awesome DeepLearning
1.0.0
이 프로젝트는 PaddlePaddle이 제작 한 원 스톱 딥 러닝 온라인 백과 사전입니다. Paddlepaddle은 딥 러닝 기술의 혁신과 적용을 더 간단하게 만들기 위해 노력하고 있습니다. 더 많은 PaddlePaddle 콘텐츠는 PaddlePaddle의 공식 웹 사이트를 방문하십시오. 이 프로젝트는 다음과 같습니다.
? 코스 카테고리 : 제로 기본 실습 딥 러닝 , 산업 실습 딥 러닝 , 특별 코스, 패들 패드 키트 코스 요약 자료
? 책 카테고리 : "핸드 온 딥 러닝"의 패들 패들 버전
? 보물 : 딥 러닝 질문 , 인터뷰
? 사례 카테고리 : 패들 패들 산업 실습 예제 도서관 (스마트 도시 포함 : 화재 연기 감지, 안전 헬멧 감지; 지능형 제조 : 철강 결함 감지, 로봇 잡기; 인터넷 : 재무 보고서 식별 및 키 필드 추출 등
이론에서 실천, 과학 연구에서 산업 응용에 이르기까지 모든 종류의 학습 자료를 이용할 수 있습니다. 개발자는 딥 러닝 지식을 효율적이고 신속하게 AI 국경 간 재능을 배우고 학습하고 마스터하도록 돕습니다.
| 나는 희망 : | 배울 수 있습니다 : |
|---|---|
| 초보자 심층 학습 | 제로 기본 연습 딥 러닝 |
| 고급 딥 러닝 | 산업 실무에서 딥 러닝 및 딥 러닝에 관한 100 가지 질문 |
| 흥미로운 딥 러닝 | 주요 과정 |
| 나는 희망 : | 배울 수 있습니다 : |
|---|---|
| 초보자 심층 학습 | 제로 기본 연습 딥 러닝 |
| 고급 딥 러닝 | 산업 관행에 대한 심층 학습, 특별 과정 |
| 실용적인 딥 러닝 | 패들 패들 산업 실습 예제 도서관, 패들 패들 제품 코스 |
AI Studio Online Course : "Zero-Basic Practice Deep Learning" : Baidu의 뛰어난 건축가, Paddlepaddle Product Manager 및 선임 R & D 직원이 만든 20 시간의 비디오 과정을 포함하여 연습 및 플랫폼을 결합한 이론 및 코드 결합.
"Zero-Basic Practice Deep Learning"책 :이 과정의 지원서는 2020 년 말 Tsinghua Publishing House에서 출판하며 JD.com/dangdang과 같은 전자 상거래 회사에서 판매합니다.
PaddlePaddle Education에서 생성 한 변압기 시리즈 컨텐츠의 해석을 위해 다음 두 플랫폼을 참조 할 수 있습니다.
변압기 원리 및 연습 시리즈 : https://aistudio.baidu.com/aistudio/education/group/info/24683
PaddlePaddle 교육 공식 계정 : https://aistudio.baidu.com/aistudio/personalcenter/thirdview/908086
| 필드 | 챕터 이름 | 코스 소개 | 노트북 링크 |
|---|---|---|---|
| NLP | 고전적인 미리 훈련 된 언어 모델 (1 부)-미리 훈련 된 모델 개발의 역사 | 미리 훈련 된 언어 모델의 개발 이력, Word2Vec, Elmo, Bert, Gpt, Bert, 일부 확장. | 노트북 링크 |
| NLP | 고전적인 미리 훈련 된 모델 (1 부) -Elmo | Elmo 모델 구조, 장점 및 단점 등에 대한 포괄적이고 상세한 소개. | 노트북 링크 |
| NLP | 클래식 미리 훈련 된 모델 (1 부) - 변압기 | 임베딩, 자체 변환, 인코더, 디코더, 복잡성 계산, 공유 메커니즘 및 기타 내용을 포함한 변압기의 기본 원리를 설명하십시오. | 노트북 링크 |
