Deephub
更多文章请关注公众号：Deephub-IMBA
使用Flask快速部署PyTorch模型
今天我将通过一个简单的案例：部署一个PyTorch图像分类模型，介绍如何启动和运行我们的模型
28个数据可视化图表的总结和介绍
在这篇文章中，我们将整理我们能看到的所有数据可视化图表。如果你是数据科学初学者，那么本文将是最适合你的。
从视频到音频：使用VIT进行音频分类
在本文中，我们将利用ViT - Vision Transformer的是一个Pytorch实现在音频分类数据集GTZAN数据集-音乐类型分类上训练它。
Python中的时间序列数据操作总结
在本文中，我们介绍时间序列数据的索引和切片、重新采样和滚动窗口计算以及其他有用的常见操作，这些都是使用Pandas操作时间序列数据的关键技术。
常见的降维技术比较：能否在不丢失信息的情况下降低数据维度
本文将比较各种降维技术在机器学习任务中对表格数据的有效性。
2022年最有开创性的10篇AI论文总结
本文我们总结了在2022年发表的最具开创性的10篇论文，无论如何你都应该看看。
PyTorch 2.0 推理速度测试：与 TensorRT 、ONNX Runtime 进行对比
PyTorch 2.0 于 2022 年 12 月上旬在 NeurIPS 2022 上发布，它新增的 torch.compile 组件引起了广泛关注，因为该组件声称比 PyTorch 的先前版本带来更大的计算速度提升。
使用CLIP构建视频搜索引擎
使用CLIP构建视频搜索引擎
Pandas处理大数据的性能优化技巧
Pandas是Python中最著名的数据分析工具。本文将介绍一些使用Pandas处理大数据时的技巧，希望对你有所帮助
降维和特征选择的对比介绍
在machine learning中，特征降维和特征选择是两个常见的概念，在应用machine learning来解决问题的论文中经常会出现。特征降维和特征选择的目的都是使数据的维数降低，使数据维度降小。但实际上两者的区别是很大，他们的本质是完全不同的。
为深度学习选择最好的GPU
加快训练速度，更快的迭代模型
PyTorch的Dataset 和TorchData API的比较
从版本1.11开始，PyTorch引入了TorchData库，它实现了一种不同的加载数据集的方法。
如何检测时间序列中的异方差（Heteroskedasticity）
异方差性影响时间序列建模。因此检测和处理这种情况非常重要。
论文推荐：CCNet用于语义分割的交叉注意力
CCNet， Transformer递归交叉自注意力，比非局部神经网络更有效。华中科技大学、地平线、ReLER 和伊利诺伊大学香槟分校联合研发
15个节省时间的Jupyter技巧
Jupyter Notebooks使用非常简单并且对于任何面向python的任务都可以非常方便的使用。
变分自编码器VAE的数学原理
变分自编码器(VAE)是一种应用广泛的无监督学习方法，它的应用包括图像生成、表示学习和降维等。
基于CNN和LSTM的气象图降水预测示例
我们是否可以通过气象图来预测降水量呢？今天我们来使用CNN和LSTM进行一个有趣的实验。
Pandas中高效的选择和替换操作总结
在本文中，我们将重点介绍在DataFrame上经常执行的两个最常见的任务，有效地选择特定的和随机的行和列，以及使用replace()函数使用列表和字典替换一个或多个值。
计算机视觉面试中一些热门话题整理
通常在机器学习面试中，问完常见基础知识的技术问题之后会有具体的项目问题的讨论，所以这里准备了一些项目相关的话题，以可以帮助你准备和通过计算机视觉相关的面试。
强化学习的基础知识和6种基本算法解释
本文将涉及强化学习的术语和基本组成部分，以及不同类型的强化学习(无模型、基于模型、在线学习和离线学习)。本文最后用算法来说明不同类型的强化学习。