本文讲解最广泛使用的卷积神经网络，包括经典结构（AlexNet、VGG、GoogLeNet、ResNet）和一些新的结构（Network in Network、Resnet改进、FractalNet、DenseNet）等【对应 CS231n Lecture 9】

1600+ 科学家对AI的割裂态度；PICO 2023首届XR开发者挑战赛；通过 LLMs 实现需求的背后逻辑；如何使用 LoRA 微调 Llama 2……点击阅读全文

本文介绍 NLP 中的问答系统（Question Answering），包括 NLP 中的问答系统场景、动态记忆网络（Dynamic Memory Networks）、问答（QA）、对话、MemNN、DCN、VQA等。

本文讲解了损失函数（数据损失与正则损失）、多类 SVM 损失与Softmax损失比较、梯度计算方法（数值梯度与解析梯度）、梯度下降优化算法等【对应 CS231n Lecture 3】

本节讨论深层神经网络，包括深层神经网络的结构、深层神经网络前向传播和反向传播过程、需要深层神经网络的原因、神经网络参与超参数、神经网络与人脑简单对比。

Emerge 源代码可视化工具、Tale Book 个人图书管理系统、PyTorch 深度度量学习库、基于PyTorch的VITS-BigVGAN的TTS中文模型、JSON文件结构化diff工具、『Rust命令行编程指南』随书代码、北大 NLP 新手入门教程、流体动力学资源列表、图像补全资源列表、前沿论文…点击获取全部资讯

Hadoop是最基础和场景的开源分布式计算平台，ShowMeAI在本节内容中给大家讲解Hadoop相关知识。

深度学习入门首选！课程可以帮助学习者掌握知识和技能，并邀请工业界与学术界的深度学习专家为大家提供职业发展建议，提供一条迈向 AI 世界的清晰途径。

本文从浅层神经网络入手，讲解神经网络的基本结构(输入层，隐藏层和输出层)，浅层神经网络前向传播和反向传播过程，神经网络参数的梯度下降优化，不同的激活函数的优缺点及非线性的原因......

Pandas是Python中最常用到的数据操作和分析工具包，它构建在Numpy之上，具备简洁的使用接口和高效的处理效率。数据科学、机器学习AI应用过程，涉及数据清洗和分析的操作也频繁使用Pandas。