MachineLP博客目录

Posted MachineLP

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了MachineLP博客目录相关的知识,希望对你有一定的参考价值。

MachineLP:

        其实事物发展有自己的潮流和规律,当你身处潮流之中的时候,要紧紧抓住潮流的机会,想办法脱颖而出,即使没有成功,也会更加洞悉时代的脉搏,收获珍贵的知识和经验。而如果潮流已经退去,这个时候再去往这个方向上努力,只会收获迷茫与压抑,对时代、对自己都没有什么帮助。

        但是时代的浪潮犹如海滩上的浪花,总是一浪接着一浪,只要你站在海边,身处这个行业之中,下一个浪潮很快又会到来。你需要敏感而又深刻地去观察,略去那些浮躁的泡沫,抓住真正潮流的机会,奋力一搏,不管成败,都不会遗憾。

        切记:求精不求多,有舍才有得;不做旁观者,不拒绝身边的任何小事。

欢迎加微信:lp9628(注明CSDN)。  因为相信所以遇见,有时候你我相遇不一定是巧合。

公众号MachineLN,邀请您扫码关注:

MachineLP的Github(欢迎follow):https://github.com/MachineLP

MachineLP CodeFun:https://github.com/MachineLP/MachineLP-CodeFun

MachineLP的知乎:https://www.zhihu.com/people/machinelp

一步步成为数据科学家:https://zhuanlan.zhihu.com/p/85072966

train_cnn_v0: 实现基础cnn训练,数据读取方式慢。

train_cnn_v1: 优化数据读取的方式,学习率加入衰减。

train_cnn-rnn:在train_cnn_v0基础上加入rnn。

train_cnn-rnn-attention_v0:在train_cnn_v0基础上加入rnn、attention。

train_cnn_multiGPU_v0:使用多GPU训练(默认两块gpu),以上其他框架使用多GPU,只需把train.py替换掉就可以了。

train_cnn_multilabel: 多任务多标签训练及其总结。

train_cnn_GANs: GANs训练及其总结。

TensorFlow基础教程:理论及其代码实践。

python实践教程:MachineLP的日常代码。

李宏毅老师:http://speech.ee.ntu.edu.tw/~tlkagk/courses_MLDS17.html

李宏毅机器学习笔记(LeeML-Notes):  https://datawhalechina.github.io/leeml-notes/#/ 

李宏毅机器学习视频:https://www.bilibili.com/video/av10590361?from=search&seid=8516959386096686045 

deeplearning.ai:https://mooc.study.163.com/university/deeplearning_ai#/c

sklearn:http://scikit-learn.org/stable/modules/multiclass.html

sklearn中文开发文档:http://sklearn.apachecn.org/#/

keras文档:https://keras.io/models/model/

TF python API:https://tensorflow.google.cn/api_docs/python/

Neural Networks and Deep Learninghttp://neuralnetworksanddeeplearning.com

Tensorflow API中文版:https://www.w3cschool.cn/tensorflow_python/tensorflow_python-lbm22c8b.html

pythorch中文文档:https://pytorch.apachecn.org/#/   ;  https://pytorch.org/tutorials/beginner/transfer_learning_tutorial.html#

全栈数据工程师养成攻略:https://study.163.com/course/courseMain.htm?courseId=1003520028

Tensorflow中文社区:http://www.tensorfly.cn

Tensorflow Model Server:https://tensorflow.google.cn/tfx/serving/setup#installing_using_apt-get 

