目录
项目六：YOLO V1和YOLO V3深度学习目标检测补遗更新
NEW项目十：疫情下的口罩检测：一文入门 Pytorch
疫情下，人人都戴上了口罩。尤其是出入地铁站、火车站、商场等人流密集的场所，不戴口罩是不允许进入的。口罩检测成了当下较为应景的深度学习实战项目。
本次 Chat，采用 Facebook 人工智能研究院（FAIR）开源的深度学习框架 Pytorch。将从以下几个点，尽可能详尽的手把手带你一步一步实现口罩检测任务。
- 数据介绍、数据准备和 Pytorch 数据处理
- 该任务下的 ResNet-Pytorch 网络模型定义
- 损失函数、优化器、学习率定义不要太简单
- 训练模型（CPU or GPU）、单图测试和Camera测试
- 总结
学完本 Chat，你将对深度学习框架 Pytorch 的整个流程和使用有了初步的认识。可进一步优化口罩检测，使之成为一个可以上线的应用。
NEW项目九：小白和你聊秋招
和标题一样，应届生，坐标深圳，刚刚入职科技创业型公司上班一个月。不是什么大公司，也没有大名响当当的导师团队，但是真心喜欢。所以，我想和你聊5毛钱的秋招，不知道你愿不愿意。主要分享内容如下：
- 金九银十，秋招真的是这样吗
- 八月了，我现在在做什么，和即将要准备些什么
- 实习、比赛经历、项目经历写到简历里要注意些啥呢
- 我要去投大公司吗？创业型的小公司要不要投、怎么投、哪里投呢
- 十月底了，我怎么还没有 offer，要不要继承家里的企业，这样的我究竟我还能做什么
- 哎，那就这样吧，我还是好好准备年后的春招吧。
就上面这样，5毛钱纯分享。如果你正在准备秋招，赶紧上车吧。保证绝对个人经历，回过头来看一年前的自己，原来有那么多事情可以做的更好，欢迎你来。
Gitchat地址：小白和你聊秋招
NEW项目八：用 PyTorch 框架做深度学习会如此简单
PyTorch 是深度学习众多开源框架中的一种，由 Facebook 于 2017 年基于 Torch 构建而成，是一个以 Python 优先的深度学习框架，同时还支持动态神经网络，以其灵活、简洁和易用性吸引了数据科学专业人士和深度学习从业者的关注。
本文将围绕真实场景项目中图像分类入手，从以下几个方面展开：
- PyTorch 是什么
- 基于 Aanconda Python3 的 PyTorch 安装
- 有监督学习和神经网络优化
- 数据三分类任务加深对 PyTorch 和神经网络的理解
- 实战场景识别项目
- 监控数据/模型--TensorboardX 可视化
本文适合深度学习小白入门进阶，苦恼于 TensorFlow 的繁琐，想快速的掌握一个深度学习框架的学生和从业者。学完本文，可以对 PyTorch 框架有个较好的理解，有助于更深层次的学习。
Gitchat地址：用 PyTorch 框架做深度学习会如此简单
项目一：一个项目带你快速入门 Qt Creator
本 Chat 计划通过编写简易倒车雷达显示系统 GUI 界面讲述 Qt Creator 基本入门操作。其中 GUI 操作界面包括：
- USB 摄像机数据的获取（此处采用的是 OpenCV 图像处理库配合使用）、显示；
- 电动车辆充电系统电池实时状态显示（充电的动态显示和电量的静态显示）；
- Button、Table、Label 等控件的使用。
适合没有 Qt 编程基础，有 C++ 基本知识的小伙伴作为入门资料。内容浅显易懂，讲解详实，力求通过一个简单的项目，带领站在 Qt 门外的小伙伴走进来的跳板。(下图展示了部分功能，仅供参考)
Gitchat地址：一个项目带你快速入门 Qt Creator
项目二：手把手实践 YOLO 深度残差神经网络拐点检测
如题，AI 领域不得不提的就是深度学习、神经网络，而这其中针对不同的领域，不同的应用场景又有各种分支。
在本场 Chat 中，将针对于图像处理领域的目标任务检测，尤其是基于 YOLO 网络的目标拐点的位置和分类检测，并针对这个目标从0到1（数据采集到网络训练，再到效果展示）分享和解析代码的整个过程。
主要内容：
- 深度学习简介
- YOLO 目标检测神经网络介绍
- 实践步骤详述
- 包括图像数据采集、图像处理
- 数据集及标签制作
- 神经网络搭建
- TensorFlow 代码作用注释
- 超参数（初始参数）设定、微调
- 神经网络训练
- 效果比较及分析
让读者手动熟悉整个神经网络过程，并举一反三，手动设计自己的 TensorFlow 深度学习神经网络···
Gitchat地址：手把手实践 YOLO 深度残差神经网络拐点检测
