
本文详细介绍了华盛顿大学圣路易斯分校Jeff Heaton教授开设的T81-558深度神经网络应用课程,包括课程内容、特色、学习方法等,为有志于学习深度学习的读者提供参考。

pyprobml是一个开源项目,提供了Kevin Murphy所著《概率机器学习》系列书籍中图表和算法的Python实现代码,涵盖了从基础到高级的概率机器学习主题。

Rust是一门赋予每个人构建可靠高效软件能力的编程语言。本文全面介绍Rust的特点、优势及应用领域,探讨其在系统编程、Web开发等方面的广阔前景。

GoCV是一个为Go语言提供OpenCV 4计算机视觉库绑定的开源项目,支持最新的计算机视觉和机器学习算法,让开发者可以轻松地在Go中使用OpenCV的强大功能。

Open3D是一个开源的3D数据处理库,支持C++和Python快速开发3D软件。它提供了丰富的3D数据结构和算法,并针对并行化进行了高度优化。本文全面介绍了Open3D的核心功能、应用场景以及使用方法。

ASRT是一个开源的中文语音识别系统,使用深度学习技术实现,支持多种数据集训练和API调用,准确率可达85%以上。

Screenity是一款功能强大的Chrome浏览器屏幕录制和标注工具,可用于工作、教育等多种场景。它提供了丰富的录制和编辑功能,完全免费且无需注册,是一款值得推荐的开源屏幕录制软件。

TensorFlow Examples是一个丰富的机器学习示例集合,为开发者提供了从入门到高级的各类TensorFlow应用案例,是学习和实践TensorFlow的绝佳资源。

本文汇总了200多个Python小例子,涵盖基本操作、函数模块、面向对象、正则表达式、装饰器等方面,是Python编程的实用技巧和最佳实践大全。

d3rlpy是一个易于使用的离线深度强化学习库,提供了最先进的算法和用户友好的API,使研究人员和实践者能够轻松地进行离线强化学习实验。

pytorch-widedeep是一个灵活的Python库,用于结合表格数据、文本和图像进行深度学习建模。它基于Google的Wide and Deep算法,针对多模态数据集进行了调整,提供了多种架构选择来处理不同类型的输入数据。

Torch-MLIR项目旨在为PyTorch生态系统提供与MLIR生态系统的一流编译器支持,促进两大框架的无缝对接与协同发展。

Kubeflow是一个基于Kubernetes的开源机器学习平台,提供了从模型开发、训练到部署的全流程工具集,帮助数据科学家和ML工程师高效构建生产级AI系统。

Graph-Learn是阿里巴巴开源的一个分布式图神经网络框架,为大规模图神经网络的开发和应用提供了完整的解决方案。本文将全面介绍Graph-Learn的架构、特性及应用场景。

fastMRI项目是Facebook AI研究院(FAIR)和纽约大学朗格尼健康中心的一项合作研究项目,旨在利用人工智能技术加速MRI扫描速度,缩短患者检查时间,同时保证图像质量。该项目发布了大规模的MRI原始数据集和临床图像,为研究人员提供了开发和评估AI重建算法的资源。