| NLP | 클래식 미리 훈련 된 모델 (2 부) - GPT | GPT, 사전 훈련 및 양방향 모드, GPT 모델 구조, 장점 및 단점 등의 원칙에 대한 포괄적이고 자세한 소개. | 노트북 링크 |
| NLP | 클래식 미리 훈련 된 모델 (2 부) -Bert | Bert의 기본 원칙, 사전 훈련 작업 및 미세 조정 방법, Bert 자체의 모델 구조, 장점 및 단점 등에 대한 포괄적이고 자세한 소개. | 노트북 링크 |
| NLP | 미리 훈련 된 모델 Roberta의 자연어 이해 | 미리 훈련 된 모델의 자연 언어 이해의 개선 사항을 설명합니다-Roberta | 노트북 링크 |
| NLP | 미리 훈련 된 모델에 대한 자연어 이해 | 미리 훈련 된 모델에 대한 자연어 이해의 개선 사항 설명 : Ernie | 노트북 링크 |
| NLP | 미리 훈련 된 모델에 대한 자연어 이해 -Kbert | 미리 훈련 된 모델에 대한 자연어 이해의 개선 사항을 설명 : Kbert | 노트북 링크 |
| NLP | 미리 훈련 된 모델에 대한 자연어 이해 -thu-ernie | 미리 훈련 된 모델에 대한 자연어 이해의 개선 사항을 설명하십시오 : Thu-ernie | 노트북 링크 |
| NLP | 미리 훈련 된 모델-트랜스 포어 -XL의 긴 시퀀스 모델링 | 미리 훈련 된 모델의 긴 시퀀스 모델링 개선 사항 : Transformer-XL | 노트북 링크 |
| NLP | 미리 훈련 된 모델 -xlnet의 긴 시퀀스 모델링 | 자연 언어 이해의 장기 순서 모델링 개선 사항을 설명 : XLNET | 노트북 링크 |
| NLP | 미리 훈련 된 모델-롱폼의 긴 시퀀스 모델링 | 미리 훈련 된 모델의 긴 시퀀스 모델링 개선을 설명하십시오 : Longformer | 노트북 링크 |
| 모델 최적화 | 미리 훈련 된 모델 효율적인 구조 | 전기를 기반으로 한 구두점 예측 | 노트북 링크 |
| 모델 최적화 | 미리 훈련 된 모델 분해 | 미리 훈련 된 모델 증류 알고리즘 : Dynabert 전략을 사용하여 환자 -KD, Distilbert, Tinybert, Dynabert 모델 및 Tinybert의 모델 증류에 대한 자세한 설명 | 노트북 링크 |
| CV | 트랜스포머-빅, 이미지 필드에서 deit | VIT 및 DEIT의 원리를 자세히 설명하십시오 | 노트북 링크 |
| CV | 이미지 필드의 변압기-윈 변압기 | SWIN 변압기의 원리를 자세히 설명하십시오 | 노트북 링크 |
| CV | 객체 감지 작업에서 CV 필드에서 변압기 모델 DETR의 적용 | DETR 및 코드 분석의 원리를 자세히 설명하십시오. | 노트북 링크 |
반품
이 프로젝트는 원래 책 "Hand-On Deep Learning"의 MXNET 코드 구현을 패들 클래드 구현으로 변경합니다. 오리지널 책 저자 : Aston Zhang, Li Mu, Zachary C. Lipton, Alexander J. Smora 및 기타 커뮤니티 기고자, Github 주소 : https://github.com/d2l-ai/d2l-zh.
이 프로젝트는 딥 러닝에 관심이있는 어린이 신발, 특히 딥 러닝에 패들 라디를 사용하려는 사람들을 대상으로합니다. 이 프로젝트는 딥 러닝 또는 머신 러닝에 대한 배경 지식이 필요하지 않습니다. 기본 선형 대수, 차동 및 확률, 기본 파이썬 프로그래밍과 같은 기본 수학 및 프로그래밍 만 이해하면됩니다.
딥 러닝 질문의 내용에는 딥 러닝의 기본 장, 딥 러닝 챕터, 딥 러닝 애플리케이션 장, 강화 학습 장 및 인터뷰 서적이 포함됩니다. 자세한 내용은 Paddle Knowledge Point 문서 플랫폼을 참조하십시오.