SWIG: http://www.swig.org (SWIG是个帮助使用C或者C++编写的软件能与其它各种高级编程语言进行嵌入联接的开发工具)

hello girl: https://www.jqhtml.com/12944.html

有意思的DeepLearning项目网址:http://deeplearninggallery.com/

不错的专栏:https://www.52cv.net/?cat=19

AI届的state of the art :https://www.stateoftheart.ai

AI研习社:https://ai.yanxishe.com/page/resources 

不错的TF个人笔记:https://bookdown.org/leovan/TensorFlow-Learning-Notes/

pycuda开发文档:https://documen.tician.de/pycuda/

mxnet--动手学深度学习:http://zh.d2l.ai/index.html 

OpenAI Spinning Up:https://spinningup.readthedocs.io/zh_CN/latest/index.html ; 练习:https://github.com/openai/spinningup/tree/master/spinup

pyspark API文档:http://spark.apache.org/docs/latest/api/python/index.html

spark:http://spark.apache.org/docs/latest/index.html

mlflow:https://www.mlflow.org/docs/latest/python_api/mlflow.spark.html#mlflow.spark.load_model

深度学习理论与实践:提高篇:http://fancyerii.github.io/2019/03/14/dl-book/

CTC详解:http://fancyerii.github.io/books/ctc/

机器学习进阶系列:(下面内容在微信公众号同步)

1. 机器学习-1:MachineLN之三要素

2. 机器学习-2:MachineLN之模型评估

3. 机器学习-3:MachineLN之dl

4. 机器学习-4:DeepLN之CNN解析

5. 机器学习-5:DeepLN之CNN权重更新(笔记)

6. 机器学习-6:DeepLN之CNN源码

7. 机器学习-7:MachineLN之激活函数

8. 机器学习-8:DeepLN之BN

9. 机器学习-9:MachineLN之数据归一化

10. 机器学习-10:MachineLN之样本不均衡

11. 机器学习-11:MachineLN之过拟合

12. 机器学习-12:MachineLN之优化算法

13. 机器学习-13:MachineLN之kNN

14. 机器学习-14:MachineLN之kNN源码

15. 机器学习-15:MachineLN之感知机

16. 机器学习-16:MachineLN之感知机源码

17. 机器学习-17:MachineLN之逻辑回归

18. 机器学习-18:MachineLN之逻辑回归源码

19. 机器学习-19:MachineLN之SVM(1)

20. 机器学习-20:MachineLN之SVM(2)

21. 机器学习-21:MachineLN之SVM源码

22. 机器学习-22:MachineLN之RL

23. 机器学习-23:MachineLN之朴素贝叶斯

24. 机器学习-24:MachineLN之朴素贝叶斯源码

spark系列:

1. spark杂记:Spark Basics

2. spark杂记:Execution plans, Lazy Evaluation, and caching

3. spark杂记:Spark Basics 2:Chaining,counting,transformations

4. spark杂记:Word Count

5. spark杂记:Operations on (key,val) RDDs

6. spark杂记:movie recommendation using ALS

7. pyspark-ml学习笔记:LogisticRegression

8. pyspark-ml学习笔记:如何在pyspark ml管道中添加自己的函数作为custom stage?

9. pyspark-ml学习笔记:pyspark下使用xgboost进行分布式训练

10. pyspark-ml学习笔记:逻辑回归、GBDT、xgboost参数介绍

11. pyspark-ml学习笔记:一些比较不错的资料

12. pyspark-ml学习笔记:模型评估

13. scala-sparkML学习笔记:xgboost进行分布式训练

14. scala-sparkML学习笔记:serializable custom transformer with spark-scala 

15. scala-sparkML学习笔记:Execption in thread "main" java.lang.AbstractMethodError: ml.dmlc.xgboost4j.scala

16. scala-sparkML学习笔记:模型评估

17. scala-sparkML学习笔记:scala解析json文件

人脸检测系列:

1. 人脸检测——AFLW准备人脸

2. 人脸检测——生成矫正人脸——cascade cnn的思想, 但是mtcnn的效果貌似更赞

3. 人脸检测——准备非人脸

4. 人脸检测——矫正人脸生成标签

5. 人脸检测——mtcnn思想,生成negative、positive、part样本。

6. 人脸检测——滑动窗口篇(训练和实现)

7. 人脸检测——fcn

8. 简单的人脸跟踪

9. Face Detection(OpenCV) Using Hadoop Streaming API

10. Face Recognition(face_recognition) Using Hadoop Streaming API

11. 非极大值抑制(Non-Maximum-Suppression)

