awesome DeepLearning
1.0.0
Este proyecto es una enciclopedia en línea de aprendizaje profundo único producido por Paddlepaddle. Paddlepaddle se compromete a simplificar la innovación y la aplicación de la tecnología de aprendizaje profundo. Para obtener más contenido de Paddlepaddle, visite el sitio web oficial de Paddlepaddle. Este proyecto cubre:
? Categoría del curso: Práctica cerobrasica de aprendizaje profundo , práctica industrial Aprendizaje profundo , cursos especiales, kit de paletas de paleta Resumen del curso Materiales
? Categoría de libro: Versión de paleta de paleta de "Aprendizaje profundo de mano"
? Tesoros: preguntas de aprendizaje profundo , entrevistas
? Categoría de casos: Paddle Paddle Industry Practice Biblioteca de ejemplo (incluidas ciudades inteligentes: detección de humo de incendio, detección de cascos de seguridad; fabricación inteligente: detección de defectos de acero, agarre de robot; Internet: identificación de informe financiero y extracción de campo clave, etc.
Desde la teoría hasta la práctica, desde la investigación científica hasta las aplicaciones industriales, todo tipo de materiales de aprendizaje están disponibles, con el objetivo de ayudar a los desarrolladores a aprender y dominar el conocimiento de aprendizaje profundo de manera eficiente y rápidamente se convierten en talentos transfronterizos de IA.
| Espero: | Puedo aprender: |
|---|---|
| Aprendizaje en profundidad para principiantes | Práctica cerobrasética Aprendizaje profundo |
| Aprendizaje profundo avanzado | 100 preguntas sobre el aprendizaje profundo y el aprendizaje profundo en la práctica industrial |
| Aprendizaje profundo interesante | Cursos destacados |
| Espero: | Puedo aprender: |
|---|---|
| Aprendizaje en profundidad para principiantes | Práctica cerobrasética Aprendizaje profundo |
| Aprendizaje profundo avanzado | Aprendizaje en profundidad de la práctica industrial, cursos especiales |
| Aprendizaje profundo práctico | Biblioteca de ejemplo de práctica de la industria de la industria de paletas, cursos de productos de paletas de paleta |
Curso en línea de AI Studio: "Práctica cerobrasica de aprendizaje profundo" : combinar teoría y código, combinar práctica y plataforma, incluidos cursos de video de 20 horas, creados por el destacado arquitecto de Baidu, el gerente de productos de Paddlepaddle y el personal senior de I + D.
Libro de "Práctica cerobrasica profunda" : Los libros de apoyo para este curso son publicados por Tsinghua Publishing House a fines de 2020, y son vendidos por compañías de comercio electrónico como jd.com/dangdang.
Para la interpretación del contenido de la serie Transformer producido por Paddlepaddle Education, puede consultar las siguientes dos plataformas.
