爱可可老师24小时热门分享(2019.4.12)

No 1. Python程序员如何确认缩进级别 [哈哈] ​…
No 2. Graham Neubig:超酷的黑洞照片源自Bouman等2016年提出的算法(
No 3. 【股市预测的机器学习/深度学习模型/资源集锦】
No 4. 【LeetCode的 C++ 11 & Python3 题解】
No 5. 《Spatially Controllable Image Synthesis with Internal Representation Collaging》
No 6. 【LSTM多类文本分类(Keras)】
No 7. 【从头用TensorFlow 2.0实现Transformer语言理解】
No 8. 【股票交易为例从头创建定制OpenAI Gym强化学习环境】
No 9. 《聊一聊机器学习的MLE和MAP:最大似然估计和最大后验估计 – 知乎》
No 10. 【PyTorch深度学习分布式训练】
No 11. 【改变未来沟通方式的七项NLP技术】
No 12. 用的还是Python [Aloha][Aloha][Aloha] http://t.cn/E6DsV…
No 13. 【如何写论文之讨论章节的组织】
No 14. Python程序员怎么写Java代码 ​
No 15. 《Stereo R-CNN based 3D Object Detection for Autonomous Driving》
No 16. 【《机器学习“百页”书》复现代码】
No 17. 【贝叶斯优化参数&超参数微调】
No 18. Jesse Vincent:花了6个小时,用500M的Docker和几百行Python代码,替换了原…
No 19. Part2:情感分析、问答、文本摘要、注意机制 http://t.cn/E6gf2IN pdf:ht…
No 20. 《身在美国(尤其是湾区)的软件工程师们还想回国吗,还能回国吗? – 知乎》
No 21. 'git-tips – Git的奇技淫巧' by 521xueweihan GitHub: http…
No 22. 简书啊简书……
No 23. 《Pelee: A Real-Time Object Detection System on Mobile Devices》
No 24. 【原始音频文件深度学习】
No 25. 《How to use the Learning Rate Finder in TensorFlow》
No 26. 【二次元少女与编程书(图集)】
No 27. 《主题公园》
No 28. 【现代C++参数解析库】
No 29. 《Analysis of the Gradient Descent Algorithm for a Deep Neural Network Model with Skip-connections》
No 30. 晚安~ [月亮] ​
No 31. 【LiDAR分割库】
No 32. 【LAMA语言模型分析,提供Transformer-XL/BERT/ELMo/GPT预训练语言模型的统一访问接口】
No 33. 【Mask-RCNN图像/视频(人物)背景自动灰化】
No 34. 【视频自动编辑器——自动压缩静默片段,可加快课程视频观看速度】
No 35. 【可分离卷积基本介绍】
No 36. 🧠 AI思想领袖PPT速成模板: ✅ 机器人和人类握手 ✅ 0/1组成的爆炸大脑✅ 表情沮丧的李世石照片 ✅ 正式内容开讲“……区块链?”
No 37. Google Colab官方介绍视频充分展现了notebook文件命名的精髓 [笑而不语] ​…
No 38. 《Depth from Videos in the Wild: Unsupervised Monocular Depth Learning from Unknown Cameras》
No 39. 【编程书大列表】
No 40. 【mljar:以人为本的自动机器学习库,为模式识别算法原型设计、开发和部署提供服务】
No 41. 【PlaNet深度强化学习网络解析】
No 42. 【支持GPU的图分析库】
No 43. 【单路径NAS:导出设备优化网络的快速神经网络架构搜索技术】
No 44. 【微软的近似代码检测(.NET)】
No 45. 【CppRl:PyTorch C++强化学习框架】
No 46. 【NAACL 2019 Best Paper Awards】
No 47. 《TextureNet: Consistent Local Parametrizations for Learning from High-Resolution Signals on Meshes》
No 48. 早!
No 49. 《Community Detection in Social Network using Temporal Data》
No 50. 【CommonsenseQA:面向常识的QA挑战】

发表评论

电子邮件地址不会被公开。 必填项已用*标注