ApacheCN 活动汇总 2019.7.5

最新推荐文章于 2024-11-12 13:55:23 发布
最新推荐文章于 2024-11-12 13:55:23 发布
阅读量130 收藏
点赞数
文章标签： c/c++ javascript git ViewUI
原文链接：http://www.cnblogs.com/wizardforcel/p/11136693.html
版权

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（QQ 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个人学习博文，论文解读，比赛心得等 AI 相关文章投稿，请将文章链接发到这里，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（微信二维码）或咸鱼（QQ 1034616238）。

组织任务

20190705-1.png

20190705-2.png

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. 除了列出的翻译项目之外，现有翻译项目不接受新的负责人。如果你打算贡献，请直接提交Pull Request。
  3. 如果你的想法没有列出（包括但不仅限于翻译项目），同样欢迎私聊我们。

翻译校对活动

百页机器学习小书

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：7/12，翻译：1/12

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@Rachel-Hu
四、线性算法剖析@P3n9W31
五、基本实践@chengchengbai
六、神经网络和深度学习@Everfighting
七、问题和答案
八、高级实践
九、无监督学习
十、其它学习形式
十一、总结

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：30/42，校对：28/42

章节贡献者进度
1.关于本书（ES2019 版）@YouWillBe100%
2.常见问题：本书@huangzijian888100%
3. JavaScript 的历史和演变
4.常见问题：JavaScript
5.概览@kj415j45100%
6.语法@lq920320100%
7.在控制台上打印信息（console.*）@lq920320100%
8.断言 API@lq920320100%
9.测验和练习入门@so-hard100%
10.变量和赋值@so-hard100%
11.值@lq920320100%
12.运算符@wizardforcel100%
13.非值undefined和null@wizardforcel100%
14.布尔值@wizardforcel100%
15.数字@wizardforcel100%
16. Math@wizardforcel100%
17. Unicode - 简要介绍（高级）@wizardforcel100%
18.字符串@wizardforcel100%
19.使用模板字面值和标记模板@wizardforcel100%
20.符号@wizardforcel100%
21.控制流语句@wizardforcel100%
22.异常处理
23.可调用值
24.模块
25.单个对象
26.原型链和类@lq920320100%
27.同步迭代@lq920320
28.数组（Array）@52admln100%
29.类型化数组：处理二进制数据（高级）
30.映射（Map）@so-hard
31. WeakMaps（WeakMap）
32.集（Set）
33. WeakSets（WeakSet）
34.解构@Kavelaa100%
35.同步生成器（高级）
36. JavaScript 中的异步编程@Kavelaa100%
37.异步编程的 Promise@iChrisJ100%
38.异步函数@iChrisJ100%
39.正则表达式（RegExp）@iChrisJ100%
40.日期（Date）@facebesidewyj100%
41.创建和解析 JSON（JSON）@xdyushenli
42.其余章节在哪里？

seaborn 0.9 中文文档

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：64/74，翻译：47/74

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@friedhelm739
7Building structured multi-plot grids@keyianpai100%
8Controlling figure aesthetics@P3n9W31100%
9Choosing color palettes@Modrisco100%
10seaborn.relplot@Stuming
11seaborn.scatterplot@tututwo
12seaborn.lineplot@tututwo
13seaborn.catplot@LIJIANcoder97100%
14seaborn.stripplot@LIJIANcoder97100%
15seaborn.swarmplot@LIJIANcoder97
16seaborn.boxplot@FindNorthStar100%
17seaborn.violinplot@FindNorthStar100%
18seaborn.boxenplot@FindNorthStar100%
19seaborn.pointplot@FindNorthStar100%
20seaborn.barplot@melon-bun
21seaborn.countplot@Stuming100%
22seaborn.jointplot@Stuming
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@sfw134
36seaborn.PairGrid.map@sfw134
37seaborn.PairGrid.map_diag@sfw134
38seaborn.PairGrid.map_offdiag@sfw134
39seaborn.PairGrid.map_lower@sfw134
40seaborn.PairGrid.map_upper@sfw134
41seaborn.JointGrid
42seaborn.JointGrid.plot
43seaborn.JointGrid.plot_joint
44seaborn.JointGrid.plot_marginals
45seaborn.set@lbllol365
46seaborn.axes_style@lbllol365
47seaborn.set_style@lbllol365
48seaborn.plotting_context
49seaborn.set_context
50seaborn.set_color_codes
51seaborn.reset_defaults
52seaborn.reset_orig
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：14/83，校对：12/83