Principios de transformador y serie de prácticas: https://aistudio.baidu.com/aistudio/education/group/info/24683
Cuenta oficial de educación de Paddlepaddle: https://aistudio.baidu.com/aistudio/personalcenter/thirdview/908086
| campo | Nombre del capítulo | Introducción del curso | Enlace de cuaderno |
|---|---|---|---|
| PNLP | Modelo de lenguaje previamente capacitado clásico (Parte 1)-Historia del desarrollo del modelo previamente capacitado | Introducción a la historia del desarrollo de los modelos de idiomas previamente capacitados, Word2vec, Elmo, Bert, GPT, Bert, algunas expansiones. | Enlace de cuaderno |
| PNLP | Modelo clásico previamente capacitado (Parte 1) - Elmo | Una introducción integral y detallada a la estructura del modelo Elmo, ventajas y desventajas, etc. | Enlace de cuaderno |
| PNLP | Modelo clásico previamente entrenado (Parte 1) - Transformador | Explique los principios básicos del transformador, incluida la incrustación, la autoatención, el codificador, el decodificador, el cálculo de la complejidad, el mecanismo de intercambio y otros contenidos. | Enlace de cuaderno |
| PNLP | Modelo clásico previamente entrenado (Parte 2) - GPT | Una introducción integral y detallada a los principios del modo GPT, pre-entrenamiento y finetune, estructura del modelo GPT, ventajas y desventajas, etc. | Enlace de cuaderno |
| PNLP | Modelo clásico previamente entrenado (parte 2) -bert | Una introducción completa y detallada a los principios básicos de Bert, las tareas de pre-entrenamiento y los métodos de ajuste, la estructura del modelo de Bert, las ventajas y las desventajas, etc. | Enlace de cuaderno |
| PNLP | Comprensión del lenguaje natural de los modelos previamente capacitados-Roberta | Explique las mejoras en la comprensión del lenguaje natural de los modelos previamente capacitados-Roberta | Enlace de cuaderno |
| PNLP | Comprensión del lenguaje natural de los modelos previamente capacitados-Ernie | Explique las mejoras en la comprensión del lenguaje natural de los modelos previamente capacitados: Ernie | Enlace de cuaderno |
| PNLP | Comprensión del lenguaje natural de los modelos previamente capacitados-Kbert | Explique las mejoras en la comprensión del lenguaje natural de los modelos previamente capacitados: Kbert | Enlace de cuaderno |
| PNLP | Comprensión del lenguaje natural de los modelos previamente capacitados-Thu-Ernie | Explique las mejoras en la comprensión del lenguaje natural de los modelos previamente capacitados: Thu-Ernie | Enlace de cuaderno |
| PNLP | Modelado de secuencia larga de modelos de transformador de modelos previamente capacitados-XL | Explique la mejora del modelado de secuencia largo de los modelos previamente capacitados: Transformer-XL | Enlace de cuaderno |
| PNLP | Modelado de secuencia larga de modelos pre-capacitados-XLNet | Explique las mejoras en el modelado de secuencia larga de la comprensión del lenguaje natural: XLNet | Enlace de cuaderno |
| PNLP | Modelado de secuencia larga de modelos priorizados Longformer | Explique la mejora del modelado de secuencia larga de modelos previamente capacitados: Longformer | Enlace de cuaderno |
| Optimización del modelo | Estructura de eficiencia del modelo previamente capacitado | Predicción de puntuación basada en Electra | Enlace de cuaderno |
| Optimización del modelo | Distilación del modelo previamente capacitado | Algoritmo de destilación del modelo previamente capacitado: explicación detallada de Patient-KD, Distilbert, Tinybert, modelos Dynabert y destilación modelo de Tinybert utilizando la estrategia de Dynabert | Enlace de cuaderno |
| CV | Transformer-vit, deit en el campo de la imagen | Explique los principios de VIT y DEIT en detalle | Enlace de cuaderno |
| CV | Transformador transformador en el campo de la imagen | Explique el principio del transformador de lanza en detalle | Enlace de cuaderno |
| CV | Aplicación del modelo de transformador DETR en el campo CV en la tarea de detección de objetos | Explique el principio de DITR y el análisis de código en detalle | Enlace de cuaderno |
devolver
Este proyecto cambia la implementación del código MXNET en el libro original "Aprendizaje profundo manual" a la implementación de PaddlePaddle. Autores de libros originales: Aston Zhang, Li MU, Zachary C. Lipton, Alexander J. Smora y otros contribuyentes comunitarios, Dirección de Github: https://github.com/d2l-ai/d2l-zh.
Este proyecto está dirigido a los zapatos para niños que están interesados en el aprendizaje profundo, especialmente aquellos que desean usar Paddlepaddle para el aprendizaje profundo. Este proyecto no requiere que tenga ningún conocimiento de fondo de aprendizaje profundo o aprendizaje automático. Solo necesita comprender las matemáticas y la programación básicas, como el álgebra lineal básica, la diferencial y la probabilidad, y la programación básica de Python.
