新增2023-06-29
· VFL損失函數(shù)的介紹· DFL損失的使用· anchor的對齊方式
新增2023-06-21
· 量化機制的介紹· 圖優(yōu)化方法的使用
新增2023-06-15
· yoloV8的架構(gòu)解析· 雙流FPN結(jié)構(gòu)的設(shè)計
新增2023-06-07
· 正負樣本的分配策略· Batch normalization在預(yù)測階段的使用
新增2023-06-02
· 卷積和池化降維策略的融合· 輔助頭設(shè)計方法
新增2023-05-25
· yoloV7模型的網(wǎng)絡(luò)結(jié)構(gòu)· E-ELAN的設(shè)計策略
新增2023-05-18
· Rep-PAN的特征融合方式· EfficientRep結(jié)構(gòu)的使用
新增2023-05-10
·REPVgg的思想· 訓練和預(yù)測網(wǎng)絡(luò)結(jié)構(gòu)分離的策略
新增2023-05-04
·SIOU損失的策略
升級
·IOU系列的損失函數(shù)
新增2023-04-26
·檢測端的解耦結(jié)構(gòu)· anchor-free的檢測方式
新增2023-04-18
·yoloV6進行目標檢測的思想· yoloV6的網(wǎng)絡(luò)結(jié)構(gòu)
新增2023-04-18
·yoloV6進行目標檢測的思想· yoloV6的網(wǎng)絡(luò)結(jié)構(gòu)
升級2023-04-12
·實現(xiàn)關(guān)系抽取API接口搭建· Neo4j圖數(shù)據(jù)庫介紹與使用· 娛樂數(shù)據(jù)知識圖譜搭建
升級2023-04-06
·Joint聯(lián)合方法實現(xiàn)關(guān)系抽取· Casrel關(guān)系抽取模型架構(gòu)介紹· Casrel模型實現(xiàn)關(guān)系抽取原理
升級2023-03-28
·Pipeline方法實現(xiàn)關(guān)系抽取· BiLSTM+Attention關(guān)系分類模型架構(gòu)介紹· BiLSTM+Attention模型實現(xiàn)關(guān)系分類原理
升級2023-03-23
·規(guī)則進行關(guān)系抽取的概念· 規(guī)則進行關(guān)系抽取的步驟和原理
升級2023-03-15
·關(guān)系抽取方法基礎(chǔ)知識介紹· 解析關(guān)系抽取的任務(wù)特點· 分析關(guān)系抽取任務(wù)的評價指標· 對比介紹實現(xiàn)關(guān)系抽取的常用方法
新增2023-03-07
·FastText模型架構(gòu)原理· 層次softmax以及負采樣優(yōu)化方法
升級2023-03-01
·文本數(shù)據(jù)增強方式接口更改· 機器翻譯案例代碼錯誤修改
升級2023-02-17
·圖像分類的經(jīng)典網(wǎng)絡(luò)· 智慧交通項目目標跟蹤方法
新增2023-02-09
·預(yù)訓練模型的知識融入技術(shù)· 工業(yè)界發(fā)布模式介紹
新增2023-02-03
·BERT模型參數(shù)詳解與優(yōu)化經(jīng)驗· 基于BERT完成生成式任務(wù)的介紹
新增2023-01-28
·知識蒸餾原理詳解· 知識蒸餾優(yōu)化文本多分類
新增2023-01-19
·百度ERNIE模型介紹與微調(diào)· MENGZI模型介紹與微調(diào)· NeZha模型介紹與微調(diào)
新增2023-01-13
·K-BERT和KG-BERT模型介紹· MASS模型介紹與微調(diào)· BART模型介紹與微調(diào)
新增2023-01-05
·MacBERT模型介紹與微調(diào)· SpanBERT模型介紹與微調(diào)· FinBERT模型介紹與微調(diào)
新增2022-12-29
·XLNet模型介紹與微調(diào)· Electra模型介紹與微調(diào)· RoBERTa模型介紹與微調(diào)
新增2022-12-20
·AlBERT模型介紹與微調(diào)· T5模型介紹與微調(diào)· ansformer-XL模型介紹與微調(diào)
新增2022-12-14
·多參數(shù)模塊的剪枝技術(shù)· 全局剪枝技術(shù)· 用戶自定義剪枝
新增2022-11-30
·FastText完成多分類的基線模型· FastText模型優(yōu)化與部署· 基于BERT的文本多分類遷移學習模型
新增2022-11-22
·數(shù)據(jù)來源解決方案· 隨機森林基線模型
新增2022-11-02
·Transformer的并行計算過程· Transformer可以替代Seq2Seq原因· ELMo總體架構(gòu)· ELMo模型預(yù)訓練任務(wù)
