有三AI堅持三個原則，只做原創(chuàng),，不打廣告,，不跟新聞,，所以漲粉很慢,。不過，令我們自豪的是,，盡管至今只有6000來粉絲,，但是在我們5000粉絲的時候，也出現(xiàn)了很多1000+閱讀量(打開率超過20%)的文章,，將近三分之一的文章打開率也超過了10%,，論打開率就算是全網(wǎng)咱也是Top了吧。今天就來仔細(xì)盤點一下吧,，按照時間順序從后往前,。

作為一周年紀(jì)念，我們推出了集深度學(xué)習(xí)開源框架,，深度學(xué)習(xí)模型架構(gòu),，深度學(xué)習(xí)學(xué)習(xí)習(xí)慣，AI研究院與產(chǎn)品于一身的有三AI撲克牌,，歡迎大家點擊查看,，已經(jīng)陸續(xù)發(fā)貨了噢,！

一周年之際，有三也出版了一本新書,，名為《深度學(xué)習(xí)之圖像識別 核心技術(shù)與案例實戰(zhàn)》,，這是一本以計算機(jī)視覺技術(shù)為依托，講述深度學(xué)習(xí)中的核心技術(shù)的書籍,，同時配套有大量實戰(zhàn)案例,。覆蓋深度學(xué)習(xí)理論(最優(yōu)化，損失目標(biāo)設(shè)計),，數(shù)據(jù)使用(常用數(shù)據(jù)集,，數(shù)據(jù)獲取，標(biāo)注與增強(qiáng)),，可視化(數(shù)據(jù)與模型),，模型優(yōu)化，三大計算機(jī)視覺任務(wù)的發(fā)展,。

雖然公式的印刷出了一點問題(本周會勘誤),，本書仍然不失為一本很干貨的書。

深度學(xué)習(xí)CV算法工程師從入門到初級面試有多遠(yuǎn),，大概是25篇文章的距離,，這是有三AI修行之路的《白身境》和《初識境》兩大系列的完結(jié)，從編程基礎(chǔ),，圖像基礎(chǔ),，數(shù)學(xué)基礎(chǔ)講到深度學(xué)習(xí)理論和實踐基礎(chǔ)，最適合新手系統(tǒng)性進(jìn)階和學(xué)習(xí),，也適合老手鞏固自己的基礎(chǔ),，這篇文章在知乎上也是全網(wǎng)熱點。

我相信真的很難有比我們這個資料更全的了,，這個文章在知乎上也是全網(wǎng)熱點,。從大綜述，到論文,，社區(qū),， 課程，項目,，數(shù)據(jù)集,，研究領(lǐng)域，工具,，無所不有,，無所不包。

這篇文章不僅是知乎熱點,，也被很多的AI大號轉(zhuǎn)載,，包括AI科技大本營,，雷鋒網(wǎng)等等。就是教你怎么繪制好看的網(wǎng)絡(luò)圖,，實用,，酷炫！

作為一個AI方向的學(xué)習(xí)者,，需要經(jīng)常從arxiv.org中獲取和跟蹤最新的論文,，arxiv-sanity就是一個用于論文跟蹤的好工具，你值得擁有,。

雖然我們不跟新聞,，但是不代表不跟蹤最新的技術(shù)，所以我們成立有三AILab,，歡迎感興趣與符合條件的朋友加入,。

有三AI沒有想過要做培訓(xùn)，但是仍然會以師徒制帶很少一部分人,，內(nèi)容很多,，收費也很低。學(xué)習(xí)方式包括圖文+視頻+一對一指導(dǎo)+每周線下+在線直播+項目孵化,。學(xué)會為止,，還有最后10天的報名機(jī)會，之后將不接受報名,，新的夏季劃也會漲價,。

三月份我離職創(chuàng)業(yè)，當(dāng)時還只有150多篇原創(chuàng)文章和10多個專欄,，現(xiàn)在又增加了將近100篇,，可見這兩個月還是非常勤快的。

