导读：本期为 AI 简报20210108期，将为您带来 9 条相关新闻，新年新气象，恭祝大家牛年大吉~

1. 技术宅硬核跨年，DIY墨水屏日历：自动刷新位置、天气，随机播放2000多条「毒鸡汤」| 开源

项目地址：
https://github.com/breakstring/eInkCalendarOfToxicSoul

自制一个电子墨水屏日历，需要几步？

是能自动刷新位置、天气情况，还能随机播放2000多条毒鸡汤的那种。

↑↑↑就像这样：如果我的人生是一部电影，那你就是一个弹出来的广告。每10分钟会刷新一条。

配上相框，相比于网购平台上售价299元的这一款，你觉得能打几分？

这样的一款新“产品”，来自微博博主@张欣 | Kenn。

并且，他还把制作方法开源了。

不过关于DIY墨水屏部分，作者也有说明，价格会超出产品价。小米有品的产品价在299，

而DIY的价格：231(墨水屏)+78.75(开发板)+50(电源)=359.75元。

咋还比网购平台上的贵了呢!其实很好理解，所有部件按零售价购买，自然比厂家进货价贵。

但技术宅享受的，不就是自己动手的乐趣吗？

2. 撕书吧！编程小白！你也能学的哈佛CS50，全美最受欢迎计算机入门课

课程官网：

https://cs50.harvard.edu/college/2020/fall/

哈佛校园里流传着这样一句话：「如果你没听说过CS50，那么，请不要说你读过哈佛。」

这门经久不衰的课程——CS50.，全名为计算机科学导论「Introduction to Computer Science 」，是哈佛最受欢迎的课程之一。

由著名的「撕书教授」戴维·马兰（David Malan）任首席讲师，Facebook联合创始人马克·扎克伯格和前微软首席执行官史蒂夫·鲍尔默都曾做客座谈。

这是哈佛大学对计算机科学的知识型企业的介绍，适用于具有或没有基础编程经验的专业和非专业的编程艺术，教会学生如何算法思考和有效解决问题。

主题包括抽象，算法，数据结构，封装，资源管理，安全性，软件工程和Web开发。语言包括C，Python，SQL和JavaScript以及CSS和HTML。

这是一个自定进度的课程，您可以按照自己的时间表参加CS50x。

3. YOLO从零开始：基于YOLOv3的行人检测入门指南

深度学习入门级项目，原文：

https://zhuanlan.zhihu.com/p/47196727

Github:

https://github.com/pascal1129/yolo_person_detect

本文主要针对初学。

按照下述步骤可以实现一个效果较好的基于YOLOv3的行人检测系统

本代码主要是针对YOLOv3的两个主流版本（AlexeyAB/darknet & pjreddie/darknet）的脚本辅助集合，主要用途如下：

1. 将YOLOv3常用的网址和资料归纳整理了一下；

2. 从VOC2007/VOC2012/COCO等数据集中提取出person类图片，并转换标注（使用VOC时默认保留了全部difficult=1的图片）；

3. 计算mAP正确率；

4. 从实验的训练日志中提取出loss变化图

进阶版：

行人检测与行人重识别结合

https://zhuanlan.zhihu.com/p/82398949

4. 智能车竞赛，AI视觉组赛题浅析

各位车友好，第十六届全国大学生智能车竞赛竞速组规则发布后，大家已经注意到由恩智浦赞助的AI视觉组是最具有综合性的一个组，感谢NXP继续对大赛的支持，让我们感觉了挑战性。

关于“第十六届全国大学生智能车竞赛竞速组-室内视觉组补充说明”的初稿详情大家可以通过卓老师的微信公众号推文了解到，点击此处查看。

初稿发布后，很多同学都对AI视觉组产生了浓厚的兴趣，同时也产生了很多疑问，所以，我们今天对AI视觉组的赛题进行一个简单分析，希望能给目前还在迷茫准备阶段的车友们打开一些思路。

根据初稿我们知道：车模限定使用C型车、微控制器限定使用NXP公司的MCU，推荐使用i.MX RT系列高性能MCU、传感器基本不限，可以使用OpenMV RT模块，但需要提醒的是该模块并不能完成这个赛题组的所有任务，文中有详细解释，请仔细阅读。