新增2022-10-27
·Transformer模塊的Encode結(jié)構(gòu)和作用· Transformer模塊的Decoder結(jié)構(gòu)和作用· Self attention機制中的歸一化原因
新增2022-10-19
·循環(huán)神經(jīng)網(wǎng)絡(luò)-案例-網(wǎng)絡(luò)搭建· 循環(huán)神經(jīng)網(wǎng)絡(luò)-案例-訓練函數(shù)· 循環(huán)神經(jīng)網(wǎng)絡(luò)-案例-預(yù)測函數(shù)
新增2022-10-11
·循環(huán)神經(jīng)網(wǎng)絡(luò)-案例-數(shù)據(jù)清洗· 循環(huán)神經(jīng)網(wǎng)絡(luò)-案例-構(gòu)建詞典· 循環(huán)神經(jīng)網(wǎng)絡(luò)-案例-數(shù)據(jù)類編寫
新增2022-09-30
·循環(huán)神經(jīng)網(wǎng)絡(luò)-RNN層理解· 循環(huán)神經(jīng)網(wǎng)絡(luò)-RNN層使用
新增2022-09-22
·循環(huán)神經(jīng)網(wǎng)絡(luò)-RNN算法· 循環(huán)神經(jīng)網(wǎng)絡(luò)-Embedding使用· 循環(huán)神經(jīng)網(wǎng)絡(luò)-Embeddings小節(jié)
新增2022-09-16
·卷積神經(jīng)網(wǎng)絡(luò)-案例-圖像分類-CIFAR10數(shù)據(jù)集· 卷積神經(jīng)網(wǎng)絡(luò)-案例-圖像分類-CNN網(wǎng)絡(luò)搭建· 卷積神經(jīng)網(wǎng)絡(luò)-案例-圖像分類-編寫訓練函數(shù)· 卷積神經(jīng)網(wǎng)絡(luò)-案例-圖像分類-編寫預(yù)測函數(shù)· 卷積神經(jīng)網(wǎng)絡(luò)-案例-圖像分類-小節(jié)
新增2022-09-07
·卷積神經(jīng)網(wǎng)絡(luò)-Conv2d使用· 卷積神經(jīng)網(wǎng)絡(luò)-池化計算· 卷積神經(jīng)網(wǎng)絡(luò)-MaxPool2d使用
新增2022-09-01
·卷積神經(jīng)網(wǎng)絡(luò)-卷積神經(jīng)網(wǎng)絡(luò)概述· 卷積神經(jīng)網(wǎng)絡(luò)-圖像基礎(chǔ)知識· 卷積神經(jīng)網(wǎng)絡(luò)-卷積簡單計算· 卷積神經(jīng)網(wǎng)絡(luò)-多卷積核計算
新增2022-08-26
·神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-價格分類-模型訓練過程· 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-價格分類-模型評估過程· 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-價格分類-網(wǎng)絡(luò)模型調(diào)優(yōu)· 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-價格分類-小節(jié)
新增2022-08-17
·神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-價格分類-案例介紹· 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-價格分類-構(gòu)建數(shù)據(jù)集· 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-價格分類-網(wǎng)絡(luò)模型搭建
新增2022-08-09
·神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-dropout對網(wǎng)絡(luò)參數(shù)的影響· 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-BN層理解· 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-價格分類-案例介紹· 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-價格分類-構(gòu)建數(shù)據(jù)集
新增2022-08-02
