ApacheCN 活动汇总 2019.7.5

公告

  1. 欢迎大家在我们平台上投放广告。如果你希望在我们的专栏、文档或邮件中投放广告,请准备好各种尺寸的图片和专属链接,联系咸鱼(QQ 1034616238)。
  2. 我们组织了一个开源互助平台,方便开源组织和大 V 互相认识,互相帮助,整合资源。请回复这个帖子并注明组织/个人信息来申请加入。
  3. 请回复这个帖子来推荐希望翻译的内容。如果大家遇到了做得不错的教程或翻译项目,也可以推荐给我们。我们会联系项目的维护者,一起把它变得更好。
  4. 我们的各个公众平台接受个人学习博文,论文解读,比赛心得等 AI 相关文章投稿,请将文章链接发到这里,我们会每日从所有投稿博文中精选两篇,在 ApacheCN 全平台推送。
  5. 为了能够将开源事业做大做强,ApacheCN 需要与公益基金会(IT、教育类)合作,欢迎大家提供帮助。同时我们也接受社会各界的捐助
  6. 如果你不希望再收到我们的邮件,请直接拉黑我们,不要浪费彼此的时间,谢谢合作。
  7. ByteInAI 是我们和 Datawhale、AI 有道、黄海广博士等组织或个人联合推出的 AI 垂直自媒体,是一个纯商业项目。如果你有意向投资这个项目,请联系 Datawhale(微信二维码)或咸鱼(QQ 1034616238)。

组织任务

https://gitee.com/apachecn/org-tasks/raw/master/docs/img/20190705-1.png

https://gitee.com/apachecn/org-tasks/raw/master/docs/img/20190705-2.png

认领须知:

  1. 请私聊片刻(529815144)、咸鱼(1034616238)、或飞龙(562826179)来认领任务,我们会把你拉进合伙人群。
  2. 除了列出的翻译项目之外,现有翻译项目不接受新的负责人。如果你打算贡献,请直接提交Pull Request。
  3. 如果你的想法没有列出(包括但不仅限于翻译项目),同样欢迎私聊我们。

翻译校对活动

百页机器学习小书

参与方式:https://github.com/apachecn/ml-book-100-zh/blob/master/CONTRIBUTING.md

整体进度:https://github.com/apachecn/ml-book-100-zh/issues/1

项目仓库:https://github.com/apachecn/ml-book-100-zh

认领:7/12,翻译:1/12

章节 贡献者 进度
零、前言 @PEGASUS1993 100%
一、介绍 @PEGASUS1993
二、符号和定义 @PEGASUS1993
三、基本算法 @Rachel-Hu
四、线性算法剖析 @P3n9W31
五、基本实践 @chengchengbai
六、神经网络和深度学习 @Everfighting
七、问题和答案
八、高级实践
九、无监督学习
十、其它学习形式
十一、总结

短篇集(校对)

参与方式:https://github.com/apachecn/misc-docs-zh/blob/master/CONTRIBUTING.md

整体进度:https://github.com/apachecn/misc-docs-zh/issues/1

项目仓库:https://github.com/apachecn/misc-docs-zh

关于卷积神经网络:认领:2/12,校对:2/12

章节 贡献者 进度
关于卷积神经网络 - -
1 @daewis 100%
2.1.1-2.1.3 @daewis 100%
2.1.4-2.1.6
2.2.1
2.2.2-2.2.3
2.3-2.4
3.1
3.2
3.3
3.4-3.5
4.1
4.2

写给不耐烦程序员的 JavaScript(校对)

