深度技术资源

Telegram电报群组/频道深度技术资源简介

TG最专业的技术交流，工具分享频道。提供各类技术资源，黑客工具，科技，网络安全，隐私保护，编程技术
（工具只会推GitHub开源的，不开源的一律不会推，防止有后门。）

深度学习课程资源整理 – 知乎 – 知乎专栏

这里整理一批深度学习课程或者深度学习相关公开课的资源，持续更新，仅供参考。. 1. Andrew Ng (吴恩达) 深度学习专项课程 by Coursera and deeplearning.ai. 这是 Andrew Ng 老师离开百度后推出的第一个深度学习项目（deeplearning.ai)的一个课程: Deep Learning Specialization ，课程 …

关于本项目 · 深度学习与PyTorch（中文版） – GitHub Pages

深度学习与PyTorch（中文版）-paper2Fox. 特别鸣谢 ：本项目受 ShusenTang 的开源项目（基本摘要版）启发而进行，旨在 完成对完整版书籍的翻译 。. 本项目（ 链接 ）预计将PyTorch官方书籍 《Deep learning with PyTorch》 翻译成中文。. 目前该书在PyTorch官网可以免费领取 …

如何获取最新的深度学习资源 – 知乎 – 知乎专栏

很多刚入门深度学习的朋友，往往不知道该如何获取最新的深度学习资源，包括资讯，论文，学习资料等等，有问题也不知道该与谁交流。 因此这里分享一些相关途径，希望对大家的学习有所帮助。 微信公众号 有很多和深度学习相关的公众号，对学术相关进展的跟进都很及时，可以考虑有选择的关注： 机器之心 智能立方: paperweekly 哈工大scir 将门创投 炼丹实验室 机器学习研究会 AI科技评论 全球人工智能 深度学习大讲堂 邮箱订阅 通过邮箱，订阅一些资源的推送，是很有必要的：

有哪些可以自学机器学习、深度学习、人工智能的网站？ – 知乎

知乎，中文互联网高质量的问答社区和创作者聚集的原创内容平台，于 2011 年 1 月正式上线，以「让人们更好的分享知识、经验和见解，找到自己的解答」为品牌使命。知乎凭借认真、专业、友善的社区氛围、独特的产品机制以及结构化和易获得的优质内容，聚集了中文互联网科技、商业、影视 …

软件仓库 – 深度科技社区 – Deepin

我们建议您优先同步深度操作系统的软件仓库，然后同步深度操作系统的ISO仓库； 请您不要在深度操作系统镜像源相关的目录中存放其他文件（例如非官方的软件包），以避免造成误会； 如果您有任何建议和意见，请反馈至[email protected]。

最新版本 – 深度科技社区 – Deepin

深度启动盘制作工具 网盘提取码:uqbu. Live系统下载 MD5SUMS(Live) 非常抱歉，由于人力和资源投入的原因，深度操作系统自 15.4 版本之后将不再提供32位版本。如果您有批量采购或行业定制32位版本的需求，请发送邮件至 [email protected] 寻求有偿的商业服务。

【入门必备】史上最全的深度学习资源汇总 – 知乎

深度学习发展到今天，大致分为以下一些比较流行的网络结构：深度神经网络（DNN）、卷积神经网络（CNN）、循环神经网络（RNN）、生成对抗网络（GAN）等。 应用最广的几个研究领域分别是自然语言处理、语音识别和图像处理。 出现了Tensorflow、Keras、Caffe、Torch等技术框架。 深度学习近年来发展迅猛，在国内外都引起了广泛的关注，也吸引了越来越多的人投身于深度学习领域的研究。 今天小编有幸为大家介绍一些我自认为不错的深度学习资源，希望帮助热爱深度学习的小伙伴能够走的更远。 教程： Topal的深度学习教程，从感知机到深度神经网络： toptal.com/machine-lear UFLDL教程：主要介绍了介绍无监督特征学习和深度学习的主要思想：

Deepin Technology Community

Deepin Official Forum. 【News】 [Version closed beta] Deepin v23 Beta internal test update on July 28th

“深度技术”掀起全球新一波创新浪潮 – 新华网

“深度技术”掀起全球新一波创新浪潮 — … 从国际法角度而言，1979年的《月球协定》规定外空资源属于全人类共同财产，待时机成熟时再制定国际开发机制。而事实上，2015年美国国会就通过了一项法律，明确允许美国企业开发利用月球和小行星的资源。 …

[原创][深度][PyTorch] DDP系列第一篇：入门教程 – 知乎

[原创] [深度] [PyTorch] DDP系列第一篇：入门教程 本文是DDP系列三篇（基本原理与入门， 底层实现与代码解析 “–local_rank”# 新增：构造DDP model 而DDP启动多进程训练，一定程度地突破了这个限制。 各进程独立计算梯度。 看到这里，你应该对DDP是怎么运作的，为什么能加速有了一定的了解，下面就让我们学习一下怎么使用DDP吧！ DDP有不同的使用模式。 DDP的官方最佳实践是，每一张卡对应一个单独的GPU模型（也就是一个进程），在下面介绍中，都会默认遵循这个pattern。 举个例子：我有两台机子，每台8张显卡，那就是2×8=16个进程，并行数是16。 但是，我们也是可以给每个进程分配多张卡的。 总的来说，分为以下三种情况：