This media is not supported in your browser
VIEW IN TELEGRAM
多图像浏览器,在一个界面显示多个图像,方便图像的比较、筛选
功能:
多路径并行显示
多边平行放大
点按旋转
支持远程目录
放大大小resize图片
MulimgViewer | #浏览器
下载地址:稳定版(包+代码) | 最新(代码)
功能:
多路径并行显示
多边平行放大
点按旋转
支持远程目录
放大大小resize图片
MulimgViewer | #浏览器
下载地址:稳定版(包+代码) | 最新(代码)
机器学习方案手册,一本包含逐步说明为各种任务训练深度学习模型的书。内容覆盖自然语言处理、计算机视觉、图像与文字
本书分为3个部分:
自然语言处理(NLP)
计算机视觉(CV)
图片和文字
以下是本节各章的简要概述:
命名实体识别- 讨论使用conllpp 数据集识别命名实体的训练转换器模型。我们将使用的特定模型称为bert-base-cased。该模型是原始 BERT 的较小版本,并且区分大小写,这意味着它将大写和小写字母视为不同。
掩蔽语言建模- 与填空问题类似,我们训练一个模型来使用xsum 数据集预测句子中的掩蔽词。我们将使用的特定模型称为distilbert-base-uncased。这是 bert base uncased 模型的精炼版本,它以相同的方式处理大写和小写字母。
机器翻译——在本章中,训练一个模型将文本从英语翻译成西班牙语。我们将在新闻评论数据集上训练来自赫尔辛基 NLP 小组的变压器模型。
总结——在本章中,训练了一个多语言模型来总结英语和西班牙语句子。使用的模型是 T5 Transformer 模型的多语言版本,使用的数据集是amazon reviews dataset。
因果语言建模- 本章重点介绍训练模型以自动完成 Python 代码。为此,我们将使用用于训练代码鹦鹉模型的数据。
计算机视觉部分涵盖了该领域下最常见的任务。本节中的章节使用pytorch 闪电、pytorch 图像模型(timm)、 albumentations库和权重和偏差平台。以下是本节各章的简要概述:
图像分类- 我们将训练卷积神经网络 (CNN) 模型对动物图像进行分类。我们将使用的 CNN 模型是“resnet34”,使用的数据集是动物图像数据集。
图像分割- 本章侧重于训练模型以分割给定图像中的道路。我们将使用 U-net 模型来完成此任务。
物体检测——在本章中,我们将专注于检测图像中的汽车。我们将预测与图像中包围汽车的边界框相对应的坐标。对于这个任务,我们将使用 fast-rcnn 模型。
最后一节包含训练模型以在给定图像的情况下生成标题的章节。它将有一个视觉转换器作为编码器,gpt-2 模型作为解码器。
在线阅读 | ML Recipe | #电子书 #机器学习 #手册
本书分为3个部分:
自然语言处理(NLP)
计算机视觉(CV)
图片和文字
以下是本节各章的简要概述:
命名实体识别- 讨论使用conllpp 数据集识别命名实体的训练转换器模型。我们将使用的特定模型称为bert-base-cased。该模型是原始 BERT 的较小版本,并且区分大小写,这意味着它将大写和小写字母视为不同。
掩蔽语言建模- 与填空问题类似,我们训练一个模型来使用xsum 数据集预测句子中的掩蔽词。我们将使用的特定模型称为distilbert-base-uncased。这是 bert base uncased 模型的精炼版本,它以相同的方式处理大写和小写字母。
机器翻译——在本章中,训练一个模型将文本从英语翻译成西班牙语。我们将在新闻评论数据集上训练来自赫尔辛基 NLP 小组的变压器模型。
总结——在本章中,训练了一个多语言模型来总结英语和西班牙语句子。使用的模型是 T5 Transformer 模型的多语言版本,使用的数据集是amazon reviews dataset。
因果语言建模- 本章重点介绍训练模型以自动完成 Python 代码。为此,我们将使用用于训练代码鹦鹉模型的数据。