参与方式:https://github.com/apachecn/impatient-js-zh/blob/master/CONTRIBUTING.md

整体进度:https://github.com/apachecn/impatient-js-zh/issues/1

项目仓库:https://github.com/apachecn/impatient-js-zh

认领:30/42,校对:28/42

章节 贡献者 进度
1.关于本书(ES2019 版) @YouWillBe 100%
2.常见问题:本书 @huangzijian888 100%
3. JavaScript 的历史和演变
4.常见问题:JavaScript
5.概览 @kj415j45 100%
6.语法 @lq920320 100%
7.在控制台上打印信息(console.* @lq920320 100%
8.断言 API @lq920320 100%
9.测验和练习入门 @so-hard 100%
10.变量和赋值 @so-hard 100%
11.值 @lq920320 100%
12.运算符 @wizardforcel 100%
13.非值undefinednull @wizardforcel 100%
14.布尔值 @wizardforcel 100%
15.数字 @wizardforcel 100%
16. Math @wizardforcel 100%
17. Unicode - 简要介绍(高级) @wizardforcel 100%
18.字符串 @wizardforcel 100%
19.使用模板字面值和标记模板 @wizardforcel 100%
20.符号 @wizardforcel 100%
21.控制流语句 @wizardforcel 100%
22.异常处理
23.可调用值
24.模块
25.单个对象
26.原型链和类 @lq920320 100%
27.同步迭代 @lq920320
28.数组(Array @52admln 100%
29.类型化数组:处理二进制数据(高级)
30.映射(Map @so-hard
31. WeakMaps(WeakMap
32.集(Set
33. WeakSets(WeakSet
34.解构 @Kavelaa 100%
35.同步生成器(高级)
36. JavaScript 中的异步编程 @Kavelaa 100%
37.异步编程的 Promise @iChrisJ 100%
38.异步函数 @iChrisJ 100%
39.正则表达式(RegExp @iChrisJ 100%
40.日期(Date @facebesidewyj 100%
41.创建和解析 JSON(JSON @xdyushenli
42.其余章节在哪里?

seaborn 0.9 中文文档

参与方式:https://github.com/apachecn/seaborn-doc-zh/blob/master/CONTRIBUTING.md

整体进度:https://github.com/apachecn/seaborn-doc-zh/issues/1

项目仓库:https://github.com/apachecn/seaborn-doc-zh

认领:64/74,翻译:47/74

序号 章节 译者 进度
1 An introduction to seaborn @yiran7324 100%
2 Installing and getting started @neolei 100%
3 Visualizing statistical relationships @JNJYan 100%
4 Plotting with categorical data @hold2010 100%
5 Visualizing the distribution of a dataset @alohahahaha 100%
6 Visualizing linear relationships @friedhelm739
7 Building structured multi-plot grids @keyianpai 100%
8 Controlling figure aesthetics @P3n9W31 100%
9 Choosing color palettes @Modrisco 100%
10 seaborn.relplot @Stuming
11 seaborn.scatterplot @tututwo
12 seaborn.lineplot @tututwo
13 seaborn.catplot @LIJIANcoder97 100%
14 seaborn.stripplot @LIJIANcoder97 100%
15 seaborn.swarmplot @LIJIANcoder97
16 seaborn.boxplot @FindNorthStar 100%
17 seaborn.violinplot @FindNorthStar 100%
18 seaborn.boxenplot @FindNorthStar 100%
19 seaborn.pointplot @FindNorthStar 100%
20 seaborn.barplot @melon-bun
21 seaborn.countplot @Stuming 100%
22 seaborn.jointplot @Stuming
23 seaborn.pairplot @Stuming
24 seaborn.distplot @hyuuo 100%
25 seaborn.kdeplot @hyuuo 100%
26 seaborn.rugplot @P3n9W31 100%
27 seaborn.lmplot @P3n9W31 100%
28 seaborn.regplot @P3n9W31 100%
29 seaborn.residplot @P3n9W31 100%
30 seaborn.heatmap @hyuuo 100%
31 seaborn.clustermap
32 seaborn.FacetGrid @hyuuo 100%
33 seaborn.FacetGrid.map @sfw134 100%
34 seaborn.FacetGrid.map_dataframe @sfw134 100%
35 seaborn.PairGrid @sfw134
36 seaborn.PairGrid.map @sfw134
37 seaborn.PairGrid.map_diag @sfw134
38 seaborn.PairGrid.map_offdiag @sfw134
39 seaborn.PairGrid.map_lower @sfw134
40 seaborn.PairGrid.map_upper @sfw134
41 seaborn.JointGrid
42 seaborn.JointGrid.plot
43 seaborn.JointGrid.plot_joint
44 seaborn.JointGrid.plot_marginals
45 seaborn.set @lbllol365
46 seaborn.axes_style @lbllol365
47 seaborn.set_style @lbllol365
48 seaborn.plotting_context
49 seaborn.set_context
50 seaborn.set_color_codes
51 seaborn.reset_defaults
52 seaborn.reset_orig
53 seaborn.set_palette @Modrisco 100%
54 seaborn.color_palette @Modrisco 100%
55 seaborn.husl_palette @Modrisco 100%
56 seaborn.hls_palette @Modrisco 100%
57 seaborn.cubehelix_palette @Modrisco 100%
58 seaborn.dark_palette @Modrisco 100%
59 seaborn.light_palette @Modrisco 100%
60 seaborn.diverging_palette @Modrisco 100%
61 seaborn.blend_palette @Modrisco 100%
62 seaborn.xkcd_palette @Modrisco 100%
63 seaborn.crayon_palette @Modrisco 100%
64 seaborn.mpl_palette @Modrisco 100%
65 seaborn.choose_colorbrewer_palette @Modrisco 100%
66 seaborn.choose_cubehelix_palette @Modrisco 100%
67 seaborn.choose_light_palette @Modrisco 100%
68 seaborn.choose_dark_palette @Modrisco 100%
69 seaborn.choose_diverging_palette @Modrisco 100%
70 seaborn.load_dataset @Modrisco 100%
71 seaborn.despine @Modrisco 100%
72 seaborn.desaturate @Modrisco 100%
73 seaborn.saturate @Modrisco 100%
74 seaborn.set_hls_values @Modrisco 100%

