实时目标检测方法 YOLO — 从 V1 到 V4Apr 25, 2020 in Computer Science, Deep Learning 目前真正能实时（30fps 以上）的目标检测算法效果最好的可能就是 YOLO 了，本文注重它从

局部最优的问题(The problem of local optima)人们总是担心优化算法会困在极差的局部最优， 不过随着深度学习理论不断发展，我们对局部最优的理解也发生了改变。 这是曾经人们在想到局部最优时脑海里会出现的图，也许你想优

任务说明 学习主题：作者关联（数据建模任务），对论文作者关系进行建模，统计最常出现的作者关系； 学习内容：构建作者关系图，挖掘作者关系 学习成果：论文作者知识图谱、图关系挖掘 数据处理步骤将作者列表进行处理，并完成统计。具体步骤如下：

In this article I am going to detail the steps, to add the Conda environment to your Jupyter notebook. Step 1: Create a

任务说明 学习主题：论文分类（数据建模任务），利用已有数据建模，对新论文进行类别分类； 学习内容：使用论文标题完成类别分类； 学习成果：学会文本分类的基本方法、TF-IDF等； 数据处理步骤在原始arxiv论文中论文都有对应的类别，而论文

Dataloader关于pytorch中，dataloader中的num_work运行机制的理解 torch Dataloader中的num_workers [PyTorch] dataloader使用教程 PyTorch——num_wor

12-factorsI. 基准代码一份基准代码，多份部署II. 依赖显式声明依赖关系III. 配置在环境中存储配置IV. 后端服务把后端服务当作附加资源V. 构建，发布，运行严格分离构建和运行VI. 进程以一个或多个无状态进程运行应用VII

WSL2 使用一、安装wsl2 安装还是很简单的，根据官网步骤来就好。Windows Subsystem for Linux Installation Guide for Windows 10，如果对官网安装不熟悉的的地方。我推荐看这个 U

2021-01-15知识点分类 (Classification)：精确率和召回率 工具Excalidraw 的一年：Excalidraw 是手绘风格的一个在线作图工具，2020年1月发布。本文讲述这个项目一年来的惊人发展。 资源Explai

任务说明 任务主题：论文代码统计，统计所有论文出现代码的相关统计； 任务内容：使用正则表达式统计代码连接、页数和图表数据； 任务成果：学习正则表达式统计； 数据处理步骤在原始arxiv数据集中作者经常会在论文的comments或abstr

RTX3070 安装 pytorch之前在 Pycharm 创建的虚拟环境安装的 pytorch，但是今天觉得不太方便，想在 Anaconda 环境下重新安装一下，这样方便我的包管理。即使是 RTX3070，新一代 30 系显卡，之前安装主

Cassava Leaf Disease - Exploratory Data Analysisimport numpy as np import pandas as pd import os BASE_DIR = "../input"