很可能会在其中迷失自我。 - Marijn Haverbeke…
No 26. Gül Varol:我提交的CVPR2020悲剧了,我用了CVPR2019论文的方法,评审觉得我不该…
No 27. XLOOKUP:Excel表里的垂直搜索 more:http://t.cn/AieuPcyT ht…
No 28. 【PyTorch变分自编码器(VAE)实现集锦】
No 29. 随时可见一片“蓝天”
No 30. 【Rainbow CSV:VS Code的CSV文件按列彩色高亮扩展】
No 31. 【让蒙娜丽莎“返老还童”:StyleGAN2人脸修改器】
No 32. 【基于Unity ML-Agents用自我游戏训练“聪明”对手】
No 33. 当你的“破烂儿”
No 34. 《Probabilistic Learning on Manifolds》
No 35. 【StyleGAN2在Colab Notebook里的实现】
No 36. 《Theoretical Models of Learning to Learn》
No 37. 《Is the Meta-Learning Idea Able to Improve the Generalization of Deep Neural Networks on the Standard Supervised Learning?》
No 38. “最重要的进步需要缓慢的过程来实现,要有时间深入思考、反复核验。 高压对我们在创造的科学的质量百害而无一利。”
No 39. 《A U-Net Based Discriminator for Generative Adversarial Networks》
No 40. 《Generalizing Convolutional Neural Networks for Equivariance to Lie Groups on Arbitrary Continuous Data》
No 41. 【(杂志)计算机视觉新闻2020.3期】
No 42. Marco Grassi的超现实主义绘画 🤩 http://t.cn/A67qIWcC …
No 43. 【用“鱼脸追踪”保护海洋】
No 44. 【ggplot2教程等相关资源列表】
No 45. 《Sketch-to-Art: Synthesizing Stylized Art Images From Sketches》
No 46. 【非官方版Centerface实时人脸检测,目标是速度和准确性之间的最佳平衡】
No 47. 【FlyingSquid交互弱监督探索】
No 48. 世界上最大的齿轮减速机,用来表示googol(1.0 × 10¹⁰⁰),用100次1:10的减速实现…
No 49. 《UniLMv2: Pseudo-Masked Language Models for Unified Language Model Pre-Training》
No 50. 《MNN: A Universal and Efficient Inference Engine》