Git 中文参考(校对)

参与方式:https://github.com/apachecn/git-doc-zh/blob/master/CONTRIBUTING.md

整体进度:https://github.com/apachecn/git-doc-zh/issues/1

项目仓库:https://github.com/apachecn/git-doc-zh

认领:14/83,校对:12/83

序号 章节 贡献者 进度
1 git
2 git-config @honglyua 100%
3 git-help @honglyua 100%
4 git-init @honglyua 100%
5 git-clone @honglyua 100%
6 git-add @yulezheng 100%
7 git-status @honglyua 100%
8 git-diff @honglyua 100%
9 git-commit @yulezheng
10 git-reset @honglyua 100%
11 git-rm @honglyua 100%
12 git-mv @honglyua 100%
13 git-branch @honglyua 100%
14 git-checkout
15 git-merge
16 git-mergetool
17 git-log
18 git-stash
19 git-tag
20 git-worktree
21 git-fetch
22 git-pull @Mrhuangyi 100%
23 git-push @Mrhuangyi
24 git-remote
25 git-submodule
26 git-show
27 git-log
29 git-shortlog
30 git-describe
31 git-apply
32 git-cherry-pick
34 git-rebase
35 git-revert
36 git-bisect
37 git-blame
38 git-grep
39 gitattributes
40 giteveryday
41 gitglossary
42 githooks
43 gitignore
44 gitmodules
45 gitrevisions
46 gittutorial
47 gitworkflows
48 git-am
50 git-format-patch
51 git-send-email
52 git-request-pull
53 git-svn
54 git-fast-import
55 git-clean
56 git-gc
57 git-fsck
58 git-reflog
59 git-filter-branch
60 git-instaweb
61 git-archive
62 git-bundle
63 git-daemon
64 git-update-server-info
65 git-cat-file
66 git-check-ignore
67 git-checkout-index
68 git-commit-tree
69 git-count-objects
70 git-diff-index
71 git-for-each-ref
72 git-hash-object
73 git-ls-files
74 git-merge-base
75 git-read-tree
76 git-rev-list
77 git-rev-parse
78 git-show-ref
79 git-symbolic-ref
80 git-update-index
81 git-update-ref
82 git-verify-pack
83 git-write-tree

HBase 3.0 中文参考指南(校对)