創(chuàng)業(yè)第一天,，有三AI扔出了深度學(xué)習(xí)的150多篇文章和10多個專欄

相比當(dāng)時的文章,，其實更建議大家閱讀我們一周年的總結(jié),，生態(tài)更加的豐富,。

2019年3月3日，鼓起勇氣揭開裸辭生活的第一天,。還有不到兩年就三十歲了的時間里,，想開始做一些事情，彼時心態(tài),，歷歷在目,。

這是有三AI 1000問的第一個問題，為什么深度學(xué)習(xí)圖像分類的輸入多是224*224,，這個見慣不慣,，不一定有標(biāo)準(zhǔn)答案的問題,。如今1000問已經(jīng)并入知識星球，當(dāng)初這個系列也是人氣很高的,。

在這個專欄中,，我們和大家一起分享了國內(nèi)12大研究院的背景，從最開始介紹的歷史最悠久的微軟亞洲研究院,，到最后介紹的低調(diào)務(wù)實的網(wǎng)易人工智能,，帶大家領(lǐng)略了每個研究院的研究方向，團(tuán)隊情況,，欣賞了各大研究院的拳頭產(chǎn)品,。

這里詳細(xì)介紹了深度學(xué)習(xí)在圖像分類，分割,，目標(biāo)檢測,，目標(biāo)跟蹤，圖像濾波與降噪,，圖像增強(qiáng),，風(fēng)格化，三維重建,，圖像檢索,，生成對抗網(wǎng)絡(luò)GAN等領(lǐng)域中的關(guān)鍵技術(shù)和特點。

要說服一個新手放棄windows擁抱Linux,，并不是那么容易的事情,，但是，你只有走出第一步才知道這一件事情是多么的美妙,。

一文道盡了人臉的數(shù)據(jù)集,，囊括了人臉檢測，關(guān)鍵點檢測,，人臉識別,，人臉表情，人臉年齡,，人臉姿態(tài)幾乎所有方向,，當(dāng)時文章都險些超過公眾號最大長度。

在深度學(xué)習(xí)模型發(fā)展史中，殘差網(wǎng)絡(luò)因其簡單而有效的結(jié)構(gòu)與異常有效的結(jié)果而占據(jù)了非常重要的位置,，在這里我們重點講述了它的來龍去脈,，相關(guān)架構(gòu)的發(fā)展，有效性的相關(guān)研究,。

今年五月中旬有三AI一周年了,，過去的一年里，有三從算法干到前端,，后端,，從編輯干到產(chǎn)品，運營,，設(shè)計,，創(chuàng)建了一個不小的生態(tài)。在這里,，便是說說我們的初衷,，生態(tài)和愿景。

TensorFlow2.0 Alpha版發(fā)布后,，API也發(fā)生了很大的改變,，基本上相當(dāng)于重新學(xué)習(xí)tensorflow，我們開設(shè)了2.0專欄,。其中Keras便是必須使用的接口了,，那就一起來吐槽全世界都是Keras吧。

5月份的時候有三把小程序推上了線,，這是一個為季劃學(xué)員展示自己項目的舞臺,，也是將來有三AILab展示作品的舞臺，大家感興趣的可以掃碼體驗一下,。

一個深度學(xué)習(xí)網(wǎng)絡(luò)的寬度究竟會如何影響模型的性能呢,？在這里有三通過理論和實驗結(jié)果來完整分析了網(wǎng)絡(luò)寬度的發(fā)展與模型性能的關(guān)系，以及如何對寬度進(jìn)行設(shè)計,。

在AI1000問我們提出了很多容易被忽視,，普通但是不簡單，可以引申很多思考的問題,，包括為何通用分類網(wǎng)絡(luò)輸入大小是224*224,，為什么大家喜歡用小卷積,，訓(xùn)練中為什么要分驗證集和測試集,，現(xiàn)在這個系列已經(jīng)轉(zhuǎn)移到知識星球中。

一個優(yōu)秀的深度學(xué)習(xí)從業(yè)者,，必然是技能全面,，擅長學(xué)習(xí)的人,，在這里我們總結(jié)了從看論文到寫代碼，從刷論壇到刷比賽的一系列資源供大家挑選學(xué)習(xí),。

為了讓大家的學(xué)習(xí)更加貼近工業(yè)界實戰(zhàn),，我們開設(shè)了專欄《AI產(chǎn)品》，對其中的關(guān)鍵技術(shù)進(jìn)行剖析,。

