Python写春联，给您拜年了
虎年吉祥！
论文推荐-使用 Noisy Student 进行自训练可以提高 ImageNet 分类的表现
使用 Noisy Student 进行自训练改进 ImageNet 分类是一篇由 Google Research、Brain Team 和Carnegie Mellon大学发表在2020 CVPR的论文
基于深度学习识别湖泊，以洞庭湖区域为例
深度学习大概分成两部分，模型训练和图像识别，模型训练涉及样本训练和样本验证，这个部分为深度学习的主要部分，通过调节样本集和训练参数控制结果精度。鉴于样本获取及计算机性能，这里使用现成的训练结果集，访问地址：https://github.com/isikdogan/deepwatermap。1、安装环
动手学习VGG16
VGG 论文《Very Deep Convolutional Networks for Large-Scale Image Recognition》论文地址：https://arxiv.org/abs/1409.1556使用重复元素的网络(VGG)以学习VGG的收获、论文的复现二大部分，简述VGG1
5分钟NLP - SpaCy速查表
SpaCy 是一个免费的开源库，用于 Python 中的高级自然语言处理包括但不限于词性标注、dependency parsing、NER和相似度计算。它可帮助构建处理和理解大量文本的应用程序可用于多种方向，例如信息提取、自然语言理解或为深度学习提供文本预处理。
深度学习入门之神经网络
接着啃书第三章
写春联：你写上联，AI写下联
基于飞桨2.x框架的AI写春联：你写上联，AI写下联。
图卷积和消息传递理论的可视化详解
本文中将研究如何基于消息传递机制构建图卷积神经网络，并创建一个模型来对具有嵌入可视化的分子进行分类。
伪标签：用于深度神经网络的简单高效的半监督学习方法
未标记的数据由监督学习网络标记，即所谓的伪标记。然后使用标记数据和伪标记数据训练网络。
2022年必须要了解的20个开源NLP 库
在本文中，我列出了当今最常用的 NLP 库，并对其进行简要说明。它们在不同的用例中都有特定的优势和劣势，因此它们都可以作为专门从事 NLP 的优秀数据科学家备选方案。每个库的描述都是从它们的 GitHub 中提取的。
Vision Transformer（Pytorch版）代码阅读注释
Vision Transformer Pytorch版代码阅读注释
Python深度学习：Python数据处理及可视化（读书笔记）
老铁们，我们Python的深度学习开始了，第一篇正式的文章就是数据处理和可视化，我们开始吧!...
【顶会学习计划】万字吃透NER
NLP系列顶会学习计划，今天研究的是顶会ACL2018的一篇文章，并尝试在相同数据集上自己实现模型，领会STOA的魅力！
Python深度学习：计算机视觉与深度学习的关系（包含Anaconda安装与使用，和Pycharm激活虚拟环境教程）
伙计们，这个专栏是作为读书的记录，有喜欢的伙伴也可以一起学习哦！我们第一篇就简要的谈一谈计算机视觉。第一篇一、计算机视觉的难点与人工神经网络1、初识计算机视觉2、计算机视觉的基础与方向二、关于Anaconda的安装与TensorFlow的安装1、安装Pycharm和Anaconda2、在Pychar
1月论文推荐：Hyper-Tune 满足大规模高效分布式自动超参数调整的 SOTA 架构
北京大学、苏黎世联邦理工学院和快手科技的研究团队提出了 Hyper-Tune，这是一种高效、健壮的分布式超参数调优框架
论文阅读笔记：End-to-End Object Detection with Transformers
论文阅读笔记：End-to-End Object Detection with Transformers
论文阅读笔记：Vision Transformer
论文阅读笔记：Vision Transformer
ConvNeXt网络详解
今年(2022)一月份，Facebook AI Research和UC Berkeley一起发表了一篇文章A ConvNet for the 2020s，在文章中提出了ConvNeXt纯卷积神经网络，它对标的是2021年非常火的Swin Transformer，通过一系列实验比对，在相同的FLOPs
为神经网络选择正确的激活函数
在本篇文章中我们将讨论神经网络中常见的激活函数，并使用可视化技术帮助你了解激活函数的函数定义和不同的使用场景。
利用对抗变化网络进行对抗训练
引言方法描述实验方法