参与方式:https://github.com/apachecn/hbase-doc-zh/blob/master/CONTRIBUTING.md

整体进度:https://github.com/apachecn/hbase-doc-zh/issues/1

项目仓库:https://github.com/apachecn/hbase-doc-zh

认领:18/31,校对:14/31

章节 贡献者 进度
Preface @xixici 100%
Getting Started @xixici 100%
Apache HBase Configuration @xixici 100%
Upgrading @xixici 100%
The Apache HBase Shell @xixici 100%
Data Model @Winchester-Yi
HBase and Schema Design @RaymondCode 100%
RegionServer Sizing Rules of Thumb
HBase and MapReduce @BridgetLai 100%
Securing Apache HBase
Architecture @RaymondCode
In-memory Compaction @mychaow 100%
Backup and Restore @mychaow 100%
Synchronous Replication @mychaow 100%
Apache HBase APIs @xixici 100%
Apache HBase External APIs @xixici 100%
Thrift API and Filter Language @xixici 100%
HBase and Spark @TsingJyujing 100%
Apache HBase Coprocessors @TsingJyujing
Apache HBase Performance Tuning
Troubleshooting and Debugging Apache HBase
Apache HBase Case Studies
Apache HBase Operational Management
Building and Developing Apache HBase
Unit Testing HBase Applications
Protobuf in HBase @TsingJyujing
Procedure Framework (Pv2): HBASE-12439
AMv2 Description for Devs
ZooKeeper
Community
Appendix

UCB Prob140:面向数据科学的概率论

参与方式:https://github.com/apachecn/prob140-textbook-zh/blob/master/CONTRIBUTING.md

整体进度:https://github.com/apachecn/prob140-textbook-zh/issues/2

项目仓库:https://github.com/apachecn/prob140-textbook-zh

认领:22/25,翻译:19/25

标题 译者 翻译进度
一、基础 飞龙 100%
二、计算几率 飞龙 100%
三、随机变量 飞龙 100%
四、事件之间的关系 @biubiubiuboomboomboom 100%
五、事件集合 >0%
六、随机计数 @viviwong 100%
七、泊松化 @YAOYI626 100%
八、期望 50%
九、条件(续) @YAOYI626 100%
十、马尔科夫链 喵十八 100%
十一、马尔科夫链(续) 喵十八 100%
十二、标准差 缺只萨摩 100%
十三、方差和协方差 缺只萨摩 100%
十四、中心极限定理 喵十八 100%
十五、连续分布 @ThunderboltSmile
十六、变换 @hellozhaihy
十七、联合密度 @Winchester-Yi 100%
十八、正态和 Gamma 族 @Winchester-Yi 100%
十九、和的分布 平淡的天 100%
二十、估计方法 平淡的天 100%
二十一、Beta 和二项 @lvzhetx 100%
二十二、预测 50%
二十三、联合正态随机变量 @JUNE951234
二十四、简单线性回归 @ThomasCai 100%
二十五、多元回归 @lanhaixuan 100%

Machine Learning Mastery(校对)

