Machine-Learning resource collection
我收藏的机器学习相关文集
机器学习各类框架
- Apple Machine Learning Journal
- 你在打王者农药，有人却用iPhone来训练神经网络
- 苹果开源Turi Create：让普通开发者玩得转机器学习！
- CreateML官方文档
- Google TensorFlow
- 用Arduino玩人工智能，TensorFlow真香
- The Illustrated Stable Diffusion
- PCL-Platform.Intelligence/pcl_pangu: 鹏程·盘古SDK 上线！
- 绘画AI stable-diffusion 快速入门
- OpenAI API Keys
- 华人一作DragGAN爆火！拖动你的GAN：交互式图像编辑新高度
- 一觉醒后ChatGPT 被淘汰了
- AI自动纠正动作姿势！基于物理动画制作工具Cascadeur又放大招！
- 5分钟内我用AI创建了4首歌
- 最新！ControlNet 无需模型预处理器 Reference-only
- 近期OpenAI推出了一个名为Shap-E的3D模型生成器
- 打开潘多拉魔盒的不是OpenAI，而是谷歌？
机器学习与神经网络
- 结构之法 算法之道
- 资源 | 普通程序员如何自学机器学习？这里有一份指南~
- 你知道深度学习为什么叫做深度学习吗？
- 开发者不可错过的 10 个人工智能开源项目
- 干货！火遍全球深度学习算法技术原理基础浅析！
- 监督学习之梯度下降——Andrew Ng机器学习笔记
- 吴恩达深度学习笔记(77)-单层卷积网络(simple convolution)
- 卷积神经网络概念与原理
- 详解卷积神经网络结构核心设计**与实践
- 详解卷积神经网络
- 详解卷积神经网络那点事儿！
- 机器学习算法篇—卷积神经网络（Convolutional Neural Network）
- 你看到的最直白清晰的CNN讲解
- 「科普:CNN论文介绍的开篇」神经网络与卷积神经网络
- CNN模型的发展：自2012AlexNet-2017DRN的17篇CNN模型论文总结
- 数据流的图卷积主题模型
- 卷积神经网络各层反向传播公式推导
- 卷积神经网络的特征是如何学习的？
- 深度学习初学者了解CNN卷积神经网络的黄金指南
- 五分钟看懂CNN入门算法LeNet-5介绍（含论文详细解读和代码资源）
- 多次训练后准确率高达98%！CNN神经网络识别手写数字全过程
- 一文看懂反卷积层
- 解析卷积的高速计算中的细节，一步步代码带你飞
- 如何深度理解RNN？——看图就好！
- 使用Tensorflow建立RNN实战：股市预测
- 循环神经网络简介以及第一个循环神经网络实现，引出LSTM
- ResNet详解与分析
- 详解超强 ResNet 变体 NFNet：抛弃归一化后，性能却达到了最强！
- 马斯克的AI第一枪，被华人科学家大将打响！xAI首个研究成果
- 探索张量：深度学习的奇妙之旅
- 矩阵分解就能击败深度学习！MIT发布时序数据库：用SQL做机器学习
- Yann LeCun最新访谈：能量模型是通向自主人工智能系统的起点
- 非凸函数上，随机梯度下降能否收敛？能有条件，比凸函数收敛更难
- 机器学习入门：你应该学习的8个神经网络结构（一）
- 机器学习必知的8大神经网络架构和原理
- 推荐：关于机器学习的十种常用算法
- 机器学习第一步，这是一篇手把手的随机森林入门实战
- 基于MindSpore快速实现推荐网络模型Wide&deep大规模混合并行
- 一份数学小白也能读懂的「马尔可夫链蒙特卡洛方法」入门指南
- Python实现连续变量GHMM高斯隐马尔可夫模型
- 机器学习入门 6 随机森林算法：原理、实例应用（沉船幸存者预测）
- 相关性 ≠ 因果性，用图的方式打开因果关系
