张士玉小黑屋

Java俄罗斯方块，老程序员花了一个周末，连接中学年代！引言：俄罗斯方块，相信很多80、90后的小伙伴都玩过，也是当年非常火的游戏，当年读中学的时候，有一个同学有这个游戏机，大家都很喜欢玩，这个游戏给当时的我们带来了很多欢乐，时光飞逝，感慨颇多！人终归是要长大的，回忆再美好，日子也一去不复

每天日志打卡1/1一直知道Pearl老先生很厉害，买了书一直也没看，这次先找一篇简单的入个门。这篇发表于2019年的论文我一直没找到什么笔记和评论，只能自己看看了。这篇笔记也是大概梳理一下我看到的重点和思路。INTRODUCTION在机器学习蓬勃发展的时候，人们期望AI获得很大成功，但有三个障碍：鲁棒性、可解释性和因果关系的理解。作者认为，想要解决这三个问题需要在机器学习中加入因果模型的工具。 THETHREELAYERCAUSALHIERARCHY接下来，作者解释了因果的三个等级，我之前在

导读：本文介绍不同类型的机器学习方法，以及模型评估的相关概念。作者：布奇·昆托（ButchQuinto）来源：大数据DT（ID：hzdashuju）01有监督学习有监督学习是利用训练数据集进行预测的机器学习任务。有监督学习可以分为分类和回归。回归用于预测“价格”“温度”或“距离”等连续值，而分类用于预测“是”或“否”、“垃圾邮件”或“非垃圾邮件”、“恶性”或“良性”等类别。分类包含三种类型的分类任务：二元分类、多类别分类和多标签分类。回归中包含线性回归和生存回归。

文：贝壳找房技术团队 贝壳找房作为行业领先的房产服务互联网平台，通过开放数据资源和技术能力，聚合和赋能全行业的服务者，打造产业互联网下的“新居住”品质服务生态，致力于为全国家庭的品质居住提供全方位服务连接，涵盖二手房、新房、租房、装修和社区服务等众多类目。今天我们主要针对一个打算购买二手房的用户，来看一下ta来到贝壳App中所经历的一切，以及平台背后进行的策略优化。首先，用户会现在App上浏览一些ta感兴趣的房源。接着，当ta看到一套合适的房源时，会跟经纪人进行线

前言本文介绍卷积神经网络的入门案例，通过搭建和训练一个模型，来对10种常见的物体进行识别分类；使用到CIFAR10数据集，它包含10类，即：“飞机”，“汽车”，“鸟”，“猫”，“鹿”，“狗”，“青蛙”，“马”，“船”，“卡车”；共60000张彩色图片；通过搭建和训练卷积神经网络模型，对图像进行分类，能识别出图像是“汽车”，或“鸟”，还是其它。 

还没有女朋友的朋友们，你们有福了，学会CycleGAN把男朋友变成女朋友前言效果展示使用CycleGAN进行不成对的图像转换不成对的数据集CycleGAN模型数据集数据加载与预处理模型构建训练结果可视化函数训练步骤效果二次展示前言事情的起因是这样的，室友在经历的4年的找女朋友之旅后，终于放弃了，而我为了让他的青春不留遗憾，只能使用CycleGAN把下铺壮汉变成萌妹了。转眼又到了毕业季&

使用诸如梯度增强之类的决策树方法的集成的好处是，它们可以从训练有素的预测模型中自动提供特征重要性的估计。在本文中，您将发现如何使用Python中的XGBoost库来估计特征对于预测性建模问题的重要性，阅读这篇文章后，您将知道：如何使用梯度提升算法计算特征重要性。如何绘制由XGBoost模型计算的Python中的特征重要性。如何使用XGBoost计算的特征重要性来执行特征选择。梯度提升中的特征重要性使用梯度增强的好处是，在构建增强后的树之后，检索每个属性的重要性得分相对简单。通常，重要性提供了一个分数，

0背景在上一篇文章《深度学习之openvino预训练模型测试》，我们介绍了如何使用intel提供的预训练模型完成语义分割任务。但在用public预训练模型时，发现我的 openvino版本较低不支持，因此，对我的sdk进行了升级，继续介绍如何使用预训练模型的方法。升级安装方法参考《深度学习之win10安装配置openvino》 ，升级后的版本为Version2021.3。1模型介绍这篇文章我们以  OpticalCharacterRecognitionModels/OCR字符识别模型（车牌识别࿰

基于深度学习的手部21类关键点检测基于深度学习的人体关键点检测开发环境*Python3.7*PyTorch>=1.5.1*opencv-python数据源普通USB彩色（RGB）网络摄像头已经存储下来的视频或者图片数据集本项目数据集百度网盘下载地址：下载地址该数据集包括网络图片及数据集<<Large-scaleMultiview3DHandPoseDataset>>筛选动作重

本文分享自华为云社区《人像抠图：算法概述及工程实现（一）》，原文作者：杜甫盖房子。本文将从算法概述、工程实现、优化改进三个方面阐述如何实现一个实时、优雅、精确的视频人像抠图项目。什么是抠图对于一张图I，我们感兴趣的人像部分称为前景F，其余部分为背景B，则图像I可以视为F与B的加权融合：I=alpha*F+(1-alpha)*BI=alpha∗F+(1−alpha)∗B，而抠图任务就是找到合适的权重alpha。值得一提的是，