3 天前 / JohnHany
本系列包括 3 篇文章，以深度学习的模型搭建和训练过程为例，解释面向对象编程中 22 种设计模式的基本原理，并给出 C++ 实现。 这些设计模式的实现方法大多参考自《深入设计模式》。为了用尽可能少的代码体现这些设计模式的过程，在代码中直接对指针进行操作，并没有使用智能指针。 该篇文章介绍创建型模式，包括工厂方法、抽象工厂、生成器、原型以及单例。 本文的所有代码都在我的 GitHub 上：github.com/johnhany/design_patterns。
3 天前 / KeyLiu刘奇
本文作者将使用多种文本挖掘方法，来分析《全唐诗》。篇幅略长，请耐心阅读 ^_^ 楔子 近些年来，弘扬中华传统文化的现象级综艺节目不断涌现，如《中国汉字听写大会》、《中国成语大会》、《中国谜语大会》、《中国诗词大会》等，其背后的社会成因，在于人们对中国文化中最精致文字的膜拜心理，虽然浸淫于层出不穷的网络语汇，时时面临“语言荒漠”的窘境，仍心向往之。 上述节目中，笔者最感兴趣的还是《中国诗词大会》--- 通过对诗词知识的比拼及赏析，带动全民重温那些曾经学过的古诗词，分享诗词之美，感受诗词之趣，从古人的智慧和情怀中汲取营养...
7 天前 / Thinkgamer
本文为《推荐系统与深度学习》第六章的复习笔记，只记录了一些要点，希望能够快速的进行复习，如果发现哪一个点不明白的话，可以自行展开学习或者加小编微信进行沟通。 深度学习在推荐中发挥的作用： 能够直接从内容中提取特征，表征能力强容易对噪声数据进行处理，抗噪能力强可以使用循环神经网络对动态或者序列数据进行建模可以更加准确的学习 user 和 item 的特征基于 DNN 的推荐算法推荐系统和通用搜索排序问题共有的一大挑战为同时具备记忆能力和泛化能力。
14 天前 / Thinkgamer
本文为《推荐系统与深度学习》第五章的复习笔记，只记录了一些要点，希望能够快速的进行复习，如果发现哪一个点不明白的话，可以自行展开学习或者加小编微信进行技术交流。 5.1 什么是混合推荐系统混合推荐系统的含义海量数据推荐系统中通常存在三部分： 在线系统（Online）直接与用户进行交互，具有高性能、高可用的特性，通常利用缓存系统，处理热门请求的重复计算近在线系统（Nearline）接受在线系统的请求，执行比较复杂的推荐算法，缓存在线系统的结果，并及时收集用户的反馈，快速调整结果离线系统（Offline）利用海量用户的行为日志进行挖掘...
18 天前 / Thinkgamer
本文为《推荐系统与深度学习》第四章的复习笔记，只记录了一些要点，希望能够快速的进行复习，如果发现哪一个点不明白的话，可以自行展开学习。 4.1 基于内容的推荐算法基于内容的推荐算法步骤： 特征（内容）提取用户偏好计算内容召回（召回用户偏好的 top K）物品排序（可以根据 top K 中其他用户打分平均值最高的 top N 推荐给用户，好处是可以考虑其他用户的意见）优点： 物品没有冷启动问题（因为物品的内容特征不依赖于用户数据），推荐出的物品也不会存在过于热门的问题能够捕获到用户的特殊偏好原理简单...
