文章目录GPTAbstract1Introduction6Conclusion2RelatedWork3Framework3.1Unsupervisedpre-trainingGPT和BERT的区别3.2Supervisedfine-tuning3.3Task-specificinputtransformations4Experiments总结参考GPT核心点：预训练一个transformerde

Pytorch学习到第5篇论文，这篇论文解读很少，就在网上搜了一下，不经意发现这个小组，推荐给大家。似乎不让放外链？我试一下PaperWeeklyPaperWeekly论文阅读小组阅读论文是小众活动，阅读者分散在全球各地。PaperWeekly论文阅读小组，把分散在全球的华人阅读者，聚合在一起。不仅互帮互助读懂论文，而且通过讨论，激发灵感。进入PaperWeekly的网站，阅读者不仅可以看到本周热

ImageNetClassificationwithDeepConvolutionNerualNetworks论文原文：ImageNetClassificationwithDeepConvolutionalNeuralNetworks1引言解决的问题：提高效率（GPU训练），防止过拟合（dropout）关键点：·大量带标签数据——ImageNet·高性能计算资源——GPU（GPU搭配了高度优化的2

深度学习论文阅读目标检测篇（五）中文版：YOLOv2《YOLO9000:Better,Faster,Stronger》摘要1.引言2.更好3.更快4.更强5.结论摘要  摘要我们引入了一个先进的实时目标检测系统

深度学习论文阅读目标检测篇（五）中文版：YOLOv2《YOLO9000:Better,Faster,Stronger》Abstract摘要1.Introduction1.引言2.Better2.更好3.

这是一篇将CNN运用于句子分类的论文摘要Wereportonaseriesofexperimentswithconvolutionalneuralnetworks(CNN)trainedontopofpre-trainedwordvectorsforsentence-levelclassificationtasks.WeshowthatasimpleCNNwithlittlehyperparame

深度学习论文阅读目标检测篇（四）中英文对照版：YOLOv1《YouOnlyLookOnce:Unified,Real-TimeObjectDetection》Abstract摘要1.Introduction

深度学习论文阅读图像分类篇（一）：AlexNet《ImageNetClassificationwithDeepConvolutionalNeuralNetworks》Abstract摘要1.Introduction

深度学习论文阅读（二）：ZFNet《VisualizingandUnderstandingConvolutionalNetworks》Abstract摘要1.Introduction引言1.1RelatedWork

Thisfigureshowsmyclassificationandsummaryofthesepapers.Myreadingnotesarebelow.Eachnotefollowingtheheadlineisdividedintoseveralparts,whicharethesummary,advantages,evaluationandimprovementofthepaper.Lea

请点击上方“AI公园”，关注公众号本文选自github作者：floodsun编译：ronghuaiyang作者一年前整理的东西，有些最新的论文没有包含进去，但是对于新手来说，入门足够了！如果你是深度学习领域的新人，你的第一个问题可能是“我该从哪些论文开始读起呢？”这就是深度学习论文的阅读路线图！这个路线图是根据下面几个规则构建的：从概要到细节从老的到最新的业界领先从通用的到细分领域的聚焦业界领先的

深度学习论文阅读目标检测篇（三）：FasterR-CNN《TowardsReal-TimeObjectDetectionwithRegionProposalNetworks》Abstract摘要1.Introduction

深度学习论文阅读图像分类篇（五）：ResNet《DeepResidualLearningforImageRecognition》Abstract摘要1.Introduction引言2.RelatedWork

深度学习论文阅读（四）：GoogLeNet《GoingDeeperwithConvolutions》Abstract摘要1.Introduction引言2.RelatedWork相关工作3.MotivationandHighLevelConsiderations

深度学习论文阅读图像分类篇（六）：SENet《Squeeze-and-ExcitationNetworks》Abstract摘要1.Introduction引言2.RelatedWork相关工作3.Squeeze-and-ExcitationBlocks3.1

深度学习论文阅读目标检测篇（七）中英对照版：YOLOv4《OptimalSpeedandAccuracyofObjectDetection》Abstract摘要1.Introduction引言2.Relatedwork

深度学习论文阅读目标检测篇（七）中英对照版：YOLOv4《OptimalSpeedandAccuracyofObjectDetection》Abstract摘要1.Introduction引言2.Relatedwork

深度学习论文阅读目标检测篇（一）：R-CNN《Richfeaturehierarchiesforaccurateobjectdetectionandsemanticsegmentation》Abstract

ResNet3.1ResNet概要3.2ResNet网络结构3.2.1残差结构3.2.2ResNet中卷积块设计3.2.3不同跳跃连接3.3RenNet创新点4.1总结ResNet论文翻译详情见我的博客：深度学习论文阅读

文章目录掌握一门编程语言：`ilovePython`图书推荐编程工具Anaconda-环境管理Pycharm-代码codingPython图像处理机器学习深度学习论文阅读并实现代码版本控制管理Bilibili

2018年人工智能十佳论文之一：TCN论文地址：AnEmpiricalEvaluationofGenericConvolutionalandRecurrentNetworksforSequenceModeling项目地址：TCN的github链接文章目录1.ABSTRACT2.INTRODUCTION&BACKGROUND2.1TemporalConvolutionalNetworks2.2Seq

