ApacheCN 活动汇总 2019.8.16

章节

贡献者

Lecture 1

@Everglow0214

Lecture 2

@sunnyswag

Lecture 3

@Everglow0214

Lecture 4

Lecture 5

Lecture 6

Lecture 7

Lecture 8

Lecture 9

Lecture 10

Lecture 11

Lecture 12

Lecture 13

Lecture 14

章节

贡献者

第 0 章：为何学习微积分？

@PEGASUS1993

0.1 你应该知道什么

@PEGASUS1993

0.2 什么是微积分？我们为什么要研究它？

@PEGASUS1993

第 1 章：数字

@PEGASUS1993

1.1 什么是数字？有理数

@PEGASUS1993

1.2 小数和实数

@PEGASUS1993

1.3 复数

@PEGASUS1993

复数运算

@PEGASUS1993

1.4 可数集（消遣）

@PEGASUS1993

第 2 章：使用电子表格

2.1 什么是电子表格？

2.2 斐波纳契数

2.3 帕斯卡的三角形

2.4 与电子表格集成

第 3 章：线性函数

3.1 什么是函数？

3.2 线性函数

3.3 线性

第四章：函数的二次型和导数

4.1 更复杂的函数

4.2 二次函数的斜率

第 5 章：有理函数和导数的计算

5.1 有理函数的导数

第 6 章：指数函数，替换和链规则

6.1 最有用函数的导数

第 7 章：三角函数及其导数

7.1 二维数学

7.2 三角学和导数以及加法定理

第 8 章：反函数及其导函数

8.1 反函数

8.2 微分反函数

8.3 更多规则

第 9 章：数值微分和不可微函数

9.1 数值微分

9.2 绘制导数图

9.3 不可微函数

第 10 章：微分的回顾

10.1 复习

第 11 章：微分在求解方程中的应用

11.1 求解方程

第 12 章：反导数

12.1 反导数

第 13 章：曲线下面积;定积分

13.1 区域：定义，名称和符号

13.2 微积分和确定区域的基本定理

13.3 积分的诀窍

第 14 章：数值积分

14.1 数值积分计划

14.2 积分的“规则”

