新增2023-06-29

· VFL損失函數(shù)的介紹· DFL損失的使用· anchor的對(duì)齊方式

新增2023-06-21

· 量化機(jī)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(jì)

新增2023-06-07

· 正負(fù)樣本的分配策略· Batch normalization在預(yù)測(cè)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(jì)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(jì)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(xùn)練和預(yù)測(cè)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(jí)

·IOU系列的損失函數(shù)

新增2023-04-26

·檢測(cè)端的解耦結(jié)構(gòu)· anchor-free的檢測(cè)方式

新增2023-04-18

·yoloV6進(jìn)行目標(biāo)檢測(cè)的思想· yoloV6的網(wǎng)絡(luò)結(jié)構(gòu)

升級(jí)2023-04-12

·實(shí)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(shí)圖譜搭建

升級(jí)2023-04-06

·Joint聯(lián)合方法實(shí)現(xiàn)關(guān)系抽取· Casrel關(guān)系抽取模型架構(gòu)介紹· Casrel模型實(shí)現(xiàn)關(guān)系抽取原理

升級(jí)2023-03-28

·Pipeline方法實(shí)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(shí)現(xiàn)關(guān)系分類原理

升級(jí)2023-03-23

·規(guī)則進(jìn)行關(guān)系抽取的概念· 規(guī)則進(jìn)行關(guān)系抽取的步驟和原理

升級(jí)2023-03-15

·關(guān)系抽取方法基礎(chǔ)知識(shí)介紹· 解析關(guān)系抽取的任務(wù)特點(diǎn)· 分析關(guān)系抽取任務(wù)的評(píng)價(jià)指標(biāo)· 對(duì)比介紹實(shí)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(fù)采樣優(yōu)化方法

升級(jí)2023-03-01

·文本數(shù)據(jù)增強(qiáng)方式接口更改· 機(jī)器翻譯案例代碼錯(cuò)誤修改

新增2023-02-23

·ChatGPT的基本使用· 挖掘ChatGPT背后原理· 基于ChatGPT完成聊天機(jī)器人項(xiàng)目的介紹

升級(jí)2023-02-17

·圖像分類的經(jīng)典網(wǎng)絡(luò)· 智慧交通項(xiàng)目目標(biāo)跟蹤方法

新增2023-02-09

·預(yù)訓(xùn)練模型的知識(shí)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(yàn)· 基于BERT完成生成式任務(wù)的介紹

新增2023-01-28

·知識(shí)蒸餾原理詳解· 知識(shí)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2022-12-06

·定制化數(shù)據(jù)處理代碼· 模型動(dòng)態(tài)量化技術(shù)· 特定網(wǎng)絡(luò)的剪枝技術(shù)

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(xué)習(xí)模型

新增2022-11-22

·數(shù)據(jù)來源解決方案· 隨機(jī)森林基線模型

新增2022-11-16

·BERT GPT ELMo模型的不同點(diǎn)和各自優(yōu)缺點(diǎn)

新增2022-11-08

·GPT的架構(gòu)· GPT的訓(xùn)練過程· GPT2的架構(gòu)

新增2022-11-02

·Transformer的并行計(jì)算過程· Transformer可以替代Seq2Seq原因· ELMo總體架構(gòu)· ELMo模型預(yù)訓(xùn)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(jī)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(xùn)練函數(shù)· 循環(huán)神經(jīng)網(wǎng)絡(luò)-案例-預(yù)測(cè)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(xùn)練函數(shù)· 卷積神經(jīng)網(wǎng)絡(luò)-案例-圖像分類-編寫預(yù)測(cè)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(jì)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(shí)· 卷積神經(jīng)網(wǎng)絡(luò)-卷積簡單計(jì)算· 卷積神經(jīng)網(wǎng)絡(luò)-多卷積核計(jì)算

新增2022-08-26

·神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-價(jià)格分類-模型訓(xùn)練過程· 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-價(jià)格分類-模型評(píng)估過程· 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-價(jià)格分類-網(wǎng)絡(luò)模型調(diào)優(yōu)· 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-價(jià)格分類-小節(jié)

新增2022-08-17

·神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-價(jià)格分類-案例介紹· 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-價(jià)格分類-構(gòu)建數(shù)據(jù)集· 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-價(jià)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(duì)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(jià)格分類-案例介紹· 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)-價(jià)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(jí)2022-07-18

·優(yōu)化PyTorch使用-模型定義方法-實(shí)現(xiàn)線性回歸· 優(yōu)化PyTorch使用-直接序列化模型對(duì)象· 優(yōu)化PyTorch使用-存儲(chǔ)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?zhǔn)椒▌t

