想做咸魚
發(fā)簡(jiǎn)信
IP屬地：內(nèi)蒙古
-
-
STGCN基于圖進(jìn)行行為動(dòng)作識(shí)別本文轉(zhuǎn)自同事別吃了, ST-GCN 基于骨架動(dòng)作識(shí)別的時(shí)空?qǐng)D卷積網(wǎng)絡(luò)[http://www.reibang.com/p/be85114006e3]這篇文章寫的很棒動(dòng)作識(shí)別在...
-
分享數(shù)據(jù)分析技術(shù)在不同行業(yè)，不同業(yè)務(wù)，不同崗位中的應(yīng)用
-
站在巨人的肩膀看世界
-
如何在騰訊會(huì)議使用演講者視圖此文章講述如何在騰訊會(huì)議使用演講者視圖而對(duì)方只看到PPT的演示部分 一、事先打開騰訊會(huì)議先不共享屏幕 二璃吧、打開演講者視圖1.播放PPT 2.單擊右鍵選擇“顯示演講者視圖 3....
-
多模態(tài)：自動(dòng)駕駛中的多模態(tài)學(xué)習(xí)
本文首發(fā)于公眾號(hào)“我AI”楣导，歡迎關(guān)注，共同進(jìn)步畜挨。 進(jìn)入深度學(xué)習(xí)時(shí)代后筒繁，自動(dòng)駕駛車輛的感知系統(tǒng)得到了大幅提升。為了獲得更加魯棒和準(zhǔn)確的感知結(jié)果巴元，一輛具備輔助駕駛或自動(dòng)駕駛功能的...
-
個(gè)人公眾號(hào)“我AI”<br>高級(jí)算法工程師<br>上海數(shù)學(xué)中心博士<br>Kaggle Master
-
我是師書（BOOKSHISHU）<br>目前閱讀速度5000字/分鐘<br>分享閱讀知識(shí)，傳承中華文化
-
不斷學(xué)習(xí)迎罗，不斷忘記，不斷回顧片仿，不斷進(jìn)步纹安，這便是凡人的學(xué)習(xí)方式,或謂曰：Attention is all you need,but learning is all your attention.
-
R統(tǒng)計(jì)學(xué)--超幾何分布
不斷學(xué)習(xí)，不斷忘記砂豌，不斷回顧厢岂，不斷進(jìn)步，這便是凡人的學(xué)習(xí)方式 隨機(jī)變量的分布模式是統(tǒng)計(jì)模型的基礎(chǔ)阳距，R的基礎(chǔ)包stats提供了許多關(guān)于概率分布的函數(shù)咪笑。離散型分布，包括兩點(diǎn)分布娄涩、...
-
人間真?zhèn)摹?/div>把寫作當(dāng)成一種修行公眾號(hào)：K同學(xué)啊<br>我的GitHub倉(cāng)庫(kù)：<a href="https://links.jianshu.com/go?to=https%3A%2F%2Fgithub.com%2Fkzbkzb%2FPython-AI" target="_blank">https://github.com/kzbkzb/Python-AI</a>關(guān)注公眾號(hào)“NLP論文解讀”咽斧，領(lǐng)取資料干貨~<br>專注自然語(yǔ)言處理NLP領(lǐng)域頂會(huì)論文的翻譯和解讀本專題招募管理員张惹，有意向請(qǐng)簡(jiǎn)信私聊，謝謝岭洲！ 用來分享機(jī)器學(xué)習(xí)宛逗，深度學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)盾剩，計(jì)算機(jī)視覺等領(lǐng)域的一些技術(shù)雷激。 Machine Learning 學(xué)習(xí)資料：http://www.reibang.com/p/e0238db24973 相關(guān)參考： 1. [Coursera - Machine Learning by Andrew Ng]：https://www.coursera.org/learn/machine-learning 2. [ Stanford CS231n Course]：http://cs231n.github.io/ 課程整理：http://www.reibang.com/p/182baeb82c71 3. [深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)(英文原版)]：http://neuralnetworksanddeeplearning.com/ [GitBook同步鏈接]：https://www.gitbook.com/book/tigerneil/neural-networks-and-deep-learning-zh/details 4. [UFLDL教程]：http://deeplearning.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B （中文） http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial （英文） 5. [Deep Learning - An MIT Press book]：http://www.deeplearningbook.org/ 6. [Neural Network Playground]： http://playground.tensorflow.org/ 7. [A Guide to Deep Learning]： http://www.reibang.com/p/6752a8845d01 8. [知乎“機(jī)器學(xué)習(xí)”專欄]： https://www.zhihu.com/collection/108812637 9. [How do Convolutional Neural Networks work?] http://www.reibang.com/p/fe428f0b32c1 …… 希望大家可以相互交流，相互學(xué)習(xí)告私！神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)專題歡迎大家投稿相關(guān)內(nèi)容驻粟。從基礎(chǔ)理論到實(shí)戰(zhàn)演練均可嘗試投稿根悼。若有GPU計(jì)算資源需求去完成很有價(jià)值的工作也可以留言請(qǐng)求，我們會(huì)滿足你的哈！ 該專欄中的文章還會(huì)被發(fā)在：UAI人工智能公眾號(hào)番挺。讓更多的人看到你們的優(yōu)秀作品唠帝。In recent years, deep learning has achieved great success in many computer vision applications. Convolutional neural networks (CNNs) have lately emerged as a major approach to image classification.
