Model Log 是一款基于 Python3 的轻量级机器学习(Machine Learning)、深度学习(Deep Learning)模型训练评估指标可视化工具，与 TensorFlow、Pytorch、PaddlePaddle结合使用，可以记录模型训练过程当中的超参数、Loss、Accuracy、Precision、F1值等，并以曲线图的形式进行展现对比，轻松三步即可实现。可以通过调节超参数的方式多次训练模型，并使用 Model Log 工具进行记录，可以很直观的进行模型对比，堪称调参神器。以下是使用工具后模型训练时 Loss 的变化曲线图。
项目 GitHub 地址[……]
在计算机领域中，目前的预打印版网站 arxiv 可谓是撑起了前沿技术的一片天地，每天都有相当数量的论文上传。但是对于一篇文章，作者可能会上传 V1 / V2 / V3 等版本，对于我来说，我一般看最后的版本就行，但是有些同学想要看看这些版本直接到底有什么不同，这可怎么办，总不至于要花几个晚上时间研究不同的版本？
最近 Github 上的一个比较预印本论文版本差别的工具也许能帮到你，关键是只需一行代码就能实现。最近 Github 上的一个比较预印本论文版本差别的工具也许能帮到你，关键是只需一行代码就能实现。
项目 GitHub 地址[……]
很多人可能都觉得数学就是枯燥乏味又难学，一堆公式难以理解还记不住，如果这时候，有个神器可以一秒将这些困难的数学公式/表达式用可视化的方式表现出来，是不是会有助于加深印象，让学生对数学保持兴趣？
近日，CMU 推出了一个新系统 Penrose，该系统可以将复杂的数学符号转换为各种样式的简单图表。作为一种有效地传达复杂数学表达式和概念的可视化工具，Penrose 迅速地吸引了社交媒体的关注。
研究人员表示：在数学著作中发现图表相对较少，它们主要还是以公式和技术性语言为主，尽管高质量的可视化效果能够更有效的传达数学思想，但是当下能够生成此类图表的工具并不那么友好，这也是为何一般数[……]
GitHub 宣布推出 GitHub Classroom 功能，它是一组帮助计算机科学老师分配和评估编码练习的工具集合，同时也是用于协助教师的一组新工具。其中第一个是自动分级，它确实很符合这个名称。教师现在可以将测试添加到他们的工作当中，并且自动测试以及评分。这些测试将会在每个学生的资料库中自动运行，不过更重要的是，教师可以选择测试中的行反馈以及请求提供特定的反馈。[……]
日前，亚马逊工程师利用简单的 Excel 公式，实现了各种计算机视觉（CV）运算操作，还清楚地解释了核心概念和算法。通过它就能快速实现计算机视觉中的一些算法示例：人脸识别、霍夫变换都不在话下。更重要的是，还不需要任何脚本或者第三方插件。—— 与此前跨象乘云™ 介绍的《EXCEL 演示深度神经网络》一样，对于人工智能专业的师生而言，将能很好的通过熟悉的工具了解计算机视觉背后抽象的逻辑和复杂的原理。
同时，由于 Excel 性能所限，整个项目运行起来比较慢 —— 作者将整个项目分割成一些列的 Excel 文件，利用这些 Excel 文件可以分别实现：项目简介，边缘识别，原理解释，人脸[……]
为了应对深度学习模型中的复杂性挑战，日前，佐治亚理工学院研究人员开发了 CNN 101，这是另一个交互式的可视化卷积神经网络系统，可以帮助深度学习、人工智能实验室的科研人员以及学生更好地了解和学习卷积神经网络，它是基础的深度学习模型体系结构。
使用现代 Web 技术构建的 CNN 101 无需专用硬件即可在用户的 Web 浏览器中本地运行。通过紧密集成的交互式视图，CNN 101 通过解释单神经元级别以及层级别的卷积，激活和池化操作，提供了模型工作方式的概述和详细说明。CNN 101 进一步扩大了公众对深度学习技术的教育途径。它应用了交互式可视化技术，为用户提供了一种更简单的方法[……]
此前，跨象乘云™ 发布了一系列 Python 数据科学核心库的多份知识卡片，包括 ——
此前的知识卡片主要是英文原版，再次跨象乘云™ 发布《Python 知识卡片完整中文版》，覆盖：Bokeh，Jupyter Notebook，Keras，M[……]
线性代数是机器学习的基础性内容。而一般线性代数教程大多是照本宣科。最近佐治亚理工发布《交互式线性代数》教程开源书，提供了动态交互平台 —— 提供了 140 多个交互演示程序，可以让读者直观地理解代数背后的几何性质，使线性代数更加爱通俗易懂，帮你快速学习线性代数。
项目 GitHub 地址[……]
对于我们算法分析人员来说，机器学习和神经网络早已不是什么新鲜内容，搭建、训练出来一个好的模型用于线上生产是必不可少的基础功能，对于业务人员或者是对于模型细节并不是很清楚或者是关注的人来说，这个就显得很抽象了，这个时候必要的可视化工作就显得很重要了，当前比较成熟的可视化工具大致包括：matplotlib、seaborn、Chaco 、pychart 、VPython 、yellowbrick等，这些是比较主流使用比较多的模块，但是对于模型结构的可是话来说显得就比较鸡肋了，这里迫切需要一些专业领域内的工具来帮助我们完成这些工作。
上面的这些图片都是可以一键生成的，顿时觉得功能[……]