参与方式:https://github.com/apachecn/ml-mastery-zh/blob/master/CONTRIBUTING.md

整体进度:https://github.com/apachecn/ml-mastery-zh/issues/1

项目仓库:https://github.com/apachecn/ml-mastery-zh

Keras:认领:0/46,校对:0/46

XGBoost:认领:0/18,校对:0/18

章节 贡献者 进度
深度学习与 Keras - -
Keras 中神经网络模型的 5 步生命周期
在 Python 迷你课程中应用深度学习
Keras 深度学习库的二元分类教程
如何用 Keras 构建多层感知器神经网络模型
如何在 Keras 中检查深度学习模型
10 个用于 Amazon Web Services 深度学习的命令行秘籍
机器学习卷积神经网络的速成课程
如何在 Python 中使用 Keras 进行深度学习的度量
深度学习书籍
深度学习课程
你所知道的深度学习是一种谎言
如何设置 Amazon AWS EC2 GPU 以训练 Keras 深度学习模型(分步)
神经网络中批量和迭代之间的区别是什么?
在 Keras 展示深度学习模型训练历史
基于 Keras 的深度学习模型中的dropout正则化
评估 Keras 中深度学习模型的表现
如何评价深度学习模型的技巧
小批量梯度下降的简要介绍以及如何配置批量大小
在 Keras 中获得深度学习帮助的 9 种方法
如何使用 Keras 在 Python 中网格搜索深度学习模型的超参数
用 Keras 在 Python 中使用卷积神经网络进行手写数字识别
如何用 Keras 进行预测
用 Keras 进行深度学习的图像增强
8 个深度学习的鼓舞人心的应用
Python 深度学习库 Keras 简介
Python 深度学习库 TensorFlow 简介
Python 深度学习库 Theano 简介
如何使用 Keras 函数式 API 进行深度学习
Keras 深度学习库的多类分类教程
多层感知器神经网络速成课程
基于卷积神经网络的 Keras 深度学习库中的目标识别
流行的深度学习库
用深度学习预测电影评论的情感
Python 中的 Keras 深度学习库的回归教程
如何使用 Keras 获得可重现的结果
如何在 Linux 服务器上运行深度学习实验
保存并加载您的 Keras 深度学习模型
用 Keras 逐步开发 Python 中的第一个神经网络
用 Keras 理解 Python 中的有状态 LSTM 循环神经网络
在 Python 中使用 Keras 深度学习模型和 Scikit-Learn
如何使用预训练的 VGG 模型对照片中的物体进行分类
在 Python 和 Keras 中对深度学习模型使用学习率调度
如何在 Keras 中可视化深度学习神经网络模型
什么是深度学习?
何时使用 MLP,CNN 和 RNN 神经网络
为什么用随机权重初始化神经网络?
XGBoost - -
通过在 Python 中使用 XGBoost 提前停止来避免过度拟合
如何在 Python 中调优 XGBoost 的多线程支持
如何配置梯度提升算法
在 Python 中使用 XGBoost 进行梯度提升的数据准备
如何使用 scikit-learn 在 Python 中开发您的第一个 XGBoost 模型
如何在 Python 中使用 XGBoost 评估梯度提升模型
在 Python 中使用 XGBoost 的特征重要性和特征选择
浅谈机器学习的梯度提升算法
应用机器学习的 XGBoost 简介
如何在 macOS 上为 Python 安装 XGBoost
如何在 Python 中使用 XGBoost 保存梯度提升模型
从梯度提升开始,比较 165 个数据集上的 13 种算法
在 Python 中使用 XGBoost 和 scikit-learn 进行随机梯度提升
如何使用 Amazon Web Services 在云中训练 XGBoost 模型
在 Python 中使用 XGBoost 调整梯度提升的学习率
如何在 Python 中使用 XGBoost 调整决策树的数量和大小
如何在 Python 中使用 XGBoost 可视化梯度提升决策树
在 Python 中开始使用 XGBoost 的 7 步迷你课程

