深度学习

01 Tkinter Tkinter模块是 Python 的标准Tk GUI工具包的接口，它并不是必须掌握的，但是 掌握一个Python的标准图形库还是非常有意思的一件事 。 它可以跨平台运行在 Windows，Linux和Mac等系统上。 这篇文章不会介绍如何灵活地运用Tkinter，而是阐述Tkinter这个库包括什么，它能干什么！ 02 第一个Tk-GUI from tkinter import * root=Tk() root.title('first tk gui') root.geometry('500x200') x = Label(root,text='Hello',bg='green',font=('Arial',12),width=15,height=2) x.pack() x.mainloop() 首先导入tkinter 模块，这个模块包括了所需要的所有的类和函数 然后，需要创建一个（根）窗口，它是一个普通的窗口，带有标题栏、最小化按钮、最大化按钮等，即：root = Tk() ，调用title接口，geometry分别设置根窗口的标题，大小。 然后我们就可以在该窗口上创建一个Label，即贴一个标签，这个Label可以显示文本、图标、图像等等。我们这里使用text来指定要显示的文本，而第一个参数root，表明x的父控件是root

向AI转型的程序员都关注了这个号 👇👇👇 人工智能大数据与深度学习 公众号：datayx 自学SPSS，有哪些教学视频或书籍推荐? 因为项目的需要，想自学spss软件，请问有哪些比较好的教学视频或自学书籍可以借鉴? SPSS主要有两个产品：统计分析的Statistics，以及数据挖掘的Modeler 一、楼主想学Statistics，研究统计分析的话，我会推荐张文彤如下的系列： 1.SPSS统计分析基础教程 (豆瓣) 豆瓣评分8.4 以真实案例贯穿全书，从统计分析实战的角度出发详细介绍SPSS的界面操作、数据管理、统计图表制作、统计描述和常用单因素统计分析方法的原理与实际操作，并结合SPSS的强大功能进行很好地扩展。书中还提供医疗、经济、市场研究等各行业的综合案例，完全从实际案例出发讲解各类方法的综合运用，以更好地协助读者提高实战能力。 2.高等学校教材 (豆瓣)（SPSS统计分析高级教程）豆瓣评分7.7 《高等学校教材：SPSS统计分析高级教程（第2版）》以IBMSPSSStatistics20中文版为基础，全面、系统地介绍了各种多变量统计模型、多元统计分析模型、智能统计分析方法的原理和软件实现。在书中作者结合自身多年的统计分析实战和SPss行业应用经验，侧重于对统计新方法、新观点的讲解。在保证统计理论严谨的同时，又充分注重了文字的浅显易懂，使《高等学校教材

　　Ubuntu适用于笔记本电脑、台式电脑和服务器，尤其适合桌面用户。随着CentOS系统版本的变化，越来越多的人关注Ubuntu。渐渐地，很多人开始学习Ubuntu版本。Ubuntu Linux和CentOS Linux一样，都是开源的、自由系统软件。Ubuntu的目标是让每个人都得到一个易于使用的Linux系统版本。那么如何学习Ubuntu用法？Linux发展前景如何？ 　　如何学习Ubuntu用法？ 　　(1)如果有其他Linux经验，可以快速上手。 　　(2)如果没有接触过Linux，建议系统学习Linux运维知识。 　　(3)学习官网的文档，但是对于初学者来说，官网的文档比较晦涩难懂。 　　Linux发展前景如何？ 　　(1)从互联网到开发阶段，门户、 BAT从2000年发展到2010年。这个时候网络主要是PC。 　　(2)从互联网到移动互联网10年，从2010年到2020年，出现了很多移动软件应用。这时候除了PC，网络端还有更多手机、平板。 　　(3)而现下是物联网+人工智能的时代。人工智能的基础是大数据和机器学习、深度学习，Linux的应用也在不断发展。上网的人越来越多，市场对服务器稳定性和个性化的要求也越来越高。所以Linux作为承载数据的后端服务器非常重要，Linux运维人员的需求也在逐渐增加。 　　(4)目前各大企业都在从windows切换到Linux

