欢迎一起成长呀

sklearn基本流程

解决神经网络训练时，代码没正常结束导致内存泄露显存不足的问题

PoseNet深度网络进行6D位姿估计的训练，python3实现，相关的数据集、代码、环境版本、目录结构都可复现

详细介绍FastBup的接口参数用法、含义及适用情形，方便快速进行图像数据集的探索、去重、去噪等操作

KNN基础知识及其优化、参考文献、实操代码大总结与提炼

演示示例轨迹控制格式转换，参数含义解读，可视化点云转换

windows下可以借助git工具使用cat

包括环境搭建、数据集下载、数据集准备、代码实现、模型保存、常见报错及解决办法、部分参数调整，CVPR2022，RealBasicVSR，MMEditing复现，使用REDS数据集模拟进行迁移训练

可以利用多帧间的信息更好地完成超分，帧间是时间上的信息，像素点上体现空间上的信息。流程：对齐、融合、特征提取、重建

学习数据内在结构，建模数据分布，通过采样生成新数据，生成器来生成图像，判别器来判别生成图像和真实图像，二者对抗相互成长可以弥补生成图像过于平滑的不足

基于卷积网络的超分模型：SRCNN、FSRCNN、SRＲｅｓnet，与常用损失函

图像超分辨率Super Resolution基本介绍与常用方法：插值、稀疏编码、卷积网络、生成对抗网络

一种深度学习前端框架，目的是帮助大家方便快速地构建深度学习应用针对python语言如今的Keras已经不再支持多后端，而是专注于Tensorflow

本赛题任务是利用机器学习、深度学习等方法训练一个**预测**模型，该模型可以学习发债企业的相关信息，以预测发债企业未来一段时间内是否存在违约风险。赛题的难点在于数据集中包括大量的发债企业相关信息（股东信息、对外投资信息以及舆情信息等等），如何从中**提取有效的特征**并进行风险预测成为本赛题的关键问题。**正负样本数量差异**巨大，命题方期待大家有好多解决办法。...

官方地址（科大讯飞）随着市场饱和度的上升，电信运营商的竞争也越来越激烈，电信运营商亟待解决减少用户流失，延长用户生命周期的问题。对于客户流失率而言，每增加5%，利润就可能随之降低25%-85%。因此，如何减少电信用户流失的分析与预测至关重要。鉴于此，运营商会经常设有客户服务部门，该部门的职能主要是做好客户流失分析，赢回高概率流失的客户，降低客户流失率。某电信机构的客户存在大量流失情况，导致该机构的用户量急速下降。面对如此头疼的问题，该机构将部分客户数据开放，诚邀大家帮助他们建立流失预测模型来预测可能流失的客