当前位置:   article > 正文

ApacheCN 活动汇总 2019.8.30_最新活动 apach

最新活动 apach

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(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人工智能、环材化生劝退、CS 留学申请、IT 外企求职的投稿,详情请见这里,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 或咸鱼(1034616238)。

组织任务

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. 现有翻译项目(t.cn/AijId2zY)可以直接在 ISSUE 中认领,翻译/校对三个文档就可以申请当负责人。
  3. 翻译/校对五个文档的贡献者,可以申请实习证明,请私聊片刻(529815144)。
  4. 如果你的想法没有列出,同样欢迎私聊我们。

翻译校对活动

百页机器学习小书【翻译】

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:11/12,翻译:7/12

章节贡献者进度
零、前言@PEGASUS1993100%
一、介绍@PEGASUS1993
二、符号和定义@PEGASUS1993
三、基本算法
四、线性算法剖析@P3n9W31100%
五、基本实践@chengchengbai
六、神经网络和深度学习@Everfighting
七、问题和答案@LaicZhang100%
八、高级实践@LaicZhang100%
九、无监督学习@onlyonewater100%
十、其它学习形式@kjlintong100%
十一、总结@kjlintong100%

CS234 强化学习讲义【翻译】

参与方式:https://github.com/apachecn/uiuc-cs241-notes-zh/blob/master/CONTRIBUTING.md

整体进度:https://github.com/apachecn/stanford-cs234-notes-zh/issues/1

项目仓库:https://github.com/apachecn/uiuc-cs241-notes-zh

认领:5/15,翻译:3/15

章节贡献者进度
Lecture 1@Everglow0214100%
Lecture 2@sunnyswag
Lecture 3@Everglow0214100%
Lecture 4@Everglow0214100%
Lecture 5@Everglow0214
Lecture 6
Lecture 7
Lecture 8
Lecture 9
Lecture 10
Lecture 11
Lecture 12
Lecture 13
Lecture 14
Lecture 15

MIT 18.03 写给初学者的微积分【校对】

参与方式:https://github.com/apachecn/calc4b-zh/blob/master/CONTRIBUTING.md

整体进度:https://github.com/apachecn/calc4b-zh/issues/1

项目仓库:https://github.com/apachecn/calc4b-zh

认领:9/73,校对:0/73

章节贡献者进度
第 0 章:为何学习微积分?@PEGASUS1993
0.1 你应该知道什么@PEGASUS1993
0.2 什么是微积分?我们为什么要研究它?@PEGASUS1993
第 1 章:数字@PEGASUS1993
1.1 什么是数字?有理数@PEGASUS1993
1.2 小数和实数@PEGASUS1993
1.3 复数@PEGASUS1993
复数运算@PEGASUS1993
1.4 可数集(消遣)@PEGASUS1993
第 2 章:使用电子表格
2.1 什么是电子表格?
2.2 斐波纳契数
2.3 帕斯卡的三角形
2.4 与电子表格集成
第 3 章:线性函数
3.1 什么是函数?
3.2 线性函数
3.3 线性
第四章:函数的二次型和导数
4.1 更复杂的函数
4.2 二次函数的斜率
第 5 章:有理函数和导数的计算
5.1 有理函数的导数
第 6 章:指数函数,替换和链规则
6.1 最有用函数的导数
第 7 章:三角函数及其导数
7.1 二维数学
7.2 三角学和导数以及加法定理
第 8 章:反函数及其导函数
8.1 反函数
8.2 微分反函数
8.3 更多规则
第 9 章:数值微分和不可微函数
9.1 数值微分
9.2 绘制导数图
9.3 不可微函数
第 10 章:微分的回顾
10.1 复习
第 11 章:微分在求解方程中的应用
11.1 求解方程
第 12 章:反导数
12.1 反导数
第 13 章:曲线下面积;定积分
13.1 区域:定义,名称和符号
13.2 微积分和确定区域的基本定理
13.3 积分的诀窍
第 14 章:数值积分
14.1 数值积分计划
14.2 积分的“规则”
14.3 为什么这些规则有效?
第 15 章:平行数字的面积和体积;行列式
15.1 有符号面积和体积
15.2 表示平行边的图形
15.3 行列式的属性
15.4 求解行列式
15.5 用于求解电子表格中的行列式的爱丽丝梦游仙境方法
第 16 章一些纯数学
16.1 极限和点集拓扑简介
16.2 紧集
16.3 杂注
16.4 Lebesgue 积分
第 17 章:物理的建模应用
17.1 垂直运动建模
17.2 弹簧建模(谐波振荡器)
17.3 受迫振荡
17.4 简单电路
第 18 章捕食者猎物模型
18.1 捕食者猎物模型
第 19 章:求解微分方程
19.1 计划
19.2 一阶微分方程
19.3 二阶微分方程
19.4 行星运动