Pytorch 1.0 中文文档

参与方式:https://github.com/apachecn/pytorch-doc-zh/blob/master/CONTRIBUTING.md

整体进度:https://github.com/apachecn/pytorch-doc-zh/issues/274

项目仓库:https://github.com/apachecn/pytorch-doc-zh

翻译活动:认领:75/76,翻译:70/76

校对活动:认领:18/76,校对:1/76

章节 译者 进度 校验者 进度
教程部分 - - - -
Deep Learning with PyTorch: A 60 Minute Blitz @bat67 100% @AllenZYJ
What is PyTorch? @bat67 100% @AllenZYJ
Autograd: Automatic Differentiation @bat67 100% @AllenZYJ
Neural Networks @bat67 100% @AllenZYJ
Training a Classifier @bat67 100% @AllenZYJ
Optional: Data Parallelism @bat67 100%
Data Loading and Processing Tutorial @yportne13 100%
Learning PyTorch with Examples @bat67 100% @Smilexuhc
Transfer Learning Tutorial @jiangzhonglian 100% @infdahai
Deploying a Seq2Seq Model with the Hybrid Frontend @cangyunye 100%
Saving and Loading Models @bruce1408 100% @luxinfeng
What is torch.nn really? @lhc741 100% @luxinfeng
Finetuning Torchvision Models @ZHHAYO 100% @luxinfeng
Spatial Transformer Networks Tutorial @PEGASUS1993 100% @Smilexuhc
Neural Transfer Using PyTorch @bdqfork 100%
Adversarial Example Generation @cangyunye 100% @infdahai
Transfering a Model from PyTorch to Caffe2 and Mobile using ONNX @PEGASUS1993 100%
Chatbot Tutorial @a625687551 100% @enningxie
Generating Names with a Character-Level RNN @hhxx2015 100% @hijkzzz 100%
Classifying Names with a Character-Level RNN @hhxx2015 100% @hijkzzz
Deep Learning for NLP with Pytorch @bruce1408 100%
Introduction to PyTorch @guobaoyo 100%
Deep Learning with PyTorch @bdqfork 100%
Word Embeddings: Encoding Lexical Semantics @sight007 100% @Smilexuhc
Sequence Models and Long-Short Term Memory Networks @ETCartman 100%
Advanced: Making Dynamic Decisions and the Bi-LSTM CRF @enningxie
Translation with a Sequence to Sequence Network and Attention @mengfu188 100%
DCGAN Tutorial @wangshuai9517 100% @infdahai
Reinforcement Learning (DQN) Tutorial @friedhelm739 100% @infdahai
Creating Extensions Using numpy and scipy @cangyunye 100%
Custom C++ and CUDA Extensions @P3n9W31 100%
Extending TorchScript with Custom C++ Operators @sunxia233
Writing Distributed Applications with PyTorch @firdameng 100%
PyTorch 1.0 Distributed Trainer with Amazon AWS @yportne13 100%
ONNX Live Tutorial @PEGASUS1993 100%
Loading a PyTorch Model in C++ @talengu 100%
Using the PyTorch C++ Frontend @solerji 100%
文档部分 - - - -
Autograd mechanics @PEGASUS1993 100%
Broadcasting semantics @PEGASUS1993 100%
CUDA semantics @jiangzhonglian 100%
Extending PyTorch @PEGASUS1993 100%
Frequently Asked Questions @PEGASUS1993 100%
Multiprocessing best practices @cvley 100%
Reproducibility @bruce1408
Serialization semantics @yuange250 100%
Windows FAQ @PEGASUS1993 100%
torch @infdahai
torch.Tensor @hijkzzz 100%
Tensor Attributes @yuange250 100%
Type Info @PEGASUS1993 100%
torch.sparse @hijkzzz 100%
torch.cuda @bdqfork 100%
torch.Storage @yuange250 100%
torch.nn @gongel 100%
torch.nn.functional @hijkzzz 100%
torch.nn.init @GeneZC 100%
torch.optim @zonasw
Automatic differentiation package - torch.autograd @gfjiangly 100%
Distributed communication package - torch.distributed @univeryinli 100%
Probability distributions - torch.distributions @hijkzzz 100%
Torch Script @keyianpai 100%
Multiprocessing package - torch.multiprocessing @hijkzzz 100%
torch.utils.bottleneck @belonHan 100%
torch.utils.checkpoint @belonHan 100%
torch.utils.cpp_extension @belonHan 100%
torch.utils.data @BXuan694 100%
torch.utils.dlpack @kunwuz 100%
torch.hub @kunwuz 100%
torch.utils.model_zoo @BXuan694 100%
torch.onnx @guobaoyo 100%
Distributed communication package (deprecated) - torch.distributed.deprecated @luxinfeng 100%
torchvision Reference @BXuan694 100%
torchvision.datasets @BXuan694 100%
torchvision.models @BXuan694 100%
torchvision.transforms @BXuan694 100%
torchvision.utils @BXuan694 100%

TensorFlow 2.0 中文文档

整体进度:https://github.com/apachecn/tensorflow-doc-zh/issues/3

项目仓库:https://github.com/apachecn/tensorflow-doc-zh

认领:2/70,翻译:2/70

章节 译者 进度 校验者 进度
快速入门 - - - -
开始使用TensorFlow 2.0 @jiangzhonglian 100% - -
Effective TensorFlow 2 - - - -
Migrate from TF 1 to TF 2 - - - -
Convert with the upgrade script - - - -
Get started for beginners - - - -
Get started for experts - - - -
初学者教程 - - - -
ML basics - - - -
Overview - - - -
Classify images - - - -
Classify text - - - -
Classify structured data - - - -
Regression - - - -
Overfitting and underfitting - - - -
Save and restore models - - - -
Images - - - -
Convolutional neural networks - - - -
Transfer learning with TFHub - - - -
Transfer learning with pretrained CNNs - - - -
文本和序列 - - - -
Word Embeddings 简介 @jiangzhonglian 100% - -
Classify preprocessed text - - - -
Classify text with a RNN - - - -
Estimators - - - -
Premade estimators - - - -
Linear models - - - -
ADVANCED TUTORIALS - - - -
Customization - - - -
Overview - - - -
Tensors and operations - - - -
Custom layers - - - -
Automatic differentiation - - - -
Custom training: basics - - - -
Custom training: walkthrough - - - -
TF function and AutoGraph - - - -
Text and sequences - - - -
Generate text with an RNN - - - -
Translation with attention - - - -
Image captioning - - - -
Transformer model for language understanding - - - -
lmage generation - - - -
Style transfer - - - -
DCGAN - - - -
Pix2Pix - - - -
CycleGAN - - - -
Variational autoencoder - - - -
Adversarial FGSM - - - -
Load and preprocess data - - - -
CSV - - - -
Numpy - - - -
Pandas - - - -
lmages - - - -
Text - - - -
TFRecords - - - -
Unicode - - - -
TF.Text - - - -
Distributed training - - - -
Distributed training - - - -
Distributed training with custom - - - -
training loops - - - -
Multi worker training with - - - -
Estimator - - - -
Multi worker training with Keras - - - -
GUIDE - - - -
Eager essentials - - - -
Variables - - - -
AutoGraph - - - -
Keras - - - -
Keras overview - - - -
Keras functional API - - - -
Train and evaluate - - - -
Write layers and models from scratch - - - -
Save and serialize models - - - -
Write custom callbacks - - - -
Accelerators - - - -
Distribution strategy - - - -
Using GPU - - - -
Data input pipelines - - - -
tf.data Overview - - - -
Performance - - - -
Serialization - - - -
Checkpoints - - - -
Saved models - - - -
Misc - - - -
Version compatibility - - - -