딥 러닝의 기본
딥 러닝
컨볼 루션 신경 네트워크
시퀀스 모델
고급 딥 러닝
딥 러닝 애플리케이션
산업 실습
강화 학습
인터뷰 날짜
반품
| 필드 | 산업 사례 | 원천 | 더 많은 콘텐츠 |
|---|---|---|---|
| 스마트 산업 | 공장에서 전통적인 기기의 통계 모니터링 | 패들 패들 공무원 | 더 많은 패들 패들 케이스 |
| 스마트 산업 | 새로운 에너지 차량을위한 리튬 배터리 분리기의 품질 검사 | 패들 패들 공무원 | 더 많은 패들 패들 케이스 |
| 스마트 산업 | 티안 치 알루미늄의 표면 결함 검출 | 패들 패들 공무원 | 더 많은 패들 패들 케이스 |
| 스마트 산업 | 하드 헬멧 검사 | 패들 패들 공무원 | 더 많은 패들 패들 케이스 |
| 스마트 시티 | 골프 코스 원격 감지 모니터링 | 패들 패들 공무원 | 더 많은 패들 패들 케이스 |
| 스마트 시티 | 눈 덮인 시맨틱 세분화 | 패들 패들 공무원 | 더 많은 패들 패들 케이스 |
| 스마트 시티 | 마스크 착용에 대한 얼굴 인식 | 패들 패들 공무원 | 더 많은 패들 패들 케이스 |
| 스마트 교통 | 레인 라인 세분화 및 신호등 안전 검사 | 패들 패들 공무원 | 더 많은 패들 패들 케이스 |
| 스마트 교통 | paddledetection 2.0 특수 프로젝트】 pp-yolov2 | PaddlePaddledet | 더 많은 목장 사례 |
| 스마트 교통 | Paddlex는 무인 운전을 돕습니다 (Yolov3에 기반한 차량 감지 및 레인 라인 세그먼트) | 개발자 비트 KADA | 더 많은 패들 패들 케이스 |
| 스마트 교통 | eblite_marker 감지 | 개발자 Tobewell | 더 많은 패들 패들 케이스 |
| 스마트 교통 | 목장 : 번호판 식별 | 패들 패들 개발자 외로움, 빨리 들어가십시오 | 더 많은 패들 패들 케이스 |
| 현명한 농업 및 임업 | 농업 토지 음모 식별 | 패들 패들 공무원 | 더 많은 패들 패들 케이스 |
| 현명한 농업 및 임업 | ai 웜 인식 | 패들 패들 공무원 | 더 많은 패들 패들 케이스 |
| 현명한 농업 및 임업 | 더 빠르고 강합니다! 효율적이고 빠른 PP-NOLO 실용 드릴 | PaddlePaddledet | 더 많은 목장 사례 |
| 현명한 농업 및 임업 | Paddlex는 빠르게 더 빠른 RCNN 대상 탐지를 시작합니다 | PaddlePdledx | 더 많은 Paddlex 사례 |
| 현명한 농업 및 임업 | AI 곤충 탐지 공유 | 개발자 Aaalkgo | 더 많은 패들 패들 케이스 |
| 현명한 농업 및 임업 | Paddlex를 기반으로 산림 화재 모니터링을 구현하십시오 | 패들 패들 공무원 | 더 많은 패들 패들 케이스 |
| 스마트 의료 | 의약에서 일반적인 중국 약초 의약품 분류 | 패들 패들 공무원 | 더 많은 패들 패들 케이스 |
| 스마트 의료 | 안과 질환 인식 | 패들 패들 공무원 | 더 많은 패들 패들 케이스 |
| 스마트 의료 | 패들 기반 CT 이미징 세분화 | 개발자 코드 생성기 | 더 많은 패들 패들 케이스 |
| 스마트 의료 | 폐렴의 Paddlehub CT 영상 분석 | PaddlepaddleShub | 더 많은 패들 허브 케이스 |
| 스마트 의료 | 패들 패들 PGL에 기초한 고도로 병원성 감염성 질환의 전염 동향을 예측하기위한 기준 시스템 | 패들 패들 공무원 | 더 많은 패들 패들 케이스 |
| 다른 | 사람이 떨어지는 탐지 | 개발자 Niki_173 | 이 개발자를위한 더 많은 사례 |
| 다른 | 축구 경기 액션 포지셔닝 | 패들 패들 공무원 | 더 많은 패들 패들 케이스 |