UIUC CS241 系统编程中文讲义【校对】

参与方式:https://github.com/apachecn/uiuc-cs241-notes-zh/blob/master/CONTRIBUTING.md

整体进度:https://github.com/apachecn/uiuc-cs241-notes-zh/issues/1

项目仓库:https://github.com/apachecn/uiuc-cs241-notes-zh

认领:6/78,校对:6/78

章节贡献者进度
#Informal词汇表
#Piazza:何时以及如何寻求帮助
编程技巧,第1部分
系统编程短篇小说和歌曲
C编程,第1部分:简介@blue-bird1100%
C编程,第2部分:文本输入和输出@hqiwen100%
C编程,第3部分:常见问题@hqiwen100%
C编程,第4部分:字符串和结构@hqiwen100%
C编程,第5部分:调试@hqiwen100%
C编程,复习题@hqiwen100%
进程,第1部分:简介
分叉,第1部分:简介
分叉,第2部分:Fork,Exec,等等
进程控制,第1部分:使用信号等待宏
进程复习题
内存,第1部分:堆内存简介
内存,第2部分:实现内存分配器
内存,第3部分:粉碎堆栈示例
内存复习题
Pthreads,第1部分:简介
Pthreads,第2部分:实践中的用法
Pthreads,第3部分:并行问题(奖金)
Pthread复习题
同步,第1部分:互斥锁
同步,第2部分:计算信号量
同步,第3部分:使用互斥锁和信号量
同步,第4部分:临界区问题
同步,第5部分:条件变量
同步,第6部分:实现障碍
同步,第7部分:读者编写器问题
同步,第8部分:环形缓冲区示例
同步复习题
死锁,第1部分:资源分配图
死锁,第2部分:死锁条件
死锁,第3部分:餐饮哲学家
死锁复习题
虚拟内存,第1部分:虚拟内存简介
管道,第1部分:管道介绍
管道,第2部分:管道编程秘密
文件,第1部分:使用文件
调度,第1部分:调度过程
调度,第2部分:调度过程:算法
IPC复习题
POSIX,第1部分:错误处理
网络,第1部分:简介
网络,第2部分:使用getaddrinfo
网络,第3部分:构建一个简单的TCP客户端
网络,第4部分:构建一个简单的TCP服务器
网络,第5部分:关闭端口,重用端口和其他技巧
网络,第6部分:创建UDP服务器
网络,第7部分:非阻塞I O,select()和epoll
RPC,第1部分:远程过程调用简介
网络复习题
文件系统,第1部分:简介
文件系统,第2部分:文件是inode(其他一切只是数据…)
文件系统,第3部分:权限
文件系统,第4部分:使用目录
文件系统,第5部分:虚拟文件系统
文件系统,第6部分:内存映射文件和共享内存
文件系统,第7部分:可扩展且可靠的文件系统
文件系统,第8部分:从Android设备中删除预装的恶意软件
文件系统,第9部分:磁盘块示例
文件系统复习题
过程控制,第1部分:使用信号等待宏
信号,第2部分:待处理的信号和信号掩码
信号,第3部分:提高信号
信号,第4部分:信号
信号复习题
考试主题
C编程:复习题
多线程编程:复习题
同步概念:复习题
内存:复习题
管道:复习题
文件系统:复习题
网络:复习题
信号:复习题
系统编程笑话