12. 人脸检测——FaceBoxes之解读与效果展示

OCR系列:

OCR工程git:https://github.com/MachineLP/OCR_repo

1. tf20: CNN—识别字符验证码

2. 身份证识别——生成身份证号和汉字

3. tf21: 身份证识别——识别身份证号

4. tf22: ocr识别——不定长数字串识别

5OCR -- seamlessClone泊松融合

6. OCR -- 生成与背景有差异字体颜色

7. OCR -- 训练数据扩增的方法

机器学习,深度学习系列:

1. 反向传播与它的直观理解

2. 卷积神经网络(CNN):从原理到实现

3. 机器学习算法应用中常用技巧-1

4. 机器学习算法应用中常用技巧-2

5. 一个隐马尔科夫模型的应用实例:中文分词

6. Pandas处理csv表格

7. sklearn查看数据分布

8. TensorFlow 聊天机器人

9. YOLO

10. 感知机--模型与策略

11. 从 0 到 1 走进 Kaggle

12. python调用Face++,玩坏了!

13. 人脸识别keras实现教程

14. 机器学习中的Bias(偏差),Error(误差),和Variance(方差)有什么区别和联系?

15. CNN—pooling层的作用

16. trick—Batch Normalization

17. tensorflow使用BN—Batch Normalization

18. trick—Data Augmentation

19. CNN图图图

20. 为什么很多做人脸的Paper会最后加入一个Local Connected Conv?

21. Faster RCNN:RPN,anchor,sliding windows

22. 深度学习这些坑你都遇到过吗?

23. image——Data Augmentation的代码

24. 8种常见机器学习算法比较

25. 几种常见的激活函数

26. Building powerful image classification models using very little data

27. 机器学习模型训练时候tricks

28. OCR综述

29. 一个有趣的周报

30. 根据已给字符数据,训练逻辑回归、随机森林、SVM,生成ROC和箱线

31. 一个不错的教程

32. matplotlib画廊

33. DL杂记:YOLOV3之禅

34. bert原理及代码解读

图像处理系列:

1. python下使用cv2.drawContours填充轮廓颜色

2. imge stitching图像拼接stitching

3. 用python简单处理图片(1):打开\\显示\\保存图像

4. 用python简单处理图片(2):图像通道\\几何变换\\裁剪

5. 用python简单处理图片(3):添加水印

6. 用python简单处理图片(4):图像中的像素访问

7. 用python简单处理图片(5):图像直方图

8. 仿射变换,透视变换:二维坐标到二维坐标之间的线性变换,可用于landmark人脸矫正。

代码整合系列:

1. windows下C++如何调用matlab程序

2. ubuntu下C++如何调用matlab程序

3. matlab使用TCP/IP Server Sockets

4. ubuntu下C++如何调用python程序,gdb调试C++代码

5. How to pass an array from C++ to an embedded python

6. 如何使用Python为Hadoop编写一个简单的MapReduce程序

7. 图像的遍历

8. ubuntu下CMake编译生成动态库和静态库,以OpenTLD为例。

9. ubuntu下make编译生成动态库,然后python调用cpp。

数据结构和算法系列:

1. 堆排序

2. red and black (深度优先搜索算法dfs)

3. 深度优先搜索算法

4. qsort原理和实现

5. stack实现queue ; list实现stack

6. 另一种斐波那契数列

7. 堆和栈的区别(个人感觉挺不错的)

8. 排序方法比较

9. 漫画 :什么是红黑树?

