1. 技術(shù)宅硬核跨年，DIY墨水屏日歷：自動刷新位置、天氣，隨機播放2000多條「毒雞湯」| 開源

項目地址：
https://github.com/breakstring/eInkCalendarOfToxicSoul

自制一個電子墨水屏日歷，需要幾步？

是能自動刷新位置、天氣情況，還能隨機播放2000多條毒雞湯的那種。

↑↑↑就像這樣：如果我的人生是一部電影，那你就是一個彈出來的廣告。每10分鐘會刷新一條。

配上相框，相比于網(wǎng)購平臺上售價299元的這一款，你覺得能打幾分？

這樣的一款新“產(chǎn)品”，來自微博博主@張欣 | Kenn。

并且，他還把制作方法開源了。

不過關(guān)于DIY墨水屏部分，作者也有說明，價格會超出產(chǎn)品價。小米有品的產(chǎn)品價在299，

而DIY的價格：231(墨水屏)+78.75(開發(fā)板)+50(電源)=359.75元。

咋還比網(wǎng)購平臺上的貴了呢!其實很好理解，所有部件按零售價購買，自然比廠家進貨價貴。

但技術(shù)宅享受的，不就是自己動手的樂趣嗎？

2. 撕書吧！編程小白！你也能學(xué)的哈佛CS50，全美最受歡迎計算機入門課

課程官網(wǎng)：

https://cs50.harvard.edu/college/2020/fall/

哈佛校園里流傳著這樣一句話：「如果你沒聽說過CS50，那么，請不要說你讀過哈佛?！?/p>

這門經(jīng)久不衰的課程——CS50.，全名為計算機科學(xué)導(dǎo)論「Introduction to Computer Science 」，是哈佛最受歡迎的課程之一。

由著名的「撕書教授」戴維·馬蘭（David Malan）任首席講師，F(xiàn)acebook聯(lián)合創(chuàng)始人馬克·扎克伯格和前微軟首席執(zhí)行官史蒂夫·鮑爾默都曾做客座談。

這是哈佛大學(xué)對計算機科學(xué)的知識型企業(yè)的介紹，適用于具有或沒有基礎(chǔ)編程經(jīng)驗的專業(yè)和非專業(yè)的編程藝術(shù)，教會學(xué)生如何算法思考和有效解決問題。

主題包括抽象，算法，數(shù)據(jù)結(jié)構(gòu)，封裝，資源管理，安全性，軟件工程和Web開發(fā)。語言包括C，Python，SQL和JavaScript以及CSS和HTML。

這是一個自定進度的課程，您可以按照自己的時間表參加CS50x。

3. YOLO從零開始：基于YOLOv3的行人檢測入門指南

深度學(xué)習入門級項目，原文：

https://zhuanlan.zhihu.com/p/47196727

Github:

https://github.com/pascal1129/yolo_person_detect

本文主要針對初學(xué)。

按照下述步驟可以實現(xiàn)一個效果較好的基于YOLOv3的行人檢測系統(tǒng)

本代碼主要是針對YOLOv3的兩個主流版本（AlexeyAB/darknet & pjreddie/darknet）的腳本輔助集合，主要用途如下：

將YOLOv3常用的網(wǎng)址和資料歸納整理了一下；

從VOC2007/VOC2012/COCO等數(shù)據(jù)集中提取出person類圖片，并轉(zhuǎn)換標注（使用VOC時默認保留了全部difficult=1的圖片）；

計算mAP正確率；

從實驗的訓(xùn)練日志中提取出loss變化圖

進階版：

行人檢測與行人重識別結(jié)合

https://zhuanlan.zhihu.com/p/82398949

4. 智能車競賽，AI視覺組賽題淺析

各位車友好，第十六屆全國大學(xué)生智能車競賽競速組規(guī)則發(fā)布后，大家已經(jīng)注意到由恩智浦贊助的AI視覺組是最具有綜合性的一個組，感謝NXP繼續(xù)對大賽的支持，讓我們感覺了挑戰(zhàn)性。

關(guān)于“第十六屆全國大學(xué)生智能車競賽競速組-室內(nèi)視覺組補充說明”的初稿詳情大家可以通過卓老師的微信公眾號推文了解到，點擊此處查看。

初稿發(fā)布后，很多同學(xué)都對AI視覺組產(chǎn)生了濃厚的興趣，同時也產(chǎn)生了很多疑問，所以，我們今天對AI視覺組的賽題進行一個簡單分析，希望能給目前還在迷茫準備階段的車友們打開一些思路。

根據(jù)初稿我們知道：車模限定使用C型車、微控制器限定使用NXP公司的MCU，推薦使用i.MX RT系列高性能MCU、傳感器基本不限，可以使用OpenMV RT模塊，但需要提醒的是該模塊并不能完成這個賽題組的所有任務(wù)，文中有詳細解釋，請仔細閱讀。

5. 深度學(xué)習500問--AI工程師面試寶典

github:

https://github.com/scutan90/DeepLearning-500-questions

jd 預(yù)售：

https://item.jd.com/12785031.html

《深度學(xué)習500問》AI工程師面試寶典新書終于上架啦！

系統(tǒng)地描述了深度學(xué)習的基本理論算法及應(yīng)用。

全書共14章，第1-3章論述了數(shù)學(xué)基礎(chǔ)、機器學(xué)習基礎(chǔ)和深度學(xué)習基礎(chǔ)；

第4-7章介紹了一些經(jīng)典網(wǎng)絡(luò)及計算機視覺領(lǐng)域中常用的CNN、RNN、GAN等網(wǎng)絡(luò)結(jié)構(gòu)技術(shù)；