Cython 3.0 中文文档【校对】

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

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

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

认领:7/37,校对:0/37

Numba 0.44 中文文档【校对】

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

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

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

认领:1/73,校对:1/73

章节贡献者进度
1. 用户手册--
1.1。 Numba 的约 5 分钟指南@saltball100%
1.2。概述
1.3。安装
1.4。使用@jit 编译 Python 代码
1.5。使用@generated_jit 进行灵活的专业化
1.6。创建 Numpy 通用函数
1.7。用@jitclass 编译 python 类
1.8。使用@cfunc 创建 C 回调
1.9。提前编译代码
1.10。使用@jit 自动并行化
1.11。使用@stencil装饰器
1.12。从 JIT 代码 中回调到 Python 解释器
1.13。性能提示
1.14。线程层
1.15。故障排除和提示
1.16。常见问题
1.17。示例
1.18。会谈和教程
2. 参考手册--
2.1。类型和签名
2.2。即时编译
2.3。提前编译
2.4。公用事业
2.5。环境变量
2.6。支持的 Python 功能
2.7。支持的 NumPy 功能
2.8。与 Python 语义的偏差
2.9。浮点陷阱
2.10。 Python 2.7 寿命终止计划
3. 用于 CUDA GPU 的 Numba--
3.1。概述
3.2。编写 CUDA 内核
3.3。内存管理
3.4。编写设备功能
3.5。 CUDA Python 中支持的 Python 功能
3.6。支持的原子操作
3.7。随机数生成
3.8。设备管理
3.10。示例
3.11。使用 CUDA 模拟器 调试 CUDA Python
3.12。 GPU 减少
3.13。 CUDA Ufuncs 和广义 Ufuncs
3.14。共享 CUDA 内存
3.15。 CUDA 阵列接口
3.16。 CUDA 常见问题
4. CUDA Python 参考--
4.1。 CUDA 主机 API
4.2。 CUDA 内核 API
4.3。内存管理
5. 用于 AMD ROC GPU 的 Numba--
5.1。概述
5.2。编写 HSA 内核
5.3。内存管理
5.4。编写设备功能
5.5。支持的原子操作
5.6。代理商
5.7。 ROC Ufuncs 和广义 Ufuncs
5.8。示例
6. 扩展 Numba
6.1。高级扩展 API
6.2。低级扩展 API
6.3。示例:间隔类型
7. 开发者手册--
7.1。贡献给 Numba
7.2。 Numba 建筑
7.3。多态调度
7.4。关于发电机的注意事项
7.5。关于 Numba Runtime 的注意事项
7.6。使用 Numba Rewrite Pass 获得乐趣和优化
7.7。实时变量分析
7.8。上市
7.9。模板注释
7.10。关于自定义管道的注意事项
7.11。环境对象
7.12。哈希 的注意事项
7.13。 Numba 项目路线图
8. Numba 增强建议
9. 术语表

Scrapy 1.6 中文文档【校对】

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

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

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

认领:1/44,翻译:1/44

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@daewis100%
2.1.1-2.1.3@daewis100%
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:36/42,校对:33/42