·神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-adagrad優(yōu)化方法· 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-rmsprop優(yōu)化方法· 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-adam和小節(jié)· 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-dropout原理
新增2022-07-25
·神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-反向傳播算法案例講解· 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-反向傳播算法代碼演示· 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-指數(shù)加權(quán)平均· 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-momentum優(yōu)化方法
升級2022-07-18
·優(yōu)化PyTorch使用-模型定義方法-實現(xiàn)線性回歸· 優(yōu)化PyTorch使用-直接序列化模型對象· 優(yōu)化PyTorch使用-存儲模型參數(shù)
新增2022-07-11
·神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-激活函數(shù)小節(jié)· 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-網(wǎng)絡(luò)參數(shù)初始化· 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-梯度下降算法回顧· 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-正向傳播和鏈式法則
升級2022-07-04
·優(yōu)化PyTorch使用-手動構(gòu)建線性回歸小節(jié)· 優(yōu)化PyTorch使用-模型定義方法-基本組件的使用· 優(yōu)化PyTorch使用-模型定義方法-數(shù)據(jù)加載器
新增2022-06-28
·神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-simoid激活函數(shù)· 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-tanh激活函數(shù)· 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-relu激活函數(shù)· 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-softmax激活函數(shù)
新增2022-06-21
·神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-人工神經(jīng)網(wǎng)絡(luò)概述· 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-激活函數(shù)的作用
升級
· 優(yōu)化PyTorch使用-手動構(gòu)建線性回歸-訓練函數(shù)編寫思路· 優(yōu)化PyTorch使用-手動構(gòu)建線性回歸-訓練函數(shù)代碼實現(xiàn)
新增2022-06-14
· Transformers庫管道方式實現(xiàn)基礎(chǔ)NLP任務(wù) · Transformers庫自動模型方式實現(xiàn)基礎(chǔ)NLP任務(wù) · Transformers庫具體模型實現(xiàn)基礎(chǔ)NLP任務(wù)· 遷移學習中文分類案例· 遷移學習中文填空案例· 遷移學習句子關(guān)系管理· 刪除Transformers發(fā)布模型舊的方式
升級2022-06-07
· 優(yōu)化seq2seq英譯法案例· 數(shù)據(jù)處理機制· Python語言操作Flink· 優(yōu)化Transformer模塊測試案例· 輸入部分· 輸出部分· 編碼器部分· 解碼器部分
新增2022-05-31
· NLP基礎(chǔ)課程新增 詞向量檢索基礎(chǔ)知識
升級
· 詞嵌入層可視化顯示實驗· RNNAPI編程案例· RNN人名分類器案例· 數(shù)據(jù)處理機制· 模型訓練方法
新增2022-05-24
· 如何構(gòu)建特征，如何評估特征 · 從原始數(shù)據(jù)構(gòu)造出新特征的方法 · 新增特征變換的方法· 新增缺失值處理的方法