19 天前 / 虞大胆
随着 5G 时代的到来，VR 端应用呈爆发式增长，3D 内容作为构建 VR 生态的主力输出一直深受广大用户的追捧和喜爱。针对目前 3D 内容过少，质量不高、生产昂贵等现状，爱奇艺作为国内领先的互联网视频媒体，自然首当其冲，以真实世界的 3D 内容为基础，研究 2D 转 3D 技术，实现更优质的 VR 端的 3D 内容生态的构建，满足更多用户的日常需求。相对于 2D 内容，优质的 3D 内容有输出符合真实景深关系的能力，让用户在观看时具有更好的观影体验。下面我们从技术的角度，介绍爱奇艺如何赋予 2D 内容真实的景深关系，实现 2D 内容到 3D 内容的转换。
23 天前 / kbsc13
点击上方“算法猿的成长“，关注公众号，选择加“星标“或“置顶” 总第 134 篇文章，本文大约 3000字，阅读大约需要 10分钟 原文：https://towardsdatascience.com/guide-to-learn-computer-vision-in-2020-36f19d92c934 作者：Insaf Ashrapov 译者：kbsc13（公众号：算法猿的成长） 前言本文推荐的教程资源都是基于我个人的经验，它们对增加你的计算机视觉理论知识非常有帮助。另外，在学习计算机视觉的理论前，先了解和学习机器学习和 python 方面的知识是更好的做法。
45 天前 / gongyouliu
作者丨 gongyouliu 编辑丨 gongyouliu 这是作者的第 33 篇文章，约 1.1w 字，阅读需 60 分钟 推荐系统作为满足人类不确定性需求的一种有效工具，是具有极大价值的，这种价值既体现在提升用户体验上，又体现在获取商业利润上。对绝大多数公司来说，提升用户体验的最终目标也是为了获取商业价值。读者可以从《推荐系统的商业价值》这篇文章中了解更多关于推荐系统用户价值和商业价值的介绍。 公司作为社会经济发展到一定阶段的产物，获取商业利润是公司的本质特征，也是公司赖以生存的基础，这是合乎情理的事情。
45 天前 / ???Edison_Guo
点击蓝字关注我们 扫码关注我们 公众号: 计算机视觉战队 扫码回复：regnet，获取下载链接 简述 在这项工作中，何老师团队提出了一个新的网络设计范例。我们的目标是帮助提高对网络设计的理解，并发现跨设置泛化的设计原则。 我们不是专注于设计单个的网络实例，而是设计参数化网络总体的网络设计空间。整个过程类似于经典的手工网络设计，但是提升到了设计空间的层次。使用我们的方法，我们探索了网络设计的结构方面，并得出一个由简单的、规则的网络组成的低维设计空间，我们称之为 RegNet。
47 天前 / ???Edison_Guo
点击蓝字关注我们 扫码关注我们 公众号: 计算机视觉战队 扫码回复：加法网络，获取源码论文链接 记得前段时间“计算机视觉研究院”推送了一篇关于 CVPR2020 最佳分类的文献（链接：CVPR2020 最佳目标检测 | AdderNet（加法网络）含论文及源码链接），其中有同学问可以把这个新的分类框架嫁接到检测网络，会有提升吗？今天就通过实验来告诉大家会有怎样的提升？ 前景回顾 估计已经有同学忘记加法网络的框架和精髓了，我们先简单回归一下具体的框架细节。
53 天前 / DataCanvas
点击蓝字关注 DataCanvas 近年来深度学习在 CV、NLP 等非结构化领域展现出超强的统治力，突破最高水平的算法层出不穷。深度学习在结构化和非结构化领域表现出来的巨大反差已成为热门话题，自从以 XGBoost、LightGBM 为代表的高性能集成树模型训练框架的问世，深度学习在结构化领域就一直没有超越配角的地位。到目前为止，Kaggle 结构化数据竞赛中，传统机器学习算法依然是最主要的赢家。 神经网络强大的表示学习能力真的在结构化数据上无法展现威力吗？ 近日由国内的数据科学平台领导厂商——九章云极发布的开源项目 DeepTables 正在打破这个局面。
54 天前 / Thinkgamer
Hi All，今天要跟大家分享的一篇关于深度学习中的 Attention mechanism（注意力机制的文章），该文章包含以下五方面的内容： 从人类的视觉引出注意力机制大多数注意力机制的附着模型：Encoder-Decoder 框架 Attention 模型介绍 Self Attention 模型介绍 Attention 机制的应用原文地址：https://blog.csdn.net/qq_40027052/article/details/78421155 由于联系文章作者未回复，这里不在公号里贴了，大家可以点击最下边【阅读原文】进行阅读，或者将 url 地址复制到浏览器进行阅读，文章篇幅较长，建议先收藏再细细品读，当然如果读者已经有基础了...
65 天前 / kbsc13
点击上方“算法猿的成长“，关注公众号，选择加“星标“或“置顶” 总第 124 篇文章，本文大约 3731 字，阅读大约需要 10 分钟 原文：https://theaisummer.com/Deep-Learning-Algorithms/ 作者：Sergios Karagiannakos 因为文章有些长，所以会分成上下两篇文章，分开发。 上一篇文章的链接： 深度学习算法简要综述 ( 上) 本文目录如下： 深度学习是什么？神经网络（Neural Networks）前向神经网络（Feedforward Neural Networks, FNN）卷积神经网络（Convolutional Neural Networks, CNN）循环神经网络（Recurrent Neural Networks ,RNN)递归神经网络（Rec...