seaborn 0.9 中文文档【翻译】

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:72/74,翻译:70/74

序号章节译者进度
1An introduction to seaborn@yiran7324100%
2Installing and getting started@neolei100%
3Visualizing statistical relationships@JNJYan100%
4Plotting with categorical data@hold2010100%
5Visualizing the distribution of a dataset@alohahahaha100%
6Visualizing linear relationships@cancan233100%
7Building structured multi-plot grids@keyianpai100%
8Controlling figure aesthetics@P3n9W31100%
9Choosing color palettes@Modrisco100%
10seaborn.relplot@Stuming100%
11seaborn.scatterplot@sfw134
12seaborn.lineplot
13seaborn.catplot@LIJIANcoder97100%
14seaborn.stripplot@LIJIANcoder97100%
15seaborn.swarmplot@LIJIANcoder97100%
16seaborn.boxplot@FindNorthStar100%
17seaborn.violinplot@FindNorthStar100%
18seaborn.boxenplot@FindNorthStar100%
19seaborn.pointplot@FindNorthStar100%
20seaborn.barplot@melon-bun100%
21seaborn.countplot@Stuming100%
22seaborn.jointplot@Stuming100%
23seaborn.pairplot@Stuming
24seaborn.distplot@hyuuo100%
25seaborn.kdeplot@hyuuo100%
26seaborn.rugplot@P3n9W31100%
27seaborn.lmplot@P3n9W31100%
28seaborn.regplot@P3n9W31100%
29seaborn.residplot@P3n9W31100%
30seaborn.heatmap@hyuuo100%
31seaborn.clustermap
32seaborn.FacetGrid@hyuuo100%
33seaborn.FacetGrid.map@sfw134100%
34seaborn.FacetGrid.map_dataframe@sfw134100%
35seaborn.PairGrid@sfw134100%
36seaborn.PairGrid.map@sfw134100%
37seaborn.PairGrid.map_diag@sfw134100%
38seaborn.PairGrid.map_offdiag@sfw134100%
39seaborn.PairGrid.map_lower@sfw134100%
40seaborn.PairGrid.map_upper@sfw134100%
41seaborn.JointGrid@Yet-sun100%
42seaborn.JointGrid.plot@Yet-sun100%
43seaborn.JointGrid.plot_joint@Yet-sun100%
44seaborn.JointGrid.plot_marginals@Yet-sun100%
45seaborn.set@lbllol365100%
46seaborn.axes_style@lbllol365100%
47seaborn.set_style@lbllol365100%
48seaborn.plotting_context@cancan233100%
49seaborn.set_context@cancan233100%
50seaborn.set_color_codes@cancan233100%
51seaborn.reset_defaults@cancan233100%
52seaborn.reset_orig@cancan233100%
53seaborn.set_palette@Modrisco100%
54seaborn.color_palette@Modrisco100%
55seaborn.husl_palette@Modrisco100%
56seaborn.hls_palette@Modrisco100%
57seaborn.cubehelix_palette@Modrisco100%
58seaborn.dark_palette@Modrisco100%
59seaborn.light_palette@Modrisco100%
60seaborn.diverging_palette@Modrisco100%
61seaborn.blend_palette@Modrisco100%
62seaborn.xkcd_palette@Modrisco100%
63seaborn.crayon_palette@Modrisco100%
64seaborn.mpl_palette@Modrisco100%
65seaborn.choose_colorbrewer_palette@Modrisco100%
66seaborn.choose_cubehelix_palette@Modrisco100%
67seaborn.choose_light_palette@Modrisco100%
68seaborn.choose_dark_palette@Modrisco100%
69seaborn.choose_diverging_palette@Modrisco100%
70seaborn.load_dataset@Modrisco100%
71seaborn.despine@Modrisco100%
72seaborn.desaturate@Modrisco100%
73seaborn.saturate@Modrisco100%
74seaborn.set_hls_values@Modrisco100%

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:13/80,校对:13/80

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:14/31,校对:14/31

UCB Prob140:面向数据科学的概率论【翻译】

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:23/28,翻译:23/28

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@biubiubiuboomboomboom100%
五、事件集合--
5.1 ~5.3@PEGASUS1993100%
5.4
六、随机计数@viviwong100%
七、泊松化@YAOYI626100%
八、期望--
8.1 ~ 8.2@PEGASUS1993100%
8.3
九、条件(续)@YAOYI626100%
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
十六、变换@hellozhaihy100%
十七、联合密度@Winchester-Yi100%
十八、正态和 Gamma 族@Winchester-Yi100%
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@lvzhetx100%
二十二、预测--
22.1@lvzhetx100%
22.2 ~ 22.4
二十三、联合正态随机变量
二十四、简单线性回归@ThomasCai100%
二十五、多元回归@lanhaixuan100%

