迈微AI研习社 · 号主

Facebook新作MaskFeat，该工作的ViT-B在ImageNet 1K上的准确率达到了84.0%，MViT-L在Kinetics-400上的准确率达到了86.7%，一举超越了MAE，BEiT和SimMIM等方法。

努力打造GitHub最好的计算机视觉中文学习媒介，结合图示、代码和HTML的交互式学习平台。节选第23章-轻量级网络浅析。

本学习资源以计算机视觉的发展历程和自顶向下的学习过程为核心，为读者提供一个 人人可学习计算机视觉的开放平台。我们围绕这样的组织逻辑：什么是计算机视觉？计算机视觉解决什么问题，都是怎么解决的？传统方法——以卷积神经网络为中心的神经网络；现代方法——Transformer、强化学习、迁移学习、生成对抗等。各种方法是如何实现的，用到了什么框架？在本资源中，这些问题都将会给予解决。

又到了保研申请季，每年都有同学来咨询我关于如何申请计算机博士的问题，我基本上都会和他们单独聊上半个小时甚至更久。自从成为青椒一枚，这样的对话变得尤其多。来找我咨询的都是成绩和各方面极其优秀的同学。然而从和他们的交流中，我惊讶地发现很少有人对“我适不适合读博”这个在我看来头等重要的问题给予过认真的思考。很多优秀的同学（特别是清北的）觉得毕业以后读博是顺理成章的人生下一步。这种追求升学的惯性让很多人稀里糊涂地做出了人生中一次足以改变未来生活方式的选择。我见过太多读得极其悲惨的PhD：精神崩

个人认为自己还算是一个挺有想法的人，但是科研光靠想法多并没有什么卵用。没有一个靠谱的引路人帮你指引方向、把关ideal的话，想要做出成果难如登天。最初也想着认命了，认为反正作为一个浙大计算机的研究生而言，至少工作不用担心了。所以，

广理论，重实践！ 本专栏不是算法公式推导文章！本专栏编写总结了迈微研习社对于人工智能学习从入门到进阶的学习路线，分类整理了机器学习算法原理讲解及python实现章节，深度学习进阶理论（包括transfer、bert、attention等），以及计算机视觉领域中的交叉模型实战。不侧重于算法原理的公式推导，更着重于从实际项目中引领学习路线，培养学习兴趣，从项目中遇到的问题着手原理的解答。概述分类讲解机器学习算法原理，深度解析决策树、贝叶斯算法、逻辑回归、梯度下降、集成学习、k最近邻、支持向量机等，并给.

正如巴菲特所言：「近似的正确好过精确的错误。」

在学习了有关深度学习的理论课程之后，很多人都会有兴趣尝试构建一个属于自己的项目。本文将会从第一步开始，告诉你如何解决项目开发中会遇到的各类问题。

论文复现一直是机器学习领域的难题，虽然最近多个学术会议提倡大家提交代码，但解决论文复现问题仍然任重而道远。在试图复现机器学习论文时，我们经常遇到哪些问题呢？新加坡机器学习工程师 Derek Chia 对此进行了总结。

支持向量机(Support Vector Machine, SVM）是一种二分类模型，它的目的是寻找一个超平面来对样本进行分割，分割的原则是间隔最大化，最终转化为一个凸二次规划问题来求解。关键字：软间隔、KKT条件、对偶问题、拉格朗日乘子

一般而言，进大厂讲究以下三方面的能力coding能力，这是最基本的能力，包括数据结构和算法，说白了，coding能力扎实，无论干IT还是干AI都不会太差，但很多人会忽略这方面的能力，可能AI各模型学的滚瓜烂熟，但面试让十分钟写个快速排序 迟迟动不了手；机器学习、深度学习方面的能力，16年起随着AlphaGo的横空出世，深度学习瞬间横扫各个领域，这里面的重点包括各个模型：决策树、随机森林、xgboost、SVM、特征工程、CNN、RNN、LSTM等等；根据不同业务场景的技术能力，比如对业务的理解、建模

首度于线上召开的CVPR 2020 会议已经落下帷幕。今年，大会共有1467篇论文被接收，共举办了29个Tutorial、64个Workshop，线上与会者人数达 7600人。大量的论文，加上今年新采用虚拟会议的形式，曾一度让会议浏览器不堪重负（浏览速度非常慢）。为了让大家更好地掌握今年会议的总体研究趋势，一位深度学习专业的博士生Yassine Ouali 专门撰写了一篇博客，总结了一些引起他关注的论文，以呈现今年会议的大致面..

