对于我来说，一直保持的追求有三点：技术、快乐、财富。因此，从此三点出发，记录过去一周，我所看到的，值得分享的内容，每周五把欢乐送达。
技术
1、Apollo-11
1969年7月20日，阿波罗11号载人飞船登月成功，阿姆斯特朗与奥尔德林成为了首次踏上月球的人类。
为了纪念这一事件，50年后，用户Chris Garry在GitHub上传了阿波罗11号的代码，总共14.5万行，主要涉及制导计算机（AGC）中指令模块（Comanche055）和登月模块（Luminary099）。
代码虽然看不懂，凑个热闹看一看，还是可以的。
项目地址：点击查看
2、算法可视化工具
程序员，数据结构是基础。做算法，做工程，做测试，都需要对数据据结构有所掌握，数据结构也算是程序员的一种“内功”。
初学数据结构，可能理解一些算法有些费劲。这时，算法运行过程的可视化工具就提供很大帮助。
比如一个排序算法快排，使用这个工具，你可以很好的看到算法的运行过程。
当然，上图是加速的效果，运行步骤进行的快慢是可以调节的。
网站地址：点击查看
3、OmniNet
Transformer是一种广受欢迎的神经网络架构，特别是用在自然语言理解任务中。这篇论文提出了一种可扩展的统一神经网络架构：OmniNet。
该网络可以学习空间维度和隐层所对应的时间维度信息。它的独特之处在于，可以支持多模态输入，以及异步多任务学习。
例如，OmniNet 可以同时学习词性标注、视频标注、图像问答、和视频活动识别信息，使用该模型同时训练四个任务，比分开训练四个模型，要节省很多空间，且性能和单独训练每个任务的模型一致。
项目地址：点击查看
4、对抗性图像
随着深度学习的发展，越来越多的图像识别视觉任务应用到各个产品中。
但基于深度学习的图像识别技术也会在“对抗性图像”上犯错。例如，当你看到树上有一只猫时，图像识别模型可能看到的是一只松鼠。
这类非常规的数据，就是一种困难样本。
这次介绍的就是这样一个困难样本集，这些数据有望帮助培养更强大的视觉系统。
利用深度学习创建的视觉系统是“浅薄”和“脆弱”的，它们不会像人一样灵活地理解世界上的一些几乎相同的细微差别。
感兴趣的可以看下。
项目地址：点击查看
5、C^3 Framework
C^3 Framework是一个基于PyTorch的开源人群计数框架。
近两年，有关人群计数的文章呈现出爆炸式增长。然而，人群计数不像其他任务（目标检测、语义分割等）有着简洁/易开发的开源代码框架，大大降低了我们对于idea的验证效率。
为了解决这些问题，C^3 Framework框架应运而生。
这个框架提供了六个主流的数据预处理代码，并提供了适用于人群计数的修改后的AlexNet，VGG，ResNet等网络框架。
项目地址：点击查看
6、SARPN
SARPN是一种基于残差金字塔的单目深度估计方法，场景的结构和目标的细节决定了深度图重建的效果，对于室内深度估计来说，全局结果针对布局而局域结构则反映了物体表面的细节。
论文从多尺度地角度来分析深度估计的问题，采用了残差金字塔解码器，在顶层表达全局布局在底层表达表面细节。
每一层及的残差模块都预测对应的尺度，并从前一级粗糙的尺度上预测后一级更为精细的尺度。为了充分探索多尺度图像特征，自适应稠密特征融合被用于对多尺度的特征进行融合，并在NYU-Depth-v2上取得了良好的效果。
项目地址：点击查看
7、iFood数据集
iFood是一个细粒度食物分类数据集, 包含了251个细粒度的食物分类供158k张图像，这是斯坦福国际研究所和康奈尔大学发布的数据集。
项目地址：点击查看
快乐
1、我为什么腰疼
2、当代近视年轻人的点餐方式
财富
银行理财中，银行创新存款一直受大众的追捧。
特点是安全性蛮高的，而且利率稳定，不会上下浮动。
这类存款，属于活期存款，随时都可存取。
这类产品一般分档计息，持有时间不同，对应不同档次利率。
基本上，存一个月可高到4.2%左右收益，能随时取出。
放的时间更久，收益更高。
这要比普通的活期存款收益高不少。
比如蓝海银行的蓝贝贝，存满3个月4.2%，6个月4.5%。
银行这类理财产品有不少，多看一看，找个自己放心的。
最后
本周的程序员欢乐送，到此结束，下周再会。
来源：
https://cuijiahua.com/blog/2019/07/life-37.html