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:4/46,校对:3/46

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@ElmaDavies100%
在 Python 迷你课程中应用深度学习@ElmaDavies100%
Keras 深度学习库的二元分类教程@ElmaDavies100%
如何用 Keras 构建多层感知器神经网络模型@Lnssssss
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【校对】

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

认领:29/85,校对:20/85

章节校验者进度
教程部分--
Deep Learning with PyTorch: A 60 Minute Blitz@FontTian100%
What is PyTorch?@FontTian100%
Autograd: Automatic Differentiation@FontTian100%
Neural Networks@FontTian100%
Training a Classifier@FontTian100%
Optional: Data Parallelism@FontTian100%
Data Loading and Processing Tutorial@dyywinner100%
Learning PyTorch with Examples
Transfer Learning Tutorial@infdahai100%
Deploying a Seq2Seq Model with the Hybrid Frontend@FontTian100%
Saving and Loading Models@luxinfeng
What is torch.nn really?@luxinfeng
Finetuning Torchvision Models@luxinfeng
Spatial Transformer Networks Tutorial
Neural Transfer Using PyTorch@AllenZYJ
Adversarial Example Generation
Transfering a Model from PyTorch to Caffe2 and Mobile using ONNX
Chatbot Tutorial@jiangzhonglian100%
Generating Names with a Character-Level RNN@hijkzzz100%
Classifying Names with a Character-Level RNN@hijkzzz
Deep Learning for NLP with Pytorch@FontTian100%
Introduction to PyTorch@FontTian100%
Deep Learning with PyTorch@FontTian100%
Word Embeddings: Encoding Lexical Semantics
Sequence Models and Long-Short Term Memory Networks@FontTian100%
Advanced: Making Dynamic Decisions and the Bi-LSTM CRF@enningxie100%
Translation with a Sequence to Sequence Network and Attention@FontTian100%
DCGAN Tutorial@jiangzhonglian100%
Reinforcement Learning (DQN) Tutorial
Creating Extensions Using numpy and scipy@FontTian100%
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@bruce1408
Serialization semantics
Windows FAQ
torch
Tensors@dyywinner
Random sampling
Serialization, Parallelism, Utilities
Pointwise Ops
Reduction Ops
Comparison Ops
Spectral Ops
Other Operations
BLAS and LAPACK Operations
torch.Tensor
Tensor Attributes
Type Info
torch.sparse
torch.cuda
torch.Storage
torch.nn
torch.nn.functional@Originval100%
torch.nn.init@dyywinner
torch.optim@zonasw
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