- 人工智能对图像的四大算法，你知道吗？
- 从数学到实现，全面回顾高斯过程中的函数最优化
- 人工智能之超简单K近邻算法识别验证码
- 初学者必读：IBM长文解读人工智能、机器学习和认知计算
- 斯坦福大学教授提出全可微神经网络架构MAC：可用于机器推理
- AAAI 2020学术会议提前看：常识知识与常识推理
- AAAI2020论文解读：将语义图嵌入跨模态注意力机制用于多标签分类
- AI疯狂进阶——凸优化
- 轻松理解交叉熵在神经网络中的作用
- 大白话讲nnvm
- 深度学习知识库
- 斯坦福大学深度学习辅导
- 「深度学习被可微分编程取代？」展望30年后的神经网络和函数编程
- 微分方程与机器学习
- 美国东北大学提出MoNet，使用紧密池化缓解特征高维问题
- Improving the Realism of Synthetic Images
- Deep Learning（1-Introduction）
- Deep learning From Image to Sequence
- 深度学习性能提升的诀窍——克服过拟合和提高泛化能力的20条技巧和诀窍
- 基于类别深度典型相关分析的多模态数据下的细粒度场发现
- 史上最好记的神经网络结构速记表（上）
- 史上最好记的神经网络结构速记表（下）
- 神经网络有什么理论支持？
- 为什么神经网络能计算任意函数？Talk is cheap,show me the code
- 天才还是白痴：有史以来最具争议的神经网络
- 初窥神经网络内部机制，图文详解权重和隐藏层
- 你所不了解的深度神经网络
- 深度学习框架Caffe源码解析
- Hacker's guide to Neural Networks
- Shakir's Machine Learning Blog
- 图像分类 | 深度学习PK传统机器学习
- 继图像识别后，图像标注系统也被对抗样本攻陷！
- 谷歌的AI造了一个AI，超过了人造的AI
- Open.ai新算法：一小时内训练AI系统后空翻，仅需900Bit的人类反馈数据
- 基于协同矩阵分解的多模态数据的哈希方法
- 不要再对类别变量进行独热编码了
- 变分自编码机
- Top 10 Machine Learning Algorighms Everyone Should know to Become Data Scientist
- 变分贝叶斯深度学习综述
- 傻瓜神经网络入门指南
- 辛普森悖论：如何用同一数据证明相反的论点
- 神经网络的神奇网络
- 如何为神经机器翻译配置编码器-解码器模型？
- 人工智能基础：LSTM及其变种介绍，方便针对实际问题取舍
- 深度学习前沿：一文看懂近年来卷积神经网络性能优化历程
- 炼丹感悟——超详细解读
- 进化算法与神经网络
- 斯坦福统计学习理论笔记：带你搞定「贼难」的理论基础
- 深度学习中常见激活函数以及什么时候该使用激活函数
- “神经网络”时代即将到来
- 新型类脑神经网络仅凭极少样本就成功攻破验证码！
- 哈佛大学提出变分注意力：用VAE重建注意力机制
- 机器学习工程师必懂10大算法
- 从 TensorFlow 到 PyTorch：九大深度学习框架哪款最适合你？
- TensorFlow实现神经网络入门篇
- 几行Python代码搞定，偏要用100个GPU！
- 一篇文章教你用 11 行 Python 代码实现神经网络
- 非冯诺依曼新架构：IBM100万忆阻器大规模神经网络加速AI
- 机器学习中的分类
- L1和L2正则化的直观解释
- 初学者如何学习机器学习中的L1和L2正则化
- 神经网络架构搜索
- 谷歌官方：反向传播算法图解
- 打破「反向传播」垄断，「正向自动微分」也能计算梯度，且训练时间减少一半
- Transformer 架构逐层功能介绍和详细解释
- LeCun力挺！马毅教授五年集大成之作：数学可解释的白盒Transformer，性能不输ViT
