tag 機器學習

標籤
貢獻423
326
05:25 PM · Oct 25 ,2025
deephub 頭像 qingfouai 頭像 tecdat 頭像 u_17420180 頭像 chaoshenjinghyperai 頭像 lab4ai 頭像 u_17061379 頭像 youyudetusi 頭像 u_15214399 頭像 aigoto 頭像 u_15690955 頭像 MrVolleyball 頭像

@機器學習 / 博客 RSS 訂閱

u_13539 頭像

jowvid - GBDT迴歸預測實驗報告 gbdt分類與迴歸的區別

GBDT和XGBoost在工業界和競賽界有着廣泛的應用。雖然使用起來並不難，但若能知其然也知其所以然，則會在使用時更加得心應手。本文主要是根據對陳天奇大神的PPT和原始論文的學習，梳理一下GBDT和XGBoost的“知識點”。 首先我們先列出CART，GB，GBDT和XGBoost之間的關係。 CART是分類與迴歸樹（Classif

機器學習 , CART , 人工智能 , XGBoost , GBDT迴歸預測實驗報告 , GBDT

收藏 評論

u_16213647 頭像

mob64ca14079fb3 - mem0 RAG效果

hi，大家好，我是成田，這期分享怎麼樣調出有顆粒感的失真音色 首先來看下我這塊Laney的失真單塊，上面也是有四個旋鈕，那現在先來認識一下它們，並不是每個朋友和我都是同款，還是那句話，我先解説我的，大家拿着手上的單塊比劃就好，最重要是學習調節思路： 首先是左上角的D，就是Distortion的意思，失真度的大小，扭大，失真就變

機器學習 , ai怎麼取消顆粒效果 , 人工智能 , mem0 RAG效果

收藏 評論

u_16213673 頭像

mob64ca140dc73b - sentry vite 實現構建自動上傳 sourcemap

使用第三方工具AutoIt，實現文件上傳 使用第三方工具AutoIt，實現文件上傳 用於測試的HTML代碼： html head title上傳文件/title meta http-equiv="Content-Type" content="text/html; charset=utf-8" /head

機器學習 , 文件上傳 , 人工智能 , AutoIt , HTML

收藏 評論

u_16099203 頭像

網絡安全守衞 - ubuntu qemu搭建樹莓派4b

更新：原帖內容有點過時了 直接用buildroot，換上國內源，一鍵製作所有東西。 makeraspberrypi3_64_defconfig make 然後去output/images文件夾找sdcard.img 就行了，直接刻錄到sd卡，樹莓派3b就能運行。 其他關於buildroot的使用介紹，網上已經很多

機器學習 , Linux , bc , 人工智能 , ubuntu qemu搭建樹莓派4b , Git

收藏 評論

qingfouai 頭像

青否Ai - 數字人帶貨狂攬 23 億！數字人主播成電商新寵，直播帶貨迎來全新時代？

2025 年雙十一，數字人帶貨交出了震撼行業的成績單：京東平台數字人直播總成交額突破 23 億元，1.7 萬商家通過虛擬主播實現 24 小時不間斷開播，帶動平台整體轉化率提升 30%。（青否數字人源頭v：zhibo175） !從凌晨三點仍在滔滔不絕的國貨彩妝虛擬主播，到創下 5500 萬單場 GMV 的羅永浩 AI 分身，數字人正從直播帶貨的 “補充角色” 躍升為 “核心生產力”，引發行業對 “無

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

u_13873498 頭像

IT陳工 - AI編程環境安裝-Anaconda

1、安裝Python，建議3.10以上版本，具體步驟略 2、Linux環境： （1）anaconda官網下載軟件包 （2）給安裝程序進行chmod + x賦權 （3）執行安裝腳本，同意協議並指定安裝路徑 （4）安裝後會有提示 按照第一個指示，將安裝路徑下的bin目錄加入環境變量，之後執行conda init （5）執行後會

機器學習 , anaconda , 編程環境 , 人工智能

收藏 評論

meituanjishutuandui 頭像

美團技術團隊 - 新一代CTR預測服務的GPU優化實踐

CTR模型在互聯網的搜索、推薦、廣告等場景有着廣泛的應用。近年來，隨着深度神經網絡的引入，CTR模型的推理對硬件算力的要求逐漸增加。本文介紹了美團在CTR模型優化的實踐。通過分析模型結構特點，結合GPU硬件架構，我們設計了一系列流程對模型進行定製優化，達到了降低延遲、提高吞吐、節省成本的目標。 1 背景 CTR（Click-Through-Rate）即點擊通過率，是指網絡廣告的點擊到達率，即該廣告

機器學習 , 後台 , gpu

收藏 評論

u_13019 頭像

boyboy - 地形圖 高程點 如何轉化為 dem

本書的第二章主要解決了三個問題： 什麼是高度圖？怎麼創建高度圖？如何載入高度圖？ 如何使用直接的方法渲染地形？(how to render terrain using a brute force algorithm?) 如何使用fault formation與mid displacement算法動態生成高度圖，然後生成地形。