序号章节贡献者进度
1git
2git-config@honglyua100%
3git-help@honglyua100%
4git-init@honglyua100%
5git-clone@honglyua100%
6git-add@yulezheng100%
7git-status@honglyua100%
8git-diff@honglyua100%
9git-commit@yulezheng
10git-reset@honglyua100%
11git-rm@honglyua100%
12git-mv@honglyua100%
13git-branch@honglyua100%
14git-checkout
15git-merge
16git-mergetool
17git-log
18git-stash
19git-tag
20git-worktree
21git-fetch
22git-pull@Mrhuangyi100%
23git-push@Mrhuangyi
24git-remote
25git-submodule
26git-show
27git-log
29git-shortlog
30git-describe
31git-apply
32git-cherry-pick
34git-rebase
35git-revert
36git-bisect
37git-blame
38git-grep
39gitattributes
40giteveryday
41gitglossary
42githooks
43gitignore
44gitmodules
45gitrevisions
46gittutorial
47gitworkflows
48git-am
50git-format-patch
51git-send-email
52git-request-pull
53git-svn
54git-fast-import
55git-clean
56git-gc
57git-fsck
58git-reflog
59git-filter-branch
60git-instaweb
61git-archive
62git-bundle
63git-daemon
64git-update-server-info
65git-cat-file
66git-check-ignore
67git-checkout-index
68git-commit-tree
69git-count-objects
70git-diff-index
71git-for-each-ref
72git-hash-object
73git-ls-files
74git-merge-base
75git-read-tree
76git-rev-list
77git-rev-parse
78git-show-ref
79git-symbolic-ref
80git-update-index
81git-update-ref
82git-verify-pack
83git-write-tree

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：18/31，校对：14/31

章节贡献者进度
Preface@xixici100%
Getting Started@xixici100%
Apache HBase Configuration@xixici100%
Upgrading@xixici100%
The Apache HBase Shell@xixici100%
Data Model@Winchester-Yi
HBase and Schema Design@RaymondCode100%
RegionServer Sizing Rules of Thumb
HBase and MapReduce@BridgetLai100%
Securing Apache HBase
Architecture@RaymondCode
In-memory Compaction@mychaow100%
Backup and Restore@mychaow100%
Synchronous Replication@mychaow100%
Apache HBase APIs@xixici100%
Apache HBase External APIs@xixici100%
Thrift API and Filter Language@xixici100%
HBase and Spark@TsingJyujing100%
Apache HBase Coprocessors@TsingJyujing
Apache HBase Performance Tuning
Troubleshooting and Debugging Apache HBase
Apache HBase Case Studies
Apache HBase Operational Management
Building and Developing Apache HBase
Unit Testing HBase Applications
Protobuf in HBase@TsingJyujing
Procedure Framework (Pv2): HBASE-12439
AMv2 Description for Devs
ZooKeeper
Community
Appendix

UCB Prob140：面向数据科学的概率论

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：22/25，翻译：19/25

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>0%
六、随机计数@viviwong100%
七、泊松化@YAOYI626100%
八、期望50%
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@ThunderboltSmile
十六、变换@hellozhaihy
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50%
二十三、联合正态随机变量@JUNE951234
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：0/46，校对：0/46