- RetNet：万众期待的 Transformers 杀手
- 熵：从热力学到机器学习
- 人工智能可识别您手写的内容了-深度学习进行手写字体页面分割
- 不同的领域、框架，这是一份超全的深度学习模型GitHub集合
- 「代码+教程」重现“世界模型”实验，无监督方式快速训练
- 深度讲解支持向量机背后的数学**
- 遇见困难不用“怂”，机器学习的“万能药”：决策树
- 对抗样本的基本原理
- 基于注意力机制，机器之心带你理解与训练神经机器翻译系统
- 无需数学背景！谷歌研究员为你解密生成式对抗网络
- 数据 + 进化算法 = 数据驱动的进化优化？进化算法 PK 数学优化
- 介绍一种有趣的竞争神经网络！
- 论文分享：深度相互学习（Deep Mutual Learning）
- 一文带你读懂 WaveNet：谷歌助手的声音合成器
- 生成模型：通过单个图像查找对象位置
- 可解释推荐系统：知其然，知其所以然
- 这是我看过，最好懂的神经网络 // 白话机器学习算法
- 支持向量机原理讲解（一）
- 支持向量机算法有哪些优点和缺点？
- Graph Learning -- 知识图谱概论
- 动画图解Attention机制，让你一看就明白
- 为什么要做特征缩放，怎么做特征缩放，什么时候做特征缩放？
- 9步教你用NumPy从头开始构建神经网络！
- 中山大学的学霸小哥开源了一个能帮你做高数题的AI
- 一步一步动画图解LSTM和GRU，没有数学，包你看的明白
- TensorFlow MNIST高级学习
- 特征工程系列：特征筛选的原理与实现（上）
- 特征工程系列：特征筛选的原理与实现（下）
- 随机权值平均：深度学习中一种新的达到stage of the art的方法
- 机器学习：监督、无监督和强化学习
- LeCun预言的自监督模型来了：首个多模态高性能自监督算法
- Louvain算法
- 机器学习常用的调参方法：K折交叉验证（k-fold），附代码实现
- 机器学习的决策树介绍
- 过往Net，皆为调参？一篇BagNet论文引发学界震动
- 伯克利提出时序差分模型TDM：让深度强化学习更像人类
- 元学习的崛起
- 破解神经网络、攻击GPU，AI黑客教程来了，已登GitHub热榜
- 只需这个小工具，让Stable Diffusion彻底崩溃！狗变猫，车变牛
- Projection Network
- 我的AI不可能这么傻：深度学习的致命弱点
- 卷积神经到底学了什么？为什么卷积神经中的卷积不是卷积运算？
- 贝叶斯神经网络毫无意义吗？Twitter、Reddit双战场辩论，火药味十足
- 纯贝叶斯神经网络没有意义？OpenAI科学家何出此言？
- 朴素贝叶斯在人工智能中扮演什么角色？
- 强化学习70年演进：从精确动态规划到基于模型
- 乘风破浪的马里奥！这个AI带你一口气通29关
- 斯坦福大学新研究：声波、光波等都是RNN
- 机器学习时代的哈希算法，将如何更高效地索引数据
- Jeff Dean领导谷歌大脑用机器学习颠覆数据索引方法，将变革传统数据库设计理念
- 从概念到实践，我们该如何构建自动微分库
- 入门｜极致的优化：智能手机是如何处理大型神经网络的
- 向手机端神经网络进发：MobileNet压缩指南
- 如何在你的iPhone上建立第一个机器学习模型
- 斯坦福ICLR 2018录用论文：高效稀疏Winograd卷积神经网络 ICLR 2018
- 利用神经网络算法的Csharp手写数字识别
- 浅谈模型压缩之量化、剪枝、权重共享
- 200倍的提速！华人博士生提出大场景三维点云语义分割新框架
- 自动化机器学习技术(AutoML)如今在深度学习模型优化中有哪些应用
- SIGGRAPH 2020 | 自动生成prior的曲面网格重构技术
- LeCun新作，一张卡就能训！方差正则，稀疏编码器不再崩溃
- 训练NeRF只需5秒？！英伟达这项新技术给谷歌研究员整不会了 | 开源