14.3 为什么这些规则有效？

第 15 章：平行数字的面积和体积;行列式

15.1 有符号面积和体积

15.2 表示平行边的图形

15.3 行列式的属性

15.4 求解行列式

15.5 用于求解电子表格中的行列式的爱丽丝梦游仙境方法

第 16 章一些纯数学

16.1 极限和点集拓扑简介

16.2 紧集

16.3 杂注

16.4 Lebesgue 积分

第 17 章：物理的建模应用

17.1 垂直运动建模

17.2 弹簧建模（谐波振荡器）

17.3 受迫振荡

17.4 简单电路

第 18 章捕食者猎物模型

18.1 捕食者猎物模型

第 19 章：求解微分方程

19.1 计划

19.2 一阶微分方程

19.3 二阶微分方程

章节

贡献者

#Informal词汇表

#Piazza：何时以及如何寻求帮助

编程技巧，第1部分

系统编程短篇小说和歌曲

C编程，第1部分：简介

@blue-bird1

C编程，第2部分：文本输入和输出

C编程，第3部分：常见问题

C编程，第4部分：字符串和结构

C编程，第5部分：调试

C编程，复习题

进程，第1部分：简介

分叉，第1部分：简介

分叉，第2部分：Fork，Exec，等等

进程控制，第1部分：使用信号等待宏

进程复习题

内存，第1部分：堆内存简介

内存，第2部分：实现内存分配器

内存，第3部分：粉碎堆栈示例

内存复习题

Pthreads，第1部分：简介

Pthreads，第2部分：实践中的用法

Pthreads，第3部分：并行问题（奖金）

Pthread复习题

同步，第1部分：互斥锁

同步，第2部分：计算信号量

同步，第3部分：使用互斥锁和信号量

同步，第4部分：临界区问题

同步，第5部分：条件变量

同步，第6部分：实现障碍

同步，第7部分：读者编写器问题

同步，第8部分：环形缓冲区示例

同步复习题

死锁，第1部分：资源分配图

死锁，第2部分：死锁条件

死锁，第3部分：餐饮哲学家

死锁复习题

虚拟内存，第1部分：虚拟内存简介

管道，第1部分：管道介绍

管道，第2部分：管道编程秘密

文件，第1部分：使用文件

调度，第1部分：调度过程

调度，第2部分：调度过程：算法

IPC复习题

POSIX，第1部分：错误处理

网络，第1部分：简介

网络，第2部分：使用getaddrinfo

网络，第3部分：构建一个简单的TCP客户端

网络，第4部分：构建一个简单的TCP服务器

网络，第5部分：关闭端口，重用端口和其他技巧

网络，第6部分：创建UDP服务器

网络，第7部分：非阻塞I O，select（）和epoll

RPC，第1部分：远程过程调用简介

网络复习题

文件系统，第1部分：简介

文件系统，第2部分：文件是inode（其他一切只是数据…）

文件系统，第3部分：权限

文件系统，第4部分：使用目录

文件系统，第5部分：虚拟文件系统

文件系统，第6部分：内存映射文件和共享内存

文件系统，第7部分：可扩展且可靠的文件系统

文件系统，第8部分：从Android设备中删除预装的恶意软件

文件系统，第9部分：磁盘块示例

文件系统复习题

过程控制，第1部分：使用信号等待宏

信号，第2部分：待处理的信号和信号掩码

信号，第3部分：提高信号

信号，第4部分：信号

信号复习题

考试主题

C编程：复习题

多线程编程：复习题

同步概念：复习题

内存：复习题

管道：复习题

文件系统：复习题

网络：复习题

信号：复习题

章节

贡献者

Cython - 概述

@varyshare

安装 Cython

@varyshare

构建 Cython 代码

@varyshare

通过静态类型更快的代码

@varyshare

基础教程

@varyshare

调用 C 函数

@varyshare

使用 C 库

@varyshare

扩展类型（又名.cdef 类）

pxd 文件

Caveats

Profiling

Unicode 和传递字符串

内存分配

纯 Python 模式

使用 NumPy

使用 Python 数组

进一步阅读

相关工作

附录：在 Windows 上安装 MinGW

语言基础

扩展类型

扩展类型的特殊方法

在 Cython 模块之间共享声明

与外部 C 代码连接

源文件和编译

早期绑定速度

在 Cython 中使用 C ++

融合类型（模板）

将 Cython 代码移植到 PyPy

Limitations

Cython 和 Pyrex 之间的区别

键入的内存视图

实现缓冲协议

使用并行性

调试你的 Cython 程序

用于 NumPy 用户的 Cython

章节

贡献者

1. 用户手册

-

1.1。 Numba 的约 5 分钟指南

@saltball

1.2。概述

1.3。安装

1.4。使用@jit

1.5。使用@generated_jit

1.6。创建 Numpy 通用函数

1.7。用@jitclass 编译 python 类

1.8。使用@cfunc

1.9。提前编译代码

1.10。使用@jit

1.11。使用@stencil装饰器

1.12。从 JIT 代码 中回调到 Python 解释器

1.13。性能提示

1.14。线程层

1.15。故障排除和提示

1.16。常见问题

1.17。示例

1.18。会谈和教程

2. 参考手册

-

2.1。类型和签名

2.2。即时编译

2.3。提前编译

2.4。公用事业

2.5。环境变量

2.6。支持的 Python 功能

2.7。支持的 NumPy 功能

2.8。与 Python 语义的偏差

2.9。浮点陷阱

2.10。 Python 2.7 寿命终止计划

3. 用于 CUDA GPU 的 Numba

-

3.1。概述

3.2。编写 CUDA 内核

3.3。内存管理

3.4。编写设备功能

3.5。 CUDA Python 中支持的 Python 功能

3.6。支持的原子操作