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

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

翻译活动：认领：75/76，翻译：70/76

校对活动：认领：18/76，校对：1/76

章节译者进度校验者进度
教程部分----
Deep Learning with PyTorch: A 60 Minute Blitz@bat67100%@AllenZYJ
What is PyTorch?@bat67100%@AllenZYJ
Autograd: Automatic Differentiation@bat67100%@AllenZYJ
Neural Networks@bat67100%@AllenZYJ
Training a Classifier@bat67100%@AllenZYJ
Optional: Data Parallelism@bat67100%
Data Loading and Processing Tutorial@yportne13100%
Learning PyTorch with Examples@bat67100%@Smilexuhc
Transfer Learning Tutorial@jiangzhonglian100%@infdahai
Deploying a Seq2Seq Model with the Hybrid Frontend@cangyunye100%
Saving and Loading Models@bruce1408100%@luxinfeng
What is torch.nn really?@lhc741100%@luxinfeng
Finetuning Torchvision Models@ZHHAYO100%@luxinfeng
Spatial Transformer Networks Tutorial@PEGASUS1993100%@Smilexuhc
Neural Transfer Using PyTorch@bdqfork100%
Adversarial Example Generation@cangyunye100%@infdahai
Transfering a Model from PyTorch to Caffe2 and Mobile using ONNX@PEGASUS1993100%
Chatbot Tutorial@a625687551100%@enningxie
Generating Names with a Character-Level RNN@hhxx2015100%@hijkzzz100%
Classifying Names with a Character-Level RNN@hhxx2015100%@hijkzzz
Deep Learning for NLP with Pytorch@bruce1408100%
Introduction to PyTorch@guobaoyo100%
Deep Learning with PyTorch@bdqfork100%
Word Embeddings: Encoding Lexical Semantics@sight007100%@Smilexuhc
Sequence Models and Long-Short Term Memory Networks@ETCartman100%
Advanced: Making Dynamic Decisions and the Bi-LSTM CRF@enningxie
Translation with a Sequence to Sequence Network and Attention@mengfu188100%
DCGAN Tutorial@wangshuai9517100%@infdahai
Reinforcement Learning (DQN) Tutorial@friedhelm739100%@infdahai
Creating Extensions Using numpy and scipy@cangyunye100%
Custom C++ and CUDA Extensions@P3n9W31100%
Extending TorchScript with Custom C++ Operators@sunxia233
Writing Distributed Applications with PyTorch@firdameng100%
PyTorch 1.0 Distributed Trainer with Amazon AWS@yportne13100%
ONNX Live Tutorial@PEGASUS1993100%
Loading a PyTorch Model in C++@talengu100%
Using the PyTorch C++ Frontend@solerji100%
文档部分----
Autograd mechanics@PEGASUS1993100%
Broadcasting semantics@PEGASUS1993100%
CUDA semantics@jiangzhonglian100%
Extending PyTorch@PEGASUS1993100%
Frequently Asked Questions@PEGASUS1993100%
Multiprocessing best practices@cvley100%
Reproducibility@bruce1408
Serialization semantics@yuange250100%
Windows FAQ@PEGASUS1993100%
torch@infdahai
torch.Tensor@hijkzzz100%
Tensor Attributes@yuange250100%
Type Info@PEGASUS1993100%
torch.sparse@hijkzzz100%
torch.cuda@bdqfork100%
torch.Storage@yuange250100%
torch.nn@gongel100%
torch.nn.functional@hijkzzz100%
torch.nn.init@GeneZC100%
torch.optim@zonasw
Automatic differentiation package - torch.autograd@gfjiangly100%
Distributed communication package - torch.distributed@univeryinli100%
Probability distributions - torch.distributions@hijkzzz100%
Torch Script@keyianpai100%
Multiprocessing package - torch.multiprocessing@hijkzzz100%
torch.utils.bottleneck@belonHan100%
torch.utils.checkpoint@belonHan100%
torch.utils.cpp_extension@belonHan100%
torch.utils.data@BXuan694100%
torch.utils.dlpack@kunwuz100%
torch.hub@kunwuz100%
torch.utils.model_zoo@BXuan694100%
torch.onnx@guobaoyo100%
Distributed communication package (deprecated) - torch.distributed.deprecated@luxinfeng100%
torchvision Reference@BXuan694100%
torchvision.datasets@BXuan694100%
torchvision.models@BXuan694100%
torchvision.transforms@BXuan694100%
torchvision.utils@BXuan694100%

TensorFlow 2.0 中文文档

整体进度：https://github.com/apachecn/tensorflow-doc-zh/issues/3

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

认领：2/70，翻译：2/70

章节译者进度校验者进度
快速入门----
开始使用TensorFlow 2.0@jiangzhonglian100%--
Effective TensorFlow 2----
Migrate from TF 1 to TF 2----
Convert with the upgrade script----
Get started for beginners----
Get started for experts----
初学者教程----
ML basics----
Overview----
Classify images----
Classify text----
Classify structured data----
Regression----
Overfitting and underfitting----
Save and restore models----
Images----
Convolutional neural networks----
Transfer learning with TFHub----
Transfer learning with pretrained CNNs----
文本和序列----
Word Embeddings 简介@jiangzhonglian100%--
Classify preprocessed text----
Classify text with a RNN----
Estimators----
Premade estimators----
Linear models----
ADVANCED TUTORIALS----
Customization----
Overview----
Tensors and operations----
Custom layers----
Automatic differentiation----
Custom training: basics----
Custom training: walkthrough----
TF function and AutoGraph----
Text and sequences----
Generate text with an RNN----
Translation with attention----
Image captioning----
Transformer model for language understanding----
lmage generation----
Style transfer----
DCGAN----
Pix2Pix----
CycleGAN----
Variational autoencoder----
Adversarial FGSM----
Load and preprocess data----
CSV----
Numpy----
Pandas----
lmages----
Text----
TFRecords----
Unicode----
TF.Text----
Distributed training----
Distributed training----
Distributed training with custom----
training loops----
Multi worker training with----
Estimator----
Multi worker training with Keras----
GUIDE----
Eager essentials----
Variables----
AutoGraph----
Keras----
Keras overview----
Keras functional API----
Train and evaluate----
Write layers and models from scratch----
Save and serialize models----
Write custom callbacks----
Accelerators----
Distribution strategy----
Using GPU----
Data input pipelines----
tf.data Overview----
Performance----
Serialization----
Checkpoints----
Saved models----
Misc----
Version compatibility----