- 3张图片生成一个手办3D模型！华人博士提出新模型NeROIC，更真实
- 无人汽车无法避开没见过的物体？问题出在训练pipeline上
- 一文读懂FNN、CNN、RNN、TDNN、FSMN、Attention、Transformer
- 马尔可夫决策过程(MDP)：马尔可夫奖励(MRP) + 智能体动作因素
- 基于范畴论的机器学习比较
- 一文捋顺千亿模型训练技术：流水线并行、张量并行和3D并行
《手撕深度学习》系列
- 手撕深度学习算法开讲：先简单撕撕SVM
- 手撕深度学习算法（2）：轻撕CNN
- 手撕深度学习算法（3）：轻撕LSTM
- 手撕深度学习算法（4）：手撕LSTM第一课
- 手撕深度学习算法（5）：手撕LSTM第二课
- 手撕深度学习算法（6）：手撕LSTM第三课和第四课
- 手撕深度学习算法（7）：手撕LSTM后半部第八~九课（完结篇）
计算机视觉与图像识别相关
- ZZ opencv 识别图像中的四边形的代码
- 机器视觉——双目视觉的基础知识（视差深度、标定、立体匹配）
- CV模式识别
- 模式识别
- Features2D + Homography to find a known object
- 深入浅出人脸识别原理
- 腾讯优图——分布式知识蒸馏损失改善人脸识别困难样本（附论文代码）
- opencv各种滤波分析bilateralFilter、Laplacian、bitwise_and和GaussianBlur
- 计算机视觉这一年：2017 CV技术报告之卷积架构、数据集与新趋势
- 目标检测的图像特征提取之（一）HOG特征
- 目标检测的图像特征提取之（二）LBP特征
- 目标检测的图像特征提取之（三）Haar特征
- 目标检测的图像特征提取之（四）OpenCV中BLOB特征提取与几何形状分类
- 万字长文：特征可视化技术(CAM)
- 多目标跟踪全解析，全网最全
- 多目标跟踪：监控领域你必须要了解的算法
- 目标检测一卷到底之后，终于有人为它挖了个新坑｜CVPR2021 Oral
- 单块GPU实现4K每秒30帧，实时视频抠图再升级毛发细节到位
- 计算机视觉，opencv 圆形检测
- 机器学习算法博客——我和我追逐的梦
- 结构之法 算法之道——JULY博客
- 见微知著：细粒度图像分析进展
- 卷积运算和图像处理
- 使用条件随机场（CRF）来提升图像分割的表现
- 你的美颜，由无数程序猿亲手敲出的代码默默守护
- 实战图像分类网络的可视化，从卷积结果，卷积核到激活图
- 用 Vision Transformer 进行图像分类
- 踏进VIO领域前，最需要了解的工作——预积分（Preintegration） | Paper Reading第一季第七期
- 自动驾驶爆雷！美国专家4小时发现百度、英伟达561个故障
- 一种基于学习视觉动力学方法，自动驾驶汽车的非线性模型预测控制
- 基于Tesseract的OCR识别小程序
- 计算机视觉项目：10个高质量开源数据集发布
- 可变形卷积在视频学习中的应用：利用带有稀疏标记数据的视频帧
- 人体行为序列化识别算法研究
- 今日 Paper | 神经网络结构搜索；视觉目标；人物识别；视频3D人体姿态估计等
- GAN之父谈论近4.5年生成对抗网络在人脸生成进展，5篇经典论文
- 基于生成对抗网络（GAN）的人脸变形（附链接）
- GAN | 每个人都能用英伟达GAN造脸了（附下载链接）
- 伯克利与OpenAI整合RL与GAN：让代理学习自动发现目标
- 这个模型脑补能力比GAN更强，ETH超分辨率模型SRFlow
- 3D点云配准算法简述
- 多任务上实现SOTA，UBC、谷歌联合Hinton等提出3D点云的无监督胶囊网络
- 史上最全的支付宝二维码扫码优化技术方案
- 人脸识别技术无孔不入，一批科学家已经开始反抗
自然语言处理相关
- 万字长文解读：从Transformer到ChatGPT，通用人工智能曙光初现