OpenCV 4.0 中文教程【校对】

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:50/51,校对:45/51。

章节贡献者进度
1. 简介-
1.1 OpenCV-Python教程简介@wstone0011100%
1.2 安装OpenCV—Python@wstone0011100%
2. GUI功能-
2.1 图像入门@ranxx100%
2.2 视频入门@ranxx100%
2.3 绘图功能@ranxx100%
2.4 鼠标作为画笔@ranxx100%
2.5 作为调色板的跟踪栏@ranxx100%
3. 核心操作-
3.1 图像基本操作@luxinfeng100%
3.2 图像的算术运算@luxinfeng100%
3.3 性能测量和改进技术@luxinfeng100%
4. 图像处理-
4.1 更改颜色空间@friedhelm739100%
4.2 图像的几何变换@friedhelm739100%
4.3 图像阈值@friedhelm739100%
4.4 平滑图像@friedhelm739100%
4.5 形态转换@friedhelm739100%
4.6 图像梯度@friedhelm739100%
4.7 Canny边缘检测@wxh928408225100%
4.8 影像金字塔@wxh928408225100%
4.9 轮廓@wxh928408225100%
4.10 直方图@wxh928408225100%
4.11 图像转换@wxh928408225
4.12 模板匹配@wxh928408225
4.13 霍夫线变换@wxh928408225
4.14 霍夫圆变换@wxh928408225
4.15 基于分水岭算法的图像分割@wxh928408225
4.16 基于GrabCut算法的交互式前景提取
5. 特征检测和描述-
5.1 了解功能@3lackrush100%
5.2 Harris角点检测@lyrich100%
5.3 Shi-Tomasi角点检测和追踪的良好特征@lyrich100%
5.4 SIFT简介(尺度不变特征变换)@lyrich100%
5.5 SURF简介(加速鲁棒特性)@lyrich100%
5.6 角点检测的FAST算法@lyrich100%
5.7 简介(二进制鲁棒独立基本特征)@lyrich100%
5.8 ORB(定向快速和快速旋转)@lyrich100%
5.9 特征匹配@lyrich100%
5.10 特征匹配+ Homography查找对象@lyrich100%
6. 视频分析-
6.1 Meanshift和Camshift@xmmmmmovo100%
6.2 光流@xmmmmmovo100%
6.3 背景减法@xmmmmmovo100%
7. 相机校准和3D重建-
7.1 相机校准@xmmmmmovo100%
7.2 姿势估计@xmmmmmovo100%
7.3 极线几何@xmmmmmovo100%
7.4 立体图像的深度图@xmmmmmovo100%
8. 机器学习-
8.1 K-最近邻@wstone0011100%
8.2 支持向量机(SVM)@wstone0011100%
8.3 K-Means聚类@wstone0011100%
9. 计算摄影-
9.1 图像去噪@loganjingdi100%
9.2 图像修复@loganjingdi100%
9.3 高动态范围(HDR)@loganjingdi100%
10. 目标检测-
10.1 使用Haar Cascades进行人脸检测@jiangzhonglian100%
11. OpenCV-Python绑定-
11.1 OpenCV-Python绑定如何工作?@daidai21100%

Sklearn 0.21 中文文档【校对】

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

整体进度:https://github.com/apachecn/sklearn-doc-zh/issues/352

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

认领:17/72,校对:10/72

章节校验者进度
安装 scikit-learn
用户指南--
1. 监督学习
1.1. 广义线性模型@qinhanmin2014100%
1.2. 线性和二次判别分析@VPrincekin100%
1.3. 内核岭回归@qinhanmin2014100%
1.4. 支持向量机@qinhanmin2014100%
1.5. 随机梯度下降@qinhanmin2014100%
1.6. 最近邻@qinhanmin2014100%
1.7. 高斯过程
1.8. 交叉分解
1.9. 朴素贝叶斯
1.10. 决策树@ReneeGithub
1.11. 集成方法
1.12. 多类和多标签算法
1.13. 特征选择
1.14. 半监督学习
1.15. 等式回归
1.16. 概率校准
1.17. 神经网络模型(有监督)
2. 无监督学习
2.1. 高斯混合模型@barrycg100%
2.2. 流形学习@barrycg100%
2.3. 聚类@barrycg
2.4. 双聚类@barrycg
2.5. 分解成分中的信号(矩阵分解问题)
2.6. 协方差估计
2.7. 新奇和异常值检测
2.8. 密度估计
2.9. 神经网络模型(无监督)
3. 模型选择和评估
3.1. 交叉验证:评估估算器的表现
3.2. 调整估计器的超参数
3.3. 模型评估: 量化预测的质量
3.4. 模型持久化
3.5. 验证曲线: 绘制分数以评估模型
4. 检验
4.1. 部分依赖图
5. 数据集转换@VPrincekin100%
5.1. Pipeline(管道)和 FeatureUnion(特征联合): 合并的评估器@VPrincekin20%
5.2. 特征提取@VPrincekin
5.3 预处理数据@VPrincekin
5.4 缺失值插补@VPrincekin
5.5. 无监督降维@VPrincekin
5.6. 随机投影
5.7. 内核近似
5.8. 成对的矩阵, 类别和核函数
5.9. 预测目标 (y) 的转换
6. 数据集加载工具
6.1. 通用数据集 API
6.2. 玩具数据集
6.3 真实世界中的数据集
6.4. 样本生成器
6.5. 加载其他数据集
7. 使用scikit-learn计算
7.1. 大规模计算的策略: 更大量的数据
7.2. 计算性能
7.3. 并行性、资源管理和配置
教程
使用 scikit-learn 介绍机器学习
关于科学数据处理的统计学习教程
机器学习: scikit-learn 中的设置以及预估对象
监督学习:从高维观察预测输出变量
模型选择:选择估计量及其参数
无监督学习: 寻求数据表示
把它们放在一起
寻求帮助
处理文本数据
选择正确的评估器(estimator.md)
外部资源,视频和谈话
API 参考
常见问题
时光轴