使用PaddleOCR，训练自己的模型 前言______PaddleOcr的安装与准备工作 资料准备 1. 下载icdar2015图片集 2. 下载icdar2015数据集配套的标注文件 3.组织数据集路径 4.下载预训练模型 5.组织预训练模型路径 6.修改配置文件 ~~设置完成，开始训练~~ 到了紧张刺激的DEBUG环节才对 如何制作自己的数据集？ 模型评估与模型检查 ps：为方便读者文章中需要用到的文件均使用我的网盘分享下载，同时也会给出官网下载地址 前言______PaddleOcr的安装与准备工作 1.PaddleOcr相关组件安装我在上一个博客中已经介绍完毕→ PaddleOcr安装与使用全程指南 ←点击跳转 2.下载PaddleOcr官方文件包， https://kyc592.lanzous.com/i5C7Gkojm7c 密码:kyc 或官网下载地址：https://gitee.com/paddlepaddle/PaddleOCR 然后解压到项目文件夹的根目录下。 一定确保按照前一篇博客操作完毕，Paddleocr可以正常运行，尽量减少待会出现的极 其 繁 重的debug工作。 至此完成准备工作。 资料准备 训练自己的模型，需要的资料有： ①训练用的图片集 ②测试用的图片集 ③前面两个图片集配套的标注文件 ④预训练模型 1. 下载icdar2015图片集 演示采用的

向AI转型的程序员都关注了这个号 👇👇👇 机器学习AI算法工程 公众号：datayx crnn.pytorch 本工程使用随机生成的水平和垂直图像训练crnn模型做文字识别;一共使用10多种不同字体;共包括数字、字符、简体和繁体中文字30656个,详见all_words.txt。 预测 1.1 直接预测 1.2 使用restful服务预测 模型效果 2.1 水平方向 2.2 垂直方向 评估 训练 代码 以及运行教程 获取： 关注微信公众号 datayx 然后回复 OCR 即可获取。 AI项目体验地址 https://loveai.tech 预测 直接预测 a) 执行如下命令预测单个图像 使用restful服务预测 a) 启动restful服务 模型效果 以下图像均来为生成器随机生成的,也可以试用自己的图像测试 水平方向 垂直方向 从左到右识别结果 评估 a) 水平方向 训练 a) 单机多卡 阅读过本文的人还看了以下文章： TensorFlow 2.0深度学习案例实战 基于40万表格数据集TableBank，用MaskRCNN做表格检测 《基于深度学习的自然语言处理》中/英PDF Deep Learning 中文版初版-周志华团队 【全套视频课】最全的目标检测算法系列讲解，通俗易懂！ 《美团机器学习实践》_美团算法团队.pdf 《深度学习入门：基于Python的理论与实现

可以明确的说，如果不自己一步步调试作业代码，很难看懂作业内容。 这里主要梳理一下作业的主要内容和思路，完整作业文件可参考: http://localhost:8888/tree/Andrew-Ng-Deep-Learning-notes/assignments/C1W2 作业完整截图，参考本文结尾：作业完整截图。 作业指导及目标 Logistic Regression with a Neural Network mindset（用神经网络的思路实现Logistic回归） Welcome to your first (required) programming assignment! You will build a logistic regression classifier to recognize cats. This assignment will step you through how to do this with a Neural Network mindset, and so will also hone your intuitions about deep learning. Instructions: Do not use loops (for/while) in your code, unless the instructions explicitly ask

关注 “重度前端” 助力前端深度学习 ━━━━━ 前言 2018年的秋天，金九银十的秋招季🍁，很荣幸，我也加入了跳槽求职的大部队🙃,虽然招聘热潮没有每年年初那样疯狂，但是还是看得出很多公司都在大量的求贤，和以往的跳槽不同，这次我主要通过猎头去寻找面试机会，因为在上一份工作中从猎头那里尝到了一点甜头，那就是会帮你要薪资嘛😏。 但是也有不好的地方，我把我的简历在猎聘等招聘平台上公开后，每天都有不计其数的猎头打电话过来推荐职位，而且每个猎头都要加到你的微信，可能会出现的问题是，他们给你推荐的职位不一定是你喜欢的公司，也不一定是适合你的，有的公司当你去面试了才发现你并不喜欢，这就浪费了双方的时间成本。 所以最近面了很多家，大厂、中厂、小厂、创业的都面过，见识到了各种面试官，也被问到各种面试题，也收到几个offer，但自己满意的确甚少，回想最近的经历，想做一个总结，总结一下面试中可以用的一些套路，和可能会遇到的一些套路。 正文 我把整个面试分为面试前、面试中、和面试后三个阶段，每个阶段都有每个阶段的套路。 我想到的和遇到的套路有限，后续会补充更新，所以这条“路”暂时还没有很长。。。 话不多数，上车🚌。。。 面试前 1. 简历的准备 好的简历是获取更多面试机会的前提，关于如何写一份优质的简历和简历优化等方面的话题我也不是专家，在这里说一下自己的总结。 简历中的重要部分 你目前掌握的技能