项目三：从凸优化理解高维特征下的深度学习
本 Chat 意在从高维空间特征角度引入深度学习，进入到深度学习的理论内部，用通俗易懂的方式将一个貌似很高深晦涩的理论浅显化。你可以是一个文科外行，亦或是一个管理工作的高管，或是想踏入 AI 领域，又或是想了解机器学习\深度学习理论同行，我们换个角度一探究竟吧。（以此前自己的一个汇报 PPT 为材料，力求多的图像和解释性文字详述）
主要内容：
- 什么是凸优化？
- 什么是非线性？
- 什么是高维空间？
- 高维特征空间和深度学习有什么关系？
- 卷积层数越多，特征提取能力真的越强吗？为啥？
文章主要以此为线索，力求浅显易懂，不懂不要钱（哈哈），我们开始吧···
Gitchat地址：从凸优化理解高维特征下的深度学习
项目四：YOLO V3 一步步训练自己的目标检测
YOLO 的 Darknet 框架想必大家应该很熟悉，最近出了最新的 V3 版本，也看到网上有很多的“手把手训练自己的数据”的博客，感谢前辈们，自己也从中收益良多。但还是觉得有些粗糙，不够详细，尤其是像我们这样的菜鸟，自己训练自己的数据时候遇见了不少的坑，特整理分享出来。
本场 Chat 主要内容包括：
- YOLO V1--YOLO V3 的框架对比；
- YOLO V3 的网络详述；
- 自己待训练数据集的制作；
- 官网提供文档的讲述；
- 训练前针对自己待训练样本的文档配置；
- 训练，检测，结果分析；
- 总结。
Gitchat地址：YOLO V3 一步步训练自己的目标检测
项目五：机器学习必备的5个脚本工具详解
如题所述，本 Chat 主要详细解析在大数据/深度学习等图像处理领域很常用的5个脚本工具。包含了图像的获取、图像文件的处理、图像数据的增强处理、和图像数据不同格式间的转换。
主要包括内容：
一、爬虫脚本随心抓取下载百度图片库目标图片；
二、USB 摄像头获取视频图像，单帧保存图片；
三、图像预处理之文件批量重命名，包括对单文件图片的重命名和文件夹内按规则对多文件夹内图片重命名处理；
四、图像数据批量增强：
- 分类网络中对 train_set 的批增强处理；
- 检测网络中对图片及 .xml 生成文件同时数据批量增强处理；
五、图像转 Tfrecord 数据格式代码详解，及 TF 读取。
Gitchat地址：机器学习必备的5个脚本工具详解
项目六：YOLO V1和YOLO V3深度学习目标检测补遗更新
随着深度学习对目标检测的工业应用发展，尤其是在无人驾驶热度的带动之下，社会的各个工业领域都在尝试把这样一个好用的东西迁移到自己的产业中来。自从把 YOLO v3 用于训练自己的数据集 Chat 发布之后，发现文章的订阅量在逐步的上升，其中也发现了一些疏漏的地方和不足之处。
本Chat为 YOLO v1 和 YOLO v3 两篇文章的补充内容，针对上述两篇文章存在的不足，给予适当的修改和补充。包括：
- YOLO v1 中的网络构建问题；
- YOLO v3 动手实践第四部分改动一处，voc_label.py 的特定修改；
- YOLO v3 动手实践第四部分增添对 cfg 文件夹下 .cfg 文件修改；
- YOLO v3 Darknet 框架下的训练和识别数据可视化；
- 总结感悟。
本Chat免费，欢迎订阅，谢谢！
Gitchat地址：YOLO V1和YOLO V3深度学习目标检测补遗更新
项目七：一线城市初次租房防坑指南
最近笔者临近毕业，即将要滚出深圳南山价值几百万的高档宿舍，离开前门有湖、后门有院、出门有一元校巴、吃饭有免费紫菜蛋汤的美丽校园（也许有人已经猜到是哪里了，哈哈），不得不抓紧时间在深圳这个寸土寸金的地方重新找个安身之所了。时间上断断续续的在网上和实地看房超过了 5 天，见到了形形色色的中介形（ji）象（liang）、五花八门的房间设（hua）计（hua）。这里就把我个人的所见所闻，和实验室小伙伴的找房经历做个简要总结，内容如下：
- 说好的一房一厅、1000 元起呢？
- 拎包入住？厨房、卫生间、周边环境要看看
- 什么？还有物业费、管理费、破损费、水电费、网费
- 烦，回来就微信、电话饥饿销售，各种询问
- 公寓房和合租房，究竟选哪个？
- 总结找房那些点，要了解下
本 Chat 适合即将走出校门的应届生，和初次租房的小伙伴。亲身经历，不足之处，望多指教；如有帮助，五星好评，Thanks。
GitChat地址：一线城市初次租房防坑指南
649
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