為了讓大家更多地了解行業(yè)大咖,，我們開設(shè)了專欄《AI大咖》，不僅要了解follow他們的研究,，也打聽他們的八卦,，領(lǐng)略大牛的風(fēng)骨，如今已經(jīng)3期了噢,，相應(yīng)的GitHub項目也推出了,。

有三AI VIP就是買斷有三的時間了，可以就任何技術(shù)問題進(jìn)行隨時討論,，同時會贈送有三AI所有付費產(chǎn)品和內(nèi)部資料,，包括知識星球，文化產(chǎn)品,，錄制的一系列視頻,，線下交流，直播等等,。

從深度學(xué)習(xí)新手到有志于站到算法之顛的老鳥,，都可以通過參加一些比賽來獲取經(jīng)驗或者證明自己，這里就推薦了AI圖像領(lǐng)域值得參加的一些比賽,，有大眾的有小眾的,，也有別具特色的。

機(jī)器之心等媒體不是喜歡從Medium等平臺翻譯文章嗎,，我們在這里系統(tǒng)性地介紹了國內(nèi)外的優(yōu)質(zhì)論壇媒體,，包括新聞信息平臺Reddit，創(chuàng)作平臺Medium,，問答社區(qū)Quora等,，從此你也可以獲取第一手資料進(jìn)行學(xué)習(xí)。

天下公眾號有很多種,，有信息媒體號,，學(xué)術(shù)論壇號，個人博客號,，系列教程號,，每一類號都有它自己的特色，如何利用好這些公眾號進(jìn)行學(xué)習(xí)呢。

數(shù)據(jù)壓榨越狠,，人工智能就越成功,，在這里，我們分析了數(shù)據(jù)與各類學(xué)習(xí)系統(tǒng)的關(guān)系,，在深度學(xué)習(xí)的各個發(fā)展階段對數(shù)據(jù)的使用,，了解從模型的結(jié)構(gòu)設(shè)計，模型的優(yōu)化參數(shù)選擇,，數(shù)據(jù)的使用策略的最新發(fā)展,，深度學(xué)習(xí)正在全面走向自動化。

很多實際的項目,，我們都難以有充足的數(shù)據(jù)來完成任務(wù),，要保證完美的完成任務(wù)，有兩件事情需要做好：(1)尋找更多的數(shù)據(jù),。(2)充分利用已有的數(shù)據(jù)進(jìn)行數(shù)據(jù)增強(qiáng),，這里就是對當(dāng)前數(shù)據(jù)增強(qiáng)方法的綜述，覆蓋有監(jiān)督無監(jiān)督,，單樣本多樣本方法等,。

我們知道現(xiàn)在在構(gòu)建CNN時大家喜歡用3*3的卷積，而不是早期的5*5,，7*7等更大尺寸的卷積,，如vgg，mobilenet等系列網(wǎng)絡(luò)中全部使用了3*3的卷積,。那么你知道為什么這樣做嗎,？

在開發(fā)實際項目的時候，你經(jīng)常沒有足夠多的數(shù)據(jù),，需要自己去想辦法獲取,，這個時候常常需要用到爬蟲。然而找來找去,，很可能找了很久都找不到既免費又好用的爬蟲,，這里就總結(jié)了GitHub上面最好的爬蟲，它很可能就是項目成功的開始,。

在學(xué)習(xí)的過程中做好總結(jié)記錄是非常重要的,，那么這里要聊的就是作為程序員，有哪些筆記工具可以提高工作效率呢,？

這是有三AI開源的第一個GitHub項目,，在這里給大家捋清楚12大深度學(xué)習(xí)開源框架的快速入門，從熟練掌握不同任務(wù)數(shù)據(jù)的準(zhǔn)備和使用,，熟練掌握模型的定義,，熟練掌握訓(xùn)練過程和結(jié)果的可視化，到熟練掌握訓(xùn)練方法和測試方法，真正快速掌握框架,。