- 如何解决90%的自然语言处理问题：分步指南奉上
- NLP｜自然语言处理-语法解析指南：算法和技术
- 人工智能难点之——自然语言处理（NLP）
- 读《语言学纲要》有感——NLP需要语言学
- 硬货 | 一文了解深度学习在NLP中的最佳实践经验和技巧
- 卷积神经网络在自然语言处理的应用
- 未来5-10年，NLP将走向成熟
- 实战 | 让机器人替你聊天
- 用数据做酷的事！手把手教你搭建问答系统
- 最新自然语言处理(NLP)四步流程：Embed->Encode->Attend->Predict
- 一文了解自然语言处理神经史（上）
- 神经网络并不是尚方宝剑，我们需要正视深度 NLP 模型的泛化问题
- NLP领域的瑞士军刀？一个模型搞定十大自然语言常见任务
- 全面拥抱Transformer：NLP三大特征抽取器(CNN/RNN/TF)比较
- 最强NLP模型BERT可视化学习
- NLP中各种各样的编码器
- Encoder-Decoder 模型架构详解
- 用放大镜看Transformer——总体和各个模块的结构到底是什么样的
- 注意力机制到底是什么——基于常识的基本结构介绍
- Attention is All You Need？LSTM提出者：我看未必
- 真正的完全图解Seq2Seq Attention模型
- 中文分词技术及在58搜索的实践
- 为什么中文分词比英文分词更难？有哪些常用算法？（附代码）
- 使用mma进行中文分词
- 用深度学习解决大规模文本分类问题 - 综述和实践
- 谷歌论文和代码效果天壤之别，遭程序员吐槽
- 神经网络的可解释性，从经验主义到数学建模(一篇icml文)
- 训练一个能像人一样说话的神经网络模型，具体需要哪些步骤？
- 「NLP-词向量」一文详述词向量的由来及本质
- NLP这一年：盘点2017年自然语言处理领域的重大深度学习技术
- 回望2017，基于深度学习的NLP研究大盘点
- 没想到，自然语言处理能这么有趣 // 自然语言处理入门
- 比基线模型快100倍，Google开源文本生成“加速器”LaserTagger
- 没有数据也能翻译？一文读懂无监督机器翻译
- 「NLP实战」一文看懂深度文本分类之DPCNN原理与代码
- 4个最流行的句子嵌入模型【Sentence Embedding】
- 深度好奇郑达奇：用面向对象的神经规划进行文本理解
- 深度学习的应用：语音识别、图像理解、自然语言处理
- 那个在国际翻译大赛上夺冠的模型，字节刚刚开源了（附夺冠代码）
语音识别与合成相关
大数据、数据分析相关
- 详解十大数据挖掘算法之Apriori
- 孤立森林算法介绍，这次终于看懂了
- 基于Plato高性能图计算框架的社团发现算法
- 主宰编程界的10个数据挖掘算法和它们的优势，文末福利
- 爱不释手，怪不得大咖都喜欢通过压缩算法实现Codec
- 大规模数据的相似度计算 Min Hashing 和 LSH
- 消息队列：kafka
GPT相关
- 被 GPT 带火的 Prompt 是什么？
- 教你如何本地部署chatGPT-3.5
- 10分钟打造基于ChatGPT的Markdown智能文档
- MiniGPT-4
- 从语言模型到ChatGPT，大模型调教全攻略
- 训练开销骤减，10%成本定制专属类GPT-4多模态大模型
- NÜWA：多模态预训练模型，大杀四方！（附源代码下载）
- 十分钟读懂旋转编码（RoPE）
- 有证据了，MIT表明：大型语言模型≠随机鹦鹉，确实能学到语义
- 大模型帮陶哲轩解题：数学真要成为首个借助AI实现突破的学科了？
- ChatGLM相关
- 米哈游联合复旦，全面解读AI Agents现状与未来，网友：原神启动？！
- NeuralField-LDM: Scene Generation with Hierarchical Latent Diffusion Models