程序员欢乐送（第29期）

程序员欢乐送（第29期）

收录于话题 #程序员欢乐送59个

对于我来讲，一直保持的追求有三点：技术、快乐、财富。所以，今后三点出发，记录过去一周，我所看到的，值得分享的内容，每周五把欢乐送达。

因为微信不容许外部连接，你须要点击页尾左下角的“阅读原文”，才能访问文中的连接，文中的全部连接已使用蓝色字体标记。

「

技术

Technology

」

一、Apollo-11

1969年7月20日，阿波罗11号载人飞船登月成功，阿姆斯特朗与奥尔德林成为了首次踏上月球的人类。

为了记念这一事件，50年后，用户Chris Garry在GitHub上传了阿波罗11号的代码，总共14.5万行，主要涉及制导计算机（AGC）中指令模块（Comanche055）和登月模块（Luminary099）。

代码虽然看不懂，凑个热闹看一看，仍是能够的。

项目地址：点击查看

二、算法可视化工具

程序员，数据结构是基础。作算法，作工程，作测试，都须要对数据据结构有所掌握，数据结构也算是程序员的一种“内功”。

初学数据结构，可能理解一些算法有些费劲。这时，算法运行过程的可视化工具就提供很大帮助。

好比一个排序算法快排，使用这个工具，你能够很好的看到算法的运行过程。

固然，上图是加速的效果，运行步骤进行的快慢是能够调节的。

网站地址：点击查看

三、OmniNet

Transformer是一种广受欢迎的神经网络架构，特别是用在天然语言理解任务中。这篇论文提出了一种可扩展的统一神经网络架构：OmniNet。

该网络能够学习空间维度和隐层所对应的时间维度信息。它的独特之处在于，能够支持多模态输入，以及异步多任务学习。

例如，OmniNet 能够同时学习词性标注、视频标注、图像问答、和视频活动识别信息，使用该模型同时训练四个任务，比分开训练四个模型，要节省不少空间，且性能和单独训练每一个任务的模型一致。

项目地址：点击查看

四、对抗性图像

随着深度学习的发展，愈来愈多的图像识别视觉任务应用到各个产品中。

但基于深度学习的图像识别技术也会在“对抗性图像”上犯错。例如，当你看到树上有一只猫时，图像识别模型可能看到的是一只松鼠。

这类很是规的数据，就是一种困难样本。

此次介绍的就是这样一个困难样本集，这些数据有望帮助培养更强大的视觉系统。

利用深度学习建立的视觉系统是“浅薄”和“脆弱”的，它们不会像人同样灵活地理解世界上的一些几乎相同的细微差异。

感兴趣的能够看下。

项目地址：点击查看

五、C^3 Framework

C^3 Framework是一个基于PyTorch的开源人群计数框架。

近两年，有关人群计数的文章呈现出爆炸式增加。然而，人群计数不像其余任务（目标检测、语义分割等）有着简洁/易开发的开源代码框架，大大下降了咱们对于idea的验证效率。

为了解决这些问题，C^3 Framework框架应运而生。

这个框架提供了六个主流的数据预处理代码，并提供了适用于人群计数的修改后的AlexNet，VGG，ResNet等网络框架。

项目地址：点击查看

六、SARPN

SARPN是一种基于残差金字塔的单目深度估计方法，场景的结构和目标的细节决定了深度图重建的效果，对于室内深度估计来讲，全局结果针对布局而局域结构则反映了物体表面的细节。

论文从多尺度地角度来分析深度估计的问题，采用了残差金字塔解码器，在顶层表达全局布局在底层表达表面细节。

每一层及的残差模块都预测对应的尺度，并从前一级粗糙的尺度上预测后一级更为精细的尺度。为了充分探索多尺度图像特征，自适应稠密特征融合被用于对多尺度的特征进行融合，并在NYU-Depth-v2上取得了良好的效果。

项目地址：点击查看

七、iFood数据集

iFood是一个细粒度食物分类数据集, 包含了251个细粒度的食物分类供158k张图像，这是斯坦福国际研究所和康奈尔大学发布的数据集。

项目地址：点击查看

「

快乐

Pleasure

」

一、我为何腰疼

二、当代近视年轻人的点餐方式

「

财富

Wealth

」

银行理财中，银行创新存款一直受大众的追捧。

特色是安全性蛮高的，并且利率稳定，不会上下浮动。

这类存款，属于活期存款，随时均可存取。

这类产品通常分档计息，持有时间不一样，对应不一样档次利率。

基本上，存一个月可高到4.2%左右收益，能随时取出。

放的时间更久，收益更高。

这要比普通的活期存款收益高很多。

好比蓝海银行的蓝贝贝，存满3个月4.2%，6个月4.5%。

银行这类理财产品有很多，多看一看，找个本身放心的。

「

最后

The end

」

本周的程序员欢乐送，到此结束，下周再会。

Jack Cui https://cuijiahua.com

分享技术，乐享生活