新增2022-05-17
· 信貸審批業(yè)務(wù)的基本流程 · 新增ABC評分卡 · 新增風控建模的基本流程· 新增評分卡模型正負樣本定義方法
新增2022-05-10
· 增加SQL進行風控報表開發(fā) · 增加信貸審批業(yè)務(wù)的基本流程 · 增加風控建模的基本流程· 機器學習風控模型的優(yōu)勢
新增2022-05-03
· 增加LR理論推導(dǎo) · 增加樸素貝葉斯推導(dǎo) · 增加用戶畫像案例· 增加金融風控項目
新增2022-04-26
· 增加Python進行RFM分群 · 增加使用Pyecharts繪制3D圖形 · 增加SVM理論推導(dǎo)· 增加GBDT理論推導(dǎo)
新增2022-04-19
· ViBert · 圖像分析方法 · 標簽數(shù)據(jù)統(tǒng)計及應(yīng)用· 梯度剪裁方法
升級2022-04-12
· 優(yōu)化Numpy基礎(chǔ)矩陣預(yù)算 · 應(yīng)用Pandas進行簡單排序、分組、聚合等計算 · 優(yōu)化Pandas處理方法
新增2022-04-05
· MOE方法 · 級聯(lián)MOE Model · GAP評估方法· NextVLad視頻聚合
新增2022-03-29
· 模型剪枝 · RoBerta新模型 · Transformer-XL新模型· 多分類知識蒸餾
新增2022-03-22
· Vggish · PCA方法 · SE Context模型融合· Logistics模型分類
新增2022-03-15
· 增加MySQL的Datagrip工具連接數(shù)據(jù)庫 · 增加SQL的窗口函數(shù)用法 · 增加Pandas的透視表用法
新增2022-03-08
· pad的增強方式 · 分布式訓練 · 視頻標簽任務(wù)· MFCC
新增2022-03-01
· 增加Pyecharts實現(xiàn)各種圖形繪制 · 刪除Ununtu系統(tǒng) · 增加Linux中Shell的基本操作
升級
· 升級優(yōu)化為CentOs系統(tǒng)
新增2022-02-22
· 模型量化方法 · 模型剪枝方法 · 模型蒸餾方法· tf-serving模型部署
新增2022-02-15
· Python進階中增加數(shù)據(jù)爬蟲案例
升級
· 升級閉包裝飾器內(nèi)容 · 優(yōu)化升級深拷貝和淺拷貝的
新增2022-02-08
· 年齡檢測方法 · NAS神經(jīng)網(wǎng)絡(luò)搜索 · NAS-FPN網(wǎng)絡(luò)· 人臉矯正對齊
新增2022-01-25
· yolo-tiny模型 · 多任務(wù)模型介紹 · mish激活函數(shù)· mmdetection目標檢測框架
新增2022-01-18
· Python基礎(chǔ)案例增加學生管理系統(tǒng) · Python進階中增加多任務(wù)編程 · Python進階增加FastAPI搭建服務(wù)器
新增2022-01-11
· wing損失函數(shù) · 人臉關(guān)鍵點檢測 · 關(guān)鍵點描述方法· SEnet注意力模型
新增2022-01-04
· BERT+CRF · TENER · nested NER優(yōu)化
新增2021-12-28
· 人臉性別檢測 · 人臉年齡檢測 · 人臉對比· arcface損失函數(shù)
新增2021-12-14
· 人臉模糊判斷 · 人臉相似度檢測 · 度量學習模型· 孿生模型
新增2021-11-30
· 人臉檢測 · 人臉跟蹤 · 人臉三維角度檢測· 人臉明暗檢測
新增2021-11-16
· 后處理方法GreedyNMS · Swish激活函數(shù) · SENET注意力機制· Focal loss
新增2021-11-09
· 文本摘要項目部署 · textcnn模型原理 · textcnn模型實現(xiàn)· textcnn模型優(yōu)化
新增2021-11-02
· hue增強方法 · 多張圖增強 · LRRelu激活函數(shù)· 噪聲增強方式
新增2021-10-26
· CPU優(yōu)化 · Flask框架的介紹 · Django框架的介紹· API接口封裝
新增2021-10-19
· 內(nèi)容理解 · 內(nèi)容生成 · 內(nèi)容安全治理的主要技術(shù)· 內(nèi)容安全要解決的核心問題
新增2021-10-12
· 半監(jiān)督數(shù)據(jù)增強 · Scheduled sampling優(yōu)化策略 · Weight tying優(yōu)化策略· CPU優(yōu)化
新增2021-10-05
· 圖像文本掩碼 · 視覺文本匹配 · 掩碼視覺區(qū)域· 序列到序列目標損失
新增2021-09-28