3.7。随机数生成

3.8。设备管理

3.10。示例

3.11。使用 CUDA 模拟器 调试 CUDA Python

3.12。 GPU 减少

3.13。 CUDA Ufuncs 和广义 Ufuncs

3.14。共享 CUDA 内存

3.15。 CUDA 阵列接口

3.16。 CUDA 常见问题

4. CUDA Python 参考

-

4.1。 CUDA 主机 API

4.2。 CUDA 内核 API

4.3。内存管理

5. 用于 AMD ROC GPU 的 Numba

-

5.1。概述

5.2。编写 HSA 内核

5.3。内存管理

5.4。编写设备功能

5.5。支持的原子操作

5.6。代理商

5.7。 ROC Ufuncs 和广义 Ufuncs

5.8。示例

6. 扩展 Numba

6.1。高级扩展 API

6.2。低级扩展 API

6.3。示例：间隔类型

7. 开发者手册

-

7.1。贡献给 Numba

7.2。 Numba 建筑

7.3。多态调度

7.4。关于发电机的注意事项

7.5。关于 Numba Runtime 的注意事项

7.6。使用 Numba Rewrite Pass 获得乐趣和优化

7.7。实时变量分析

7.8。上市

7.9。模板注释

7.10。关于自定义管道的注意事项

7.11。环境对象

7.12。哈希 的注意事项

7.13。 Numba 项目路线图

8. Numba 增强建议

章节

校对者

简介

Scrapy at a glance

安装指南

Scrapy 教程

@jiez1812

实例

命令行工具

Spider

选择器

项目

项目加载器

Scrapy shell

项目管道

Feed 导出

请求和响应

链接提取器

设置

例外情况

Logging

统计数据集合

发送电子邮件

远程登录控制台

Web服务

常见问题

调试spiders

Spider 合约

常用做法

通用爬虫

使用浏览器的开发人员工具进行抓取

调试内存泄漏

下载和处理文件和图像

部署 Spider

AutoThrottle 扩展

Benchmarking

作业：暂停和恢复爬行

体系结构概述

下载器中间件

Spider 中间件

扩展

核心API

信号

条目导出器

发行说明

为 Scrapy 贡献

章节

贡献者

关于卷积神经网络

-

1

@daewis

2.1.1-2.1.3

@daewis

2.1.4-2.1.6

2.2.1

2.2.2-2.2.3

2.3-2.4

3.1

3.2

3.3

3.4-3.5

4.1

章节

贡献者

1.关于本书（ES2019 版）

@YouWillBe

2.常见问题：本书

@huangzijian888

3. JavaScript 的历史和演变

@t532

4.常见问题：JavaScript

@t532

5.概览

@kj415j45

6.语法

@lq920320

7.在控制台上打印信息（console.*）

@lq920320

8.断言 API

@lq920320

9.测验和练习入门

@so-hard

10.变量和赋值

@so-hard

11.值

@lq920320

12.运算符

@wizardforcel

13.非值undefined和null

@wizardforcel

14.布尔值

@wizardforcel

15.数字

@wizardforcel

16. Math

@wizardforcel

17. Unicode - 简要介绍（高级）

@wizardforcel

18.字符串

@wizardforcel

19.使用模板字面值和标记模板

@wizardforcel

20.符号

@wizardforcel

21.控制流语句

@wizardforcel

22.异常处理

@t532

23.可调用值

@t532

24.模块

@t532

25.单个对象

26.原型链和类

@lq920320

27.同步迭代

@lq920320

28.数组（Array）

@52admln

29.类型化数组：处理二进制数据（高级）

30.映射（Map）

@so-hard

31. WeakMaps（WeakMap）

32.集（Set）

@liuyepiaoxiang

33. WeakSets（WeakSet）

34.解构

@Kavelaa

35.同步生成器（高级）

36. JavaScript 中的异步编程

@Kavelaa

37.异步编程的 Promise

@iChrisJ

38.异步函数

@iChrisJ

39.正则表达式（RegExp）

@iChrisJ

40.日期（Date）

@facebesidewyj

41.创建和解析 JSON（JSON）

@xdyushenli

序号

章节

译者

1

An introduction to seaborn

@yiran7324

2

Installing and getting started

@neolei

3

Visualizing statistical relationships

@JNJYan

4

Plotting with categorical data

@hold2010

5

Visualizing the distribution of a dataset

@alohahahaha

6

Visualizing linear relationships

@cancan233

7

Building structured multi-plot grids

@keyianpai

8

Controlling figure aesthetics

@P3n9W31

9

Choosing color palettes

@Modrisco

10

seaborn.relplot

@Stuming

11

seaborn.scatterplot