升級(jí)2022-07-04

·優(yōu)化PyTorch使用-手動(dòng)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(jí)

· 優(yōu)化PyTorch使用-手動(dòng)構(gòu)建線性回歸-訓(xùn)練函數(shù)編寫思路· 優(yōu)化PyTorch使用-手動(dòng)構(gòu)建線性回歸-訓(xùn)練函數(shù)代碼實(shí)現(xiàn)

新增2022-06-14

· Transformers庫管道方式實(shí)現(xiàn)基礎(chǔ)NLP任務(wù) · Transformers庫自動(dòng)模型方式實(shí)現(xiàn)基礎(chǔ)NLP任務(wù) · Transformers庫具體模型實(shí)現(xiàn)基礎(chǔ)NLP任務(wù)· 遷移學(xué)習(xí)中文分類案例· 遷移學(xué)習(xí)中文填空案例· 遷移學(xué)習(xí)句子關(guān)系管理· 刪除Transformers發(fā)布模型舊的方式

升級(jí)2022-06-07

· 優(yōu)化seq2seq英譯法案例· 數(shù)據(jù)處理機(jī)制· Python語言操作Flink· 優(yōu)化Transformer模塊測(cè)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(shí)

升級(jí)

· 詞嵌入層可視化顯示實(shí)驗(yàn)· RNNAPI編程案例· RNN人名分類器案例· 數(shù)據(jù)處理機(jī)制· 模型訓(xùn)練方法

新增2022-05-24

· 如何構(gòu)建特征，如何評(píng)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(píng)分卡 · 新增風(fēng)控建模的基本流程· 新增評(píng)分卡模型正負(fù)樣本定義方法

新增2022-05-10

· 增加SQL進(jìn)行風(fēng)控報(bào)表開發(fā) · 增加信貸審批業(yè)務(wù)的基本流程 · 增加風(fēng)控建模的基本流程· 機(jī)器學(xué)習(xí)風(fēng)控模型的優(yōu)勢(shì)

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(fēng)控項(xiàng)目

新增2022-04-26

· 增加Python進(jìn)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(biāo)簽數(shù)據(jù)統(tǒng)計(jì)及應(yīng)用· 梯度剪裁方法

升級(jí)2022-04-12

· 優(yōu)化Numpy基礎(chǔ)矩陣預(yù)算 · 應(yīng)用Pandas進(jìn)行簡單排序、分組、聚合等計(jì)算 · 優(yōu)化Pandas處理方法

新增2022-04-05

· MOE方法 · 級(jí)聯(lián)MOE Model · GAP評(píng)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(shí)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(qiáng)方式 · 分布式訓(xùn)練 · 視頻標(biāo)簽任務(wù)· MFCC

新增2022-03-01

· 增加Pyecharts實(shí)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(jí)

· 升級(jí)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(jìn)階中增加數(shù)據(jù)爬蟲案例

升級(jí)

· 升級(jí)閉包裝飾器內(nèi)容 · 優(yōu)化升級(jí)深拷貝和淺拷貝的

新增2022-02-08

· 年齡檢測(cè)方法 · NAS神經(jīng)網(wǎng)絡(luò)搜索 · NAS-FPN網(wǎng)絡(luò)· 人臉矯正對(duì)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(biāo)檢測(cè)框架

新增2022-01-18

· Python基礎(chǔ)案例增加學(xué)生管理系統(tǒng) · Python進(jìn)階中增加多任務(wù)編程 · Python進(jìn)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(diǎn)檢測(cè) · 關(guān)鍵點(diǎn)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(cè) · 人臉年齡檢測(cè) · 人臉對(duì)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(cè) · 度量學(xué)習(xí)模型 · 孿生模型

新增2021-11-30

· 人臉檢測(cè) · 人臉跟蹤 · 人臉三維角度檢測(cè) · 人臉明暗檢測(cè)

新增2021-11-16

· 后處理方法GreedyNMS · Swish激活函數(shù) · SENET注意力機(jī)制 · Focal loss

新增2021-11-12

· 后處理方法GreedyNMS · Swish激活函數(shù) · SENET注意力機(jī)制 · Focal loss

新增2021-11-09

· 文本摘要項(xiàng)目部署 · textcnn模型原理 · textcnn模型實(shí)現(xiàn) · textcnn模型優(yōu)化

新增2021-11-02

· hue增強(qiáng)方法 · 多張圖增強(qiáng) · LRRelu激活函數(shù) · 噪聲增強(qiáng)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(qiáng) · 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(biāo)損失