或许 Jürgen Schmidhuber 无休止的论战可以告一段落了！

7 月 10 号 OpenMMLab 在 WAIC 2020 世界人工智能大会上发布了重磅升级，给大家带来了更丰富的 OpenMMLab 大礼包，1 个架构，10+ 个研究方向，100+ 种算法，600+ 预训练模型，是深度学习时代最完整的计算机视觉算法开源体系。

Ray是一个基于Python的分布式执行引擎。相同的代码可以在单个机器上运行以实现高效的多处理，并且可以在群集上用于大量的计算。

我整理了这么一篇配置，大体方案是基于 Docker + VSCode 配置属于个人的开发环境，还会涉及 VSCode 扩展等。

本文从模型搜索NAS的问题出发，整理了最新ICLR2021相关投稿论文。神经网络除了权重(W)之外，其通道数、算子类型和网络连接等结构参数需要设定，而模型搜索NAS即是确定结构参数的自动方法。最初NASNet中每种结构参数的模型单独训练带来的巨大开销，最近两年基于权重共享的NAS方法中，不同结构参数模型复用权重组成代理模型(SuperNet)一起训练，然后评测子模型指标并通过RL , EA , Random搜索(One-shot)或由参数化离散变连续用梯度下降(Darts)从结构参数空间(A)求..

本文介绍了 GitHub 上 star 量最高的 5 个机器学习项目(截止今日)，涉及人脸识别、文本处理、机器学习框架等。

隐私保护是机器学习领域的重要伦理问题之一，而差分隐私（DP）是行之有效的隐私保护手段。那么，如何方便地使用差分隐私来训练机器学习模型呢？近日，Facebook 开源了 Opacus 库，支持以这种方式训练 PyTorch 模型。

点击上方“迈微电子研发社”，选择“星标★”公众号重磅干货，第一时间送达入门数据竞赛有很多种方法，有从竞赛学习的，有从专业教材开始实践的。今天我们想介绍一种更好的方式，通过阿水哥编写的《竞...

本文介绍了微软开源的计算机视觉库，它囊括了计算机视觉领域的最佳实践、代码示例和丰富文档。

点击上方“迈微电子研发社”，选择“星标★”公众号重磅干货，第一时间送达作者：伍天舟、马曾欧、陈信达入门深度学习，很多人经历了从入门到放弃的心酸历程，且千军万马倒在了入门第一道关卡：环境配...

本文中，数据分析工程师 Kunal Dhariwal 为我们介绍了 12 种 Numpy 和 Pandas 函数，这些高效的函数会令数据分析更为容易、便捷。

吴恩达在推特上展示了一份由 TessFerrandez 完成的深度学习专项课程信息图，这套信息图优美地记录了深度学习课程的知识与亮点。

吴恩达在推特上展示了一份由 TessFerrandez 完成的深度学习专项课程信息图，这套信息图优美地记录了深度学习课程的知识与亮点

ONNX简述ONNX是一种AI神经网络模型的通用中间文件保存方法(可以理解成AI世界的XML)，各种AI框架，Inference引擎，甚至OpenCV里面的dnn onnx相关的模块都可以解析ONNX文件并生成特定平台和运行框架所支持的神经网络模型。ONNX本身不是AI神经网络运行框架，只是AI神经网络模型通用中间描述文件格式GitHub链接https://github.com/onnx/onnx编程语言C++ / Python热度 ★★★★★☆TensorRT简

要在这个圈子混的，在不断精进代码能力的同时，还应该坚持阅读论文。

现在，不用苦恼了，你只管去做！去做！

快速排序的衍生应用——Partition函数1. 自然语言处理与语音处理2. 计算机视觉3. 概率库和生成库4. 教程与示例5. 论文实现6. 其它自 2017 年 1 月 PyTorch 推出以来，其热度持续上升。PyTorch 能在短时间内被众多研究人员和工程师接受并推崇是因为其有着诸多优点，如采用 Python 语言、动态图机制、网络构建灵活以及拥有强大的社群等。最近在浏览 GitHub...

从零开始的深度学习实用教程 | PyTorch官方推荐GitHub上面，有个新发布的深度学习实践教程，叫PracticalAI，被PyTorch官方推特翻了牌，已经收获23k多标星。△ 可从零开始项目出自一位印度少年之手，基于PyTorch。少年为向往机器学习的小伙伴们，指引了一条从萌新到老司机的进阶之路。新手可以从基础的基础开始学起，不止线性规划和随机森林，连笔记本怎么用，NumPy等重...

NumPy 官方中文教程，结合深度学习从原理开始，中文版增加理论介绍板块注意和深度学习的联系用户文档和参考手册：覆盖 NumPy 的一切其他资源及文档传送门NumPy 无疑是很多机器学习研究者和开发者的「白月光」。如此优秀的项目，没有中文版怎么行？近日，机器之心发现 NumPy 官方早在去年就已出了一个中文版网站，涵盖 NumPy 的一切。在 Github 上一度蝉联最流行的机器学习和数...