· gensim實現(xiàn)TF-IDF算法 · 純Python代碼實現(xiàn)純TF-IDF算法 · TF-IDF模型· 回譯數(shù)據(jù)
新增2021-09-21
· 多模態(tài)的語言表征 · 基于自編碼自回歸架構(gòu)的模型 · 單流結(jié)構(gòu)· 雙流結(jié)構(gòu)
新增2021-09-14
· viterbi Decode · Beam-serch Decode · Beam-serch優(yōu)化模型· 單詞替換數(shù)據(jù)增強
新增2021-09-07
· 新型網(wǎng)絡(luò) · 仇恨言論檢測 · 職責界定· 多模態(tài)核心任務(wù)
新增2021-08-31
· coverage數(shù)學原理 · PGN + coverage網(wǎng)絡(luò)優(yōu)化 · Beam-search算法· Greedy Decode
新增2021-08-24
· 跳層連接skip layers · 模型感受野RFB · 注意力機制Point-wise attention· DIOU網(wǎng)絡(luò)預(yù)測
新增2021-08-17
· BLEU算法解析 · ROUGE評估 · ROUGE算法解析· ROUGE算法實現(xiàn)
新增2021-08-10
· ASFF特征融合 · mish激活函數(shù) · DIOUNMS抑制方法· 特征融合SFAM
新增2021-08-03
· PGN模型的數(shù)據(jù)迭代器 · PGN模型實現(xiàn) · PGN模型網(wǎng)絡(luò)訓練· BLEU評估
新增2021-07-27
· 對比度調(diào)整 · SPP結(jié)構(gòu) · sam注意力機制· 空間注意力
新增2021-07-20
· 內(nèi)容張量context vector計算 · 單詞分布張量P_vocab計算 · 分布張量P_w計算· PNG網(wǎng)絡(luò)數(shù)據(jù)清洗
新增2021-07-13
· 知識蒸餾方法 · 模型剪枝方法 · Dropblock正則化· Hide and seek圖像增強
新增2021-07-07
· Transformer問答試題 · Elmo模型講解 · yoloV4模型· Siamese系列網(wǎng)絡(luò)詳解
新增2021-06-30
· 模型的整體實現(xiàn) · 數(shù)據(jù)清洗 · gensim訓練詞向量· 詞向量優(yōu)化模型
新增2021-06-22
· 模型的整體實現(xiàn) · 數(shù)據(jù)清洗 · gensim訓練詞向量· 詞向量優(yōu)化模型
新增2021-06-15
· SAT自對抗訓練進行數(shù)據(jù)增強 · 數(shù)據(jù)增強意義 · CSP模塊介紹· SPP結(jié)構(gòu)
新增2021-06-08
· 多核并行處理數(shù)據(jù)優(yōu)化 · 參數(shù)配置及數(shù)據(jù)優(yōu)化 · 模型數(shù)據(jù)的優(yōu)化· 模型子層的實現(xiàn)
新增2021-06-01
· 小目標檢測技巧 · 損失函數(shù)設(shè)計 · CIOU損失
新增2021-05-25
· 基于jieba的TextRank · 基于TextRank算法模型構(gòu)建 · 文本摘要數(shù)據(jù)集優(yōu)化· seq2seq架構(gòu)實現(xiàn)文本摘要架構(gòu)
新增2021-05-18
· 馬賽克增強 · gridmask · Cutmix· 填充
新增2021-05-11
· TextRank算法實現(xiàn) · 關(guān)鍵詞抽取 · 關(guān)鍵短語抽取· 關(guān)鍵句抽取
新增2021-05-04
· 數(shù)據(jù)增強 · mixup · cutout· 隨機擦除
新增2021-04-27
· 抽取式摘要 · 生成式摘要 · 文本摘要項目數(shù)據(jù)集型· TextRank算法原理
升級2021-04-20
· tfrecord文件介紹 · 圖像數(shù)據(jù)feature構(gòu)建 · Example的構(gòu)建· writer_to_tfrecord的使用
新增2021-04-13
· 靜態(tài)量化和動態(tài)量化對比 · prune技術(shù)介紹 · 持久化修剪后的模型· 模型推斷加速
升級2021-04-06
· yoloV3的損失計算 · yoloV4模型介紹 · 正負樣本的設(shè)計· 多任務(wù)損失
升級2021-03-30
· 標簽平滑技術(shù)優(yōu)化 · badcase分析案例演示 · badcase優(yōu)化總結(jié)· 模型熱更新講解優(yōu)化
新增2021-03-23