El contenido de las preguntas de aprendizaje profundo incluye los capítulos básicos de aprendizaje profundo, capítulos avanzados de aprendizaje profundo, capítulos de aplicaciones de aprendizaje profundo, capítulos de aprendizaje de refuerzo y libros de entrevistas. Para obtener más detalles, consulte la plataforma de documentos de punto de conocimiento de Paddle.
Conceptos básicos del aprendizaje profundo
Aprendizaje profundo
Red neuronal convolucional
Modelo de secuencia
Aprendizaje profundo avanzado
Aplicaciones de aprendizaje profundo
Práctica industrial
Aprendizaje de refuerzo
Fecha de entrevista
devolver
| campo | Casos de la industria | fuente | Más contenido |
|---|---|---|---|
| Industria inteligente | Monitoreo estadístico de instrumentos tradicionales en la fábrica | Oficial de paletas de paleta | Más cajas de paletas |
| Industria inteligente | Inspección de calidad del separador de batería de litio para nuevos vehículos de energía | Oficial de paletas de paleta | Más cajas de paletas |
| Industria inteligente | Detección de defectos superficiales de aluminio Tianchi | Oficial de paletas de paleta | Más cajas de paletas |
| Industria inteligente | Inspección del casco duro | Oficial de paletas de paleta | Más cajas de paletas |
| Ciudad inteligente | Monitoreo de teledetección del campo de golf | Oficial de paletas de paleta | Más cajas de paletas |
| Ciudad inteligente | Segmentación semántica cubierta de nieve | Oficial de paletas de paleta | Más cajas de paletas |
| Ciudad inteligente | Reconocimiento de la cara por usar máscaras | Oficial de paletas de paleta | Más cajas de paletas |
| Transporte inteligente | Segmentación de la línea de carril e inspección de seguridad del semáforo | Oficial de paletas de paleta | Más cajas de paletas |
| Transporte inteligente | 【Proyecto especial Paddledetectection2.0】 PP-Yolov2 | Pala | Más casos de paddledet |
| Transporte inteligente | Paddlex ayuda a la conducción no tripulada (detección de vehículos y segmentación de la línea de carril basada en yolov3) | Desarrollador bit kada | Más cajas de paletas |
| Transporte inteligente | Detección de Eblite_Marker | Desarrollador Tobewell | Más cajas de paletas |
| Transporte inteligente | Padleocr: identificación de placa de matrícula | Desarrollador de paletas de paleta Lonely, entra rápidamente | Más cajas de paletas |
| Agricultura inteligente y forestal | Identificación de la parcela de la tierra agraria | Oficial de paletas de paleta | Más cajas de paletas |
| Agricultura inteligente y forestal | Reconocimiento de gusanos ai | Oficial de paletas de paleta | Más cajas de paletas |
| Agricultura inteligente y forestal | ¡Más rápido y más fuerte! Taladro práctico de PP-yolo eficiente y rápido | Pala | Más casos de paddledet |
| Agricultura inteligente y forestal | Paddlex rápidamente comienza la detección de objetivos RCNN rápidamente más rápido | Paddlepaddlex | Más casos de paddlex |
| Agricultura inteligente y forestal | Detección de insectos de IA Compartir | Desarrollador aaalkgo | Más cajas de paletas |
| Agricultura inteligente y forestal | Implementar el monitoreo de incendios forestales basado en Paddlex | Oficial de paletas de paleta | Más cajas de paletas |
| Médico inteligente | Clasificación de medicamentos herbales herbales chinos comunes en medicina | Oficial de paletas de paleta | Más cajas de paletas |
| Médico inteligente | Reconocimiento de enfermedades oculares | Oficial de paletas de paleta | Más cajas de paletas |
| Médico inteligente | Segmentación de imágenes de CT a base de paletas | Generador de código de desarrollador | Más cajas de paletas |