@sfw134

12

seaborn.lineplot

13

seaborn.catplot

@LIJIANcoder97

14

seaborn.stripplot

@LIJIANcoder97

15

seaborn.swarmplot

@LIJIANcoder97

16

seaborn.boxplot

@FindNorthStar

17

seaborn.violinplot

@FindNorthStar

18

seaborn.boxenplot

@FindNorthStar

19

seaborn.pointplot

@FindNorthStar

20

seaborn.barplot

@melon-bun

21

seaborn.countplot

@Stuming

22

seaborn.jointplot

@Stuming

23

seaborn.pairplot

@Stuming

24

seaborn.distplot

@hyuuo

25

seaborn.kdeplot

@hyuuo

26

seaborn.rugplot

@P3n9W31

27

seaborn.lmplot

@P3n9W31

28

seaborn.regplot

@P3n9W31

29

seaborn.residplot

@P3n9W31

30

seaborn.heatmap

@hyuuo

31

seaborn.clustermap

32

seaborn.FacetGrid

@hyuuo

33

seaborn.FacetGrid.map

@sfw134

34

seaborn.FacetGrid.map_dataframe

@sfw134

35

seaborn.PairGrid

@sfw134

36

seaborn.PairGrid.map

@sfw134

37

seaborn.PairGrid.map_diag

@sfw134

38

seaborn.PairGrid.map_offdiag

@sfw134

39

seaborn.PairGrid.map_lower

@sfw134

40

seaborn.PairGrid.map_upper

@sfw134

41

seaborn.JointGrid

@Yet-sun

42

seaborn.JointGrid.plot

@Yet-sun

43

seaborn.JointGrid.plot_joint

@Yet-sun

44

seaborn.JointGrid.plot_marginals

@Yet-sun

45

seaborn.set

@lbllol365

46

seaborn.axes_style

@lbllol365

47

seaborn.set_style

@lbllol365

48

seaborn.plotting_context

@cancan233

49

seaborn.set_context

@cancan233

50

seaborn.set_color_codes

@cancan233

51

seaborn.reset_defaults

@cancan233

52

seaborn.reset_orig

@cancan233

53

seaborn.set_palette

@Modrisco

54

seaborn.color_palette

@Modrisco

55

seaborn.husl_palette

@Modrisco

56

seaborn.hls_palette

@Modrisco

57

seaborn.cubehelix_palette

@Modrisco

58

seaborn.dark_palette

@Modrisco

59

seaborn.light_palette

@Modrisco

60

seaborn.diverging_palette

@Modrisco

61

seaborn.blend_palette

@Modrisco

62

seaborn.xkcd_palette

@Modrisco

63

seaborn.crayon_palette

@Modrisco

64

seaborn.mpl_palette

@Modrisco

65

seaborn.choose_colorbrewer_palette

@Modrisco

66

seaborn.choose_cubehelix_palette

@Modrisco

67

seaborn.choose_light_palette

@Modrisco

68

seaborn.choose_dark_palette

@Modrisco

69

seaborn.choose_diverging_palette

@Modrisco

70

seaborn.load_dataset

@Modrisco

71

seaborn.despine

@Modrisco

72

seaborn.desaturate

@Modrisco

73

seaborn.saturate

@Modrisco

序号

章节

贡献者

进度

1

git

2

git-config

@honglyua

100%

3

git-help

@honglyua

100%

4

git-init

@honglyua

100%

5

git-clone

@honglyua

100%

6

git-add

@yulezheng

100%

7

git-status

@honglyua

100%

8

git-diff

@honglyua

100%

9

git-commit

10

git-reset

@honglyua

100%

11

git-rm

@honglyua

100%

12

git-mv

@honglyua