雖然有三錄制了很多視頻,，但是真正拿出去上線的只有網(wǎng)易云上的《有三說深度學(xué)習(xí)》,，其余的都私藏了,，如果你想聽聽，不妨加入,。

想成為一個優(yōu)秀的AI算法工程師必須要熟練使用Linux,，從桌面管理，編程管理到項目管理,，這都是推薦你應(yīng)該掌握的,，一定會大大提升工作效率。

在《AI初識境》這一個專欄中,，我們給大家從神經(jīng)網(wǎng)絡(luò)背景與基礎(chǔ),，講到了深度學(xué)習(xí)中的激活函數(shù)，池化,，參數(shù)初始化,，歸一化，優(yōu)化方法,，正則項與泛化能力,，講到了深度學(xué)習(xí)中的評測指標(biāo)，優(yōu)化目標(biāo),，以及新手開始做訓(xùn)練時的注意事項,。這些都是深度學(xué)習(xí)必備的扎實基礎(chǔ)，我們講述的都覆蓋了最前沿的研究,，絕不簡單,。

一個新手做項目時總是不知道輕重緩急，也容易犯一些低級的錯誤,，這篇文章不是教你如何調(diào)參,，而是教你不要在調(diào)參之前胡搞。

優(yōu)化目標(biāo)/損失函數(shù)無疑對一個深度學(xué)習(xí)系統(tǒng)來說是至關(guān)重要的,，這里就說說深度學(xué)習(xí)中常見的損失函數(shù)(loss),，覆蓋分類，回歸任務(wù)以及生成對抗網(wǎng)絡(luò),。

大家知道北航的博士孫叔橋最近在有三AI開設(shè)了《圖像分割模型》專欄,，而這篇弱監(jiān)督圖像分割綜述也是出自她的筆下，被各大號轉(zhuǎn)載,。

我們不打廣告,，但是如果是非常好的東西就會直接推薦，F(xiàn)lyAI便是一個集免費GPU，企業(yè)真實數(shù)據(jù)集和需求,，能力變現(xiàn)為一身的平臺,，推薦大家參與。

一個深度學(xué)習(xí)模型在各類任務(wù)中的表現(xiàn)都需要定量的指標(biāo)進(jìn)行評估,，才能夠進(jìn)行橫向的PK比較,，在這里就說說分類，回歸,，質(zhì)量評估,，生成模型中常用的指標(biāo)，以計算機(jī)視覺任務(wù)為例,。

機(jī)器學(xué)習(xí)方法訓(xùn)練出來一個模型,，希望它不僅僅是對于已知的數(shù)據(jù)(訓(xùn)練集)性能表現(xiàn)良好，對于未知的數(shù)據(jù)(測試集)也應(yīng)該表現(xiàn)良好,，也就是具有良好的generalization能力,，這就是泛化能力。這里說的便是泛化和正則化有關(guān)的內(nèi)容,。

這也是屬于《AI產(chǎn)品》的內(nèi)容,，只是當(dāng)時專欄還未設(shè)置，背后包含了三維重建,，表情合成,，唇語合成，語音合成等一系列技術(shù)的剖析,。

在這里,，我們給大家回顧了深度學(xué)習(xí)中的各類具有代表性的CNN模型，詳細(xì)分析了各類模型的特點,，設(shè)計思想,。當(dāng)然，這一個系列不可能包含所有的模型,，但是我們可以從中洞見最核心的思想,。

學(xué)深度學(xué)習(xí)計算機(jī)視覺，當(dāng)然是從夯實圖像基礎(chǔ)開始了,。從圖像的起源,，到數(shù)字圖像的基本概念，數(shù)字圖像處理的基礎(chǔ),，這是系統(tǒng)而全面的介紹,。

Faster R-CNN項目無疑是最優(yōu)秀的目標(biāo)檢測框架之一， 在這里我們詳細(xì)剖析了各個模塊的源代碼,。

有三做的時間最久的就是圖像分割了,，從傳統(tǒng)的閾值法,，聚類，圖割,，水平集,，到深度學(xué)習(xí)，這里就是我對圖像分割算法的大總結(jié),。

softmax loss是我們最熟悉的loss之一了,，分類任務(wù)中使用它，分割任務(wù)中依然使用它,。在這里,，我們推導(dǎo)它的公式,，總結(jié)了它的變種,，這篇文章幾乎就是有三AI的開始。