| 다른 | 강화 학습을 기반으로 한 항공기 시뮬레이션 | 패들 패들 공무원 | 더 많은 패들 패들 케이스 |
| 다른 | Ernie-Gram을 기반으로 시맨틱 매칭을 구현하십시오 | 패들 패들 공무원 | 더 많은 패들 패들 케이스 |
| 다른 | "NLP 체크인 캠프"실용 레슨 5 : 텍스트 감정 분석 | PaddlePaddlenlp | 더 많은 PaddlePaddlenlp 사례 |
| 다른 | "NLP Classic Project Collection"03 : 감정 분석을 사용하여 새해 전야 저녁 식사를 선택하십시오. | PaddlePaddlenlp | 더 많은 PaddlePaddlenlp 사례 |
| 다른 | 분류 작업 : 고객 서비스 대화에서 좋은 고객 감정을 식별하는 방법 | 개발자, 중국 BBKING | 더 많은 패들 패들 케이스 |
| 다른 | "NLP 체크인 캠프"실용 코스 3 : 미리 훈련 된 모델을 사용하여 Express 주문 정보의 추출을 실현하십시오. | PaddlePaddlenlp | 더 많은 PaddlePaddlenlp 사례 |
| 다른 | 중국 발렌타인의 카피 라이팅에 대해 걱정하십니까? Paddlehub Love Word가 당신을 위해 생성됩니다 (이 기사에는 중국 발렌타인 데이 복권이 포함되어 있습니다) | PaddlepaddleShub | 더 많은 패들 허브 케이스 |
| 다른 | 패들링을 기반으로 한 PCB 결함 감지 | 패들 패들 공무원 | 더 많은 패들 패들 케이스 |
| 다른 | Baidu Paddlepaddle을 기반으로 한 단일/멀티 렌즈 보행자 추적 (비공식 기준선) | 개발자 비트 KADA | 더 많은 패들 패들 케이스 |
| 다른 | 0에서 1까지의 Paddlelite Raspberry Pi : 하드 하트 감지 소형 자동차 배치 (i) | 개발자의 심연에 대한 강 | 더 많은 패들 패들 케이스 |
| 다른 | Paddlex, PP-Noolo : Target Detection Model을 훈련, 암호화 및 배포하기 위해 단계별로 가르치기 | 개발자의 심연에 대한 강 | 더 많은 패들 패들 케이스 |
| 다른 | 중국어 음성 인식 | 패들 패들 공무원 | 더 많은 패들 패들 케이스 |
| 다른 | Paddlehub 원 클릭 OCR 중국인 인식 (초경량 8.1m 모델, 인기) | 패들 패들 공무원 | 더 많은 패들 패들 케이스 |
| 다른 | 올드 베이징 시티의 이미지 수리 | PaddlePaddleGan | 더 많은 Paddlegan 케이스 |
| 다른 | 송 왕조 시인의 비밀 시인을 외우는 시인 -Paddlegan은 정확한 립 합성을 달성합니다. | 패들 패들 공무원 | 더 많은 패들 패들 케이스 |
| 다른 | 검증 코드 인식은 OCR을 통해 달성됩니다 | 패들 패들 공무원 | 더 많은 패들 패들 케이스 |
| 다른 | Paddlehub 원 클릭 OCR 중국인 인식 (초경량 8.1m 모델, 인기) | PaddlepaddleShub | 더 많은 패들 허브 케이스 |
| 다른 | 전체 프로세스는 패들 라디 기반 이미지 세분화를 처음부터 이해합니다 | 개발자 Nanting03 | 더 많은 패들 패들 케이스 |
| 다른 | 로드 예측 0.1 | 개발자 GAOMOSHENG0 | 더 많은 패들 패들 케이스 |
| 다른 | AI는 Shadow Plays를 깨닫고 사라지는 예술을 물려받습니다 | 개발자 Zohar | 더 많은 패들 패들 케이스 |
| 다른 | deep Learning 7 일 체크인 캠프』핵심 포인트 감지 | 개발자 TC.Long | 더 많은 패들 패들 케이스 |