· ORB特征的方向設(shè)計 · 目標的外接矩形 · ROIAlign算法· 全卷積網(wǎng)絡(luò)
升級2021-03-16
· GLUE標準數(shù)據(jù)集介紹 · run_glue腳本講解方式調(diào)整 · gpu服務(wù)器驗證優(yōu)化介紹· weight_decay演示調(diào)優(yōu)
新增2021-03-09
· 大津法 · 輪廓檢測 · 矩特征· 目標的質(zhì)心計算
升級2021-03-02
· bert模型調(diào)整 · 考試數(shù)據(jù)集實例演示· 考試數(shù)據(jù)清洗代碼精煉· bert-Multilingual進行微調(diào)優(yōu)化
升級2021-02-23
· FPN進行特征融合 · 候選框的多尺度映射方法· 候選框的選擇方法· 檢測框篩選的方法
新增2021-02-16
· 上線模型優(yōu)化 · 模型量化壓縮技術(shù)· ONNX-Runtime推斷加速· 對比混合精度馴良
升級2021-02-09
· 選擇性搜索（SS） · 目標框位置回歸的意義· 候選區(qū)域映射的方法· ROIPooling的思想
升級2021-02-02
· Django中views文件講解順序 · 多線程實現(xiàn)舉例· fasttext模型原生代碼pytorch實現(xiàn)· fasttext模型baseline訓練
新增2021-01-26
· 目標檢測評價指標MAP · softNMS方法· overfeat方法· RPN網(wǎng)絡(luò)詳解
新增2021-01-19
· 從SQL中獲取數(shù)據(jù)演示 · 意向校區(qū)識別代碼邏輯 · "手機號"，"微信號"，"QQ號"識別規(guī)則細化· 與后端交互數(shù)據(jù)舉例
新增2021-01-12
· IOU在目標跟蹤中的使用 · 相機外參的計算方法 · 圖像畸變產(chǎn)生的原因· 圖像去畸變的方法
新增2021-01-05
· 信息中心需求分析細化 · 產(chǎn)品設(shè)計邏輯修改 · 原始數(shù)據(jù)分析思路· fasttext講解案例
新增2020-12-29
· 分水嶺算法介紹 · 市場中主流AI平臺演示 · 邊緣檢測計算復(fù)雜度介紹· 傳智大腦整體架構(gòu)介紹
升級2020-12-21
· flask框架整體介紹 · 市場中主流AI平臺演示 · 邊緣檢測計算復(fù)雜度介紹· 傳智大腦整體架構(gòu)介紹
新增2020-12-14
· VGG模型實現(xiàn) · Inception系列模型對比 · 邊緣檢測計算復(fù)雜度介紹· 傅里葉變換在圖像處理中的應(yīng)用
升級2020-12-07
· series和dataframe介紹 · 非正常卷積網(wǎng)絡(luò)結(jié)構(gòu)解析 · 多尺度網(wǎng)絡(luò)與非正常卷積初步· 車輛偏離車道中心距離優(yōu)化
新增2020-11-30
· lightGBM推導(dǎo) · 優(yōu)化實體提取模型 · 多尺度網(wǎng)絡(luò)與非正常卷積初步· 車道線檢測laneNet實現(xiàn)
升級2020-11-23
· 樸素貝葉斯常見面試題講解 · 修改部分項目bug · 多精度多分辨率通道分組網(wǎng)絡(luò)總結(jié)· sort算法進行多目標跟蹤優(yōu)化
新增2020-11-16
· 機器學習中svr的介紹 · 積分梯度解析 · 嘴唇分割模型訓練· 多目標跟蹤deepsort算法的實現(xiàn)
升級2020-11-09
· 機器學習svm部分面試題 · bert源碼解析 · 嘴唇分割模型訓練· fasterRCNN目標檢測優(yōu)化
新增2020-11-02
· 相對路徑和絕對路徑的使用場景描述 · LIT實驗 · 用于圖像分割的實時分組網(wǎng)絡(luò)· 模型微調(diào)方法簡介
升級2020-10-26
· 優(yōu)化tree命令的安裝及使用 · Reformer實驗 · 多分辨率卷積核通道分組網(wǎng)絡(luò)· yoloV3進行目標檢測案例
新增2020-10-19
· 操作系統(tǒng)的簡介內(nèi)容 · Captum實驗 · 多通道補償技術(shù)· 圖像增強方法實現(xiàn)
升級2020-10-13
· 優(yōu)化面向?qū)ο蟮慕榻B · 可解釋性工具 · 多分支網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計· 使用tf.keras完成網(wǎng)絡(luò)模型的搭建
新增2020-10-08
· 文件操作案例 · 網(wǎng)絡(luò)瓶頸結(jié)構(gòu)探索· GoogLeNet的網(wǎng)絡(luò)構(gòu)建
升級2020-09-28