100%

13

git-branch

@honglyua

100%

14

git-checkout

15

git-merge

16

git-mergetool

17

git-log

18

git-stash

19

git-tag

20

git-worktree

21

git-fetch

22

git-pull

@Mrhuangyi

100%

23

git-push

@Mrhuangyi

100%

24

git-remote

25

git-submodule

26

git-show

27

git-log

29

git-shortlog

30

git-describe

31

git-apply

32

git-cherry-pick

34

git-rebase

35

git-revert

36

git-bisect

37

git-blame

38

git-grep

39

gitattributes

40

giteveryday

41

gitglossary

42

githooks

43

gitignore

44

gitmodules

45

gitrevisions

46

gittutorial

47

gitworkflows

48

git-am

50

git-format-patch

51

git-send-email

52

git-request-pull

53

git-svn

54

git-fast-import

55

git-clean

56

git-gc

57

git-fsck

58

git-reflog

59

git-filter-branch

60

git-instaweb

61

git-archive

62

git-bundle

63

git-daemon

64

git-update-server-info

65

git-cat-file

66

git-check-ignore

67

git-checkout-index

68

git-commit-tree

69

git-count-objects

70

git-diff-index

71

git-for-each-ref

72

git-hash-object

73

git-ls-files

74

git-merge-base

75

git-read-tree

76

git-rev-list

77

git-rev-parse

78

git-show-ref

79

git-symbolic-ref

80

git-update-index

81

git-update-ref

82

git-verify-pack

83

git-write-tree

章节

贡献者

进度

Preface

@xixici

100%

Getting Started

@xixici

100%

Apache HBase Configuration

@xixici

100%

Upgrading

@xixici

100%

The Apache HBase Shell

@xixici

100%

Data Model

HBase and Schema Design

@RaymondCode

100%

RegionServer Sizing Rules of Thumb

HBase and MapReduce

@BridgetLai

100%

Securing Apache HBase

Architecture

In-memory Compaction

@mychaow

100%

Backup and Restore

@mychaow

100%

Synchronous Replication

@mychaow

100%

Apache HBase APIs

@xixici

100%

Apache HBase External APIs

@xixici

100%

Thrift API and Filter Language

@xixici

100%

HBase and Spark

@TsingJyujing

100%

Apache HBase Coprocessors

Apache HBase Performance Tuning

Troubleshooting and Debugging Apache HBase

Apache HBase Case Studies

Apache HBase Operational Management

Building and Developing Apache HBase

Unit Testing HBase Applications

Protobuf in HBase

Procedure Framework (Pv2): HBASE-12439

AMv2 Description for Devs

ZooKeeper

Community

Appendix

标题

译者

翻译进度

一、基础

飞龙

100%

二、计算几率

飞龙

100%

三、随机变量

飞龙

100%

四、事件之间的关系

@biubiubiuboomboomboom

100%

五、事件集合

-

-

5.1 ~5.3

@PEGASUS1993

100%

5.4

六、随机计数

@viviwong

100%

七、泊松化

@YAOYI626

100%

八、期望

-

-

8.1 ~ 8.2

@PEGASUS1993

100%

8.3

九、条件（续）

@YAOYI626

100%

十、马尔科夫链

喵十八

100%

十一、马尔科夫链（续）

喵十八

100%

十二、标准差

缺只萨摩

100%

十三、方差和协方差

缺只萨摩

100%

十四、中心极限定理

喵十八

100%

十五、连续分布