认领完毕

OpenCV 4.0 中文教程

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：51/51，翻译：26/51。

UCB CS61b：Java 中的数据结构

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：10/12

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：12/20，整理：0/20

章节贡献者进度
Lecture 1@cx123cx456
Lecture 2@AllenZYJ
Lecture 3@cx123cx456
Lecture 4@ZSIRS
Lecture 5@ZSIRS
Lecture 6@ZSIRS
Lecture 7@neolei
Lecture 8@Qichao-Ge
Lecture 9@NewDreamstyle192
Lecture 10@enningxie
Lecture 11
Lecture 12
Lecture 13
Lecture 14
Lecture 15
Lecture 16
Lecture 17@pingjing233
Lecture 18
Lecture 19
Lecture 20@Willianan

宣传活动

PyTorch 1.0

整体进度：https://github.com/apachecn/pytorch-doc-zh/issues/372

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

章节OSChinaSegmentFault掘金简书搜狐号百家号知乎专栏
教程部分
Deep Learning with PyTorch: A 60 Minute Blitz
What is PyTorch?
Autograd: Automatic Differentiation
Neural Networks
Training a Classifier
Optional: Data Parallelism
Data Loading and Processing Tutorial
Learning PyTorch with Examples
Transfer Learning Tutorial
Deploying a Seq2Seq Model with the Hybrid Frontend
Saving and Loading Models
What is torch.nn really?
Finetuning Torchvision Models
Spatial Transformer Networks Tutorial
Neural Transfer Using PyTorch
Adversarial Example Generation
Transfering a Model from PyTorch to Caffe2 and Mobile using ONNX
Chatbot Tutorial
Generating Names with a Character-Level RNN
Classifying Names with a Character-Level RNN
Deep Learning for NLP with Pytorch
Introduction to PyTorch
Deep Learning with PyTorch
Word Embeddings: Encoding Lexical Semantics
Sequence Models and Long-Short Term Memory Networks
Advanced: Making Dynamic Decisions and the Bi-LSTM CRF
Translation with a Sequence to Sequence Network and Attention
DCGAN Tutorial
Reinforcement Learning (DQN) Tutorial
Creating Extensions Using numpy and scipy
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
Serialization semantics
Windows FAQ
torch
torch.Tensor
Tensor Attributes
Type Info
torch.sparse
torch.cuda
torch.Storage
torch.nn
torch.nn.functional
torch.nn.init
torch.optim
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

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 博客专家和简书程序员优秀作者认证。我们与 Datawhale、AI 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。

