深度学习

综合

  1. 深度学习前人的精度很高了，该如何创新？ (极市平台)
  2. 基于深度卷积神经网络的小样本分割算法综述 (极市平台)
  3. 普通人CV领域论文创新常见思路与方向总结 (极市平台)
  4. 优化神经网络训练的17种方法 (CV技术指南)
  5. 让PyTorch训练速度更快，你需要掌握这17种方法 (深度学习爱好者)
  6. 称霸Kaggle的十大深度学习技巧！ (深度学习爱好者)
  7. 用Keras解决机器学习问题！(Datawhale)
  8. 只有达到 state of the art 精度的方法才能发文章吗？ (深度学习自然语言处理)
  9. 深度学习模型、算法的数学基础 (数据派THU)
  10. 贝叶斯深度学习：一个统一深度学习和概率图模型的框架 (arXiv每日学术速递)
  11. 22张深度学习精炼图笔记总结 (深度学习爱好者)

模型评估

  1. 一文深度解读模型评估方法 (数据思维)

优化器

  1. 深度学习优化方法总结比较（SGD，Adagrad，Adadelta，Adam，Adamax，Nadam） (极市平台) (zhihu)
  2. PyTorch优化器与学习率设置详解 (极市平台) (https://a.3durl.cn/YrcZbc)
  3. Adam优化器详解 (teach share)
  4. Adam和学习率衰减 (wuliytTaotao)
  5. 从 SGD 到 Adam —— 深度学习优化算法概览 (知乎)
  6. 从梯度下降到 Adam！一文看懂各种神经网络优化算法 (机器学习算法那些事)

激活函数

  1. 42个激活函数的全面总结 (数据派THU)
  2. 从 ReLU 到 GELU，一文概览神经网络的激活函数 (Casper Hansen)

损失函数

  1. 一文弄懂各种loss function (极市平台) (zhihu)
  2. 一文看尽深度学习中的15种损失函数 (CVHub)
  3. 12种主要的Dropout方法：如何应用于DNNs，CNNs，RNNs中的数学和可视化解释 (深度学习爱好者)

样本

  1. 机器学习中样本不平衡，怎么办？ (数据STUDIO)
  2. 一文解决样本不均衡 (算法进阶/泳鱼) (#机器学习建模)
  3. 利用类权重来改善类别不平衡 (人工智能遇见磐创)

Batch size

  1. 浅析深度学习中Batch Size大小对训练过程的影响 (极市平台) (zhihu)

模型可视化

  1. PyTorch下的可视化工具（网络结构/训练过程可视化）(3D视觉工坊) (zhihu)
  2. 如何画出漂亮的神经网络图？神经网络可视化工具集锦搜集 (AI有道) (zhihu)
  3. 梯度下降的可视化解释(Adam，AdaGrad，Momentum，RMSProp) (McGL) (zhihu)
  4. 高颜值的神经网络可视化工具 (量子位)
  5. CNN的一些可视化方法 (极市平台) (zhihu)
  6. 深度学习中的类别激活热图可视化 (数据派THU)
  7. 计算机视觉中的神经网络可视化工具与项目 (CV技术指南)

归一化

  1. 神经网络中的归一化方法总结 (CV技术指南)

PyTorch

  1. PyTorch常用代码段合集 (极市平台) (zhihu)

时间序列

  1. 又一个自动化时间序列分析与预测神器 (数据STUDIO)

机器学习

  1. 特征选择：11 种特征选择策略总结 (数据派THU)
  2. 列表项目