十六、变换

@hellozhaihy

100%

十七、联合密度

@Winchester-Yi

100%

十八、正态和 Gamma 族

@Winchester-Yi

100%

十九、和的分布

平淡的天

100%

二十、估计方法

平淡的天

100%

二十一、Beta 和二项

@lvzhetx

100%

二十二、预测

-

-

22.1

@lvzhetx

100%

22.2 ~ 22.4

二十三、联合正态随机变量

二十四、简单线性回归

@ThomasCai

100%

二十五、多元回归

@lanhaixuan

100%

章节

贡献者

进度

深度学习与 Keras

-

-

Keras 中神经网络模型的 5 步生命周期

@ElmaDavies

100%

在 Python 迷你课程中应用深度学习

@ElmaDavies

100%

Keras 深度学习库的二元分类教程

@ElmaDavies

100

如何用 Keras 构建多层感知器神经网络模型

如何在 Keras 中检查深度学习模型

10 个用于 Amazon Web Services 深度学习的命令行秘籍

机器学习卷积神经网络的速成课程

如何在 Python 中使用 Keras 进行深度学习的度量

深度学习书籍

深度学习课程

你所知道的深度学习是一种谎言

如何设置 Amazon AWS EC2 GPU 以训练 Keras 深度学习模型（分步）

神经网络中批量和迭代之间的区别是什么？

在 Keras 展示深度学习模型训练历史

基于 Keras 的深度学习模型中的dropout正则化

评估 Keras 中深度学习模型的表现

如何评价深度学习模型的技巧

小批量梯度下降的简要介绍以及如何配置批量大小

在 Keras 中获得深度学习帮助的 9 种方法

如何使用 Keras 在 Python 中网格搜索深度学习模型的超参数

用 Keras 在 Python 中使用卷积神经网络进行手写数字识别

如何用 Keras 进行预测

用 Keras 进行深度学习的图像增强

8 个深度学习的鼓舞人心的应用

Python 深度学习库 Keras 简介

Python 深度学习库 TensorFlow 简介

Python 深度学习库 Theano 简介

如何使用 Keras 函数式 API 进行深度学习

Keras 深度学习库的多类分类教程

多层感知器神经网络速成课程

基于卷积神经网络的 Keras 深度学习库中的目标识别

流行的深度学习库

用深度学习预测电影评论的情感

Python 中的 Keras 深度学习库的回归教程

如何使用 Keras 获得可重现的结果

如何在 Linux 服务器上运行深度学习实验

保存并加载您的 Keras 深度学习模型

用 Keras 逐步开发 Python 中的第一个神经网络

用 Keras 理解 Python 中的有状态 LSTM 循环神经网络

在 Python 中使用 Keras 深度学习模型和 Scikit-Learn

如何使用预训练的 VGG 模型对照片中的物体进行分类

在 Python 和 Keras 中对深度学习模型使用学习率调度

如何在 Keras 中可视化深度学习神经网络模型

什么是深度学习？

何时使用 MLP，CNN 和 RNN 神经网络

为什么用随机权重初始化神经网络？

XGBoost

-

-

通过在 Python 中使用 XGBoost 提前停止来避免过度拟合

如何在 Python 中调优 XGBoost 的多线程支持

如何配置梯度提升算法

在 Python 中使用 XGBoost 进行梯度提升的数据准备

如何使用 scikit-learn 在 Python 中开发您的第一个 XGBoost 模型

如何在 Python 中使用 XGBoost 评估梯度提升模型

在 Python 中使用 XGBoost 的特征重要性和特征选择

浅谈机器学习的梯度提升算法

应用机器学习的 XGBoost 简介

如何在 macOS 上为 Python 安装 XGBoost

如何在 Python 中使用 XGBoost 保存梯度提升模型

从梯度提升开始，比较 165 个数据集上的 13 种算法

在 Python 中使用 XGBoost 和 scikit-learn 进行随机梯度提升

如何使用 Amazon Web Services 在云中训练 XGBoost 模型

在 Python 中使用 XGBoost 调整梯度提升的学习率

如何在 Python 中使用 XGBoost 调整决策树的数量和大小

如何在 Python 中使用 XGBoost 可视化梯度提升决策树

在 Python 中开始使用 XGBoost 的 7 步迷你课程

章节

校验者

进度

教程部分

-

-

Deep Learning with PyTorch: A 60 Minute Blitz

@FontTian

100%

What is PyTorch?

@FontTian

100%

Autograd: Automatic Differentiation

@FontTian

100%

Neural Networks

@FontTian

100%

Training a Classifier

@FontTian

100%

Optional: Data Parallelism

@FontTian

100%

Data Loading and Processing Tutorial

@dyywinner

100%

Learning PyTorch with Examples

Transfer Learning Tutorial

@infdahai

100%

Deploying a Seq2Seq Model with the Hybrid Frontend

@FontTian

100%

Saving and Loading Models

@luxinfeng

What is torch.nn really?

