[深度应用]·DC竞赛轴承故障检测开源Baseline（基于Keras1D卷积 val_acc:0.99780）
在这次比赛中，我们提供一个真实的轴承振动信号数据集，选手需要使用机器学习技术判断轴承的工作状态。
深度应用
[深度应用]·实战掌握Keras图片分类简明教程
本文将通过一个实战方式，让大家能掌握Keras图片分类更轻松遨游在竞赛的海洋里。将以一个初学者的角度一步步教大家如何去完成一个类似分类的比赛，内容包括数据读取，模型搭建，网络训练，预测提交。让大家通过这个实战演练来掌握Keras图片分类。
[深度应用]·实战掌握PyTorch图片分类简明教程
我们在[PyTorch小试牛刀]实战六·准备自己的数据集用于训练讲解了如何制作自己的数据集用于训练，这个教程在此基础上，进行训练与应用。
[深度应用]·实战掌握Dlib人脸识别开发教程
Dlib是一个深度学习开源工具，基于C++开发，也支持Python开发接口，功能类似于TensorFlow与PyTorch。但是由于Dlib对于人脸特征提取支持很好，有很多训练好的人脸特征提取模型供开发者使用，所以Dlib人脸识别开发很适合做人脸项目开发。
[开发技巧]·TopN指标计算方法
在图片分类的中经常可以看到Top-1，Top-5等TopN准确率（或者时错误率）。 那这个TopN是什么意思呢？首先Top-1准确率最好理解，就是我们用argmax从网络输出取到的预测index与真实index的准确率。
[开发技巧]·Python极简实现滑动平均滤波（基于Numpy.convolve）
滑动平均滤波法（又称递推平均滤波法），时把连续取N个采样值看成一个队列 ，队列的长度固定为N ，每次采样到一个新数据放入队尾,并扔掉原来队首的一次数据.(先进先出原则) 把队列中的N个数据进行算术平均运算,就可获得新的滤波结果。