機器學習 , 地形圖 高程點 如何轉化為 dem , 像素點 , 叉乘 , 人工智能 , 迭代

收藏 評論

u_15641375 頭像

芯動大師 - LDO產品的基礎知識解析

低壓降穩壓器 (LDO)是一種用於調節較高電壓輸入產生的輸出電壓的簡單方法。在大多數情況下，低壓降穩壓器都易於設計和使用。然而，如今的現代應用都包括各種各樣的模擬和數字系統，而有些系統和工作條件將決定哪種LDO最適合相關電路，因此，現在我們需要關注這些決定性因素。 壓降電壓VDO，是指為實現正常穩壓，輸入電壓VIN必須高出所需輸出電壓VOUT(nom) 的

機器學習 , 封裝 , yyds乾貨盤點 , 熱阻 , rds , 人工智能

收藏 評論

u_16213632 頭像

mob64ca14040d22 - 基於cubemx的stm32輸入捕獲

PWM輸入模式： 定時器的捕獲單元，還可以同時使用兩個捕獲通道測量一個外部PWM信號的週期和佔空比。 在PWM的輸入模式下，輸入信號與兩個捕獲通道連接。假設使用捕獲通道1，2。在PWM一個週期開始之後，捕獲通道2在其上升沿將主計數器清除並開始向上計數，而隨後捕獲通道1捕獲到PWM的下降沿，此時就得到高電平週期。而捕獲通道2再次捕獲到下一個週期

輸入模式 , 機器學習 , 編碼器 , 人工智能 , 寄存器 , 基於cubemx的stm32輸入捕獲

收藏 評論

deephub 頭像

deephub - 向量化操作簡介和Pandas、Numpy示例

Pandas是一種流行的用於數據操作的Python庫，它提供了一種稱為“向量化”的強大技術可以有效地將操作應用於整個列或數據系列，從而消除了顯式循環的需要。在本文中，我們將探討什麼是向量化，以及它如何簡化數據分析任務。 什麼是向量化? 向量化是將操作應用於整個數組或數據系列的過程，而不是逐個遍歷每個元素。在Pandas中可以對整個列或Series執行操作，而無需編寫顯式循環。這種高效的方法利用了

機器學習 , numpy , 人工智能 , pandas , Python

收藏 評論

u_16213573 頭像

數據探索家 - mwavedemowisualize怎麼用

在vc中調用MATLAB產生的組建時，需要將vc中的參數轉換成mwArray格式。 對mwArray賦值，主要包括矩陣賦值和字符串賦值。 一.矩陣賦值 1mwArray 定義矩陣變量 mwArray A(rows, cols, type) 參數説明： A ： 變量名 rows：行數 col ：列數 type

機器學習 , 字符串 , 賦值 , bc , 人工智能

收藏 評論

u_16099209 頭像

雲端夢想家 - 導出 convertToExcelData 空數據不進入

最近在用c#的asp.net，需要批量導出數據。原本用的是stringbuilder逐個填充，但是隻能做到html強制格式轉換為xls，這不是真正的excel表格，所以在網上找了datatable快速填充到excel的方法。 使用該方法後，發現下載了以後的表格沒有辦法用exce軟件l打開，而且電腦的所有的excel文件都打不開了，重啓後才可以，花了一天時間才找到問題所在。

機器學習 , System , office , Interop , 人工智能

收藏 評論

u_16213629 頭像

mob64ca1403528a - dify 知識庫 embdding

1工作流開發概述 SharePoint基於WF（Window Workflow Foundation）構建了它的工作流功能。WF是SharePoint工作流框架的基礎，要深入瞭解SharePoint工作流的開發，首先應該瞭解WF的一些基礎知識，本章對WF的技術細節並不會過多講解。本節將講述SharePoint工作流的基礎知識，並介紹系統自帶的工作流模板的使用和默認的工作流

機器學習 , dify 知識庫 embdding , 字段 , 數據 , 人工智能 , Visual

收藏 評論

u_16213703 頭像

mob64ca14150f43 - GEEdem 下載

目錄 一、什麼是wget？ 二、整理list文件 2.1在線網站查找並確定gse號 2.2處理GSE號 2.3整理下載列表 三、下載與解壓 一、什麼是wget？ 一個婦孺皆知的，強大的下載工具不過多介紹了，小白可參考之前發佈的批量下載原始數據那篇文

GEEdem 下載 , 機器學習 , 數據挖掘 , 數據 , bash , Linux , 人工智能

收藏 評論

yekai_620f63e12c172 頭像

葉開 - 隱語可信數據空間MOOC第44講筆記：隱語在新能源車險聯合定價中的實踐

筆記內容來自隱語Mooc，歡迎一起來學習。Mooc課程地址：https://www.secretflow.org.cn/community/bootcamp/2narwgw4ub8r... 📘 8.6 隱語在新能源車險聯合定價中的實踐 主講人：陳超 | 螞蟻保車險聯合定價技術負責人 一、新能源車險的困境 1. 行業背景 新能源車銷量持續增長，滲透率快速上升（2024年預計達50%+）。

