好物周刊#9：AI 学习必备资料

村雨遥的好物周刊，记录每周看到的有价值的信息，主要针对计算机领域，每周五发布。

一、项目

1. PicX

一款基于 GitHub API 开发的图床工具，提供图片上传托管、生成图片链接和常用图片工具箱服务。只需要申请一个 Github Token，即可完成图床配置。

2. Cloudreve

支持多家云存储驱动的公有云文件系统，具有以下特性：

• ☁️ 支持本机、从机、七牛、阿里云 OSS、腾讯云 COS、又拍云、OneDrive (包括世纪互联版) 、S3 兼容协议 作为存储端
• 上传/下载 支持客户端直传，支持下载限速
• 可对接 Aria2 离线下载，可使用多个从机节点分担下载任务
• 在线 压缩/解压缩、多文件打包下载
• 覆盖全部存储策略的 WebDAV 协议支持
• ⚡ 拖拽上传、目录上传、流式上传处理
• ️ 文件拖拽管理
• ‍‍ 多用户、用户组、多存储策略
• 创建文件、目录的分享链接，可设定自动过期
• ️‍️ 视频、图像、音频、 ePub 在线预览，文本、Office 文档在线编辑
• 自定义配色、黑暗模式、PWA 应用、全站单页应用、国际化支持
• All-In-One 打包，开箱即用

3. pinyin-pro

一个专业的 js 汉字拼音转换库，功能丰富、准确率高、性能优异，具有以下特色功能：

• 支持拼音/声母/韵母/首字母/音调/全部信息
• 支持人名姓氏模式
• 支持文本和拼音匹配
• 支持自定义拼音
• 支持获取带拼音汉字的 HTML 字符串
• 支持获取汉字的所有拼音
• 极致的性能和极高的拼音识别准确率

二、软件

1. PDDON

免费多功能专业在线画图(Low Code)工具，怕画不好图就用 PDDON，可用于绘制流程图、架构图、思维导图、UML、BPMN、网络拓扑图、韦恩图、鱼骨图等，并且支持对象建模、数据库建模、代码/脚本生成，提供了丰富的定制化绘图功能组件库，带来更贴心易用的设计体验。

2. Kap

一款基于 Web 技术构建的开源录屏软件，不过仅支持 macOS 系统。支持以下功能：

• 录制某个窗口
• 全屏录制
• 自定义录制区域
• 显示鼠标点击位置
• 支持导出 Gif、MP4、WebM 等格式

3. 班迪录屏

一款简单好用的电脑屏幕录制软件，录屏幕，录游戏，录视频的功能强大的录屏工具，比起其他软件其性能更加卓越。 与其他软件相比，用 Bandicam 录制的视频大小更小，同时保证了原文件的质量。

三、网站

1. TXT 文本处理工具

在线高级文本工具箱，专注于各种文本处理。如果你的工作涉及到文本处理，不妨去这里试试这些小工具来提升下你的效率。

2. Text-Image

在这里，只要上传一张图片，就能轻松地生成很酷的文本图像。

3. 一个工具箱

众多在线工具集合网站，汇聚了视频音频、图形图像、日期时间、文本编辑、加密解密、编程开发、计算换算、金融理财、日常生活等方面共计 448 个在线工具。

四、插件

1. Grammarly

一款智能语法工具，可以帮助您在网上编写的任何其他地方避免书写错误，Grammarly 会智能分析语段中的错误用法，并用红色下划线标记所有待完善的词组，供你一键纠正。对于英语写作能力不太好的同学，简直是写论文必备。工具特色：

• 上下文拼写检查
• 语法检查
• ……

2. Smart TOC

根据打开网页的内容自动生成目录，便于我们浏览与跳转。

• 按需使用
• 生成的目录面板支持拖动
• 点击标题可跳转对应位置
• 高亮当前标题
• ……

3. FeHelper

一款为开发者开发的浏览器扩展，包括 JSON 自动/手动格式化、JSON 内容比对、代码美化与压缩、信息编解码转换、二维码生成与解码、图片 Base64 编解码转换、Markdown、 网页油猴、网页取色器、脑图(Xmind)等贴心工具。

五、资料

1. 机器学习 100 天

100-Days-Of-ML-Code 中文版，包括了有监督学习和无监督学习两方面的内容，对于想要学习机器学习的同学是一个不错的入门教程。

2. 强化学习 100 题

日本的 AI 畅销书作者斋藤康毅为其深度学习系列书籍创建的一个网站，最近推出了中文版。对于学习了强化学习的同学，可以用来对强化学习知识查漏补缺。

3. 深度学习 500 问

深度学习 500 问，以问答形式对常用的概率知识、线性代数、机器学习、深度学习、计算机视觉等热点问题进行阐述，以帮助自己及有需要的读者。 全书分为 18 个章节，50 余万字。

本书系统地描述了深度学习的基本理论算法及应用。全书共 14 章，第 1-3 章论述了数学基础、机器学习基础和深度学习基础；第 4-7 章介绍了一些经典网络及计算机视觉领域中常用的 CNN、RNN、GAN 等网络结构技术；第 8-9 章介绍了深度学习在计算机视觉领域的目标检测及图像分割两大应用；第 10-14 章介绍了计算机视觉领域主要的优化方法及思路等，包括迁移学习、网络架构及训练、网络优化技巧、超参数调整及模型的压缩和加速等。本书凝聚了众多一线科研人员及工程师的经验，旨在培养读者发现问题、解决问题、扩展问题的能力。

✍️ 说明

周刊专栏相关信息：

• 项目地址：Github | Gitee ，觉得不错麻烦给我一个Star，感谢 ❤️
• 浏览地址：公众号 | 电子书 | 电子书（国内）

如果你阅读到这里，说明我的工作没有白费。如果你想推荐项目/网站/软件/资源，欢迎提交 issue。

往期精彩

1. 原来大厂都是这么提交代码的
2. 如何用 Markdown 写出好看的文章
3. 好物周刊#3：Java 学习 + 面试指南