第8-9章介紹了深度學(xué)習在計算機視覺領(lǐng)域的目標檢測及圖像分割兩大應(yīng)用；

第10-14章介紹了計算機視覺領(lǐng)域主要的優(yōu)化方法及思路等，包括遷移學(xué)習、網(wǎng)絡(luò)架構(gòu)及訓(xùn)練、網(wǎng)絡(luò)優(yōu)化技巧、超參數(shù)調(diào)整及模型的壓縮和加速等。

本書內(nèi)容取材于編者在日常學(xué)習過程中總結(jié)的知識點及各大公司常見的筆試、面試題。

本書可為高等院校計算機科學(xué)、信息科學(xué)、人工智能、控制科學(xué)與工程、電子科學(xué)與技術(shù)等領(lǐng)域的研究及教學(xué)人員提供參考，也可為相關(guān)專業(yè)本科生及研究生提供思考方向，還可為深度學(xué)習及計算機視覺領(lǐng)域的初、中級研究人員和工程技術(shù)人員提供參考，尤其適合需要查漏補缺的應(yīng)聘者及提供相關(guān)崗位的面試官閱讀。

6. 「龍芯」即將IPO，國產(chǎn)CPU沉浮二十年 | 36氪

國產(chǎn)CPU第一股要來了。

不久前，中國證監(jiān)會北京監(jiān)管局官網(wǎng)披露，龍芯中科技術(shù)股份有限公司（下稱“龍芯”）擬于科創(chuàng)板上市。龍芯是國內(nèi)最早開始研發(fā)國產(chǎn)CPU的公司之一，這也是目前六大國產(chǎn)CPU廠商（天津飛騰、華為鯤鵬、兆芯集成、申威科技及海光信息）中首家科創(chuàng)板上市的公司。

龍芯20年的發(fā)展歷程并不平坦。國產(chǎn)CPU最初在國內(nèi)“自主vs引進”的搖擺中艱苦起步，為了突破英特爾的專利高墻，六大國產(chǎn)CPU用了三種不同的路線實現(xiàn)曲折前進。英特爾X86架構(gòu)已經(jīng)建立了專利、生態(tài)、知識產(chǎn)權(quán)的壁壘，這意味著國產(chǎn)CPU廠商需要一一突圍。

經(jīng)過20年的沉浮，國產(chǎn)CPU雖然在某些專用的領(lǐng)域已經(jīng)到了初步的產(chǎn)品上量階段，尷尬的是在商用市場還難得一見。在龍芯IPO之后，這也是國產(chǎn)CPU接下來能否真正實現(xiàn)國產(chǎn)化替代的決定性挑戰(zhàn)。

輿論困境、架構(gòu)路線的代價和市場化轉(zhuǎn)型的磕磕絆絆，龍芯的20年也是國產(chǎn)CPU的20年。

7. 超強一代JupyterLab 3.0發(fā)布！兼具可視化調(diào)試、中文顯示、簡單交互界面等功能

JupyterLab 是廣受歡迎的 Jupyter Notebook「新」界面。它是一個交互式的開發(fā)環(huán)境，可用于 notebook、代碼或數(shù)據(jù)，因此它的擴展性非常強。用戶可以使用它編寫 notebook、操作終端、編輯 markdown 文本、打開交互模式、查看 csv 文件及圖片等。除此以外，JupyterLab 還具有靈活而強大的用戶界面。

就在近日，這款好用的工具發(fā)布了新版本 JupyterLab 3.0。

JupyterLab 3.0 在以下幾個方面進行了改進：

可視化調(diào)試器；

支持多種顯示語言；

notebook 目錄；

擴展系統(tǒng)。

三種安裝方式：

1pipinstalljupyterlab==3 2mambainstall-cconda-forgejupyterlab=3 3condainstall-cconda-forgejupyterlab=3

8. 3萬字長文帶你輕松入門 Transformer

原文：https://zhuanlan.zhihu.com/p/308301901

Transformer結(jié)構(gòu)是google在17年的Attention Is All You Need論文中提出，在NLP的多個任務(wù)上取得了非常好的效果，可以說目前NLP發(fā)展都離不開Transformer。最大特點是拋棄了傳統(tǒng)的CNN和RNN，整個網(wǎng)絡(luò)結(jié)構(gòu)完全是由Attention機制組成。

最近 Transformer從NLP 殺進了 CV 領(lǐng)域，是真的"殺瘋了"，很多CV垂直方向出現(xiàn)了不少工作。其中非常有代表性就是：DETR、ViT等。

本文從Transformer結(jié)構(gòu)出發(fā)，結(jié)合視覺中的Transformer成果(具體是 ViT 和 DETR )進行分析，希望能夠幫助 cv 領(lǐng)域想了解Transformer的初學(xué)者快速入門。

本文的大部分圖來自論文、國外博客和國內(nèi)翻譯博客，在此一并感謝前人工作，具體鏈接見參考資料。本文特別長，大概有3w字，請先點贊收藏然后慢慢看….

附：Transformers in Vision: A Survey

（自行網(wǎng)上下載，24頁綜述，共計170篇參考文獻?。?/p>

9. 融合視頻目標檢測與單目標、多目標跟蹤，港中文開源一體化視頻感知平臺 MMTracking

GitHub 地址：

https://github.com/open-mmlab/mmtracking

新年伊始，香港中文大學(xué)多媒體實驗室（MMLab）OpenMMLab 又有新動作，發(fā)布了一款一體化視頻目標感知平臺 MMTracking。該框架基于 PyTorch 寫成，支持單目標跟蹤、多目標跟蹤與視頻目標檢測，目前已開源。

據(jù)介紹，MMTracking 具備以下主要特性：

首個開源一體化視頻目標感知平臺

OpenMMLab 內(nèi)部項目間的充分交互

高效、強大的基準模型

責任編輯：lq