还在为机器学习模型打包成API发愁？这个工具能让你一行代码直接打包。
专注于机器学习应用的人们知道，从训练好的模型到实际的工业生产工具还有一定的距离。其中工作量很大的地方在于将模型打包，预留API接口，并和现有的生产系统相结合。近日，GitHub上有了这样一个项目，能够让用户一行代码将任意模型打包为API。这一工具无疑能够帮助开发者在实际的生产应用中快速部署模型。
项目地址：https:
标签：代码
图像转换3D模型只需5行代码，英伟达推出3D深度学习工具Kaolin
近年来，3D计算机视觉和人工智能两个领域都取得了飞快的发展，但二者之间如何实现有效的结合还有很长的路要走。基于此，英伟达于今日推出了KaolinPyTorch库，借助于这个库，只需几步即可将3D模型迁移至神经网络的应用范畴。
此外，Kaolin库还可以大大降低为深度学习准备3D模型的工作量，代码可由300行锐减到仅仅5行。
作为一个旨在加速3D深度学习研究的PyTorch库，Kaolin为用于
四种高性能数据类型，Python collections助你优化代码、简洁任务
在这篇文章中，机器学习工程师GeorgeSeif介绍了Pythoncollections模块非常受欢迎的四种数据类型以及它们各自的使用方法。这些数据类型可以对代码进行优化，进而实现更简洁的任务执行。
Python的最大优势之一就是它有各种各样的模块和软件包可供选择。这些模块和包将Python的功能扩展到了许多流行领域，包括机器学习、数据科学、Web开发和前端等。其中表现最好的一个就是Pytho
从Python代码到APP，你只需要一个小工具：GitHub已超3000星
机器学习开发者想要打造一款App有多难？事实上，你只需要会Python代码就可以了，剩下的工作都可以交给一个工具。近日，Streamlit联合创始人AdrienTreuille撰文介绍其开发的机器学习工具开发框架——Streamlit，这是一款专为机器学习工程师创建的免费、开源app构建框架。这款工具可以在你写Python代码的时候，实时更新你的应用。目前，Streamlit的GitHubSt
10分钟带你打开深度学习大门，代码已开源
本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。
深度学习技术的不断普及，越来越多的语言可以用来进行深度学习项目的开发，即使是JavaScript这样曾经只是在浏览器中运行的用于处理轻型任务的脚本语言。
TensorFlow.js是谷歌推出的基于JavaScript的深度学习框架，它提供的高级API使得开发可以直接在浏览器中运行的深度学习算法变得轻而易举。
这不，
DL时代的代码补全利器，效果远超语言模型
从程序员到数据工程师，编写程序代码是一项基本功，但是编写冗长代码的过程也极大地消耗了开发者的耐心。近来，有不少关于代码补全工具的消息爆出，例如，来自美国的Kite，来自加拿大的TabNine等，一时间获得了不少程序员的关注。但其实很多人还并不知道，在这些国外产品不断被媒体推送的背后，有一款能力更为强大、更早将深度学习应用于代码补全的产品，一款源自中国的工具——aiXcoder，它的研发者们
Github12000+star的机器学习教程，理论、代码、demo全有了
导读：本文介绍的仓库包含用Python实现的流行的机器学习算法的示例，后面将解释它们的数学原理。每个算法都有交互式Jupyter笔记本演示，允许你使用训练数据、算法配置和立即查看浏览器中的图表并预测结果。
▲图片来源：https://vas3k.ru/blog/machine_learning/
这个项目的目的不是让大家通过使用第三方库一行代码实现机器学习算法，而是从零开始动手实现这些算法
Django2.0手册:提交代码
Working with Git and GitHub instead.Handling pull requests¶NoteJenkins wiki page for more details.~/.gitconfig (upstream is assumed to be django/django):Now you can simply run git pr ####At this point
Django2.0手册:FAQ: 贡献代码
如何为 Django 贡献代码?¶感谢反馈！我们已经为这个问题编写了一个详细的文档。参见:doc:Contributing to Django 1.我几周之前提交了一个工单系统 bug 的修复。为什么忽略我的提议？¶别担心:我们不会忽略你!重要的是要明白，“工单被忽略”和“工单还没有被查看”是有区别的。 Django 的工单系统包含数百个打开的工单，对最终用户功能有不同程度的影响，Django 的
Flask教程:Step 2: 应用设置代码
现在我们已经有了数据库模式了，我们可以创建应用的模块了。让我们称为 flaskr.pyflaskr 文件夹中。对于初学者来说，我们会添加所有需要的导入像配置的章节中一样。对于小应用，直接把配置放在主模块里，正如我们现在要做的一样，是可行的。然而一个更干净的解决方案就是单独创建 .ini 或者 .py 文件接着加载或者导入里面的值。在 flaskr.py 中:# all the importsimp