| Médico inteligente | Análisis de imágenes de la imagen de Paddlehub CT de la neumonía | Paddlepaddlehub | Más casos de Paddlehub |
| Médico inteligente | Sistema de línea de base para predecir las tendencias de transmisión de enfermedades infecciosas altamente patógenas basadas en paleta PGL | Oficial de paletas de paleta | Más cajas de paletas |
| otro | Persona detección de otoño | Desarrollador Niki_173 | Más casos para este desarrollador |
| otro | Posicionamiento de acción del partido de fútbol | Oficial de paletas de paleta | Más cajas de paletas |
| otro | Simulación de aeronaves basada en el aprendizaje de refuerzo | Oficial de paletas de paleta | Más cajas de paletas |
| otro | Implementar la coincidencia semántica basada en Ernie-Gram | Oficial de paletas de paleta | Más cajas de paletas |
| otro | "Campamento de check-in NLP" Lección práctica 5: Análisis de sentimientos de texto | Paddlepaddlenlp | Más casos de paddlepaddlenlp |
| otro | "NLP Classic Project Collection" 03: Seleccione la cena de Nochevieja utilizando el análisis de sentimientos | Paddlepaddlenlp | Más casos de paddlepaddlenlp |
| otro | Tarea de clasificación: cómo identificar las emociones buenas o malas del cliente en las conversaciones de servicio al cliente | Desarrolladores, bbking chino | Más cajas de paletas |
| otro | "Campamento de check-in NLP" Curso práctico 3: Use modelos previamente capacitados para realizar la extracción de información de pedido expreso | Paddlepaddlenlp | Más casos de paddlepaddlenlp |
| otro | ¿Se preocupa por la redacción de San Valentín chino? Se generan palabras de amor de Paddlehub para ti (el artículo contiene la lotería de San Valentín chino) | Paddlepaddlehub | Más casos de Paddlehub |
| otro | Detección de defectos de PCB basada en Paddledetection | Oficial de paletas de paleta | Más cajas de paletas |
| otro | Seguimiento peatonal único/múltiple basado en Baidu Paddlepaddle (línea de base no oficial) | Desarrollador bit kada | Más cajas de paletas |
| otro | Paddlelite Raspberry Pi de 0 a 1: Detección de hardhat despliegue de automóviles pequeños (i) | El Kang en el abismo del desarrollador | Más cajas de paletas |
| otro | Paddlex, PP-Yolo: Enseñe paso a paso para entrenar, cifrar e implementar modelos de detección de objetivos | El Kang en el abismo del desarrollador | Más cajas de paletas |
| otro | Reconocimiento de voz chino | Oficial de paletas de paleta | Más cajas de paletas |
| otro | Reconocimiento chino OCR ONPLEC de Paddlehub (modelo de peso ultraligero de 8.1m, popular) | Oficial de paletas de paleta | Más cajas de paletas |
| otro | Reparación de imágenes de la antigua ciudad de Beijing | Paddlepaddleegan | Más casos de Paddleegan |
| otro | El secreto de los poetas de la dinastía de la canción recitando poemas - Paddleegan logra una síntesis de labios precisa | Oficial de paletas de paleta | Más cajas de paletas |
| otro | El reconocimiento del código de verificación se logra a través de OCR | Oficial de paletas de paleta | Más cajas de paletas |
| otro | Reconocimiento chino OCR ONPLEC de Paddlehub (modelo de peso ultraligero de 8.1m, popular) | Paddlepaddlehub | Más casos de Paddlehub |
| otro | Todo el proceso, comprenda la segmentación de imágenes basada en Paddlepaddle desde cero | Desarrollador nanting03 | Más cajas de paletas |
| otro | Pronóstico de carga 0.1 | Desarrollador Gaomaosheng0 | Más cajas de paletas |
| otro | Ai se da cuenta de que la sombra juega y hereda el arte desaparecido | Desarrollador Zohar | Más cajas de paletas |