| 강화 학습 | DDPG 알고리즘은 재고 정량 거래에 적용됩니다 | 개발자 | 더 많은 패들 패들 케이스 |
| 기술적 방향 | 학문적 사례 | 원천 | 더 많은 콘텐츠 |
|---|---|---|---|
| 기계 학습 | 아이리스 분류 | Aistudio 공무원 | 더 많은 패들 패들 케이스 |
| 피드 포워드 신경망 | 보스턴 하우스 가격 예측 | 개발자 AistudioHelper | 더 많은 패들 패들 케이스 |
| 이미지 분류 | 필기 숫자 인식 | Aistudio 공무원 | 더 많은 패들 패들 케이스 |
| 이미지 분류 | 고양이와 개 분류 | Aistudio 공무원 | 더 많은 패들 패들 케이스 |
| 이미지 분류 | 다중 표현 인식 작업에서 이미지 분류 네트워크 vgg 적용 | 개발자 Jerry | 더 많은 패들 패들 케이스 |
| 이미지 분류 | 이미지 분류-레즈넷 | 개발자는 바보입니다 | 더 많은 패들 패들 케이스 |
| 이미지 분류 | PaddlePaddle을 사용하여 이미지 분류 -SE_RESNEXT를 구현하십시오 | Aistudio 공무원 | 더 많은 패들 패들 케이스 |
| 이미지 분류 | 이미지 분류에서 DEIT 변압기-vit을 깊이 이해하십시오 | Paddleedu | 더 많은 패들 패들 케이스 |
| 이미지 분류 | Swin Transformer | Paddleedu | 더 많은 패들 패들 케이스 |
| 이미지 분류 | 작은 샘플 학습 (몇 가지 샷 학습) | 개발자 Deepgege | 더 많은 패들 패들 케이스 |
| 이미지 분할 | 클래식 인스턴스 세분화 모델 마스크 RCNN | Aistudio 공무원 | 더 많은 패들 패들 케이스 |
| 이미지 분할 | paddleseg_deeplabv3+ | PaddlePaddleseg | 더 많은 패들 패들 케이스 |
| 이미지 분할 | deeplabv3+ 패들 라디를 기반으로 한 구현 | Aistudio 공무원 | 더 많은 패들 패들 케이스 |
| 이미지 감지 | 고급 딥 러닝 - 물체 감지 | Aistudio 공무원 | 더 많은 패들 패들 케이스 |
| 이미지 감지 | YOLOV3 객체 감지 알고리즘에 대한 자세한 설명 | 개발자 Aistudio96069 | 더 많은 패들 패들 케이스 |
| 이미지 감지 | 객체 감지 작업에서 CV 필드에서 변압기 모델 DETR의 적용 | Paddleedu | 더 많은 패들 패들 케이스 |
| 비디오 분류 | TSN 비디오 분류 | Paddleedu | 더 많은 패들 패들 케이스 |
| 비디오 분류 | Paddle2.1은 비디오 이해의 고전적인 모델 인 TSM을 구현합니다 | Paddleedu | 더 많은 패들 패들 케이스 |
| 비디오 분류 | 주의 및 BI-LSTM을 기반으로 비디오 분류를 구현하십시오 | Paddleedu | 더 많은 패들 패들 케이스 |
| 비디오 분류 | CV 필드의 변압기 모델에 대한 Timesformer 실제 비디오 이해 | Paddleedu | 더 많은 패들 패들 케이스 |
| 간 | 한 기사에서 생성 적대 네트워크의 고전적인 간을 이해하십시오 (Dynamic Graph, VisualDL2.0) | 개발자 Futuresi | 더 많은 패들 패들 케이스 |
| 간 | STARGAN, ATTGAN, STGAN 알고리즘을 기반으로합니다 | Aistudio 공무원 | 더 많은 패들 패들 케이스 |
| OCR | 텍스트 인식 -crnn | 개발자 | 더 많은 패들 패들 케이스 |
| NLP | Ernie를 기반으로 9 개의 접착제 작업을 구현하십시오 | Paddleedu | 더 많은 패들 패들 케이스 |
