程序員歡樂送（第29期）

程序員歡樂送（第29期）

收錄於話題 #程序員歡樂送59個

對於我來講，一直保持的追求有三點：技術、快樂、財富。所以，今後三點出發，記錄過去一週，我所看到的，值得分享的內容，每週五把歡樂送達。

因爲微信不容許外部連接，你須要點擊頁尾左下角的「閱讀原文」，才能訪問文中的連接，文中的全部連接已使用藍色字體標記。

「

技術

Technology

」

一、Apollo-11

1969年7月20日，阿波羅11號載人飛船登月成功，阿姆斯特朗與奧爾德林成爲了首次踏上月球的人類。

爲了記念這一事件，50年後，用戶Chris Garry在GitHub上傳了阿波羅11號的代碼，總共14.5萬行，主要涉及制導計算機（AGC）中指令模塊（Comanche055）和登月模塊（Luminary099）。

代碼雖然看不懂，湊個熱鬧看一看，仍是能夠的。

項目地址：點擊查看

二、算法可視化工具

程序員，數據結構是基礎。作算法，作工程，作測試，都須要對數據據結構有所掌握，數據結構也算是程序員的一種「內功」。

初學數據結構，可能理解一些算法有些費勁。這時，算法運行過程的可視化工具就提供很大幫助。

好比一個排序算法快排，使用這個工具，你能夠很好的看到算法的運行過程。

固然，上圖是加速的效果，運行步驟進行的快慢是能夠調節的。

網站地址：點擊查看

三、OmniNet

Transformer是一種廣受歡迎的神經網絡架構，特別是用在天然語言理解任務中。這篇論文提出了一種可擴展的統一神經網絡架構：OmniNet。

該網絡能夠學習空間維度和隱層所對應的時間維度信息。它的獨特之處在於，能夠支持多模態輸入，以及異步多任務學習。

例如，OmniNet 能夠同時學習詞性標註、視頻標註、圖像問答、和視頻活動識別信息，使用該模型同時訓練四個任務，比分開訓練四個模型，要節省不少空間，且性能和單獨訓練每一個任務的模型一致。

項目地址：點擊查看

四、對抗性圖像

隨着深度學習的發展，愈來愈多的圖像識別視覺任務應用到各個產品中。

但基於深度學習的圖像識別技術也會在「對抗性圖像」上犯錯。例如，當你看到樹上有一隻貓時，圖像識別模型可能看到的是一隻松鼠。

這類很是規的數據，就是一種困難樣本。

此次介紹的就是這樣一個困難樣本集，這些數據有望幫助培養更強大的視覺系統。

利用深度學習建立的視覺系統是「淺薄」和「脆弱」的，它們不會像人同樣靈活地理解世界上的一些幾乎相同的細微差異。

感興趣的能夠看下。

項目地址：點擊查看

五、C^3 Framework

C^3 Framework是一個基於PyTorch的開源人羣計數框架。

近兩年，有關人羣計數的文章呈現出爆炸式增加。然而，人羣計數不像其餘任務（目標檢測、語義分割等）有着簡潔/易開發的開源代碼框架，大大下降了咱們對於idea的驗證效率。

爲了解決這些問題，C^3 Framework框架應運而生。

這個框架提供了六個主流的數據預處理代碼，並提供了適用於人羣計數的修改後的AlexNet，VGG，ResNet等網絡框架。

項目地址：點擊查看

六、SARPN

SARPN是一種基於殘差金字塔的單目深度估計方法，場景的結構和目標的細節決定了深度圖重建的效果，對於室內深度估計來講，全局結果針對佈局而局域結構則反映了物體表面的細節。

論文從多尺度地角度來分析深度估計的問題，採用了殘差金字塔解碼器，在頂層表達全局佈局在底層表達表面細節。

每一層及的殘差模塊都預測對應的尺度，並從前一級粗糙的尺度上預測後一級更爲精細的尺度。爲了充分探索多尺度圖像特徵，自適應稠密特徵融合被用於對多尺度的特徵進行融合，並在NYU-Depth-v2上取得了良好的效果。

項目地址：點擊查看

七、iFood數據集

iFood是一個細粒度食物分類數據集, 包含了251個細粒度的食物分類供158k張圖像，這是斯坦福國際研究所和康奈爾大學發佈的數據集。

項目地址：點擊查看

「

快樂

Pleasure

」

一、我爲何腰疼

二、當代近視年輕人的點餐方式

「

財富

Wealth

」

銀行理財中，銀行創新存款一直受大衆的追捧。

特色是安全性蠻高的，並且利率穩定，不會上下浮動。

這類存款，屬於活期存款，隨時均可存取。

這類產品通常分檔計息，持有時間不一樣，對應不一樣檔次利率。

基本上，存一個月可高到4.2%左右收益，能隨時取出。

放的時間更久，收益更高。

這要比普通的活期存款收益高很多。

好比藍海銀行的藍貝貝，存滿3個月4.2%，6個月4.5%。

銀行這類理財產品有很多，多看一看，找個本身放心的。

「

最後

The end

」

本週的程序員歡樂送，到此結束，下週再會。

Jack Cui https://cuijiahua.com

分享技術，樂享生活