10. 牛客网刷题

11. 莫烦python 666

12. paddlepaddle

kinect 系列:

1. Kinect v2.0原理介绍之一:硬件结构

2. Kinect v2.0原理介绍之二:6种数据源

3. Kinect v2.0原理介绍之三:骨骼跟踪的原理

4. Kinect v2.0原理介绍之四:人脸跟踪探讨

5. Kinect v2.0原理介绍之五:只检测离kinect最近的人脸

6. Kinect v2.0原理介绍之六:Kinect深度图与彩色图的坐标校准

7. Kinect v2.0原理介绍之七:彩色帧获取

8. Kinect v2.0原理介绍之八:高清面部帧(1) FACS 介绍

9. Kinect v2.0原理介绍之九:高清面部帧(2) 面部特征对齐

10. Kinect v2.0原理介绍之十:获取高清面部帧的AU单元特征保存到文件

11. kinect v2.0原理介绍之十一:录制视频

12. Kinect v2.0原理介绍之十二:音频获取

13. Kinect v2.0原理介绍之十三:面部帧获取

14. Kinect for Windows V2和V1对比开发___彩色数据获取并用OpenCV2.4.10显示

15. Kinect for Windows V2和V1对比开发___骨骼数据获取并用OpenCV2.4.10显示

16. 用kinect录视频库

tensorflow系列:

1. Ubuntu 16.04 安装 Tensorflow(GPU支持)

2. 使用Python实现神经网络

3. tf1: nn实现评论分类

4. tf2: nn和cnn实现评论分类

5. tf3: RNN—mnist识别

6. tf4: CNN—mnist识别

7.  tf5: Deep Q Network—AI游戏

8. tf6: autoencoder—WiFi指纹的室内定位

9. tf7: RNN—古诗词

10. tf8:RNN—生成音乐

11. tf9: PixelCNN

12. tf10: 谷歌Deep Dream

13. tf11: retrain谷歌Inception模型

14. tf12: 判断男声女声

15. tf13: 简单聊天机器人

16. tf14: 黑白图像上色

17. tf15: 中文语音识别

18. tf16: 脸部特征识别性别和年龄

19. tf17: “声音大挪移”

20. tf18: 根据姓名判断性别

21.  tf19: 预测铁路客运量

22. tf20: CNN—识别字符验证码

23. tf21: 身份证识别——识别身份证号

24. tf22: ocr识别——不定长数字串识别

25. tf23: “恶作剧” --人脸检测

26. tf24: GANs—生成明星脸

27. tf25: 使用深度学习做阅读理解+完形填空

28. tf26: AI操盘手

29. tensorflow_cookbook--preface

30. 01 TensorFlow入门(1)

31. 01 TensorFlow入门(2)

32. 02 The TensorFlow Way(1)

33. 02 The TensorFlow Way(2)

34. 02 The TensorFlow Way(3)

35. 03 Linear Regression

36. 04 Support Vector Machines

37. tf API 研读1:tf.nn,tf.layers, tf.contrib概述

38. tf API 研读2:math

39. tensorflow中的上采样(unpool)和反卷积(conv2d_transpose)

40. tf API 研读3:Building Graphs

41. tf API 研读4:Inputs and Readers

42. tf API 研读5:Data IO

43. tf API 研读6:Running Graphs

44. tf.contrib.rnn.static_rnn与tf.nn.dynamic_rnn区别

45. Tensorflow使用的预训练的resnet_v2_50,resnet_v2_101,resnet_v2_152等模型预测,训练

46. tensorflow下设置使用某一块GPU、多GPU、CPU的情况

47. 工业器件检测和识别

48. 将tf训练的权重保存为CKPT,PB ,CKPT 转换成 PB格式。并将权重固化到图里面,并使用该模型进行预测

49. tensorsor快速获取所有变量,和快速计算L2范数

50. cnn+rnn+attention

51. Tensorflow实战学习笔记

52. tf27: Deep Dream—应用到视频

53. tf28: 手写汉字识别

54. tf29: 使用tensorboard可视化inception_v4

55. tf30: center loss及其mnist上的应用

56. tf31: keras的LSTM腾讯人数在线预测

57. tf32: 一个简单的cnn模型:人脸特征点训练

58. tf33: 图片降噪:卷积自编码

59. tf34:从ckpt中读取权重值

60. tf35:tf.estimator

61. tf36:使用tensorbord显示图片

62. tf37:tensorflow中将模型的权重值限定范围

63. tf38:tensorflow使用pipeline通过队列方式读取数据训练

64. tf39:tensorflow之seq2seq

65. tf40:图像检索(triplet_loss)之Conditional Similarity Networks

66. tf41:使用TF models训练自己的目标检测器

67. tf42:tensorflow多GPU训练

68. tf43:tensorflow Serving gRPC 部署实例

69. tf44:tensorflow CRF的使用

70. tf45:tensorflow计算图是如何做的?

