3.3 锚框 or 先验框本文来自开源组织 DataWhale ???? CV小组创作的目标检测入门教程。对应开源项目 《动手学CV-Pytorch》 的第3章的内容，教程中涉及的代码也可以在项目中找到，后续会持续更新更多的优质内容，欢迎⭐️。如果使用我们教程的内容或图片，请在文章醒目位置注明我们的github主页链接：https://github.com/datawhalechina/dive-

第一阶段、一个简单策略入门量化投资1.1股票数据预处理练习无论我们要对股票市场进行何种探索，在开始前，研究如何获取数据，并进行对应的预处理都是必要的。本节以美股为例，进行股票数据预处理的练习。正文如下：利用Yahoo财经提供的接口，获取一家公司的股票是相当容易的。下面这段代码可以获取苹果公司16年至今的股数据。import pandas

3.2 目标检测数据集VOC本文来自开源组织 DataWhale ???? CV小组创作的目标检测入门教程。对应开源项目 《动手学CV-Pytorch》 的第3章的内容，教程中涉及的代码也可以在项目中找到，后续会持续更新更多的优质内容，欢迎⭐️。如果使用我们教程的内容或图片，请在文章醒目位置注明我们的github主页链接：https://github.com/datawhalechina/dive

Datawhale 和 天池 合作的零基础入门CV - 街景字符编码识别比赛的正式赛已经结束。本文对一些比赛思路和上分技巧进行了汇总和整理，希望对大家深入学习CV能够有帮助。本文分为以下几部分：如何优化官方baseline的效果？其它解题思路的整理和分析字符级目标检测的优化技巧整理在这里要特别感谢多位前排选手对于比赛技巧的无私分享，那么不多bb，下面直接进入正题一、如何优化官方baseline的效

起源于在工作中使用focal loss遇到的一个bug，我仔细的分析了网站大量的focal loss讲解及实现版本通过测试，我发现了这样一个奇怪的现象，几乎每个版本的focal loss实现对同样的输入计算出的loss都是不同的。通过仔细的比对和思考，我总结了三种我认为正确的focal loss实现方法，并将代码分析出来。完整的代码我整理到了我的github代码库AI-Toolbox中，代码...

在之前的工作中，我已经初步构建了三层的BP神经网络，并已经从样本集的选取，模型的选择（隐含层神经元个数），和输出层神经元阈值选择这几个方面对桨叶的识别问题进行了优化。也得到了一些有用的结论：     1.我们的算法需要更多的数据，更多的数据对于提高算法的表现是有效的。     2.通过人为的控制神经网络输出层阈值可以降低误识率（以增大漏识率为代价）。     3.隐含层神经元个数选在2

前几天总结了SHA256的算法原理一文SHA2系列的原理并不复杂，但是需要注意细节还是挺多的。不少中文博客贴出的代码都有错，这两天也踩了几个坑。代码在这里！！！SHA256的C Code代码实现主要依照的这个git仓库crypto-algorithms，向大家推荐，里面实现了各种加密算法。代码正确性的测试如何测试加密算法是否正确，上一文也提到过我使用的是一个在线SHA256...