| NLP | 감정 분석에서 NLP 필드에서 XLNET 모델의 적용 | Paddleedu | 더 많은 패들 패들 케이스 |
| NLP | NLP 분야의 독해에 대한 Ernie 모델의 적용 | Paddleedu | 더 많은 패들 패들 케이스 |
| NLP | 기호 예측에서 NLP 필드에서 전기의 적용 | Paddleedu | 더 많은 패들 패들 케이스 |
| NLP | 기계 번역에서 NLP 필드에서 변압기의 적용 | Paddleedu | 더 많은 패들 패들 케이스 |
| NLP | 【패들 매치 match Iflytek 질문 - 중국 질문 유사성 챌린지 0.9+기준선 | Paddleedu | 더 많은 패들 패들 케이스 |
| NLP | PaddlePaddle을 사용하여 Bert를 구현하십시오 | Aistudio 공무원 | 더 많은 패들 패들 케이스 |
| 멀티 모달 | 【패들 클립 clip 당신이 쓰는 것이 무엇이든, 그는 그리며, 당신에게 속한 작은 화가 | Paddlefleet | 더 많은 패들 패들 케이스 |
| 강화 학습 | CODE에서 종이까지 MADDPG 알고리즘 (PARL)을 이해하고 재현 | 개발자 Mr. Zheng_ | 더 많은 패들 패들 케이스 |
| 추천하다 | [DeepFM 모델을 기반으로 한 클릭-스루 비율 추정] (https://github.com/paddlepaddle/awesome-deeplearning/tree/mas | Paddleedu | 더 많은 패들 패들 케이스 |
| 추천하다 | DSSM을 기반으로 한 권장 영화 | Aistudio 공무원 | 더 많은 패들 패들 케이스 |
| 지식 증류 | CIFAR100에 기초한 SSLD 증류 실험 | paddleclas | 더 많은 패들 패들 케이스 |
반품
| 필드 | 경쟁 사례 | 원천 | 소개하다 |
|---|---|---|---|
| 기계 학습 | 【패들 게임 game 개인 대출 기본 예측 기준선+ 0.607 | 개발자 W5688414 | Datafountain Personal Loan Default 예측, 공식 기준선을 참조하고 패들을 사용하여 개선하십시오. |
| NLP | 【패들 매치 match Iflytek 질문 - 중국 질문 유사성 챌린지 0.9+기준선 | Paddleedu | 중국 문제 유사성 도전 패들 버전 기준선, Paddlenlp를 사용하여 미리 훈련 된 모델의 미세 조정을 통해 문제 유사성 평가 작업을 완료합니다. |
| NLP | 전염병 동안 네티즌에 대한 패들 허브 기반 정서적 인식 | 개발자 CCHAN | 이 프로젝트는 전염병 기간 동안 네티즌의 정서적 인식 경쟁에 대한 해결책입니다. Paddlehub와 Ernie는 전염병 동안 Weibo 텍스트에서 감정을 식별하는 데 사용되었습니다. |
| NLP | 【패들 게임 game 제품 검토 의견 추출 경쟁 기준선 | 개발자 W5688414 | DataFountain의 Bert 기반 제품 검토 의견 추출 경쟁 기준선, 최적화 방법 추가 |
| NLP | 【패들 게임 game 스크린 캐릭터 정서적 인식 기준-프리렉션 0.676 | 개발자 W5688414 | 스토리 캐릭터 정서적 인식 기준선, Bert 모델을 사용합니다 |
| 목소리 | 【패들 게임 game 전화 합성 | 개발자 XYZ_916 | 2021 Xinwang Bank Intelligent Voice Competition 기준선. 2021.11.17 현재,이 계획은 총 점수 중 첫 번째이며 두 번째는 작품 목록입니다. |
| CV | 중국 장면 텍스트 인식 챌린지 기준선 | Xiaodu Aistudio | 참가자가 참조하는 데 사용되는 중국 장면 텍스트 인식 챌린지의 기본 프로젝트 |