5. 深度学习500问--AI工程师面试宝典

github:

https://github.com/scutan90/DeepLearning-500-questions

jd 预售：

https://item.jd.com/12785031.html

《深度学习500问》AI工程师面试宝典新书终于上架啦！

系统地描述了深度学习的基本理论算法及应用。

全书共14章，第1-3章论述了数学基础、机器学习基础和深度学习基础；

第4-7章介绍了一些经典网络及计算机视觉领域中常用的CNN、RNN、GAN等网络结构技术；

第8-9章介绍了深度学习在计算机视觉领域的目标检测及图像分割两大应用；

第10-14章介绍了计算机视觉领域主要的优化方法及思路等，包括迁移学习、网络架构及训练、网络优化技巧、超参数调整及模型的压缩和加速等。

本书内容取材于编者在日常学习过程中总结的知识点及各大公司常见的笔试、面试题。

本书可为高等院校计算机科学、信息科学、人工智能、控制科学与工程、电子科学与技术等领域的研究及教学人员提供参考，也可为相关专业本科生及研究生提供思考方向，还可为深度学习及计算机视觉领域的初、中级研究人员和工程技术人员提供参考，尤其适合需要查漏补缺的应聘者及提供相关岗位的面试官阅读。

6. 「龙芯」即将IPO，国产CPU沉浮二十年 | 36氪

国产CPU第一股要来了。

不久前，中国证监会北京监管局官网披露，龙芯中科技术股份有限公司（下称“龙芯”）拟于科创板上市。龙芯是国内最早开始研发国产CPU的公司之一，这也是目前六大国产CPU厂商（天津飞腾、华为鲲鹏、兆芯集成、申威科技及海光信息）中首家科创板上市的公司。

龙芯20年的发展历程并不平坦。国产CPU最初在国内“自主vs引进”的摇摆中艰苦起步，为了突破英特尔的专利高墙，六大国产CPU用了三种不同的路线实现曲折前进。英特尔X86架构已经建立了专利、生态、知识产权的壁垒，这意味着国产CPU厂商需要一一突围。

经过20年的沉浮，国产CPU虽然在某些专用的领域已经到了初步的产品上量阶段，尴尬的是在商用市场还难得一见。在龙芯IPO之后，这也是国产CPU接下来能否真正实现国产化替代的决定性挑战。

舆论困境、架构路线的代价和市场化转型的磕磕绊绊，龙芯的20年也是国产CPU的20年。

7. 超强一代JupyterLab 3.0发布！兼具可视化调试、中文显示、简单交互界面等功能

JupyterLab 是广受欢迎的 Jupyter Notebook「新」界面。它是一个交互式的开发环境，可用于 notebook、代码或数据，因此它的扩展性非常强。用户可以使用它编写 notebook、操作终端、编辑 markdown 文本、打开交互模式、查看 csv 文件及图片等。除此以外，JupyterLab 还具有灵活而强大的用户界面。

就在近日，这款好用的工具发布了新版本 JupyterLab 3.0。

JupyterLab 3.0 在以下几个方面进行了改进：

• 可视化调试器；

• 支持多种显示语言；

• notebook 目录；

• 扩展系统。

三种安装方式：

1pip install jupyterlab==3
2mamba install -c conda-forge jupyterlab=3
3conda install -c conda-forge jupyterlab=3

8. 3万字长文带你轻松入门 Transformer

原文：https://zhuanlan.zhihu.com/p/308301901

Transformer结构是google在17年的Attention Is All You Need论文中提出，在NLP的多个任务上取得了非常好的效果，可以说目前NLP发展都离不开Transformer。最大特点是抛弃了传统的CNN和RNN，整个网络结构完全是由Attention机制组成。

最近 Transformer从NLP 杀进了 CV 领域，是真的"杀疯了"，很多CV垂直方向出现了不少工作。其中非常有代表性就是：DETR、ViT等。

本文从Transformer结构出发，结合视觉中的Transformer成果(具体是 ViT 和 DETR )进行分析，希望能够帮助 cv 领域想了解Transformer的初学者快速入门。

本文的大部分图来自论文、国外博客和国内翻译博客，在此一并感谢前人工作，具体链接见参考资料。本文特别长，大概有3w字，请先点赞收藏然后慢慢看….

附：Transformers in Vision: A Survey

（自行网上下载，24页综述，共计170篇参考文献！）

9. 融合视频目标检测与单目标、多目标跟踪，港中文开源一体化视频感知平台 MMTracking

GitHub 地址：

https://github.com/open-mmlab/mmtracking

新年伊始，香港中文大学多媒体实验室（MMLab）OpenMMLab 又有新动作，发布了一款一体化视频目标感知平台 MMTracking。该框架基于 PyTorch 写成，支持单目标跟踪、多目标跟踪与视频目标检测，目前已开源。

据介绍，MMTracking 具备以下主要特性：

1. 首个开源一体化视频目标感知平台

2. OpenMMLab 内部项目间的充分交互

3. 高效、强大的基准模型

你可以添加微信17775982065为好友，注明：公司+姓名，拉进RT-Thread 官方微信交流群！

 点击阅读原文进入官网