@luxinfeng

Finetuning Torchvision Models

@luxinfeng

Spatial Transformer Networks Tutorial

Neural Transfer Using PyTorch

@AllenZYJ

Adversarial Example Generation

Transfering a Model from PyTorch to Caffe2 and Mobile using ONNX

Chatbot Tutorial

@jiangzhonglian

100%

Generating Names with a Character-Level RNN

@hijkzzz

100%

Classifying Names with a Character-Level RNN

@hijkzzz

Deep Learning for NLP with Pytorch

@FontTian

100%

Introduction to PyTorch

@FontTian

100%

Deep Learning with PyTorch

@FontTian

100%

Word Embeddings: Encoding Lexical Semantics

Sequence Models and Long-Short Term Memory Networks

@FontTian

100%

Advanced: Making Dynamic Decisions and the Bi-LSTM CRF

@enningxie

100%

Translation with a Sequence to Sequence Network and Attention

@FontTian

100%

DCGAN Tutorial

@jiangzhonglian

100%

Reinforcement Learning (DQN) Tutorial

Creating Extensions Using numpy and scipy

@FontTian

100%

Custom C++ and CUDA Extensions

Extending TorchScript with Custom C++ Operators

Writing Distributed Applications with PyTorch

PyTorch 1.0 Distributed Trainer with Amazon AWS

ONNX Live Tutorial

Loading a PyTorch Model in C++

Using the PyTorch C++ Frontend

文档部分

-

-

Autograd mechanics

Broadcasting semantics

CUDA semantics

Extending PyTorch

Frequently Asked Questions

Multiprocessing best practices

Reproducibility

@bruce1408

Serialization semantics

Windows FAQ

torch

Tensors

@dyywinner

Random sampling

Serialization, Parallelism, Utilities

Pointwise Ops

Reduction Ops

Comparison Ops

Spectral Ops

Other Operations

BLAS and LAPACK Operations

torch.Tensor

Tensor Attributes

Type Info

torch.sparse

torch.cuda

torch.Storage

torch.nn

torch.nn.functional

@Originval

100%

torch.nn.init

@dyywinner

torch.optim

@zonasw

Automatic differentiation package - torch.autograd

Distributed communication package - torch.distributed

Probability distributions - torch.distributions

Torch Script

Multiprocessing package - torch.multiprocessing

torch.utils.bottleneck

torch.utils.checkpoint

torch.utils.cpp_extension

torch.utils.data

torch.utils.dlpack

torch.hub

torch.utils.model_zoo

torch.onnx

Distributed communication package (deprecated) - torch.distributed.deprecated

torchvision Reference

torchvision.datasets

torchvision.models

torchvision.transforms

torchvision.utils

章节

贡献者

进度

1. 简介

-

1.1 OpenCV-Python教程简介

@wstone0011

100%

1.2 安装OpenCV—Python

@wstone0011

100%

2. GUI功能

-

2.1 图像入门

@ranxx

100%

2.2 视频入门

@ranxx

100%

2.3 绘图功能

@ranxx

100%

2.4 鼠标作为画笔

@ranxx

100%

2.5 作为调色板的跟踪栏

@ranxx

100%

3. 核心操作

-

3.1 图像基本操作

@luxinfeng

100%

3.2 图像的算术运算

@luxinfeng

100%

3.3 性能测量和改进技术

@luxinfeng

100%

4. 图像处理

-

4.1 更改颜色空间

@friedhelm739

100%

4.2 图像的几何变换

@friedhelm739

100%

4.3 图像阈值

@friedhelm739

100%

4.4 平滑图像

@friedhelm739

100%

4.5 形态转换

@friedhelm739

100%

4.6 图像梯度

@friedhelm739

100%

4.7 Canny边缘检测

@wxh928408225

100%

4.8 影像金字塔

@wxh928408225

100%

4.9 轮廓

@wxh928408225

100%

4.10 直方图

@wxh928408225

100%

4.11 图像转换

@wxh928408225

4.12 模板匹配

@wxh928408225

4.13 霍夫线变换

@wxh928408225

4.14 霍夫圆变换

@wxh928408225

4.15 基于分水岭算法的图像分割

@wxh928408225

4.16 基于GrabCut算法的交互式前景提取

5. 特征检测和描述

-

5.1 了解功能

@3lackrush

100%

5.2 Harris角点检测

@lyrich

100%

5.3 Shi-Tomasi角点检测和追踪的良好特征

@lyrich

100%

5.4 SIFT简介（尺度不变特征变换）

@lyrich

100%

5.5 SURF简介（加速鲁棒特性）

@lyrich

100%

5.6 角点检测的FAST算法

@lyrich

100%

5.7 简介（二进制鲁棒独立基本特征）

@lyrich

100%

5.8 ORB（定向快速和快速旋转）

@lyrich

100%

5.9 特征匹配

@lyrich

100%

5.10 特征匹配+ Homography查找对象

@lyrich

100%

6. 视频分析

-

6.1 Meanshift和Camshift

@xmmmmmovo

100%