· vim的常用操作命令 · 數(shù)據(jù)增強方法 · MobileNet網(wǎng)絡(luò)深度對實驗的影響· tensorflow入門升級
新增2020-09-08
· 增加break關(guān)鍵字的使用場景案例 · 模型蒸餾 · Neocognitron網(wǎng)絡(luò)· k-means算法推導(dǎo)過程舉例
升級2020-09-01
· 邏輯運算符的演示案例 · 模型剪枝 · 加深網(wǎng)絡(luò)，提升模型性能· 樸素貝葉斯案例修改
新增2020-08-25
· 增加變量的演示案例 · ALBERT解析 · 輕量級人臉表情和年齡識別· 對多態(tài)的描述舉例
升級2020-08-18
· 優(yōu)化對集合的性質(zhì)的描述 · 模型量化 · 三維人臉庫的使用與重建· 優(yōu)化對私有屬性的使用場景的描述
新增2020-08-11
· 字典性質(zhì)的描述舉例 · 多線程優(yōu)化 · 人臉三維重建· 異常的使用場景舉例
升級2020-08-04
· 優(yōu)化對Python語言性質(zhì)的描述 · BART實驗解決NER · 人臉美顏與遷移學習· 優(yōu)化Python2和Python3的對比
升級2020-07-28
· 場景識別案例優(yōu)化模型方法 · 圖像與視覺處理專業(yè)課優(yōu)化方案啟動 · 自然語言處理PyTorch工具講解調(diào)優(yōu)
升級2020-07-21
· pytorch講義 · CV基礎(chǔ)考試題 · RCNN系列目標檢測模型 · 人臉檢測案例
新增2020-07-14
· 典型的NLP算法 · SIamRPN++網(wǎng)絡(luò)講解 · DeepLab系列介紹
升級2020-07-10
· KNN算法導(dǎo)入案例 · 線性回歸正規(guī)方程推導(dǎo)過程 · 線性回歸案例迭代 · 虛擬環(huán)境安裝詳解
新增2020-07-07
· Transformer問答試題 · Elmo模型講解 · yoloV4模型 · Siamese系列網(wǎng)絡(luò)詳解
升級2020-06-30
· 升級集成學習知識框架 · 細化集成學習算法推導(dǎo)過程 · stacking算法優(yōu)化 · 北京市租房房價預(yù)測
新增2020-06-23
· 基于seq2seq的機器翻譯任務(wù) · 莎士比亞風格的文本生成任務(wù) · ResNet模型在GPU上的并行實踐任務(wù) · 自然語言處理：NLP案例庫(6個案例)
新增2020-06-16
· 圖像與視覺處理：計算機視覺面試題（80道） · 圖像與視覺處理：算法強化課程8天 · 計算機視覺面試題視頻（80道） · 圖像與視覺處理：計算機視覺案例庫
新增2020-06-09
· 基礎(chǔ)NLP試題 · AI醫(yī)生項目試題 · 文本標簽項目試題, 和泛娛樂項目試題 · 自然語言處理：NLP題庫(135道)
新增2020-06-02
· 車道檢測 · 車輛技術(shù) · 車輛跟蹤 · 圖像與視覺處理：智慧交通項目
升級2020-05-26
· 決策樹案例 · 調(diào)整預(yù)剪枝、后剪枝知識點講解 · 決策回歸樹講解 · 基尼指數(shù)優(yōu)化
新增2020-05-19
· 口罩識別 · 活體檢測 · 人臉屬性識別 · 圖像與視覺處理：人臉識別項目
升級2020-05-12
· SVM算法推導(dǎo)過程講解 · 樸素貝葉斯前面增加概率知識介紹 · HMM模型推導(dǎo)過程 · HMM案例優(yōu)化
新增2020-05-05
· 形態(tài)學定義、連通性 · 二值操作、平滑、梯度 · 紋理分割及OpenCV實踐 · 圖像與視覺處理：形態(tài)學專題
新增2020-04-28
· 幾何變換專題 · 翻轉(zhuǎn)、剪裁、遮擋、圖像算數(shù) · 圖像金字塔、OpenCV幾何變換操作 · 翻轉(zhuǎn)、剪裁、遮擋、OpenCV幾何變換操作
升級2020-04-21
· gbdt案例優(yōu)化 · xgboost算法推導(dǎo)過程講解 · lightGBM算法 · pubg案例優(yōu)化
新增2020-04-14
· 圖像矩特征點度量特征、全局直方圖 · 局部區(qū)域直方圖、散點圖和3D直方圖 · OpenCV實踐 · 圖像與視覺處理：直方圖處理專題
新增2020-04-07
· 命名實體識別模型BiLSTM + CRF · 句子對主題相關(guān)模型BERT · 在線部分關(guān)于neo4j數(shù)據(jù)庫、redis的實時存取 · 自然語言處理：AI在線醫(yī)生項目
升級2020-03-31
· xgboost算法介紹 · OTTO案例 · xgboost和gbdt對比 · bgdt推導(dǎo)過程優(yōu)化
