一.迁移学习的概念
什么是迁移学习呢？迁移学习可以由下面的这张图来表示：
这张图最左边表示了迁移学习也就是把已经训练好的模型和权重直接纳入到新的数据集当中进行训练，但是我们只改变之前模型的分类器（全连接层和softmax/sigmoid），这样就可以节省训练的时间的到一个新训练
前言
公司有一个 Web 管理系统，使用 Tomcat 进行部署。由于是后台管理系统，所有的网页都需要登录授权之后才能进行相应的操作。
起初这个系统的用的人也不多，为了节省资源，这个系统仅仅只是单机部署。后来随着用的人越来越多，单机已经有点扛不住了，于是我决定再部署了一台机器。
这时后端系
一，引言
上一篇讲到我们将自己的Net Core Web 项目部署到 Azure 的 Web App 的一项 pass 服务，假如随着项目的日益增长的访问量，之前部署到单节点的应用可能无法保证其稳定性，可能会导致系统宕机等等问题，这个时候，我们就要考虑到项目的架构问题，怎么保证项目的稳
前言
静态文件（如 HTML、CSS、图像和 JavaScript）等是Web程序的重要组成部分。传统的ASP.NET项目一般都是部署在IIS上，IIS是一个功能非常强大的服务器平台，可以直接处理接收到的静态文件处理而不需要经过应用程序池处理，所以很多情况下对于静态文件的处理程序本
作者|ABHISHEK SHARMA
编译|VK
来源|Analytics Vidhya
介绍
自然语言处理是数据科学领域最热门的课题之一。公司在这一领域投入大量资金进行研究。每个人都在努力了解自然语言处理及其应用，并以此为生。
你知道为什么吗？
因为仅仅在短短几年的时间里，自然语言
在我们处理有关图像的任务，比如目标检测，分类，语义分割等等问题当中，我们常常需要对训练集当中的图片进行数据增强（data augmentation）,这样会让训练集的样本增多，同时让神经网络模型的泛化能力更强。在进行图片的数据增强时，我们一般会对图像进行翻转，剪裁，灰度变化，对比度变化，颜
深度学习是模仿了生物的神经元的概念，你可以想象用一大堆的神经元通过各种刺激来对外部世界进行感知，从而建立起对外部世界的模型。
比如给你一个数据对：
x
y
-1
-3
0
-1
1
1
2
3
3
5
4
7
我们可以使用深度学习通过从数据中学习来了解其中的规律，类似人类的学习，从我们的感
作者|Renu Khandelwal
编译|VK
来源|Medium
我们从以下问题开始
循环神经网络能解决人工神经网络和卷积神经网络存在的问题。
在哪里可以使用RNN？
RNN是什么以及它是如何工作的？
挑战RNN的消梯度失和梯度爆炸
LSTM和GRU如何解决这些挑战
假设我们正在写一
首先，声明这不是标题党，是一个真实的北漂故事！
为什么写这篇文章呢？第一，有感而发，感恩遇到的人和事，其次，希望对读这篇文章的你有所帮助
毕业那年
时间追溯到17年6月30号，那天毕业典礼，之后就正式毕业了，7月1号下午和女朋友逛了一下校园，校园恋爱是美好的，如果读这篇
阅读本文大概需要 9 分钟。
大家好，这是 .NET 开源项目 StreamJsonRpc 介绍的最后一篇。上篇介绍了一些预备知识，包括 JSON-RPC 协议介绍，StreamJsonRpc 是一个实现了 JSON-RPC 协议的库，它基于 Stream、WebSocket 和自定义的全
一、人脸检测实战
1.使用OpenCV进行人脸检测
OpenCV进行人脸检测使用的是名为 Viola-Jones 的目标检测框架的算法。
第一步：下载OpenCV库
pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn
该库代表Ultralytics对未来对象检测方法的开源研究，并结合了以前的YOLO库https://github.com/ultralytics/yolov3在自定义数据集上训练了数千个模型而得到的最佳实践。所有代码和模型都在积极的开发中，如有修改或删除，恕不另行通知。如果使用，风险自负
作者|Christian Hubbs
编译|VK
来源|Towards Data Science
Ray不仅仅是一个用于多处理的库，Ray的真正力量来自于RLlib和Tune库，它们利用了强化学习的这种能力。它使你能够将训练扩展到大型分布式服务器，或者利用并行化特性来更有效地使用你自己的笔
【翻译】.NET 5中的性能改进
在.NET Core之前的版本中，其实已经在博客中介绍了在该版本中发现的重大性能改进。 从.NET Core 2.0到.NET Core 2.1到.NET Core 3.0的每一篇文章，发现谈论越来越多的东西。 然而有趣的是，每次都想知道下一次是否有足够的
参考资料：
《互联网大厂如何玩转代码评审》 梁松华 京东高级开发工程师
《学习Facebook真正发挥代码审查的提效作用》 葛俊 前Facebook内部工具团队Tech Lead
《代码审查哪种方式更适合我的团队》 葛俊 前Facebook内部工具团队Tech Lead
《聊一聊代码审查》
作者|MOHD SANAD ZAKI RIZVI
编译|VK
来源|Analytics Vidhya
概述
由AI生成的假新闻(神经假新闻)对于我们的社会可能是一个巨大的问题
本文讨论了不同的自然语言处理方法，以开发出对神经假新闻的强大防御，包括使用GPT-2检测器模型和Grover（Al
一直在关注可解释机器学习领域，因为确实在工作中有许多应用
模型检查，特征重要性是否符合预期和AUC一样重要
模型解释，比起虚无缥缈的模型指标，解释模型学到的规律更能说服业务方
样本解释，为什么这些用户会违约，是否有指标能提前预警？
决策归因，有时模型只是提取pattern的方式，最终需要给
作者|facebookresearch
编译|Flin
来源|Github
detectron2.config package
class detectron2.config.CfgNode(init_dict=None, key_list=None, new_allowed=False)
1、前言
最近因为需要研究视频的物体识别和行为识别，上网了解了一下，YOLO是目前实时视频物体识别的应用最广泛的算法。
因此，作为小白的我，也准备体验一下YOLO算法的效果。
先上网了解了一下YOLO算法的背景资料，有V1，V2，V3，V4四个版本，其中V4版本虽然创新不多
作者|FAIZAN SHAIKH
编译|VK
来源|Analytics Vidhya
介绍
深入学习中最具争议的话题之一是如何解释和理解一个经过训练的模型——特别是在医疗等高风险行业的背景下。“黑匣子”一词经常与深度学习算法联系在一起。如果我们不能解释模型是如何工作的，我们怎么能相信模型的
客服