6.2 光流

@xmmmmmovo

100%

6.3 背景减法

@xmmmmmovo

100%

7. 相机校准和3D重建

-

7.1 相机校准

@xmmmmmovo

100%

7.2 姿势估计

@xmmmmmovo

100%

7.3 极线几何

@xmmmmmovo

100%

7.4 立体图像的深度图

@xmmmmmovo

100%

8. 机器学习

-

8.1 K-最近邻

@wstone0011

100%

8.2 支持向量机（SVM）

@wstone0011

100%

8.3 K-Means聚类

@wstone0011

100%

9. 计算摄影

-

9.1 图像去噪

@loganjingdi

100%

9.2 图像修复

@loganjingdi

100%

9.3 高动态范围（HDR）

@loganjingdi

100%

10. 目标检测

-

10.1 使用Haar Cascades进行人脸检测

@jiangzhonglian

100%

11. OpenCV-Python绑定

-

11.1 OpenCV-Python绑定如何工作？

@daidai21

100%

章节

校验者

进度

安装 scikit-learn

用户指南

-

-

1. 监督学习

1.1. 广义线性模型

@qinhanmin2014

100%

1.2. 线性和二次判别分析

@VPrincekin

100%

1.3. 内核岭回归

@qinhanmin2014

100%

1.4. 支持向量机

@qinhanmin2014

100%

1.5. 随机梯度下降

@qinhanmin2014

1.6. 最近邻

1.7. 高斯过程

1.8. 交叉分解

1.9. 朴素贝叶斯

1.10. 决策树

1.11. 集成方法

1.12. 多类和多标签算法

1.13. 特征选择

1.14. 半监督学习

1.15. 等式回归

1.16. 概率校准

1.17. 神经网络模型（有监督）

2. 无监督学习

2.1. 高斯混合模型

@barrycg

100%

2.2. 流形学习

@barrycg

2.3. 聚类

2.4. 双聚类

2.5. 分解成分中的信号（矩阵分解问题）

2.6. 协方差估计

2.7. 新奇和异常值检测

2.8. 密度估计

2.9. 神经网络模型（无监督）

3. 模型选择和评估

3.1. 交叉验证：评估估算器的表现

3.2. 调整估计器的超参数

3.3. 模型评估: 量化预测的质量

3.4. 模型持久化

3.5. 验证曲线: 绘制分数以评估模型

4. 检验

4.1. 部分依赖图

5. 数据集转换

5.1. Pipeline（管道）和 FeatureUnion（特征联合）: 合并的评估器

5.2. 特征提取

5.3 预处理数据

5.4 缺失值插补

5.5. 无监督降维

5.6. 随机投影

5.7. 内核近似

5.8. 成对的矩阵, 类别和核函数

5.9. 预测目标 (y) 的转换

6. 数据集加载工具

6.1. 通用数据集 API

6.2. 玩具数据集

6.3 真实世界中的数据集

6.4. 样本生成器

6.5. 加载其他数据集

7. 使用scikit-learn计算

7.1. 大规模计算的策略: 更大量的数据

7.2. 计算性能

7.3. 并行性、资源管理和配置

教程

使用 scikit-learn 介绍机器学习

关于科学数据处理的统计学习教程

机器学习: scikit-learn 中的设置以及预估对象

监督学习：从高维观察预测输出变量

模型选择：选择估计量及其参数

无监督学习: 寻求数据表示

把它们放在一起

寻求帮助

处理文本数据

选择正确的评估器(estimator.md)

外部资源，视频和谈话

API 参考

常见问题

时光轴

章节

贡献者

Lecture 1

@cx123cx456

Lecture 2

@AllenZYJ

Lecture 3

@cx123cx456

Lecture 4

@ZSIRS

Lecture 5

@ZSIRS

Lecture 6

@ZSIRS

Lecture 7

Lecture 8

Lecture 9

Lecture 10

Lecture 11

@Originval

Lecture 12

Lecture 13

Lecture 14

Lecture 15

Lecture 16

Lecture 17

@pingjing233

Lecture 18

Lecture 19

章节

贡献者

Game Theory I week 1

@sorrowyn

Game Theory I week 2

@LINXH9898

Game Theory I week 3

@LINXH9898

Game Theory I week 4

@LINXH9898

Game Theory I week 5

@LINXH9898

Game Theory I week 6

@LINXH9898

Game Theory I week 7

@LINXH9898

Game Theory II week 1 Social Choice: Taste

Game Theory II week 1 Social Choice: Voting Schemes

Game Theory II week 1 Social Choice: Paradoxical Outcomes

Game Theory II week 1 Social Choice: Impossibility of Non-Paradoxical Social Welfare Functions

Game Theory II week 1 Social Choice: Arrow’s Theorem

Game Theory II week 1 Impossible of Non-paradoxical Social Choice Functions

Game Theory II week 1 Single-Peaked Preferences

Game Theory II week 2 Mechanism Design: Taste

Game Theory II week 2 Mechanism Design: Implementation

Game Theory II week 2 Revelation Principle

Game Theory II week 2 Impossibility of General, Dominant-Strategy Implementation

Game Theory II week 2 Transferable Utility

Game Theory II week 2 Mechanism Design as an Optimization Problem

Game Theory II week 3 VCG: Taste

Game Theory II week 3 Vickrey-Clarke-Groves Mechanisms: Definitions

Game Theory II week 3 VCG Example

Game Theory II week 3 Limitations of VCG

Game Theory II week 3 Individual Rationality and Budget Balance in VCG

Game Theory II week 3 Myerson-Satterthwaite Theorem

Game Theory II week 4 Auctions: Taste

Game Theory II week 4 Auctions: Taxonomy

Game Theory II week 4 Bidding in Second-Price Auctions

Game Theory II week 4 Bidding in First-Price Auctions

Game Theory II week 4 Revenue Equivalence

Game Theory II week 4 Optimal Auctions