新增2021-09-28

· gensim實(shí)現(xiàn)TF-IDF算法 · 純Python代碼實(shí)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(qiáng)

新增2021-09-07

· 新型網(wǎng)絡(luò) · 仇恨言論檢測(cè) · 職責(zé)界定 · 多模態(tài)核心任務(wù)

新增2021-08-31

· coverage數(shù)學(xué)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(jī)制Point-wise attention · DIOU網(wǎng)絡(luò)預(yù)測(cè)

新增2021-08-17

· BLEU算法解析 · ROUGE評(píng)估 · ROUGE算法解析 · ROUGE算法實(shí)現(xiàn)

新增2021-08-11

· 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

新增2021-08-04

· PGN模型的數(shù)據(jù)迭代器 · PGN模型實(shí)現(xiàn) · PGN模型網(wǎng)絡(luò)訓(xùn)練 · BLEU評(píng)估

新增2021-07-27

· 對(duì)比度調(diào)整 · SPP結(jié)構(gòu) · sam注意力機(jī)制 · 空間注意力

新增2021-07-20

· 內(nèi)容張量context vector計(jì)算 · 單詞分布張量P_vocab計(jì)算 · 分布張量P_w計(jì)算 · PNG網(wǎng)絡(luò)數(shù)據(jù)清洗

新增2021-07-13

· 知識(shí)蒸餾方法 · 模型剪枝方法 · Dropblock正則化 · Hide and seek圖像增強(qiáng)

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

· 升級(jí)集成學(xué)習(xí)知識(shí)框架 · 細(xì)化集成學(xué)習(xí)算法推導(dǎo)過程 · stacking算法優(yōu)化 · 北京市租房房價(jià)預(yù)測(cè)

新增2021-06-22

· 模型的整體實(shí)現(xiàn) · 數(shù)據(jù)清洗 · gensim訓(xùn)練詞向量 · 詞向量優(yōu)化模型

新增2021-06-15

· SAT自對(duì)抗訓(xùn)練進(jìn)行數(shù)據(jù)增強(qiáng) · 數(shù)據(jù)增強(qiáng)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(shí)現(xiàn)

新增2021-06-01

· 小目標(biāo)檢測(cè)技巧 · 損失函數(shù)設(shè)計(jì) · 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(shí)現(xiàn)文本摘要架構(gòu)

新增2021-05-18

· 馬賽克增強(qiáng) · gridmask · Cutmix· 填充

新增2021-05-11

· TextRank算法實(shí)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(qiáng) · mixup · cutout· 隨機(jī)擦除

新增2021-04-27

· 抽取式摘要 · 生成式摘要 · 文本摘要項(xiàng)目數(shù)據(jù)集· TextRank算法原理

升級(jí)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(dòng)態(tài)量化對(duì)比 · prune技術(shù)介紹 · 持久化修剪后的模型· 模型推斷加速

升級(jí)2021-04-06

· yoloV3的損失計(jì)算 · yoloV4模型介紹 · 正負(fù)樣本的設(shè)計(jì)· 多任務(wù)損失

升級(jí)2021-03-30

· 標(biāo)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2021-03-22

· ORB特征的方向設(shè)計(jì) · 目標(biāo)的外接矩形 · ROIAlign算法· 全卷積網(wǎng)絡(luò)

升級(jí)2021-03-16

· GLUE標(biāo)準(zhǔn)數(shù)據(jù)集介紹 · run_glue腳本講解方式調(diào)整 · gpu服務(wù)器驗(yàn)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(cè) · 矩特征· 目標(biāo)的質(zhì)心計(jì)算

升級(jí)2021-03-02

· bert模型調(diào)整 · 考試數(shù)據(jù)集實(shí)例演示 · 考試數(shù)據(jù)清洗代碼精煉· bert-Multilingual進(jìn)行微調(diào)優(yōu)化

升級(jí)2021-02-23

· FPN進(jìn)行特征融合 · 候選框的多尺度映射方法 · 候選框的選擇方法· 對(duì)比混合精度馴良

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(duì)比混合精度馴良練

升級(jí)2021-02-09

· 選擇性搜索（SS） · 目標(biāo)框位置回歸的意義 · 候選區(qū)域映射的方法· fasttext模型baseline訓(xùn)練

升級(jí)2021-02-02

· Django中views文件講解順序 · 多線程實(shí)現(xiàn)舉例 · fasttext模型原生代碼pytorch實(shí)現(xiàn)· fasttext模型baseline訓(xùn)練

