Remoa的休闲茶馆

1 算法思路；2 实验结果；3 代码示例

1 研究背景；2 关键卖点；3 主要架构；4 损失函数；4.1自监督对比学习损失；4.2 有监督对比学习损失；5 模型性能；参考文献；

1 研究背景；2 研究目标及结论；3 先前的一些评估和基准方法；4 实验结果；4.1 Many-shot Recognition（Many-Shot识别）；4.2 Few-shot Recognition（Few-Shot识别）；4.3 Detection（目标检测）；4.4 Surface Normal Estimation（表面法向量估计）和Semantic segmentation（语义分割）

1、研究背景；2、研究目标；3、论文结论；4、主要方法；4.1 论文核心方法；4.2 与传统方法对比；4.3 如何生成困难正 / 负样本对；4.4 主要消融实验；5、实验设置；5 实验设置；5.1 图像分类任务实验设置；5.2 特征可视化任务实验设置；

1、本科和研究生区别；2、坚持阅读和分析期刊会议论文；（1）目的；（2）注意事项；（3）一般论文组成部分；（4）论文阅读步骤；3、论文报告的要求和技巧；4、我的可能研究方向：神经网络训练、网络结构优化、神经架构搜索；（1）Review、Survey、Overview类型论文；（2）该领域2015年后根据引用数量排名最高的论文；

CNN之手写数字识别（Handwriting Recognition）1、常用的包；2、常见概念；3、手写数字识别器实现；3.1 数据准备；3.2 构建网络；3.3 运行模型；3.4 测试模型；3.5 查看卷积核与特征图

Review comments on "Normalization Techniques in Training DNNs: Methodology, Analysis and Application"1、Summary；2、Positive points；3、Negative points;4、References

线性回归基础学习1、理论知识；2、样例代码测试；3、参考文献

神经结构搜索(Neural Architecture Search, NAS)学习1、参考文献；2、NAS基础知识整理：（1）NAS定义；（2）经典NAS方法；（3）NAS核心要素；（4）NAS搜索加速策略；（5）NAS核心目标；3、A Study on Encodings for Neural Architecture Search论文学习；4、Cream of the Crop: Distilling Prioritized Paths For One-Shot Neural Architect

深度学习基础学习——PyTorch实现VGG网络1、概要描述2、实验结果3、代码示例4、运行示例5、问题报错及解决6、论文重点内容学习7、参考文献

一、基于Ubuntu18.04下深度学习服务器搭建1、主要模块组成；2、Anaconda安装；3、CUDA安装；4、pytorch安装；5、CuDNN安装；二、其他常用指令1、查看系统发行信息；2、查看系统位数；3、为用户分配sudo权限；4、安装Apache服务器并启用防火墙控制；5、新建用户；6、查看、安装、卸载、更新GPU显卡驱动；7、安装jdk1.8

1、机器学习简介；2、算法分类；3、模型评估；4、模型选择

1、人工智能的三大学派2、人工神经网络和符号逻辑的区别3、群体智能算法与进化计算算法的区别与联系4、机器学习的定义5、机器学习的五大学派6、机器学习的应用领域7、机器学习的分类8、强化学习和监督学习的区别9、浅层结构算法和深度学习算法区别10、深度学习网络深度越深越好吗