apachecn_qr.jpg

赞助我们

donate.jpg

转载于:https://www.cnblogs.com/wizardforcel/p/11136693.html

Mr.Gu
关注
一文让你掌握神经网络训练技巧
soaring_casia的专栏
07-23 1442
神经网络训练是一个非常复杂的过程，在这过程中，许多变量之间相互影响，因此我们研究者在这过程中，很难搞清楚这些变量是如何影响神经网络的。而本文给出的众多tips就是让大家，在神经网络训练过程中，更加简单方便的加速训练网络。当然，这些tips并不是训练网络的必要过程，而是作为一些启发式建议，让大家更好的理解自己手上的工作任务，并且有针对性的选择合适的技术。 首先，选择一个很好的初始训练状态，是一个很广泛的话题，包括：从图像增强到选择超参数等等，下面我们具体列出了具体的操作： · Overfit a sing
tensorflow 2.0 分布式训练（单机多卡模式）
Matthew技术小站
10-17 5829
方式一： import tensorflow as tf from nets.single_posenet import singlePosenet from configs.spn_config import params from dataset.dataset import get_dataset import os import time if __name__ == '__main...
ApacheCN 活动汇总 2019.7.19
龙哥盟
07-19 3万+
公告 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（QQ 1034616238）。 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。 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...
ApacheCN 活动汇总 2019.7.27
龙哥盟
07-27 3万+
公告 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（QQ 1034616238）。 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。 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...
ApacheCN 活动汇总 2019.7.12
龙哥盟
07-12 3万+
公告 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（QQ 1034616238）。 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。 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...
ApacheCN 活动汇总 2019.8.30
龙哥盟
08-30 3万+
公告 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）。 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。 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，...
ApacheCN 活动汇总 2019.8.9
热门推荐
龙哥盟
08-09 3万+
公告 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）。 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。 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，...
ApacheCN 活动汇总 2019.8.3
龙哥盟
08-03 3万+
公告 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（QQ 1034616238）。 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。 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...
idea2019.2汉化包.rar
08-19
5. 配置语言：在设置中选择“界面语言”为“中文”，确保IDE成功切换到中文界面。 使用汉化包时应注意以下几点： - 汉化包的兼容性：确保汉化包是针对特定版本的IntelliJ IDEA，比如这里的2019.2版本，否则可能会...
myeclipse-2019.4.7s破解文件.zip
07-09
myeclipse-2019.4.7破解，亲测有效 里面有详细的操作手顺，希望大家支持 好资源给大家共享
tableau desktop 2019.4.3 版本 安装包
06-21
1.内容：tableau desktop 2019.4.3 版本 安装包，这个版本包含了jdbc的连接，可以连接clickhouse数据库。 2.脚本内容：安装脚本里包含了网盘资源的连接和密码，安装包大小426M。 3.提示：如有问题私信我。
Xilinx Vitis(Vivado) 2019.2
03-11
Vitis 统一软件平台可实现在 Xilinx 异构平台（包括 FPGA、SoC 和 Versal ACAP）上开发嵌入式软件和加速应用。它可为边缘、云和混合计算应用加速提供统一编程模型。 利用与高层次框架的集成，通过加速库采用 C、...
ApacheCN 活动汇总 2019.8.23
龙哥盟
08-23 3万+
公告 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）。 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。 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，...
C++基础_关于拷贝构造函数（复制构造函数）RVO
学海无涯
11-11 914
VS2022会直接跳过拷贝构造或移动构造，直接在目标对象内存中构造返回对象，优化性能
GitLab 提交 C++ 技巧
nbspzs的专栏
11-08 348
在 GitLab 中提交 C++ 代码时，通常应只提交 源代码文件（例如 .cpp、.h）和 CMake 配置文件（例如 CMakeLists.txt），而不要提交通过 CMake 编译后的中间文件或构建产物。这样，当其他开发者克隆你的项目后，他们可以在自己的机器上使用 cmake 构建项目，而不需要下载编译产物。2. 跨平台兼容性：不同的开发者和平台可能会生成不同的编译产物，提交这些文件会造成不必要的冲突和问题。1. 在 .gitignore 文件中忽略编译生成的文件和目录。
C++——智能指针
最新发布
Wangx_wang的博客
11-12 574
介绍了几种智能指针的不同和实现思路以及循环引用的问题
2024年华为OD机试真题-查找充电设备-C++-OD统一考试（E卷）
面试高手的博客
11-08 314
某个充电站，可提供n个充电设备只，每个充电设备均有对应的输出功率任意个充电设备组合的输出功率总和，均构成功率集合P的1个元素功率集合P的最优元素，表示最接近充电站最大输出功率pmax 的元素。每一题都含有详细的解题思路和代码注释，精编c++、JAVA、Python三种语言解法。当充电设备输出功率50、20、20组合时，其输出功率总和为90，最接近充电站最大充电输出功率，因此最优元素为90。所有充电设备的输出功率组合，均大于充电站最大充电输出功率30，此时最优元素值为0。第 2 行为每个充电设备的输出功率。
Vivado2019.2中使用Verilog实现FPGA的PWM脉宽调制教程
资源摘要信息:"本资源主要介绍如何在vivado2019.2平台上使用Verilog语言实现基于FPGA的PWM（脉宽调制）技术，并提供了操作视频教程帮助学习者理解整个过程。PWM是一种常用于控制模拟电路电源电压的技术，广泛应用于...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值