Social LSTM:一个预测未来路径轨迹的深度学习模型
本篇文章试图解释描述深度学习模型Social-LSTM的研究论文
GIRAFFE： CVPR 2021 最佳论文介绍和代码解释
GIRAFFE是一个基于学习的、完全可微的渲染引擎，用于将场景合成为多个“特征域”的总和
图神经网络常用方法的统一观点
图注意、图卷积、网络传播都是图神经网络中消息传递的特殊情况。
TODS：从时间序列数据中检测不同类型的异常值
自动构建用于时间序列异常值检测的机器学习管道。
基于ResNet和Transformer的场景文本识别
对于自然场景的文字识别我们会遇到了许多不规则裁剪的图像，其中包含文本表示。
2021 年 7 月推荐阅读的四篇深度学习论文
从大规模深度强化学习到对抗性鲁棒性、SimCLR-v2 和学习神经网络空间
使用反事实示例解释 XGBoost 模型的决策
模型可解释性——故障检测、识别和诊断
通过FEDOT将AutoML用于时间序列数据
一个在具有间隙和非平稳性的真实数据上使用FEDOT和其他AutoML库的示例
使用 HuggingFace Transformers创建自己的搜索引擎
NLP、Plotly和Dash创建红酒搜索引擎
目标检测模型SSD的详细解释
目标检测由两个独立的任务组成，即分类和定位。
快速掌握Seaborn分布图的10个例子
任何数据产品的第一步都应该是理解原始数据。数据分布的EDA至关重要
从零开始训练BERT模型
在本文中，我们将探讨构建我们自己的 Transformer 模型必须采取的步骤——特别是 BERT 的进一步开发版本，称为 RoBERTa。
从一个不同角度看精准度与召回
在本文中，我们将以不同的方式解释这些术语
PCA不适用于时间序列分析的案例研究
以及如何对时间序列进行线性降维。
图卷积神经网络分析复杂碳水化合物
使用PyTorch处理生物数据
如何使用机器学习在一个非常小的数据集上做出预测
朴素贝叶斯是一系列简单的概率分类器，它们是最简单的贝叶斯模型之一，但通过核密度估计，它们可以达到更高的精度水平。
用于发票识别的微调 Transformer 模型
介绍本片文章将介绍微软最新发布的Layout LM模型。在这里我们将展示从注释和预处理到训练和推理的整个过程
使用Modulated Convolutions修改 StarGAN V2
在本教程中，我们将替换 StarGAN V2 模型中的自适应实例归一化（AdaIN）层
教遗传算法人工智能玩超级马里奥大陆
在这里我将向您展示如何开发遗传算法 AI 以使用 Python 玩超级马里奥乐园，完整代码文末
从CVPR 2021的论文看计算机视觉的现状
但由于深度学习的进步，CV领域近年来取得了巨大的飞跃，现在正在迅速改变不同的行业!