认领完毕

OpenCV 4.0 中文教程

参与方式:https://github.com/apachecn/opencv-doc-zh/blob/master/CONTRIBUTING.md

整体进度:https://github.com/apachecn/opencv-doc-zh/issues/1

项目仓库:https://github.com/apachecn/opencv-doc-zh

认领:51/51,翻译:26/51。

UCB CS61b:Java 中的数据结构

参与方式:https://github.com/apachecn/cs61b-textbook-zh/blob/master/CONTRIBUTING.md

整体进度:https://github.com/apachecn/cs61b-textbook-zh/issues/1

项目仓库:https://github.com/apachecn/cs61b-textbook-zh

认领:12/12,翻译:10/12

笔记整理活动

CS224n 自然语言处理

参与方式:https://github.com/apachecn/stanford-cs224n-notes-zh/blob/master/CONTRIBUTING.md

整体进度:https://github.com/apachecn/stanford-cs224n-notes-zh/issues/1

项目仓库:https://github.com/apachecn/stanford-cs224n-notes-zh

认领:12/20,整理:0/20

章节 贡献者 进度
Lecture 1 @cx123cx456
Lecture 2 @AllenZYJ
Lecture 3 @cx123cx456
Lecture 4 @ZSIRS
Lecture 5 @ZSIRS
Lecture 6 @ZSIRS
Lecture 7 @neolei
Lecture 8 @Qichao-Ge
Lecture 9 @NewDreamstyle192
Lecture 10 @enningxie
Lecture 11
Lecture 12
Lecture 13
Lecture 14
Lecture 15
Lecture 16
Lecture 17 @pingjing233
Lecture 18
Lecture 19
Lecture 20 @Willianan