機器學習 , 教程 , 人工智能

收藏 評論

u_16213722 頭像

mob64ca1419a401 - aspx 圖片分頁展示 demo下載

在測試中，因需要分析頁面的響應時間慢的問題，看到此文挺詳細的，同時對一些小點細節，更進一步進行了説明，同時大家可看，原文：解讀Loadrunner網頁細分圖（Web Page Diagnostics） LoadRunner結果分析圖表功能中最重要圖表分析之一，就是網頁細分圖。 一、啓用網頁細分圖 首先在Controller場景設計運行之前，需要在菜單欄中設置Di

機器學習 , aspx 圖片分頁展示 demo下載 , Time , 客户端 , 人工智能 , Web

收藏 評論

u_16099166 頭像

數據小香 - implements Serializable後生成不了Serializable

C#序列化(Serialize)、反序列化(Deserialize) 序列化 序列化又稱串行化，是.NET運行時環境用來支持用户定義類型的流化的機制。其目的是以某種存儲形成使自定義對象持久化，或者將這種對象從一個地方傳輸到另一個地方。 .NET框架提供了兩種串行化的方式： 1、是使用BinaryFormatter進行串行化； 2、使用So

機器學習 , 串行化 , xml , 人工智能 , FileStream

收藏 評論

u_15650730 頭像

u_15650730 - Ollama本地電腦運行無限制AI模型超簡單案例

想在本地用一款 “無拘無束” 的 AI 模型？Ollama 能幫你輕鬆實現，但先得説清楚：這類 “越獄模型” 雖自由，卻可能藏着不少小麻煩。 一、手把手裝 Abliterated 無限制模型 1. 先搭好 Ollama 基礎 不管用什麼系統，先把 Ollama 裝上 —— 它是本地跑模型的 “底座”，操作很簡單： Windows/macOS：去Ollam

機器學習 , ollama , 人工智能

收藏 評論

u_16213567 頭像

數碼墨魚 - eXosip_get_remote_sdp失敗

數據來源 如果不知道彙編指令操縱的數據是什麼意義, 那麼你必定分析不出彙編指令在完成何種功能. 想要知道被彙編指令操縱的數據是什麼意義, 那麼你必須找到這個數據的值的來源(任何一個數據,它的初始值的來源有兩種: 一. 隨機值, 二. 人為賦值). 一個數據的來源一般有以下幾種: 來自直接給出的常量(比如: mov [0x40

機器學習 , 全局變量 , 數據 , 人工智能 , 局部變量

收藏 評論

u_13633 頭像

daleiwang - usb攝像頭的demo

前面的博客已經分析了USB攝像頭驅動程序的框架，我們知道了USB攝像頭驅動程序的重點在於1）描述符的分析；2）屬性的控制（通過VC來設置）；3）格式的選擇（通過VS來設置）；4）數據的獲得（通過VS的URB來獲得）。後面的博客就會從這4個方面進行深入的分析，本篇博客首先來看一下UVC驅動程序的描述符分析。 每一個USB設備都有一個設備描述符，設備描述符中有配置描述符，配置描

機器學習 , usb攝像頭的demo , include , Linux , 人工智能 , 描述符

收藏 評論

u_15690955 頭像

出手吧Glen - 字節出品，最強AI數字人，最新加強版！

大家好，我是立志替大家出手的AI區（最近繼續醖釀新東西）UP主Glen。 上次給大家安利了最新數字人“源神”威力加強版，今天繼續給大家分享它的最新加強1.5版！ 會説1、2、3、4就可以做數字人視頻了，你也能做出如下的短視頻！ LatentSync 1.5加強版 LatentSync就是個“口型同步大師”！

機器學習 , 視頻製作 , 數字人 , 人工智能 , 加強版

收藏 評論

u_15996251 頭像

明日cto - 機器學習——線性迴歸

線性迴歸是機器學習中最基礎、最常用的算法之一，主要用於預測連續數值（如房價、温度、銷售額等）。它通過建立一個線性關係模型，來擬合輸入特徵與目標變量之間的關係 一、基本概念 1.線性迴歸的定義 線性迴歸是一種監督學習算法，用於預測一個連續的目標變量（輸出）。 模型形式為： 其中： 是目標變量（預測值） 是輸入特徵

機器學習 , 線性迴歸 , yyds乾貨盤點 , 損失函數 , 人工智能 , 正則化

收藏 評論

openbayescom 頭像

OpenBayes - OpenBayes 教程上新丨字節開源 InfiniteYou 圖像生成框架，實現高保真面部特徵遷移

InfiniteYou（簡稱 InfU）是由字節跳動智能創作團隊近期推出的一款基於 Diffusion Transformers 的身份保持 (identity-preserved) 圖像生成框架。它通過先進的技術，能夠在生成圖像的同時保持人物身份的一致性，即在生成不同場景的圖片時能夠精準保留面部特徵。 作為該領域最早利用擴散 Transformer (DiTs) 的框架之一，InfU 系統性地解

機器學習 , 圖像識別 , tensorflow , 人工智能 , 深度學習

收藏 評論