links.md

中文版(第二版)书中的网页链接

按照国家相应的规定，我们无法在书中直接显示网页链接。这些链接如下所示。注：此处仅提供第二版链接，其包含了第一版的所有链接。

统一链接：

• 迁移学习最全代码和资料库：https://github.com/jindongwang/transferlearning
• 本书官网：http://jd92.wang/tlbook

第1章

• 链接1-1：这些免费图像来源: https://pixabay.com/zh/
• 链接1-2：新华社新闻：迁移学习是中国人工智能赶超的机会：http://www.xinhuanet.com/mrdx/2016-09/02/c_135653890.htm
• 链接1-3：https://icml.cc/
• 链接1-4：https://neurips.cc/
• 链接1-5：https://iclr.cc/
• 链接1-6：NIPS'19迁移学习研讨会：http://plato.acadiau.ca/courses/comp/dsilver/NIPS95_LTL/transfer.workshop.1995.html
• 链接1-7：美国DARPA迁移学习计划--认知和将之前学过的知识应用于新任务的能力：http://logic.stanford.edu/tl/TransferLearningPIP.pdf
• 链接1-8：ICML-06研讨会—结构知识迁移：http://orca.st.usm.edu/~banerjee/icmlws06/
• 链接1-9：AAAI-08研讨会—对于复杂任务的迁移学习：https://eecs.wsu.edu/~taylorm/AAAI08TL/index.htm
• 链接1-10：ICML-11研讨会—无监督和迁移学习：http://clopinet.com/isabelle/Projects/ICML2011/home.html
• 链接1-11：IJCNN-11挑战赛—无监督和迁移学习：http://www.causality.inf.ethz.ch/unsupervised-learning.php
• 链接1-12：NIPS-13研讨会—迁移学习和多任务学习的新方向：https://sites.google.com/site/learningacross/
• 链接1-13：ICCV和ECCV的迁移学习比赛2017：http://adas.cvc.uab.es/task-cv2017/
• 链接1-14：ICCV和ECCV的迁移学习比赛2019：https://sites.google.com/view/task-cv2019/home
• 链接1-15：ICLR-19研讨会—从有限的标注数据中学习：https://lld-workshop.github.io/
• 链接1-16：香港科技大学杨强教授团队利用迁移学习技术获得了ICDM室内定位大赛一等奖： https://www.kdnuggets.com/news/2007/n15/7i.html
• 链接1-17：IJCAI-18广告挑战赛冠军方案：https://zhuanlan.zhihu.com/p/40631601
• 链接1-18：ACL-19开幕演讲：https://www.msra.cn/zh-cn/news/features/acl-2019-ming-zhou
• 链接1-19：“好信杯”大数据算法大赛：http://3g.donews.com/News/donews_detail/2955859.html
• 链接1-20：平安科技医疗科技疾病问答迁移学习比赛： https://www.kesci.com/home/dataset/5e4d4e198d3880002da45af7
• 链接1-21：2020年微软研究团队使用仿真环境到真实环境中的迁移学习，训练现实世界中的无人机： https://tech.sina.cn/2020-03-26/detail-iimxyqwa3399986.d.html
• 链接1-22：2020年微软发布了史上最大的基于预训练的自然语言处理模型Turing-NLG： https://cloud.tencent.com/developer/article/1586451
• 链接1-23：2020年OpenAI启动了一项强化迁移学习的 “刺猬索尼克”游戏比赛： https://www.leiphone.com/news/201804/vKH66rt5xW0dycQL.html
• 链接1-24：NVIDIA发布迁移学习工具包：https://www.leiphone.com/news/201812/Cy3HiAmUh6J7P3gB.html
• 链接1-25：阿里巴巴利用迁移学习和元学习为其小样本数据的学习和系统安全保驾护航： https://www.jiqizhixin.com/articles/2019-12-10-7
• 链接1-26：亚马逊的语音助手Alexa则利用迁移学习使其迅速学会第二门语言：https://zhidx.com/p/144766.html
• 链接1-27：https://github.com/jindongwang/transferlearning/blob/master/doc/transfer_learning_application.md