新增2021-01-26

· 目標(biāo)檢測(cè)評(píng)價(jià)指標(biāo)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(shí)別代碼邏輯 · "手機(jī)號(hào)"，"微信號(hào)"，"QQ號(hào)"識(shí)別規(guī)則細(xì)化· 與后端交互數(shù)據(jù)舉例

升級(jí)2021-01-12

· IOU在目標(biāo)跟蹤中的使用 · 相機(jī)外參的計(jì)算方法 · 圖像畸變產(chǎn)生的原因· 圖像去畸變的方法

升級(jí)2021-01-05

· 信息中心需求分析細(xì)化 · 產(chǎn)品設(shè)計(jì)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 · GraphCut算法簡介 · 二分圖原理介紹· 最優(yōu)匹配方法介紹

升級(jí)2020-12-21

· flask框架整體介紹 · 市場中主流AI平臺(tái)演示 · 標(biāo)貝科技產(chǎn)品體驗(yàn)演示· 傳智大腦整體架構(gòu)介紹

新增2020-12-14

· VGG模型實(shí)現(xiàn) · Inception系列模型對(duì)比 · 邊緣檢測(cè)計(jì)算復(fù)雜度介紹· 傅里葉變換在圖像處理中的應(yīng)用

升級(jí)2020-12-07

· series和dataframe介紹 · torchserve實(shí)驗(yàn) · 非正常卷積網(wǎng)絡(luò)結(jié)構(gòu)解析· 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(shí)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(cè)laneNet實(shí)現(xiàn)

升級(jí)2020-11-23

· 樸素貝葉斯常見面試題講解 · 修改部分項(xiàng)目bug · 多精度多分辨率通道分組網(wǎng)絡(luò)總結(jié)· sort算法進(jìn)行多目標(biāo)跟蹤優(yōu)化

新增2020-11-16

· 機(jī)器學(xué)習(xí)中svr的介紹 · 積分梯度解析 · 嘴唇分割模型優(yōu)化 · 多目標(biāo)跟蹤deepsort算法的實(shí)現(xiàn)

升級(jí)2020-11-09

· 機(jī)器學(xué)習(xí)svm部分面試題 · bert源碼解析 · 嘴唇分割模型訓(xùn)練· fasterRCNN目標(biāo)檢測(cè)優(yōu)化

新增2020-11-02

· 相對(duì)路徑和絕對(duì)路徑的使用場景描述 · LIT實(shí)驗(yàn) · 用于圖像分割的實(shí)時(shí)分組網(wǎng)絡(luò) · 模型微調(diào)方法簡介

升級(jí)2020-10-26

· 優(yōu)化tree命令的安裝及使用 · Reformer實(shí)驗(yàn) · 多分辨率卷積核通道分組網(wǎng)絡(luò)· yoloV3進(jìn)行目標(biāo)檢測(cè)案例

新增2020-10-19

· 操作系統(tǒng)的簡介內(nèi)容 · Captum實(shí)驗(yàn) · 通道補(bǔ)償技術(shù)· 圖像增強(qiáng)方法實(shí)現(xiàn)

升級(jí)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(jì) · G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 · GPT-3解決生成 · 網(wǎng)絡(luò)瓶頸結(jié)構(gòu)探索· GoogLeNet的網(wǎng)絡(luò)構(gòu)建

升級(jí)2020-09-28

· vim的常用操作命令 · 數(shù)據(jù)增強(qiáng)方法 · MobileNet網(wǎng)絡(luò)深度對(duì)實(shí)驗(yàn)的影響· tensorflow入門升級(jí)

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(jí)2020-09-01

· 邏輯運(yùn)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(jí)人臉表情和年齡識(shí)別· 對(duì)多態(tài)的描述舉例

升級(jí)2020-08-18

· 優(yōu)化對(duì)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(duì)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(jí)2020-08-04

· 優(yōu)化對(duì)Python語言性質(zhì)的描述 · BART實(shí)驗(yàn)解決NER · 人臉美顏與遷移學(xué)習(xí)· 優(yōu)化Python2和Python3的對(duì)比

升級(jí)2020-07-28

· 場景識(shí)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(dòng) · 自然語言處理PyTorch工具講解調(diào)優(yōu)

升級(jí)2020-07-21

· pytorch講義 · CV基礎(chǔ)考試題 · RCNN系列目標(biāo)檢測(cè)模型 · 人臉檢測(cè)案例

新增2020-07-14

· GPT模型講解 · 典型的NLP算法 · SIamRPN++網(wǎng)絡(luò)講解 · DeepLab系列介紹

升級(jí)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(jí)2020-06-30

· 升級(jí)集成學(xué)習(xí)知識(shí)框架 · 細(xì)化集成學(xué)習(xí)算法推導(dǎo)過程 · stacking算法優(yōu)化 · 北京市租房房價(jià)預(yù)測(cè)