计算机视觉部分涵盖了该领域下最常见的任务。本节中的章节使用pytorch 闪电、pytorch 图像模型(timm)、 albumentations库和权重和偏差平台。以下是本节各章的简要概述:
图像分类- 我们将训练卷积神经网络 (CNN) 模型对动物图像进行分类。我们将使用的 CNN 模型是“resnet34”,使用的数据集是动物图像数据集。
图像分割- 本章侧重于训练模型以分割给定图像中的道路。我们将使用 U-net 模型来完成此任务。
物体检测——在本章中,我们将专注于检测图像中的汽车。我们将预测与图像中包围汽车的边界框相对应的坐标。对于这个任务,我们将使用 fast-rcnn 模型。
最后一节包含训练模型以在给定图像的情况下生成标题的章节。它将有一个视觉转换器作为编码器,gpt-2 模型作为解码器。
在线阅读 | ML Recipe | #电子书 #机器学习 #手册
B站魔力赏陷赌博争议
近日,B站一位UP主发动态称,自己是“会员购魔力赏跳楼第一人”。魔力赏是B站“会员购”栏目下的一种玩法,简而言之,就是最近一直很流行的抽盲盒。然而在黑猫投诉平台中,关于B站魔力赏玩法的投诉达到3000多条。其中,消费者投诉的主要问题集中在:魔力赏不施行7天无理由退换;不支持回收;不发货;诱导消费,赌博等。
该UP主透露,短短十多天,自己在魔力赏中花了两万五千多元钱,结果只获得了三百个拼图,一个价值几百元以上的东西都没有。目前,身上背了4万多元的外债,心态爆炸。最后,这名UP主表示过几天将直播跳楼。令人庆幸的是,6月14日,他再次更新动态表示,将会努力挣钱争取花半年时间把债还清,一切重新开始。(三言财经)
近日,B站一位UP主发动态称,自己是“会员购魔力赏跳楼第一人”。魔力赏是B站“会员购”栏目下的一种玩法,简而言之,就是最近一直很流行的抽盲盒。然而在黑猫投诉平台中,关于B站魔力赏玩法的投诉达到3000多条。其中,消费者投诉的主要问题集中在:魔力赏不施行7天无理由退换;不支持回收;不发货;诱导消费,赌博等。
该UP主透露,短短十多天,自己在魔力赏中花了两万五千多元钱,结果只获得了三百个拼图,一个价值几百元以上的东西都没有。目前,身上背了4万多元的外债,心态爆炸。最后,这名UP主表示过几天将直播跳楼。令人庆幸的是,6月14日,他再次更新动态表示,将会努力挣钱争取花半年时间把债还清,一切重新开始。(三言财经)
雅思官方已经出了免费的模考系统了
第一步 登录并注册
登录雅思中国官网在“雅思机考”页面就可以找到,也可以直接登入网址,就可以进入注册界面啦。
接着只需要在注册界面按要求输入名字和邮箱地址(一定要确保邮箱准确,因为最后会在你注册的邮箱收到官方发来的模考成绩),就可以直接进入考试界面了。完全不需要提前预约,也不需要支付任何费用(所有考生都可以免费体验)!
注册之后,就进入到了模考选择界面,模考系统中提供了学术类和培训类的两种模考真题。
第二步 开始考试
选择好考试种类之后,就可以进入模考了。模考时间长达2.5小时,完整的还原了雅思机考中阅读、听力和写作考试内容。
如果只想练习阅读、听力或者写作其中某一个section,可以在页面上自行选择。
屏幕的右上角就有一个finish section的按钮,点击这个按钮就可以立刻结束这个环节的考试,直接进入下一个section了。
第三步 查收成绩
当完成三个环节的模考之后,就会在注册的邮箱中收到一封邮件。
点击其中的"click here to access your marks"按钮,就可以立刻查看你的模考成绩了。
最终反馈的这份成绩只有阅读和听力两个部分。等级是按照欧洲语言共同参考框架(CEFR)等级的形式来评价的,大家可以根据CEFR等级与雅思分数的对应关系,估测自己的水平。
注册登记地址
第一步 登录并注册
登录雅思中国官网在“雅思机考”页面就可以找到,也可以直接登入网址,就可以进入注册界面啦。
接着只需要在注册界面按要求输入名字和邮箱地址(一定要确保邮箱准确,因为最后会在你注册的邮箱收到官方发来的模考成绩),就可以直接进入考试界面了。完全不需要提前预约,也不需要支付任何费用(所有考生都可以免费体验)!