| otro | 『Aprendizaje profundo Campamento de registro de 7 días』 Detección de puntos clave de cara | Desarrollador tc.long | Más cajas de paletas |
| Aprendizaje de refuerzo | El algoritmo DDPG se aplica al comercio cuantitativo de acciones | Revelador | Más cajas de paletas |
| Dirección técnica | Casos académicos | fuente | Más contenido |
|---|---|---|---|
| Aprendizaje automático | Clasificación de iris | AISTUDIO OFICIAL | Más cajas de paletas |
| Red neuronal de avance | Pronóstico de precios de la vivienda de Boston | Desarrollador Aistudiohelper | Más cajas de paletas |
| Clasificación de imágenes | Reconocimiento de dígitos escrito a mano | AISTUDIO OFICIAL | Más cajas de paletas |
| Clasificación de imágenes | Clasificación de gatos y perros | AISTUDIO OFICIAL | Más cajas de paletas |
| Clasificación de imágenes | Aplicación de la red de clasificación de imágenes VGG en la tarea de reconocimiento de múltiples expresiones | Desarrollador Jerry | Más cajas de paletas |
| Clasificación de imágenes | Resnet de clasificación de imágenes | Los desarrolladores son estúpidos | Más cajas de paletas |
| Clasificación de imágenes | Use PaddlePaddle para implementar la clasificación de imágenes - SE_RESNEXT | AISTUDIO OFICIAL | Más cajas de paletas |
| Clasificación de imágenes | Comprender profundamente Transformer-Vit, deit en la clasificación de imágenes | Remero | Más cajas de paletas |
| Clasificación de imágenes | Transformador de giro | Remero | Más cajas de paletas |
| Clasificación de imágenes | Aprendizaje de muestra pequeña (aprendizaje de pocos disparos) | Desarrollador DeepGege | Más cajas de paletas |
| Segmentación de imágenes | Modelo de segmentación de instancia clásica máscara RCNN | AISTUDIO OFICIAL | Más cajas de paletas |
| Segmentación de imágenes | Paddleseg_deeplabv3+ | Paddlepaddleseg | Más cajas de paletas |
| Segmentación de imágenes | Implementación de DeepLabv3+ basada en Paddlepaddle | AISTUDIO OFICIAL | Más cajas de paletas |
| Detección de imágenes | Aprendizaje profundo avanzado - Detección de objetos | AISTUDIO OFICIAL | Más cajas de paletas |
| Detección de imágenes | Una explicación detallada del algoritmo de detección de objetos yolov3 | Desarrollador AISTUDIO96069 | Más cajas de paletas |
| Detección de imágenes | Aplicación del modelo de transformador DETR en el campo CV en la tarea de detección de objetos | Remero | Más cajas de paletas |
| Clasificación de video | Clasificación de video TSN | Remero | Más cajas de paletas |
| Clasificación de video | Paddle2.1 implementa el modelo clásico de comprensión de video: TSM | Remero | Más cajas de paletas |
| Clasificación de video | Implementar la clasificación de video basada en la atención y el bi-LSTM | Remero | Más cajas de paletas |
| Clasificación de video | TimesFormer Real Video Comprensión del modelo Transformer en CV Field | Remero | Más cajas de paletas |
| Ganancia | Comprenda el GaN clásico de las redes adversas generativas en un artículo (Graph Dynamic, VisualDL2.0) | Desarrollador Futuresi | Más cajas de paletas |
| Ganancia | Algoritmo Stargan, Attgan, Stgan basado en Paddlepaddle | AISTUDIO OFICIAL | Más cajas de paletas |
| LOC | Reconocimiento de texto-crnn | Desarrolladores | Más cajas de paletas |
| PNLP | Implementar 9 tareas de pegamento basadas en Ernie | Remero | Más cajas de paletas |
| PNLP | Aplicación del modelo XLNet en el campo NLP en el análisis de sentimientos | Remero | Más cajas de paletas |
| PNLP | Aplicación del modelo Ernie en la comprensión de lectura en el campo de la PNL | Remero | Más cajas de paletas |