| CV | 【패들 게임 game 필기 글꼴 OCR 인식 경쟁 기준선 | 개발자 Pink Peach | 2021 세계 인공 지능 혁신 경쟁, 필기 글꼴 OCR 인식 대회 기준선 |
| CV | 2020 CCF BDCI : 원격 감지 이미지 플롯 세그먼테이션 기준선 | 개발자 lxastro | 2020 CCF BDCI : 기준선 모델 교육 방법 및 경쟁 평가 스크립트를 포함한 원격 감지 이미지 플롯 세분화를위한 기준 모델 라이브러리. |
| CV | 제 3 차 중국 AI+ 혁신 및 기업가 정신 경쟁 : 반 감독 학습 대상 포지셔닝 경쟁을위한 1 위 | 개발자 Zhang Ya Dance | 반 감독 학습 대상 포지셔닝 경쟁에 대한 1 위 계획은 A-List 점수 0.81425 및 B-List 점수 0.80428을 공유했습니다. |
| 데이터 마이닝 | Padddle 게임 d 전자 그래픽 지능형 진단 경쟁 기준 -0.6765 | 개발자 W5688414 | Aiwin ECG 지능형 진단 경쟁 |
반품
| 제품 | 비디오 코스 | 공부 문서 |
|---|---|---|
| Paddlegan | 적대 네트워크의 7 일 체크인 캠프를 생성하십시오 | |
| 목장 | OCR 자동 라벨링 기기의 설명, 3.5m 초경량 실용 OCR 모델 해석, 실용 OCR 응용 프로그램 및 배포 | |
| paddleclas | Paddleclas 시리즈 라이브 클래스 | |
| 패들링 | 목표 탐지 7 일 체크인 캠프 | |
| Paddlex | Paddlex 인스턴스 세분화 작업의 자세한 설명, Paddlex 객체 감지 작업의 자세한 설명, Paddlex 시맨틱 세분화 작업의 자세한 설명, Paddlex 이미지 분류 작업에 대한 자세한 설명, Paddlex 클라이언트 운영 안내서, PaddlePaddle 전체 프로세스 개발 도구 Paddlex | |
| 패들 hub | 패들 하브 모델을 변환하기위한 튜토리얼 | |
| VDL | 시각 분석 도구 | |
| 고급 API | 고급 API가 딥 러닝을 신속하게 시작하는 데 도움이됩니다. | |
| paddlenlp | 딥 러닝을 기반으로 한 자연어 처리 |
반품
이 프로젝트를 사용해 주셔서 대단히 감사합니다. 사용 중에 제안이나 의견이 있으면 아래 QR 코드를 스캔하여 문제 에 대한 피드백을 제공하거나 당사에 문의하십시오. PaddlePaddle 개발자는 귀하를 도울 수있어서 매우 기쁩니다.
이 프로젝트의 출시는 Apache 2.0 라이센스에 의해 인증되었습니다.
이 프로젝트의 지속적인 성숙은 모든 개발자의 기여와 분리 될 수 없습니다. 딥 러닝 지식을 공유하는 데 관심이 있다면, 귀하는 우리에게 기여하고 더 많은 개발자에게 혜택을주는 것을 환영합니다.
이 프로젝트는 기부금과 제안을 환영하며, 대부분의 기부금은 귀하가 권리를 가지고 있다고 선언하고 실제로 귀하의 기부금을 사용하도록 권한을 부여하기 위해 참가자 라이센스 계약 (CLA)에 대한 귀하의 계약이 필요합니다.
PIP PRE-COMMIT를 설치하십시오
사전 커밋 설치
수정 된 코드를 추가 한 후 수정 된 파일은 코드 별입니다. 사전 커밋은 코드 형식을 자동으로 조정하고 한 번 실행합니다. 후속 커밋을 다시 실행할 필요는 없습니다. 자세한 내용은 굉장한 디스플러링 제출 풀 요청 프로세스를 참조하십시오.
Yang Zhou, Niki_173, Twelveeee, Buriedms, Aqourarea, Zhangjin12138, Rerny, Liucongnlp, Lemoncherryfu, Lutianhao의 목록은 다음과 같습니다.
