No 1. 【资源丰富的免费插图网站】
    No 2. 永远别忘了，机器变“聪明”
    No 3. NLP新手文献阅读清单(CS224n)：http://t.cn/EMTUbwd …
    No 4. ThreeDPoseTracker：让现实照进二次元 😎 src:
    No 5. 我们日常犯的错，大多可归结为两个原因：不想就做，或只想不做。 #人生感悟# …
    No 6. 【《Effective Python：编写高质量Python代码的59个有效方法》示例代码】
    No 7. 来自Facebook Reality Lab的技术演示 😎 http://t.cn/A6Loo3…
    No 8. 【手把手从头实现神经网络(w/数学原理)】
    No 9. James Tucker：写个完整的App需要：20%的编程 + 80%不被其他新想法分心的专注 …
    No 10. ‘CV_interviews_Q-A - CV算法岗知识点及面试问答汇总，主要分为计算机视觉、机器学…
    No 11. 【arxiv2kindle：将arxiv论文重编译为适合Kindle阅读的版本】
    No 12. PULSE人脸超分辨率也要玩坏了 🤣 亲自试试(Colab):
    No 13. #抽奖##赠书# 为感谢大家长期以来的支持，联合@华章图书 送出5本下图计算机经典教材(抽 5 人每…
    No 14. 有人毕设做这个吗？实用又有趣 😎 …
    No 15. 【Kaggle新课：游戏AI入门与强化学习教程】
    No 16. 【知识图谱顶会文献集锦】
    No 17. 【深度学习时序预测】
    No 18. 晚安～[月亮] http://t.cn/A6LKUpWw
    No 19. 【nlpgnn：图神经网络自然语言处理工具箱】
    No 20. Buckminster Fuller：对于新想法，你有十分钟左右的时间开始行动，窗口一过，它们可能就…
    No 21. 【双重引导已是昨日黄花：Win & Linux合体(WSL 2)】
    No 22. 2005年Twitter的第一张产品设计草图
    No 23. 【高分辨率网络(HRNet)：视觉识别通用神经网络架构】
    No 24. 万能的机械臂：Dobot M1
    No 25. 《Cross-domain Correspondence Learning for Exemplar-based Image Translation》
    No 26. Miguel de Icaza：我讨厌C++ ，C++对此心知肚明，编译器正对我发起消极抵抗。 …
    No 27. 【集成不要停——表格数据的非常规深度学习(基于深度学习的表格数据降维、去噪和合成数据生成)】
    No 28. 【用Kaldi快速训练语音识别系统】
    No 29. 【视频对象跟踪和分割工具包】
    No 30. 【NeuralPy：基于PyTorch类似Keras的深度学习库】
    No 31. 《Learning Saliency Propagation for Semi-supervised Instance Segmentation》
    No 32. 首尔的大型广告牌🤩 http://t.cn/A6LCNzTw …
    No 33. 《Model-based Adversarial Meta-Reinforcement Learning》
    No 34. ‘Macadam：以Tensorflow(Keras)和bert4keras为基础，专注于文本分类、…
    No 35. 【ALEX：自适应学习索引库，性能超过B+ Tree】
    No 36. 《A generalized Bayes framework for probabilistic clustering》
    No 37. 还有这个： http://t.cn/A6L9OKS7
    No 38. 【vSSH：Go语言写的SSH管理运维与自动化库】
    No 39. 树莓派3B+上用新的底层RPi-VK-Driver( GitHub: http://t.cn/A6L…
    No 40. 【Tsunami：带可扩展插件系统通用网络安全扫描器，用于检测高各种危漏洞】
    No 41. #看图说话# 请同学们自由发挥 😎 http://t.cn/A6LNAV5z …
    No 42. 从太空看极光 🤩 http://t.cn/A6LoSbOd
    No 43. 《Improved Techniques for Training Score-Based Generative Models》
    No 44. 《On the distance between two neural networks and the stability of learning》
    No 45. 《Multiscale Deep Equilibrium Models》
    No 46. 《Isometric Autoencoders》
    No 47. 【ModelingToolkit.jl：面向科学计算和机器学习的高性能Julia符号-数值计算建模框架】
    No 48. 《Building One-Shot Semi-supervised (BOSS) Learning up to Fully Supervised Performance》
    No 49. 【(CVPR 2020 Tutorial)标注样本高效学习：少样本、自监督和增量学习】
    No 50. 《Neural Manifold Ordinary Differential Equations》