宣传活动

PyTorch 1.0

整体进度:https://github.com/apachecn/pytorch-doc-zh/issues/372

项目仓库:https://github.com/apachecn/pytorch-doc-zh

章节 OSChina SegmentFault 掘金 简书 搜狐号 百家号 知乎专栏
教程部分
Deep Learning with PyTorch: A 60 Minute Blitz
What is PyTorch?
Autograd: Automatic Differentiation
Neural Networks
Training a Classifier
Optional: Data Parallelism
Data Loading and Processing Tutorial
Learning PyTorch with Examples
Transfer Learning Tutorial
Deploying a Seq2Seq Model with the Hybrid Frontend
Saving and Loading Models
What is torch.nn really?
Finetuning Torchvision Models
Spatial Transformer Networks Tutorial
Neural Transfer Using PyTorch
Adversarial Example Generation
Transfering a Model from PyTorch to Caffe2 and Mobile using ONNX
Chatbot Tutorial
Generating Names with a Character-Level RNN
Classifying Names with a Character-Level RNN
Deep Learning for NLP with Pytorch
Introduction to PyTorch
Deep Learning with PyTorch
Word Embeddings: Encoding Lexical Semantics
Sequence Models and Long-Short Term Memory Networks
Advanced: Making Dynamic Decisions and the Bi-LSTM CRF
Translation with a Sequence to Sequence Network and Attention
DCGAN Tutorial
Reinforcement Learning (DQN) Tutorial
Creating Extensions Using numpy and scipy
Custom C++ and CUDA Extensions
Extending TorchScript with Custom C++ Operators
Writing Distributed Applications with PyTorch
PyTorch 1.0 Distributed Trainer with Amazon AWS
ONNX Live Tutorial
Loading a PyTorch Model in C++
Using the PyTorch C++ Frontend
文档部分
Autograd mechanics
Broadcasting semantics
CUDA semantics
Extending PyTorch
Frequently Asked Questions
Multiprocessing best practices
Reproducibility
Serialization semantics
Windows FAQ
torch
torch.Tensor
Tensor Attributes
Type Info
torch.sparse
torch.cuda
torch.Storage
torch.nn
torch.nn.functional
torch.nn.init
torch.optim
Automatic differentiation package - torch.autograd
Distributed communication package - torch.distributed
Probability distributions - torch.distributions
Torch Script
Multiprocessing package - torch.multiprocessing
torch.utils.bottleneck
torch.utils.checkpoint
torch.utils.cpp_extension
torch.utils.data
torch.utils.dlpack
torch.hub
torch.utils.model_zoo
torch.onnx
Distributed communication package (deprecated) - torch.distributed.deprecated
torchvision Reference
torchvision.datasets
torchvision.models
torchvision.transforms
torchvision.utils

关于我们

我们是一个大型开源社区,旗下 QQ 群共一万余人,订阅用户至少一万人。Github Star 数量超过 40k 个,在所有 Github 组织中排名前 150。网站日 uip 超过 4k,Alexa 排名的峰值为 20k。我们的核心成员拥有 CSDN 博客专家简书程序员优秀作者认证。我们与 DatawhaleAI 有道黄海广博士等国内知名开源组织和大 V 合作,组织公益性的翻译活动、学习活动和比赛组队活动。

与商业组织不同,我们并不会追逐热点,或者唯利是图。作为公益组织,我们将完成项目放在首要位置,并有足够时间把项目打磨到极致。我们希望做出广大 AI 爱好者真正需要的东西,打造真正有价值的长尾作品。

赞助我们

在这里插入图片描述

展开阅读全文

150讲轻松搞定Python网络爬虫

05-16
【为什么学爬虫?】        1、爬虫入手容易,但是深入较难,如何写出高效率的爬虫,如何写出灵活性高可扩展的爬虫都是一项技术活。另外在爬虫过程中,经常容易遇到被反爬虫,比如字体反爬、IP识别、验证码等,如何层层攻克难点拿到想要的数据,这门课程,你都能学到!        2、如果是作为一个其他行业的开发者,比如app开发,web开发,学习爬虫能让你加强对技术的认知,能够开发出更加安全的软件和网站 【课程设计】 一个完整的爬虫程序,无论大小,总体来说可以分成三个步骤,分别是: 网络请求:模拟浏览器的行为从网上抓取数据。 数据解析:将请求下来的数据进行过滤,提取我们想要的数据。 数据存储:将提取到的数据存储到硬盘或者内存中。比如用mysql数据库或者redis等。 那么本课程也是按照这几个步骤循序渐进的进行讲解,带领学生完整的掌握每个步骤的技术。另外,因为爬虫的多样性,在爬取的过程中可能会发生被反爬、效率低下等。因此我们又增加了两个章节用来提高爬虫程序的灵活性,分别是: 爬虫进阶:包括IP代理,多线程爬虫,图形验证码识别、JS加密解密、动态网页爬虫、字体反爬识别等。 Scrapy和分布式爬虫:Scrapy框架、Scrapy-redis组件、分布式爬虫等。 通过爬虫进阶的知识点我们能应付大量的反爬网站,而Scrapy框架作为一个专业的爬虫框架,使用他可以快速提高我们编写爬虫程序的效率和速度。另外如果一台机器不能满足你的需求,我们可以用分布式爬虫让多台机器帮助你快速爬取数据。   从基础爬虫到商业化应用爬虫,本套课程满足您的所有需求! 【课程服务】 专属付费社群+每周三讨论会+1v1答疑
©️2020 CSDN 皮肤主题: 黑客帝国 设计师: 上身试试 返回首页
实付0元
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值