71. tf46:再议tf.estimator之便利

72. tf47:SeqGAN

torch系列:

1. torch01:torch基础

2. torch02:logistic regression--MNIST识别

3. torch03:linear_regression

4. torch04:全连接神经网络--MNIST识别和自己数据集

5. torch05:CNN--MNIST识别和自己数据集

6. torch06:ResNet--Cifar识别和自己数据集

7. torch07:RNN--MNIST识别和自己数据集

8. torch08:RNN--word_language_model

9. torch09:variational_autoencoder(VAE)--MNIST和自己数据集

C++系列:

1. c++ primer之const限定符

2. c++primer之auto类型说明符

3. c++primer之预处理器

4. c++primer之string

5. c++primer之vector

6. c++primer之多维数组

7. c++primer之范围for循环

8. c++primer之运算符优先级表

9. c++primer之try语句块和异常处理

10. c++primer之函数(函数基础和参数传递)

11. c++primer之函数(返回类型和return语句)

12. c++primer之函数重载

13. c++重写卷积网络的前向计算过程,完美复现theano的测试结果

14. c++ primer之类

15. c++primer之类(构造函数再探)

16. c++primer之类(类的静态成员)

17. c++primer之顺序容器(容器库概览)

18. c++primer之顺序容器(添加元素)

19. c++primer之顺序容器(访问元素)

OpenCV系列:

1. 自己训练SVM分类器,进行HOG行人检测。

2. opencv-haar-classifier-training

3. vehicleDectection with Haar Cascades

4. LaneDetection

5. OpenCV学习笔记大集锦

6. Why always OpenCV Error: Assertion failed (elements_read == 1) in unknown function ?

7. 目标检测之训练opencv自带的分类器(opencv_haartraining 或 opencv_traincascade)

8. 车牌识别 之 字符分割

9. 仿射变换,透视变换:二维坐标到二维坐标之间的线性变换,可用于landmark人脸矫正。

10. opencv实现抠图(单一背景),替换背景图

11. python下使用cv2.drawContours填充轮廓颜色

12. 使用openCV提取sift;surf;hog特征

13. opencv--基于深度学习的人脸检测器

python系列(web开发、多线程等):

1. flask的web开发,用于机器学习(主要还是DL)模型的简单演示。

2. python多线程,获取多线程的返回值

3. 文件中字的统计及创建字典

4. socket基础

其他:

1. MAC平台下Xcode配置使用OpenCV的具体方法 (2016最新)

2. python下如何安装.whl包?

3. 给中国学生的第三封信:成功、自信、快乐

4. 自己-社会-机器学习

5. 不执著才叫看破,不完美才叫人生。

6. PCANet的C++代码——详细注释版

7. 责任与担当

8. 好走的都是下坡路

9. 一些零碎的语言,却触动到内心深处。

10. 用一个脚本学习 python

11. 一个有趣的周报

***

Ubuntu: http://man.linuxde.net/download/Ubuntu

公众号MachineLN,邀请您扫码关注:

以上是关于MachineLP博客目录的主要内容,如果未能解决你的问题,请参考以下文章

人脸检测进阶:使用 dlibOpenCV 和 Python 检测眼睛鼻子嘴唇和下巴等面部五官

使用OpenCV,Haar级联检测器进行面部眼睛嘴部检测

面部表情识别3:Android实现表情识别(含源码,可实时检测)

什么是人脸识别

有没有办法知道正确的相机预览尺寸是不是与面部检测器兼容(产生检测到的面部)

OpenCV-Python实战(15)——面部特征点检测详解(仅需5行代码学会3种面部特征点检测方法)