No 1. Alex Gude:模型改进的实际过程往往是这样的: - 基线:53% - 逻辑回归:58% - 深度学习:61% - 修正数据:77% 超参优化之外好好“理解数据”
No 2. 【深度感知视频插帧(DAIN)】
No 3. 参加会议全场只有一个熟人
No 4. Arjun Narayan:近十年来表现最佳的两只股票——Netflix(涨3700%)和Domin…
No 5. 【ivis:基于Siamese Networks的大规模数据集结构保持降维算法】
No 6. 【Python绘图示例(含代码)集锦】
No 7. 【Kubernetes从入门到实战指南】
No 8. 【论文撰写/改善在线指南】
No 9. 用#VR#玩出#AR#的感觉:虚拟现实 与 真实现实 高度重合是种什么感受? http://t.c…
No 10. 【“早知道就好了”的Python可视化技巧】
No 11. 《爱尔兰人》
No 12. 请问什么设计理念?——读某些论文也会有相似的赶脚 [doge]…
No 13. 2020进度:▓░░░░░░░░░░░░░░ 5% 🚶 …
No 14. 应该经常拿出来提醒自己//Alex Gude:模型改进的实际过程往往是这样的: - 基线:53% - 逻辑回归:58% - 深度学习:61% - 修正数据:77% 超参优化之外好好“理解数据”
No 15. 【(Python)白手起家机器学习】
No 16. 【“早知道就好了”的Latex实用技巧】
No 17. 《美少女战士》
No 18. 意大利博洛尼亚,风儿吹拂着青草,把山坡变成了一片海 🤩
No 19. “开放课程大纲”
No 20. 【可解释AI】
No 21. ‘TensorRT Inference Server 菜鸟教程 - 服务侧深度学习部署案例’ by …
No 22. 《HMANet: Hybrid Multiple Attention Network for Semantic Segmentation in Aerial Images》
No 23. 加利福尼亚约塞米蒂国家公园(Yosemite National Park)的“火瀑布”
No 24. 【ActionAI:人体姿态估计/行为分类库】
No 25. 【如何组织Python代码】
No 26. 梦幻工具箱 🤩 http://t.cn/A6vEgLET
No 27. 《Anomaly Detection with Density Estimation》
No 28. 【成为更好的软件架构师】
No 29. 澳大利亚森林大火烟尘全球扩散图 🔥
No 30. 《 Convolutional Convolutional Neural Processes》
No 31. 《Towards Stablizing Batch Statistics in Backward Propagation of Batch Normalization》
No 32. 《A Knowledge-Enhanced Pretraining Model for Commonsense Story Generation》
No 33. 【Andrew Trask:隐私保护AI】
No 34. 【产品开发标准文档模板集】
No 35. 【PyTorch工具箱】
No 36. 《DDSP: Differentiable Digital Signal Processing》
No 37. 【用docker可简单部署的虚拟浏览器】
No 38. 《DeepFactors: Real-Time Probabilistic Dense Monocular SLAM》
No 39. 【人脑磁共振成像(MRI)分析与可视化工具】
No 40. ‘WordMultiSenseDisambiguation - WordMultiSenseDisa…
No 42. ‘goInception - 集审核、执行、备份及生成回滚语句于一身的MySQL运维工具’ by h…
No 43. 【Skydio 2上的深度网络导航:全新的无人机飞行方式——追踪目标的同事避开障碍物】
No 44. 《Insertion-Deletion Transformer》
No 45. 【手把手:在树莓派4上用TensorFlow Lite实现目标识别】
No 46. ‘系统重构与迁移指南 - 手把手教你分析、评估现有系统、制定重构策略、探索可行重构方案、搭建测试防护…
No 47. 《Advbox: a toolbox to generate adversarial examples that fool neural networks》
No 48. 【BAIR基于Ray Tune的大规模训练】
No 49. 《Synergetic Reconstruction from 2D Pose and 3D Motion for Wide-Space Multi-Person Video Motion Capture in the Wild》
No 50. 《A ‘Network Pruning Network’ Approach to Deep Model Compression》