论文：FaceNet:AUnifiedEmbeddingforFaceRecognitionandClustering(文章是2015年CVPR的文章)1统述功能：faceverification(isthisthesameperson)recognition(whoisthisperson)clustering(findcommonpeopleamongthesefaces)人脸识别方向论文总结

写在前面本文总结了自己在深度学习领域读过的一点论文，链接了自己或他人写的一些论文笔记也包含了对将来制定的论文阅读计划。将阅读笔记整理在一起是为了能融会贯通，力求梳理出统一解决某一类问题的技巧或思想，也为了成全自己在成长道路上的“满足感”。欢迎沟通，与君共勉。TableofContents写在前面简要汇总trick轻量网络CNN经典结构目标检测算法人脸识别算法视频处理算法图像对抗算法详细汇总tric

2020年的今天，我们的专业是deeplearning，但是我们要keeplearning，每天早上一睁眼，arxiv每天更新上百篇的论文，著名微博博主@爱可可-爱生活保持也在推送最新的deeplearning资讯和论文。我们不缺少计算机视觉论文，我们缺少的是鉴别哪些应该读。无论是泛读还是精度，海量论文总是让我们迷失双眼，Github搜索awesome有成百上千个repo，但是缺少比较和注解。我们

这里给出了深度学习论文阅读路线图！路线图按照下面四个准则构建而成：从提纲到细节从经典到前沿从通用领域到特定领域专注于最先进的技术你将会发现很多近期

来源：大数据文摘本文约4000字，建议阅读8分钟。本文为你介绍了如何学习福利阅读文章并提供建议。当你阅读了深度学习相关的书籍或者上过精彩的在线课程后，你将如何深入学习？如何才能够“自力更生”，独立地去了解相关领域中最新的研究进展？本文作者NityeshAgarwal，毕业于贾达普大学，在学校里学习过信息技术，现在作为志愿者为开源社区做贡献。以下是作者第一人称给出的建议。事先声明——我不是深度学习方

尊重原版：http://mp.weixin.qq.com/s?__biz=MzI5MzIwNDI1MQ==&mid=2650117609&idx=3&sn=ab3453596f03bf1bca2ad2fb030806e3&chksm=f4748d9dc303048b877c549fb2d186fb168d9918a8b8144f6075f7c99956697ae3503999838b&mpshar

0.导语作者：Floodsung出处：https://github.com/floodsung/Deep-Learning-Papers-Reading-Roadmap翻译：黄海广如果您是深度学习领域的新手，那么您可能会遇到的第一个问题是“我应该从哪篇论文开始阅读？”本文是深度学习论文的阅读路线图！该路线图是根据以下四个准则构建的：从轮廓到细节从旧到最新从通用到特定领域专注于最新技术您会发现许多非

名称年份作者文章名链接被引Neocognitron1980KunihikoFukushima(福岛·邦彦)Neocognitron:aself-organizingneuralnetworkmodelforamechanismofvisualpatternrecognitionhttps://link.springer.com/article/10.1007/BF003442513192TDNN1

AlexNet：先说两个计算公式：卷积后的大小：（input-kernel_size+2*padding）/stride+1卷积层参数计算：kernel_depthx([卷积核]+1)连接数:参数个数x图大小拿到的时候看不太懂，每一层的结构并不是那么明确。layerinputkernel_sizestridepaddingoutput参数量Input227x227x3----227x227x3Co

↑点击上方【计算机视觉联盟】关注我们介绍：列表选自github用户floodsung发起的DeepLearningPapersReadingRoadmap项目，主要目标是收集深度学习论文的阅读路径图，并随着领域的发展而不断更新。这一阅读清单的收集，主要关注于以下四个方面：从大纲到细节从传统方法到前沿方法从通用领域到特定领域聚焦于前沿研究原文链接：https://github.com/floodsu

转载自知乎：深度学习论文阅读路线图DeepLearningPapersReadingRoadmap。1前言相信很多想入门深度学习的朋友都会遇到这个问题，就是应该看哪些论文。

RichfeaturehierarchiesforaccurateobjectdetectionandsemanticsegmentationFastR-CNNFasterR-CNN:TowardsReal-TimeObjectDetectionwithRegionProposalNetworksImageNetClassificationwithDeepConvolutionalNeuralNe

想要获得更多深度学习在NLP方面应用的经典论文、实践经验和最新消息，欢迎关注微信公众号“DeepLearning_NLP”或者扫描下方二维码添加关注。深度神经网络12.《受限波尔兹曼机简介》（1）主要内容：主要介绍受限玻尔兹曼机（RBM）的基本模型、学习算法、参数设置、评估方法、变形算法等，探讨了RBM在未来值得研究的方向。（2）RBM的基本模型和学习算法（描述比较清楚）：对比散度学习算法（Gib

想要获得更多深度学习在NLP方面应用的经典论文、实践经验和最新消息，欢迎关注微信公众号“DeepLearning_NLP”或者扫描下方二维码添加关注。深度神经网络   12.《受限波尔兹曼机简介》（1）主要内容：主要介绍受限玻尔兹曼机（RBM）的基本模型、学习算法、参数设置、评估方法、变形算法等，探讨了RBM在未来值得研究的方向。（2）RBM的基本模型和学习算法（描述比较清楚）：对比散度学习算法（