作者|Michael Chau
编译|VK
来源|Towards Data Science
大家都知道Scikit-Learn——它是数据科学家基本都知道的产品，提供了几十种易于使用的机器学习算法。它还提供了两种现成的技术来解决超参数调整问题：网格搜索（GridSearchCV）和随机搜
作者|Renu Khandelwal
编译|VK
来源|Towards Data Science
在本文中，你将学习如何加载自定义数据和创建图像序列和测试数据集，作为深度学习模型的输入。
Open CV2
PIL
这里使用的数据集是来自Kaggle的Intel图像分类。
数据集链接：htt
作者|SHIPRA SAXENA
编译|Flin
来源|analyticsvidhya
总览
计算机视觉是一种允许数字世界与现实世界互动的技术。
探索5个最热门的计算机视觉应用程序
使用计算机视觉进行姿态估计
使用Gans进行图像转换
开发社交距离工具的计算机视觉
将2D图像转换为3
作者|Richmond Alake
编译|Flin
来源|towardsdatascience
介绍
我真不敢相信，离我写第一篇详细描述了我第一天的职业生活的文章已经有六个月了。
时间过得真快。
所以，欢迎再次光临我作为计算机视觉工程师的在线日志。
在这篇文章中，你可以看到一个计算机视觉
作者|PULKIT SHARMA
编译|Flin
来源|analyticsvidhya
介绍
图像分类是计算机视觉的最重要应用之一。它的应用范围包括从自动驾驶汽车中的物体分类到医疗行业中的血细胞识别，从制造业中的缺陷物品识别到建立可以对戴口罩与否的人进行分类的系统。在所有这些行业中，图像分
今天为大家介绍五篇值得阅读的ECCV 2020 oral【图像识别】相关论文。ECCV与CVPR、ICCV并称为计算机视觉领域三大顶会。ECCV 2020共有5025篇投稿，其中1361篇被接受，接受率为27%。
ECCV 2020接受论文列表地址：
https://eccv2020.eu
作者|Aakarsh Yelisetty
编译|Flin
来源|towardsdatascience
让我们看看如何在涉及文本识别的自定义数据集上使用FAIR（Facebook AI Research）的Detectron 2进行实例检测。
你是否尝试过使用你自己选择的自定义数据集从头开
作者|Andrew Kuo
编译|VK
来源|Towards Data Science
遗传算法是一个优化技术，在本质上类似于进化过程。这可能是一个粗略的类比，但如果你眯着眼睛看，达尔文的自然选择确实大致上类似于一个优化任务，其目的是制造出完全适合在其环境中繁衍生息的有机体。
在本文中，我
作者|Abhijit Gupta
编译|VK
来源|Towards Data Science
介绍
自然语言处理（NLP）是一个令人生畏的领域名称。从非结构化文本中生成有用的结论是很困难的，而且有无数的技术和算法，每一种都有自己的用例和复杂性。作为一个接触NLP最少的开发人员，很难知道要
作者|Ivan Ralašić
编译|VK
来源|Analytics Vidhya
Tensorflow目标检测API（TF OD API）刚刚变得更好。最近，Google发布了tf od api的新版本，它现在支持Tensorflow 2.x，这是一个我们一直在等待的巨大改进！
简
作者|GUEST
编译|VK
来源|Analytics Vidhya
介绍
SimCLR论文(http://cse.iitkgp.ac.in/~arastogi/papers/simclr.pdf)解释了这个框架如何从更大的模型和更大的批处理中获益，并且如果有足够的计算能力，可以产生与监督
作者|GUEST
编译|VK
来源|Analytics Vidhya
介绍
目标检测是计算机视觉中一个非常重要的领域，对于自动驾驶、视频监控、医疗应用和许多其他领域都是必要的。
我们正在与一场规模空前的传染病作斗争。全世界的研究人员都在试图开发一种疫苗或治疗COVID-19的方法，而医生
作者|Rashida Nasrin Sucky
编译|VK
来源|Medium
神经网络已经被开发用来模拟人脑。虽然我们还没有做到这一点，但神经网络在机器学习方面是非常有效的。它在上世纪80年代和90年代很流行，最近越来越流行。计算机的速度足以在合理的时间内运行一个大型神经网络。在本文中
作者|Khuyen Tran
编译|VK
来源|Towards Datas Science
动机
应用不同的python代码来处理notebook中的数据是很有趣的，但是为了使代码具有可复制性，你需要将它们放入函数和类中。将代码放入脚本时，代码可能会因某些函数而中断。那么，如何检查你的功
作者|Bex Tuychiev
编译|VK
来源|Towards Datas Science
介绍
本文的目标是让你对使用Seaborn的relplot()函数绘制统计图有一定的了解。
当我开始学习数据可视化时，我第一次被介绍到Matplotlib。它是一个如此巨大的库，你几乎可以看
作者|Renan Ferreira
编译|VK
来源|Towards Datas Science
典型的数据科学工作流由以下步骤组成：
确定业务需求->数据获取->数据准备->数据分析->共享数据见解
每一个步骤都需要一套专业知识，这些专业知识可分为：
数据工
下载 SDK Managerhttps://developer.nvidia.com/nvidia-sdk-manager-archive在虚拟机中安装运行sdkmanager$ sdkmanager磁盘空间要满足要求，安装的时候需要很大的空间，磁盘空间不足会导致安装失败屏幕分辨率要满足要
1. 统计学习
1.1 统计学习的方法
基于数据构建概率统计模型从而对数据进行预测与分析。统计学习由监督学习、无监督学习、强化学习等组成
1.2 实现统计学习的方法的步骤
1）得到一个有限的训练数据集合
2）确定包含所有可能的模型的假设空间，即学习模型的集合
3）确定模型选择的准则，即学习
作者|Dario Radečić
编译|VK
来源|Towards Datas Science
2020年即将结束（终于），数据可视化再重要不过了。呈现一个看起来像5岁小孩的东西已经不再是一个选择，所以数据科学家需要一个有吸引力和简单易用的数据可视化库。
今天我们将比较其中的两个-Matp
作者|Jenny Dcruz
编译|VK
来源|Towards Datas Science
Seaborn是一个功能强大的Python库，用于增强数据可视化。它为Matplotlib提供了大量高级接口。Seaborn可以很好地处理数据帧，而Matplotlib则不行，它可以让你以更简单的
友情链接：
客服
