使用深度学习的方法进行人脸解锁
使用深度学习来创建面部解锁算法。
在TPU上运行PyTorch的技巧总结
TPU芯片介绍Google定制的打机器学习专用晶片称之为TPU（Tensor Processing Unit
NLP任务中的文本预处理步骤、工具和示例
这篇文章将包括一些简单的方法来清洗和预处理文本数据以进行文本分析任务。
在python中使用KNN算法处理缺失的数据
今天，我们将探索一种简单但高效的填补缺失数据的方法-KNN算法。
使用WebAssembly提高模型部署的速度和可移植性
在本文中，我阐明了如何确保使用标准ML库（例如PyTorch，Scikit-learn和Tensorflow）训练的模型可以有效地部署在各种边缘设备上。
MCMC、蒙特卡洛近似和Metropolis算法简介
MCMC 是Markov Chain Monte Carlo 的简称,MCMC的目的就是运用蒙特卡洛模拟出一个马可链
使用PandasGUI进行探索性数据分析
Pandasgui是一个开源的python模块，它为pandas创建了一个GUI界面，我们可以在其中使用pandas的功能分析数据和使用不同的功能
时域卷积网络TCN详解：使用卷积进行序列建模和预测
CNN经过一些简单的调整就可以成为序列建模和预测的强大工具
使用PolyGen和PyTorch生成3D模型
创造性地组合3D模型，从图像快速生成3D模型
机器学习中处理缺失值的9种方法
在这个文章中，我将分享处理数据缺失的9种方法
初始化神经网络权重的方法总结
在本文中，评估了权值初始化的许多方法和当前的最佳实践
在神经网络中提取知识：学习用较小的模型学得更好
知识蒸馏是利用从一个大型模型或模型集合中提取的知识来训练一个紧凑的神经网络。
强化学习的最基本概念马尔可夫决策过程简介
在本文中我将介绍强化学习的基本方面，即马尔可夫决策过程。
选择正确的错误度量标准：MAPE与sMAPE的优缺点
MSE，RMSE，MAE，MAPE，sMAPE… 那么，如何决定要为我们的项目使用哪种指标呢？
可变形卷积在视频学习中的应用:如何利用带有稀疏标记数据的视频帧
卷积层是卷积神经网络的基本层。虽然它在计算机视觉和深度学习中得到了广泛的应用，但也存在一些不足。
FastFormers 论文解读：可以使Transformer 在CPU上的推理速度提高233倍
自Transformers诞生以来，紧随其后的是BERT，在几乎所有与语言相关的任务中，都占据着NLP的主导地位。
使用Pandas的resample函数处理时间序列数据的技巧
时间序列数据在数据科学项目中很常见。通常，可能会对将时序数据重新采样到要分析数据的频率或从数据中汲取更多见解
5分钟理解RELU以及他在深度学习中的作用
激活函数的主要目的是将非线性特性引入模型
DeOldify，这个开源的AI代码可以给你的黑白照片上色
DeOldify是一种技术，以彩色和恢复旧的黑白图像，甚至电影片段。这是目前最先进的黑白图像着色方法，而且所有的东西都是开源的。
如何推导高斯过程回归以及深层高斯过程详解
使用不同核函数的高斯过程高斯过程像所有其他机器学习模型一样，高斯过程是一个简单预测的数学模型。