| PNLP | Aplicación de Electra en el campo NLP en la predicción de símbolos | Remero | Más cajas de paletas |
| PNLP | Aplicación del transformador en el campo NLP en la traducción automática | Remero | Más cajas de paletas |
| PNLP | 【Preguntas de partidos de paletas】】 iflytek - desafío de similitud de preguntas chinas 0.9+línea de base | Remero | Más cajas de paletas |
| PNLP | Implementar Bert con Paddlepaddle | AISTUDIO OFICIAL | Más cajas de paletas |
| Multimodal | 【Clip de paleta】 Lo que sea que escribas, dibuja, un pequeño pintor que te pertenece | Pala | Más cajas de paletas |
| Aprendizaje de refuerzo | Desde el código hasta la comprensión del papel y la reproducción del algoritmo MADDPG (PARL) | Desarrollador Sr. Zheng_ | Más cajas de paletas |
| recomendar | [Estimación de la tasa de clics basada en el modelo DeepFM] (https://github.com/paddlepaddle/awesome-deeplearning/tree/master/examples/deepfm para la predicción de CTR) | Remero | Más cajas de paletas |
| recomendar | Películas recomendadas basadas en DSSM | AISTUDIO OFICIAL | Más cajas de paletas |
| Destilación de conocimiento | Experimento de destilación SSLD basado en CIFAR100 | Pájaro | Más cajas de paletas |
devolver
| campo | Casos de competencia | fuente | introducir |
|---|---|---|---|
| Aprendizaje automático | 【Juego de remo】 PROBAJE PERSONAL PROVESTO BASETER+ 0.607 | Desarrollador W5688414 | DataFountain Préstamo personal Pronóstico de incumplimiento, consulte la línea de base oficial y use Paddle para mejorar |
| PNLP | 【Preguntas de partidos de paletas】】 iflytek - desafío de similitud de preguntas chinas 0.9+línea de base | Remero | Desafío de similitud de problemas chinos La versión de referencia de la versión de paddle, utilizando PaddlenLP para completar la tarea de evaluación de similitud de problemas a través del ajuste de modelos previamente capacitados |
| PNLP | Reconocimiento emocional de los internautas con sede en Paddlehub durante la epidemia | Desarrollador cchan | Este proyecto es una solución a la competencia de reconocimiento emocional de los internautas durante la epidemia. Se usaron Paddlehub y Ernie para identificar emociones en los textos de Weibo durante la epidemia. |
| PNLP | 【Juego de remo】 Revisión del producto Competencia de extracción de opinión BASE | Desarrollador W5688414 | Revisión del producto de DataFountain en BERT Revisión de la competencia de extracción de extracción de base, agregando método de optimización |
| PNLP | 【Juego de paletas】 CARÁCTER DE PANTERRA Reconocimiento emocional de línea de base 0.676 | Desarrollador W5688414 | Historias Características Reconocimiento de reconocimiento emocional, utilizando el modelo Bert |
| voz | 【Juego de paletas】 Síntesis de teléfono | Desarrollador xyz_916 | 2021 Xinwang Bank Competencia de voz inteligente inteligente. A partir de 2021.11.17, este plan es el primero en el puntaje total y el segundo en la lista de trabajos. |
| CV | Desafío de reconocimiento de texto de escena china | Xiaodu aistudio | El proyecto de referencia del desafío de reconocimiento de texto de la escena china, utilizado como referencia por concursantes |
| CV | 【Juego de paletas】 Fuente manuscrita OCR Competencia de reconocimiento de la línea de base | Desarrollador Pink Peach | 2021 Competencia mundial de innovación de inteligencia artificial, Fuente de Reconocimiento de Reconocimiento OCR escrito a mano |
| CV | 2020 CCF BDCI: línea de base de segmentación de trazado de imagen de detección remota | Desarrollador lxastro | 2020 CCF BDCI: Biblioteca de modelos de referencia para la segmentación de la imagen de imagen de detección remota, incluidos los métodos de entrenamiento de modelos de referencia y los scripts de evaluación de la competencia. |
