首页
AI Coding
NEW
沸点
课程
直播
活动
AI刷题
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
会员
登录
注册
更文挑战2022
小珠桃子
创建于2022-01-19
订阅专栏
稀土掘金更文挑战,创作学习持续成长。
等 1 人订阅
共41篇文章
创建于2022-01-19
订阅专栏
默认顺序
默认顺序
最早发布
最新发布
看了Bullshit Generator之后,我发现狗屁不通领域竟然大有可为
那年我八岁,当我第一次看到狗屁不通文章生成器,我被它深不可测的语言功底深深震撼。狗屁不通文章生成器,到底是一种怎么样的存在……
【Prompt系列】(一) 简介:NLP又出新范式?预训练新宠Prompt有点火
Prompt 作为 NLP 领域近期出现的新范式,在近几个月成为 NLP 研究的大热门。本文是【Prompt系列】的开篇,希望对大家有所帮助。
【论文笔记】ViT:Transformer 能否实现 CV 与 NLP 的大一统?
本文发表于 ICLR 2021,第一作者 Alexey Dosovitskiy 来自 Google Research。
【论文笔记】VLM:通用视频-文本模型预训练
本文发表于 ACL 2021 Findings,第一作者 Hu Xu 来自 Facebook AI。
强得很:Github Copilot 初体验
各大研究机构先后入局,AI 写代码的时代要来了?Github Copilot内测体验——这好像不是人工智障!
【论文笔记】再读 UNITER:表征学习通用模型预训练,弥合图文语义鸿沟
本文发表于 ECCV 2020,第一作者 Yen-Chun Chen 来自微软 Dynamics 365 AI Research。
【论文笔记】INIT:用图像特征初始化编/解码器,多模态机器翻译新思路
这篇文章于 2017 年发表在 ACL 上,第一作者 Calixto 来自都柏林城市大学 ADAPT Centre,目前在阿姆斯特丹大学任助理教授(tenure-track)。
【论文笔记】Doubly-Attentive Decoder:多模态注意力经典之作
清华 NLP 机器翻译30年最重要论文阅读清单作品!发表于 ACL 2017,第一作者 Calixto 来自都柏林城市大学 ADAPT Centre,目前在阿姆斯特丹大学任助理教授。
简陋无比的 Python 抠图方案,好像还挺像回事儿?
手边没有抠图工具怎么办?几行代码就能搞定!初学编程时的一个趣味小项目,虽然没什么含金量,但也算是一次积极的尝试~
【论文笔记】Attention-based Multimodal Neural Machine Translation
这篇文章是 WMT 2016 的一篇 Shared Task Papers,第一作者 Po-Yao Huang 来自 CMU,目前任职于著名的 FAIR 实验室。
【论文笔记】UPOC2:跨模态跨语言,时尚领域的模型预训练(下)
本文于2021年8月25日上传至 arXiv,已被 ACM MM 2021 接受为 Oral 论文,第一作者来自中国人民大学。
【论文笔记】UPOC2:跨模态跨语言,时尚领域的模型预训练(上)
本文于2021年8月25日上传至 arXiv,已被 ACM MM 2021 接受为 Oral 论文,第一作者来自中国人民大学。
【论文笔记】MMGraph:当 GNN 遇上多模态机器翻译
这篇文章是厦门大学学生在 WeChat AI 实习时的工作,首次将多模态图神经网络用于机器翻译,很有参考价值。
被智商检测器侮辱之后,我直接怒开PyCharm(下)
【内附游戏链接】智商不够,码力来凑。这磨人的小游戏,还真就把我难住了,不愧是经典智商测试游戏,呜呜!
被智商检测器侮辱之后,我直接怒开PyCharm(上)
【内附游戏链接】智商不够,码力来凑。这磨人的小游戏,还真就把我难住了,不愧是经典智商测试游戏,呜呜!
【论文笔记】Kaleido-BERT:精致的时尚领域需要“百变”的模型
作者提出了一个应用在时尚领域的多模态预训练模型 Kaleido-BERT,在图像-文本检索、类目预测、时尚描述等下游任务中取得了卓越的成绩。
毛坯服务器拓荒:从零开始配置 Linux 深度学习环境
毛坯服务器安装 CUDA 、Miniconda 和 Pytorch ,从零开始配置 Linux 深度学习环境。
Ubuntu 版本升级指南(SSH 方式,16.04 → 18.04)
通过 SSH 方式将服务器系统版本从 Ubuntu 16.04(或更高版本)升级到 Ubuntu 18.04
踢馆朋友圈迷宫挑战——自动寻路(Python实现)
有人在朋友圈里发了一个迷宫,我让算法画出了答案。初学编程时的一个趣味小项目,虽然没什么含金量,但也算是一次积极的尝试~
图像卷积的常见误区与个人思考
输入通道与输出通道数?1x1卷积和全连接运算有什么关系?本篇文章回顾了一下图像卷积的常见误区,记录了自己关于卷积操作的个人思考。
下一页