注册之后,就进入到了模考选择界面,模考系统中提供了学术类和培训类的两种模考真题。
第二步 开始考试
选择好考试种类之后,就可以进入模考了。模考时间长达2.5小时,完整的还原了雅思机考中阅读、听力和写作考试内容。
如果只想练习阅读、听力或者写作其中某一个section,可以在页面上自行选择。
屏幕的右上角就有一个finish section的按钮,点击这个按钮就可以立刻结束这个环节的考试,直接进入下一个section了。
第三步 查收成绩
当完成三个环节的模考之后,就会在注册的邮箱中收到一封邮件。
点击其中的"click here to access your marks"按钮,就可以立刻查看你的模考成绩了。
最终反馈的这份成绩只有阅读和听力两个部分。等级是按照欧洲语言共同参考框架(CEFR)等级的形式来评价的,大家可以根据CEFR等级与雅思分数的对应关系,估测自己的水平。
注册登记地址
图解 React 源码系列
作者将尝试通过大量配图,把 react 原理表述清楚。教程主要包含 React 基础概念、运行核心、数据管理、交互、高频算法等内容。
作者将尝试通过大量配图,把 react 原理表述清楚。教程主要包含 React 基础概念、运行核心、数据管理、交互、高频算法等内容。
This media is not supported in your browser
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
设计系统文档收集
Storybook是国外用来写设计系统文档的工具,而showcase就是用来展示他们的成功案例,包含微软、爱彼迎和Adobe等知名公司的86个设计系统,支持按标签和组件名称进行筛选。
Storybook是一个用于UI开发的工具,通过隔离组件使开发更快、更容易。允许你一次只在一个组件上工作。可以开发整个UI,而不需要启动一个复杂的开发堆栈,强制某些数据进入你的数据库,或在你的应用程序中导航。
Storybook showcase
Storybook是国外用来写设计系统文档的工具,而showcase就是用来展示他们的成功案例,包含微软、爱彼迎和Adobe等知名公司的86个设计系统,支持按标签和组件名称进行筛选。
Storybook是一个用于UI开发的工具,通过隔离组件使开发更快、更容易。允许你一次只在一个组件上工作。可以开发整个UI,而不需要启动一个复杂的开发堆栈,强制某些数据进入你的数据库,或在你的应用程序中导航。
Storybook showcase
在预算内可视化数据库的有用工具
Google Docs中的绘图功能允许你在你的页面上添加插图。你可以用内置的绘图工具为你的文档添加自定义形状、图表、图形、信息图和文本框。
Graphviz是一个免费的图形可视化软件,使我们能够以图表的形式表达信息。
ERDPlus是一个数据库建模工具,允许你创建实体关系图、关系模式、星形模式和SQL DDL语句。
Diagrams.net(以前的Draw.io)是一个免费的在线制图工具,可用于创建流程图、UML图、数据库模型和其他类型的图。旨在支持许多不同的工作流程。它能够轻松地与第三方集成(如 Trello、Quip、Notion 等)集成,使其与其他选项区分开来。共享和协作的能力可能会使协作团队很好地工作。
Blog | #可视化 #工具
Google Docs中的绘图功能允许你在你的页面上添加插图。你可以用内置的绘图工具为你的文档添加自定义形状、图表、图形、信息图和文本框。
Graphviz是一个免费的图形可视化软件,使我们能够以图表的形式表达信息。
ERDPlus是一个数据库建模工具,允许你创建实体关系图、关系模式、星形模式和SQL DDL语句。
Diagrams.net(以前的Draw.io)是一个免费的在线制图工具,可用于创建流程图、UML图、数据库模型和其他类型的图。旨在支持许多不同的工作流程。它能够轻松地与第三方集成(如 Trello、Quip、Notion 等)集成,使其与其他选项区分开来。共享和协作的能力可能会使协作团队很好地工作。
Blog | #可视化 #工具