新增2020-06-23

· 基于seq2seq的機(jī)器翻譯任務(wù) · 莎士比亞風(fēng)格的文本生成任務(wù) · ResNet模型在GPU上的并行實(shí)踐任務(wù) · 自然語言處理：NLP案例庫(6個(gè)案例)

新增2020-06-16

· 圖像與視覺處理：計(jì)算機(jī)視覺面試題（80道） · 圖像與視覺處理：算法強(qiáng)化課程8天 · 計(jì)算機(jī)視覺面試題視頻（80道） · 圖像與視覺處理：計(jì)算機(jī)視覺案例庫

新增2020-06-09

· 基礎(chǔ)NLP試題 · AI醫(yī)生項(xiàng)目試題 · 文本標(biāo)簽項(xiàng)目試題, 和泛娛樂項(xiàng)目試題 · 自然語言處理：NLP題庫(135道)

新增2020-06-02

· 車道檢測(cè) · 車輛技術(shù) · 車輛跟蹤 · 圖像與視覺處理：智慧交通項(xiàng)目

升級(jí)2020-05-26

· 決策樹案例 · 調(diào)整預(yù)剪枝、后剪枝知識(shí)點(diǎn)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(shí)別 · 活體檢測(cè) · 人臉屬性識(shí)別 · 圖像與視覺處理：人臉識(shí)別項(xiàng)目

升級(jí)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(shí)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(xué)定義、連通性 · 二值操作、平滑、梯度 · 紋理分割及OpenCV實(shí)踐 · 圖像與視覺處理：形態(tài)學(xué)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(jí)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(diǎn)度量特征、全局直方圖 · 局部區(qū)域直方圖、散點(diǎn)圖和3D直方圖 · OpenCV實(shí)踐 · 圖像與視覺處理：直方圖處理專題

新增2020-04-07

· 命名實(shí)體識(shí)別模型BiLSTM + CRF · 句子對(duì)主題相關(guān)模型BERT · 在線部分關(guān)于neo4j數(shù)據(jù)庫、redis的實(shí)時(shí)存取 · 自然語言處理：AI在線醫(yī)生項(xiàng)目

升級(jí)2020-03-31

· xgboost算法介紹 · OTTO案例 · xgboost和gbdt對(duì)比 · bgdt推導(dǎo)過程優(yōu)化

新增2020-03-24

· fasttext工具介紹 · fasttext訓(xùn)練詞向量, 并完成詞向量遷移 · fasttext工具實(shí)現(xiàn)文本分類的代碼案例 · 自然語言處理：fasttext訓(xùn)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(duì)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(jì)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(jí)2020-02-25

· 線性回歸知識(shí)點(diǎn)講 · xgboost講解案例 · 邏輯回歸多分類問題評(píng)估 · RNN+Attention實(shí)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(shí)戰(zhàn)，北京市租房數(shù)據(jù)統(tǒng)計(jì)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(xùn)練目標(biāo)分割實(shí)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(shí)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(biāo)檢測(cè)專題RCNN，F(xiàn)astRCNN · FasterRCNN· 先驗(yàn)框、細(xì)粒度與多尺度特征· 圖像與視覺處理：目標(biāo)檢測(cè)專題

新增2019-11-22

· 數(shù)據(jù)可視化庫seborn · 箱線圖知識(shí)點(diǎn) · 增加小提琴圖知識(shí)點(diǎn)· 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(jī)制原理 · 代碼示例和圖解注意力機(jī)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(xué)習(xí)優(yōu)化 · 遷移學(xué)習(xí)：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(xiàng)目實(shí)訓(xùn)-“吃雞”玩家排名預(yù)測(cè) · 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(shí)體識(shí)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(qiáng), 回譯數(shù)據(jù)增強(qiáng)法· 自然語言處理：文本分詞，命名實(shí)體識(shí)別，Word2Vector，文本數(shù)據(jù)分析

新增2019-10-10

· 機(jī)器學(xué)習(xí)經(jīng)典算法樸素貝葉斯 · 機(jī)器學(xué)習(xí)經(jīng)典算法支持向 · 聚類算法推導(dǎo)過程· SVM手寫數(shù)字識(shí)別案例

新增2019-10-08

· 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)與Tensorflow框架 · 圖、會(huì)話、張量、OPTensorflow高級(jí)API，訓(xùn)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(jí)工程整合和實(shí)時(shí)服務(wù)· 自然語言處理：中文標(biāo)簽化系統(tǒng)項(xiàng)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(xiàng)目