一直保持的追求有三点：技术、快乐、财富，这里记录每周值得分享的内容，周五把欢乐送达。
技术
1、CV Basics in Excel
我们都知道，计算机视觉需要有一定的编程基础，没有编程基础的人可能很难玩得转边缘检测、人脸检测等常规的视觉算法。
不过，最近国外开源了一个名为Computer Vision Basics in Microsoft Excel的项目，很有趣，让没有编程基础的人，也可以体验到计算机视觉算法的乐趣。
这个项目不要求你提前掌握计算机视觉背景知识，但需要了解 Microsoft Excel 基础操作，会阅读 Excel 文档或上网搜索需要用到的公式的相关解释，你也能上手计算机视觉项目了。
使用 Excel 做计算机视觉，乍一听显得有点魔幻。但其实原理很简单：这个教程利用了 Excel 强大的单元格计算能力，只要将图像的像素数据转换为单元格，然后计算即可。
目前项目支持：
- 计算机视觉 Excel 基础
- 边缘检测
- 关键点和描述算子
- 人脸检测
- 文本识别
感兴趣朋友可以看一看。
项目地址：点击查看
2、LaZagne
LaZagne 是一个由 python 2.7 编写的用于提取计算机本地密码的工具，支持Linux、Windows、Mac多种操作系统。
工具功能很强大，比如我们可以利用这个工具，提取浏览器中记住的所有网站的账户名和密码。
除了能提取浏览器记住的账户名和密码，还可以提取计算机本地的admin密码等：
功能十分强大，谨慎使用，切勿滥用。
项目地址：点击查看
3、python small examples
零基础想要系统学习Python的朋友，可以试试Python Small Examples项目。
作者打造了一份中文 Python“糖果包”：200个代码小样，60秒一口，营养又好玩，从Python基础到机器学习尽皆囊括。
可以用Python做动画：
可以用Python做时间轮播图：
例子太多，就不一一列举了，总之200多个小例子，帮助你快速掌握Python。
项目地址：点击查看
4、updog
工作的时候，我们有时可能需要创建一个简单的http服务，用于浏览远程服务器的一些内容，或者做一个简单的页面展示，亦或者是为了方便远程现在服务器的一些资源。
无论什么，如果需要使用Python创建一个简单的http服务，就可以试一试updog。
经常用Python的应该都知道，Python有个SimpleHTTPServer，只需要一个简单的命令就可以创建一个http服务（Python3）：
1 | python -m http.server 8000 |
这句话的意思就是，使用8000端口，开启一个Web服务。
而updog就是号称，取代SimpleHTTPServer的一个工具。使用updog创建的http服务支持上传和下载的功能，也支持ssl，密码登陆等。
有使用需求的朋友，自然懂这个项目的好，无需我多言。
项目地址：点击查看
5、NoisyStudent
NoisyStudent是谷歌提出的新模型，Noisy Student是站在了EfficientNet这位“名师”的肩膀上，再进一步。
将ImageNet图像分类的top-1准确率提高到了87.4%，比此前最好的FixResNetXt-101 32×48d高出了1个百分点。
更令人惊叹的是，在ResNeXt-101 32×48d只达到了16.6% top-1准确率的ImageNet-A测试集上，Noisy Student一举将准确率提高到了74.2%。
ImageNet-A测试集包含7500个自然对抗样本，会导致SOTA模型的准确率大大下降。比如来自Facebook的知名选手ResNeXt-101 32×48d，就只能达到16.6%的top-1准确率。
在这个基准当中，Noisy Student一举将top-1准确率从16.6%提高到了74.2%。
Image-C和Image-P测试集则包含了模糊、雾化、旋转和缩放过的图像。换句话说，测试图像完全不同于模型的训练数据。
在ImageNet-C上，Noisy Student将平均错误率从45.7降到了31.2。
在ImageNet-P上，Noisy Student将平均翻转率从27.8降到了16.2。
也就是说，这个新模型不仅准确率又进一步，在鲁棒性上，更是实现了惊人的进步。
近期，NoisyStudent刚刚开源，感兴趣的朋友，可以试一试。
项目地址：点击查看
6、Reformer
Transformer自诞生以来，就在NLP领域刷新一个又一个纪录，称作当下最流行的深度学习框架亦不为过。
不过，拿下SOTA并不意味着十全十美。
比如，在长序列训练上，Transformer就存在计算量巨大、训练成本高的问题。
其对内存的要求从GB级别到TB级别不等。这意味着，模型只能处理简短的文本，生成简短的音乐。
此外，许多大型Transformer模型在经过模型并行训练之后，无法在单个GPU上进行微调。
现在，谷歌和UC伯克利推出了一个更高效的Transformer模型——Reformer。
在长度为L的序列上，将复杂度从 O(L2)降低到了O(L logL)。
并且，模型训练后，可以仅使用16GB内存的单个GPU运行。
项目地址：点击查看
7、GitHub CLI
在做项目的时候，通常我们会在本地写代码，并通过 Git 命令行追踪所有修改痕迹。如果你想托管或开源，也可以直接用 Git 把整个项目推送到 GitHub 上。
一般而言，Git 主要都是通过命令行操控，add、commit、push 三道命令一气呵成。当然 Git 也可以查看代码文件状态或回溯历史代码等等。自从有了 Git，命令行工具看起来都炫酷了许多。
当我们将本地代码提交到 GitHub 后，那么就可以在 GitHub 网站上查看各种交互信息了，例如其它开发者提的 Issue，或者提交的代码合并请求等。
但是，如果我们能在命令行上直接查看、处理这些信息，那么这一定非常酷。从 Git 到 GitHub，命令行能提供一条龙服务。
近日，GitHub 就满足了这种想象，其新发布了新命令行工具「GitHub CLI」，该工具能无缝对接 GitHub。正如官方博客所说的：「gh 命令将把 GitHub 的操作体验，都搬到命令行中」。
现在，macOS、Windows 和 Linux 都能安装这个命令行工具包。虽然 GitHub CLI 目前仍然是 Beta 版，但从我们的体验上，还是非常友好的。
比如，我们可以直接使用命令按需筛选 Issue：
在浏览器中，可以进行的操作，都可以酷炫地使用命令行完成。
总之，极客之选。
项目地址：点击查看
快乐
1、老师把表情包发错群，家长有点慌
2、网课听不进去
财富
最近的股市行情波动之大，历史罕见。
年初上证指数直接突破3100点，但春节后直接大幅回调，最低跌破2700点。大盘回调了14%，从半年以来的最高点直接回到半年以来的最低点，而用时只有短短10个交易日。
低点上车，绝佳时机。
其实很多时候，有的人可能不知道什么时候该上车，一个最简单的标准就是，大盘跌破3000点了，就可以考虑了。
而春节后的行情，可以用“没有最强，只有更强”来形容，2月6号至今，三大指数收盘价从未跌破5日均线，在左侧预警信号暂时解除以后，当下我们对趋势的判断就以5日均线的得失为短期市场强弱的判断标准即可。
最近股市，涨势太猛，也可以等待一下回调再上车。
最后
本周的程序员欢乐送，到此结束，下周再会。