第2章

• 链接2-1：标签分享网站Delicious: http://del.icio.us/

第3章

• 链接3-1：https://github.com/jindongwang/tlbook-code/tree/main/chap03_knn
• 链接3-2：https://www.python.org/
• 链接3-3：https://numpy.org/
• 链接3-4：https://pandas.pydata.org/
• 链接3-5：https://scikit-learn.org/
• 链接3-6：https://scipy.org/
• 链接3-7：https://pytorch.org/
• 链接3-8：https://www.tensorflow.org/
• 链接3-9：https://mxnet.apache.org/versions/1.9.0/
• 链接3-10：Office-31：https://faculty.cc.gatech.edu/~judy/domainadapt/
• 链接3-11：Office-Home：https://www.hemanthdv.org/OfficeHome-Dataset/
• 链接3-12：MNIST：http://yann.lecun.com/exdb/mnist/
• 链接3-13：USPS：https://git-disl.github.io/GTDLBench/datasets/usps_dataset/
• 链接3-14：SVHN：http://ufldl.stanford.edu/housenumbers/
• 链接3-15：Amazon Review dataset：https://jmcauley.ucsd.edu/data/amazon/
• 链接3-16：20Newsgroup：http://qwone.com/~jason/20Newsgroups/
• 链接3-17：Reuters-21578：https://archive.ics.uci.edu/ml/datasets/reuters-21578+text+categorization+collection
• 链接3-18：CMU-PIE：https://www.cs.cmu.edu/afs/cs/project/PIE/MultiPie/Multi-Pie/Home.html
• 链接3-19：DSADS：https://archive.ics.uci.edu/ml/datasets/daily+and+sports+activities
• 链接3-20：Opportunity：https://www.wes.org/fund/opportunity-challenge/
• 链接3-21：下载Office-31数据集和其ResNet-50特征：https://github.com/jindongwang/transferlearning/tree/master/data#office-31

第4章

• 链接4-1：KMM代码：https://github.com/jindongwang/tlbook-code/tree/main/chap04_instance

第5章

• 链接5-1：TCA代码：https://github.com/jindongwang/tlbook-code/tree/main/chap05_statistical
• 链接5-2：其他代码：https://github.com/jindongwang/transferlearning/tree/master/code

第6章

• 链接6-1：https://pythonot.github.io/
• 链接6-2：CORAL代码：https://github.com/jindongwang/tlbook-code/tree/main/chap06_geometrical

第7章

无。

第8章

• 链接8-1：https://poloclub.github.io/cnn-explainer/
• 链接8-2：https://github.com/jindongwang/tlbook-code/tree/main/chap08_pretrain_finetune
• 链接8-3：https://github.com/jindongwang/tlbook-code/tree/main/chap08_pretrain_finetune

第9章

• 链接9-1：https://www.imageclef.org/2014/adaptation
• 链接9-2：https://github.com/jindongwang/tlbook-code/tree/main/chap09_deeptransfer
• 链接9-3：https://github.com/jindongwang/transferlearning/tree/master/code/DeepDA

第10章

• 链接10-1：https://github.com/jindongwang/transferlearning/tree/master/code/DeepDA

第11章

• 链接11-1：https://github.com/jindongwang/transferlearning/tree/master/code/DeepDG

第12章

• 链接12-1：https://pytorch.org/hub/
• 链接12-2：Tensorflow hub：https://www.tensorflow.org/hub
• 链接12-3：Huggingface model hub：https://huggingface.co/models

第13章

无。

第14章

• 链接14-1：TorchSSL：https://github.com/torchssl/torchssl

第15章

• 链接15-1：http://host.robots.ox.ac.uk/pascal/VOC/voc2012/index.html
• 链接15-2：https://github.com/jindongwang/tlbook-code/tree/main/chap15_app_cv
• 链接15-3：https://pixabay.com/

第16章

• 链接16-1：https://github.com/jindongwang/tlbook-code/tree/main/chap16_app_nlp
• 链接16-2：https://huggingface.co/

第17章

• 链接17-1：https://espnet.github.io/espnet/
• 链接17-2：https://github.com/jindongwang/EasyEspnet
• 链接17-3：https://github.com/jindongwang/transferlearning/blob/master/code/ASR/CMatch
• 链接17-4：https://github.com/jindongwang/transferlearning/blob/master/code/ASR/Adapter

第18章

• 链接18-1：https://github.com/jindongwang/tlbook-code/tree/main/chap18_app_activity
• 链接18-2：https://github.com/jindongwang/activityrecognition/tree/master/code/python/feature_extraction
• 链接18-3：https://www.kaggle.com/jindongwang92/crossposition-activity-recognition

第19章

• 链接19-1：https://github.com/jindongwang/tlbook-code/tree/main/chap19_fl