认领完毕

UCB CS61b:Java 中的数据结构【翻译】

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:11/12

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:9/20,整理:8/20

章节贡献者进度
Lecture 1@cx123cx456100%
Lecture 2@AllenZYJ
Lecture 3@cx123cx456100%
Lecture 4@ZSIRS100%
Lecture 5@ZSIRS100%
Lecture 6@ZSIRS100%
Lecture 7
Lecture 8
Lecture 9
Lecture 10
Lecture 11@Originval100%
Lecture 12
Lecture 13
Lecture 14
Lecture 15
Lecture 16
Lecture 17@pingjing233100%
Lecture 18
Lecture 19
Lecture 20@Willianan100%

斯坦福博弈论

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

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

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

认领:7/33,整理:0/33

章节贡献者进度
Game Theory I week 1@sorrowyn
Game Theory I week 2@LINXH9898
Game Theory I week 3@LINXH9898
Game Theory I week 4@LINXH9898
Game Theory I week 5@LINXH9898
Game Theory I week 6@LINXH9898
Game Theory I week 7@LINXH9898
Game Theory II week 1 Social Choice: Taste
Game Theory II week 1 Social Choice: Voting Schemes
Game Theory II week 1 Social Choice: Paradoxical Outcomes
Game Theory II week 1 Social Choice: Impossibility of Non-Paradoxical Social Welfare Functions
Game Theory II week 1 Social Choice: Arrow’s Theorem
Game Theory II week 1 Impossible of Non-paradoxical Social Choice Functions
Game Theory II week 1 Single-Peaked Preferences
Game Theory II week 2 Mechanism Design: Taste
Game Theory II week 2 Mechanism Design: Implementation
Game Theory II week 2 Revelation Principle
Game Theory II week 2 Impossibility of General, Dominant-Strategy Implementation
Game Theory II week 2 Transferable Utility
Game Theory II week 2 Mechanism Design as an Optimization Problem
Game Theory II week 3 VCG: Taste
Game Theory II week 3 Vickrey-Clarke-Groves Mechanisms: Definitions
Game Theory II week 3 VCG Example
Game Theory II week 3 Limitations of VCG
Game Theory II week 3 Individual Rationality and Budget Balance in VCG
Game Theory II week 3 Myerson-Satterthwaite Theorem
Game Theory II week 4 Auctions: Taste
Game Theory II week 4 Auctions: Taxonomy
Game Theory II week 4 Bidding in Second-Price Auctions
Game Theory II week 4 Bidding in First-Price Auctions
Game Theory II week 4 Revenue Equivalence
Game Theory II week 4 Optimal Auctions
Game Theory II week 4 More Advanced Auctions

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。

除了以上组织或个人,我们还要感谢苍海国际黑客派GirlsInAIDataSciCompSeanCheneyAI 科技大本营的创意和支持。

赞助我们

[外链图片转存失败(img-OX1hk2mc-1567135272582)(http://data.apachecn.org/img/about/donate.jpg)]

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/繁依Fanyi0/article/detail/94418
推荐阅读
相关标签
  

闽ICP备14008679号