| CV | El 3er Competencia de innovación y emprendimiento de China AI+: el plan No. 1 para la competencia de posicionamiento de objetivos de aprendizaje semi-supervisado | Desarrollador Zhang Ya Dance | El plan del primer lugar para la competencia de posicionamiento de objetivos de aprendizaje semi-supervisado compartió el puntaje de la lista A 0.81425 y el puntaje de la lista B 0.80428 |
| Minería de datos | 【Juego de remo】 Competencia de diagnóstico inteligente gráfico electrónico de la línea de base-0.6765 | Desarrollador W5688414 | Aiwin ECG Diagnóstico inteligente Competencia |
Devolver
| producto | Cursos de video | Estudiar documentos |
|---|---|---|
| Pala | Genere el campamento de check-in de siete días para la red adversa | |
| Padleocrin | Explicación del dispositivo de etiquetado automático OCR, interpretación del modelo práctico de OCR práctico de peso ultra ligero de 3.5M, aplicación práctica de OCR e implementación | |
| Pájaro | Clases en vivo de la serie Paddleclas | |
| Colmena | Detección de objetivos Campamento de registro de 7 días | |
| Pala | Explicación detallada de la tarea de segmentación de instancia PADDLEX, explicación detallada de la tarea de detección de objetos PADDLEX, explicación detallada de la tarea de segmentación semántica de Paddlex, explicación detallada de la tarea de clasificación de imágenes de Paddlex, guía de operación del cliente PADDLEX, herramienta de desarrollo de procesos completo de PADDLEPADDE PADDLEX | |
| Pájaro de paleta | Tutorial disponible para convertir los modelos de PaddleHub | |
| VDL | Las herramientas de análisis visual ayudan al desarrollo rápido de los algoritmos de IA y la demostración práctica de los algoritmos de aprendizaje visual y de ajuste | |
| API de alto nivel | La API de alto nivel te ayuda a comenzar rápidamente con el aprendizaje profundo | |
| Pájaro | Procesamiento del lenguaje natural basado en el aprendizaje profundo |
Devolver
Muchas gracias por usar este proyecto. Si tiene alguna sugerencia o comentario durante el uso, puede darnos comentarios sobre el problema o contactarnos escaneando el código QR a continuación. Los desarrolladores de Paddlepaddle están muy contentos de poder ayudarlo y tener una comunicación más profunda y discusiones técnicas con usted.
El lanzamiento de este proyecto está certificado por la licencia Apache 2.0.
La madurez continua de este proyecto no puede separarse de la contribución de todos los desarrolladores. Si está interesado en compartir conocimientos de aprendizaje profundo, puede contribuir a nosotros y beneficiar a más desarrolladores.
Este proyecto acoge con beneplácito cualquier contribución y sugerencia, y la mayoría de las contribuciones requieren que su acuerdo para el Acuerdo de Licencia de Participante (CLA) declare que tiene el derecho y realmente nos autoriza a usar su contribución.
PIP Instalar previamente al Commit
Instalación previa a la Comunidad
Después de agregar el código modificado, el archivo modificado es específico del código. Pre-Commit ajustará automáticamente el formato de código y lo ejecutará una vez. La confirmación posterior no necesita ser ejecutada nuevamente. Para obtener más detalles, consulte el proceso de solicitud de extracción de envío de Awesome-DePlearning.
Aquí hay una lista de contribuyentes increíbles: Yang Zhou, Niki_173, Twelveeeee, Buriedms, Aqouroa, Zhangjin12138, Rerny, Liucongnlp, Lemoncherryfu, Lutianhao