百度前首席科学家、斯坦福大学副教授吴恩达（Andrew Ng）曾经说过：迁移学习将是继监督学习之后的下一个促使机器学习成功商业化的驱动力。 本文选自《深度学习500问：AI工程师面试宝典》，将重点介绍目前最热门的深度迁移学习方法的基本思路。 随着迁移学习方法的大行其道，越来越多的研究人员开始使用深度神经网络进行迁移学习。与传统的非深度迁移学习方法相比，深度迁移学习直接提升了在不同任务上的学习效果，并且由于深度迁移学习直接对原始数据进行学习，所以它与非深度迁移学习方法相比有两个优势。 （1）能够自动化地提取更具表现力的特征。 （2）满足了实际应用中的端到端（End-to-End）需求。 近年来，以生成对抗网络（Generative Adversarial Nets，GAN）为代表的对抗学习也吸引了很多研究者的目光，基于GAN的各种变体网络不断涌现。对抗学习网络与传统的深度神经网络相比，极大地提升了学习效果。因此，基于对抗网络的迁移学习也是一个热门的研究点。 上图为深度迁移学习方法与非深度迁移学习方法的结果对比，展示了近几年的一些代表性方法在相同数据集上的表现。从图中的结果可以看出，与传统的非深度迁移学习方法（TCA、GFK等）相比， 深度迁移学习方法（BA、DDC、DAN）在精度上具有显著的优势。 下面我们来重点介绍深度迁移学习方法的基本思路。 首先来回答一个最基本的问题

ACL2021目前距离投稿还有10天左右时间。之前建立了交流群，方便大家交流。 有投稿的同学可以加群交流，进群的各位同学请将备注改为 姓名+学校+方向 ，便于交流，大家交流的时候不要透露投稿id，不要透露任何违背双盲原则的信息，感谢大家配合。 想要入群的同学，可以添加yizhen-nlp ，备注 ACL-学校-姓名-方向（由于是我个人的微信号，不加备注不会接受同意，望谅解），一定要有投稿需求的同学，谢谢 。 推荐阅读 NAACL2021-交流群 【招人】腾讯广告业务线 赛尔笔记 | 篇章级机器翻译简介 清华CoAI课题组新书《现代自然语言生成》正式发布！ GPT“高仿”系列开源了！最大可达GPT-3大小，还能自主训练 ACL 2021投稿避坑指南 我，大学没毕业，在OpenAI搞AI，想教教你如何提升“研究品味” 推荐几本经典AI书籍！ 赛尔原创@AAAI 2021 | 纠结于联合学习中的建模方法？快来看看图网络显式建模! 如何提高PyTorch“炼丹”速度？这位小哥总结了17种方法，可直接上手更改的那种 斯坦福CS224W《图机器学习》2021开课！Jure Leskovec大牛主讲，附课程PPT下载 ICLR2021放榜！录取860篇，接受率为28.7%！ 计算机视觉中的Transformer 第二十届中国计算语言学大会（CCL 2021）技术评测任务征集 完全图解GPT-2

PaperWeekly 致力于推荐最棒的工作机会，精准地为其找到最佳求职者，做连接优质企业和优质人才的桥梁。如果你需要我们帮助你发布实习或全职岗位，请添加微信号 「pwbot02」 。 阿里安全设备风控团队招人啦~ 团队站在黑灰产攻防技术前沿，服务于整个阿里数字经济体。是集团唯一一只专注于设备风控及设备指纹的团队。团队技术氛围浓厚、小伙伴专业靠谱，包括但不限于 frida-ios-dump 作者、GeekPwn 获奖选手、CTF 大佬。在这里，基于复杂业务场景的攻防对抗每天都在发生。数字技术正在构建前所未有的全新世界，身处变化的前沿，我们面对的是互联网企业中最为丰富的业态和风险。毫无疑问，这是对检验和提升自身能力最好的练兵场。 高级数据挖掘工程师 工作地点： 杭州 薪资： 提供业内有竞争力的薪资，具体视能力而定。 岗位描述： 1. 挖掘并分析设备行为序列，搭建异常检测模型； 2. 应用机器学习相关技术，挖掘异常数据； 3. 安全检测领域前沿技术跟踪，结合已有数据基础，进行原型系统的研发和验证。 岗位要求： 1. 良好的逻辑思考能力，可以从海量数据中挖掘出有价值的规律； 2. 熟悉至少一种常用深度学习框架（Tensorflow, PyTorch）； 3. 熟悉异常检测常用算法及评价指标； 4. ASR、NLP 及时间序列信号分析相关领域经验优先； 5. 天池、Kaggle