新增2020-03-24
· fasttext工具介紹 · fasttext訓練詞向量, 并完成詞向量遷移 · fasttext工具實現(xiàn)文本分類的代碼案例 · 自然語言處理：fasttext訓練詞向量、文本分類，詞向量遷移
新增2020-03-17
· 灰度直方圖、灰度的線性變換 · 灰度對數(shù)變換、伽瑪變換 · 灰度閾值變換、分段線性變換 · 圖像與視覺處理：基本的灰度變換函數(shù)專
新增2020-03-10
· EM算法 · 極大釋然估計講解 · HMM模型 · HMM案例搭建
新增2020-03-03
· 基本的OpenCV代碼 · Image數(shù)據(jù)結(jié)構(gòu)、讀寫圖像 · OpenCV基礎(chǔ)專題函數(shù)與API講解
升級2020-02-25
· 線性回歸知識點講 · xgboost講解案例 · 邏輯回歸多分類問題評估 · RNN+Attention實現(xiàn)英譯法任務(wù)
新增2019-12-27
· Transformer架構(gòu)圖的詳解 · 四大組成模塊的分塊代碼詳解和示例 · copy小案例 · 自然語言處理：Transformer的原理和架構(gòu)
新增2019-12-20
· 數(shù)據(jù)分析實戰(zhàn)，北京市租房數(shù)據(jù)統(tǒng)計分析 · NBA球員數(shù)據(jù)分析 · 電影數(shù)據(jù)分析案例 · pandas讀取Excel、sql
新增2019-12-13
· Dilated Convolutions：聚合多尺度的信息 · PSPNet：金字塔池化模塊 · Mask-RCNN：端到端聯(lián)合訓練目標分割實戰(zhàn)案例 · 圖像與視覺處理：圖像分割專題
新增2019-12-06
· RNN構(gòu)造人名分類器的案例 · RNN實現(xiàn)英譯法的seq2seq架構(gòu)代碼 · 在seq2seq架構(gòu)基礎(chǔ)上添加Attention的架構(gòu)方案代碼 · 自然語言處理：RNN構(gòu)造人名分類器
新增2019-11-29
· 目標檢測專題RCNN，F(xiàn)astRCNN · FasterRCNN· 先驗框、細粒度與多尺度特征· 圖像與視覺處理：目標檢測專題
新增2019-11-22
· 數(shù)據(jù)可視化庫seborn · 箱線圖知識點 · 增加小提琴圖知識點· 單變量、多變量分析
新增2019-11-15
· RNN、LSTM、 GRU基本結(jié)構(gòu)和原理介紹 · Attention機制原理 · 代碼示例和圖解注意力機制· 自然語言處理：RNN、 LSTM、 GRU、 Attention等
新增2019-11-08
· 經(jīng)典卷積網(wǎng)絡(luò)：LeNet5、AlexNet、VGG、Inception、GoogleNet · 殘差網(wǎng)絡(luò)、深度學習優(yōu)化 · 遷移學習：TensorFlow HUB；模型壓縮· 圖像與視覺處理：經(jīng)典卷積網(wǎng)絡(luò)
新增2019-11-01
· 項目實訓-“吃雞”玩家排名預(yù)測 · 決策樹算法案例 · 邏輯回歸案例· 樸素貝葉斯案例
新增2019-10-20
· hanlp命名實體識別工具 · word2vector原理到應(yīng)用，文本的預(yù)處理前數(shù)據(jù)分析，添加ngram特征 · 文本數(shù)據(jù)增強, 回譯數(shù)據(jù)增強法· 自然語言處理：文本分詞，命名實體識別，Word2Vector，文本數(shù)據(jù)分析
新增2019-10-10
· 機器學習經(jīng)典算法樸素貝葉斯 · 機器學習經(jīng)典算法支持向 · 聚類算法推導(dǎo)過程· SVM手寫數(shù)字識別案例
新增2019-10-08
· 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)與Tensorflow框架 · 圖、會話、張量、OPTensorflow高級API，訓練tf.MirroedStrategy · 導(dǎo)出tf.SavedModel等· 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)與Tensorflow框架
新增2019-08-20
· 原始文本預(yù)處理, word2vec · fasttext多分類的應(yīng)用 · 并升級工程整合和實時服務(wù)· 自然語言處理：中文標簽化系統(tǒng)項目
新增2019-06-30
· 召回策略算法代碼更新 · 排序策略算法代碼更新 · neo4j數(shù)據(jù)庫的應(yīng)用· 自然語言處理：泛娛樂推薦系統(tǒng)項目
微信截圖_1721379598602.png)
