Deephub
更多文章请关注公众号：Deephub-IMBA
这3个Seaborn函数可以搞定90%的可视化任务
我最喜欢Seaborn原因是它巧妙的语法和易用性,通过Seaborn我们只用3个函数就可以创建普通的图表。
经典Seq2Seq与注意力Seq2Seq模型结构详解
在本文中，我们将分析一个经典的序列对序列(Seq2Seq)模型的结构，并演示使用注意解码器的优点。
9个可以提高Jupyter Notebook开发效率的魔术命令
Jupyter Notebook包含一写特殊的命令，我们称之为魔术命令。
来自ML的祝福：和CycleGAN一起庆祝春节
使用CycleGAN和谷歌的QuickDraw数据集创建节日祥龙
如何知道一个变量的分布是否为高斯分布?
“你的输入变量/特征必须是高斯分布的”是一些机器学习模型(特别是线性模型)的要求。本文重点介绍了保证变量分布为高斯分布的几种方法。
机器学习中分类任务的常用评估指标和python代码实现
有许多指标可以帮助您根据用例进行操作。 在此文章中，我们将尝试回答诸如何时使用？ 它是什么？ 以及如何实施？
帮助你在2021年成为数据科学家的21个有用的小贴士
在这篇文章中，我将与你分享我从其他数据科学家以及我自己过去几年的经验中学到的21条建议。
可以格式化Python自定义对象的3个魔术方法
在Python中，下划线用于属性名时具有特殊含义。一种特殊形式是使用两对双下划线，一个在属性名之前，另一个在属性名之后，这被称为特殊方法或魔术方法。
NFNETS论文解读:不使用BN的高性能大规模图像识别
本文的重点是在不是使用BN的卷积残差来构建图像识别的神经网络。
深度信号处理：利用卷积神经网络测量距离
我们的目标是训练一个神经网络来预测两个峰之间的距离。这些任务的典型例子是解释心电图或天文数据挖掘。
论文解读：SKNet自适应动态选择机制，动态调整感受野尺寸
本文提出的方法可以使神经元对于不同尺寸的输入信息进行自适应的调整其感受野的大小，不同尺寸的卷积核最后通过softmax进行融合。分支中不同注意力产生不同的有效感受野。多个SK单元进行堆叠构成SKNet。
1x1卷积详解：概念、优势和应用
Lin等人的《网络中的网络(Network in Network, NiN)》一文，提出了一种特殊的卷积操作，它允许跨通道参数级联，通过汇聚跨通道信息来学习复杂的交互。
TransGAN：使用Transformer替换卷积也可以构建一个强力的GAN
本次介绍的论文研究构建一个完全没有卷积的GAN，只使用纯基于transformer的架构。
如何在评估机器学习模型时防止数据泄漏
本文讨论了评估模型性能时的数据泄漏问题以及避免数据泄漏的方法。
通过随机采样和数据增强来解决数据不平衡的问题
通过随机采样和数据增强来解决数据不平衡的问题
使用Deep Replay可视化神经网络学习的过程
如果你对可视化神经网络学习的过程感兴趣的话请阅读本文
用N.E.A.T遗传算法玩FlappyBird
我用python实现了一个完整的FlappyBird，而且还可以通过N.E.A.T遗传算法让它自己玩
线性回归中的L1与L2正则化
在这篇文章中，我将介绍一个与回归相关的常见技术面试问题，我自己也经常会提到这个问题: 描述回归建模中的L1和L2正则化方法。
使用神经网络的自动化特征工程
如何自动化并极大地改进数据建模中最繁琐的步骤之一
亿级用户的平台是如何使用词嵌入来建立推荐系统的
推荐系统对于我们今天使用的几乎所有应用程序都是至关重要的。 借助大数据，我们有大量可供选择的内容。并且我们可