tag 機器學習

標籤
貢獻423
341
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

zhangyideqingjiao_k86uq 頭像

FlowyAIPC - FlowyAIPC 發佈全新 4.0：開啓端側 AI 的主動生產力時代

【2025年11月28日】 —— 端側 AI 生產力工具FlowyAIPC正式發佈全新4.0版本。本次更新圍繞 “主動生產力”“端側智能”“本地化大模型加速” 三個方向進行了深度演進，進一步推動 AI 從工具型能力向真正的智能操作系統層能力邁進。 FlowyAIPC 4.0 聚焦於讓一台普通電腦成為可主動協助用户處理任務的個人 AIPC（AI Personal Computer） ，支持本地大模

機器學習 , llm , 自然語言處理 , 人工智能 , llama

收藏 評論

u_16099316 頭像

數據探索先鋒 - arcgis pro怎麼打開 dem

Arcgis Server 部署方案 發佈地圖服務 （一）添加GIS server 打開ArcGIS Desktop，添加地圖服務 GIS Server中，選擇Add ArcGIS Server，彈出如下界面： 點擊下一步 輸入url和名稱/ip

機器學習 , 圖層 , arcgis pro怎麼打開 dem , 切圖 , 人工智能 , 右鍵

收藏 評論

zhangyideqingjiao_k86uq 頭像

FlowyAIPC - 速來體驗 | FlowyAIPC v4.0.1 正式發佈

更強筆記 · 更易截圖 · 更多智能體 · 更順會議記錄 【2025年12月8日】 FlowyAIPC v4.0.1 版本已經正式上線，本次更新圍繞“效率提升”與“智能體驗”進行全面優化，為你帶來更順滑的創作體驗與更高效的工作流。 01｜筆記功能再進化：支持 PDF / Docx 導出 + 表格插入 本次升級，讓筆記功能正式邁向專業內容創作工具。 ✨ 支持 一鍵導出PDF、Docx 格式文件

機器學習 , llm , 知識 , 人工智能 , 程序員

收藏 評論

u_16213665 頭像

mob64ca140beea5 - matlab中stem函數數據點空心

MATLAB基本操作 創建數組 基於方括號創建 冒號創建行向量 函數創建 基於數組的拼接 數組數據提取 數組數據的相互賦值 end的使用用法：end再下標表達式當中表示最後一個下標值 相關運算 算術運算符

機器學習 , matlab中stem函數數據點空心 , 數組 , 邏輯表達式 , MATLAB , 子函數 , 人工智能

收藏 評論

u_15690955 頭像

出手吧Glen - AI一鍵生成無限流視頻，無敵！

大家好，我是立志替大家出手的AI區UP主格倫Glen。 你們是否會遇到以下情況，做短視頻缺乏吸睛亮點？想搞數字人短視頻又怕技術複雜？ 今天直接給大家挖到寶 ——FramePackLoop，這款開源神器，直接把“無限循環視頻生成”捲到新高度，連數字人短視頻都能一鍵拿捏，手殘黨也能秒變創作大神！ 一、FramePackLoop到底有多牛？

機器學習 , AI 視頻 , 數字人 , 建模 , 上傳 , 易用性 , 人工智能

收藏 評論

deephub 頭像

deephub - 別隻會One-Hot了！20種分類編碼技巧讓你的特徵工程更專業

機器學習模型處理不了原始文本。無論是線性迴歸、XGBoost還是神經網絡，遇到 "red" 、 "medium" 、 "CA" 這類分類變量都沒法直接處理。所以必須把它們轉成數字這個過程就是分類編碼。 大家入門時肯定都學過獨熱編碼或序數編碼，

機器學習 , 數據挖掘 , 分類 , 人工智能 , 前端開發 , Javascript , Python

收藏 評論

u_16099349 頭像

智能探索者 - FlexboxLayoutManager item不對齊

移動端佈局的時候關於上下左右居中最好拋棄使用line-height、text-align、padding、margin等調節 使用flex佈局簡單不易錯，設為 Flex 佈局以後，子元素的float、clear和vertical-align屬性將失效。 可以在總樣式自定義一個flex，如下 .x-flex-container

機器學習 , ico , 自定義 , 默認值 , 人工智能

收藏 評論

deephub 頭像

deephub - 機器學習超參數調優：十個實用的貝葉斯優化（Bayesian Optimization）進階技巧

貝葉斯優化（Bayesian Optimization, BO）雖然是超參數調優的利器，但在實際落地中往往會出現收斂慢、計算開銷大等問題。很多時候直接“裸跑”標準庫裏的 BO，效果甚至不如多跑幾次 Random Search。 所以要想真正發揮 BO 的威力，必須在搜索策略、先驗知識注入以及計算成本控制上做文章。本文整理了十個經過實戰驗證的技巧，能幫助優化器搜索得更“聰明”，收斂更快，顯著提升模型

機器學習 , 貝葉斯 , 人工智能 , 深度學習 , Python

收藏 評論

u_87634 頭像

新新人類 - CNN的神奇應用實例

Network In Network 是13年的一篇paper 引用：Lin M, Chen Q, Yan S. Network in network[J]. arXiv preprint arXiv:1312.4400, 2013. 文章的新點： 1. 採用 mlpcon 的結構來代替 traditional 卷積層；

機器學習 , 卷積 , 卷積核 , 人工智能 , 全連接 , CNN的神奇應用實例

收藏 評論

u_16213572 頭像

技術領航探索者 - poifsfilesystem 作用

使用 stdio.h 頭文件中的 fopen() 函數即可打開文件，它的用法為： FILE *fopen(char *filename, char *mode); filename為文件名（包括文件路徑），mode為打開方式，它們都是字符串。 fopen() 函數的返回值 fopen() 會獲取文件信息，包括文件名、文件狀態、當前

機器學習 , 數據 , include , 打開文件 , poifsfilesystem 作用 , 人工智能

收藏 評論

u_16213621 頭像

mob64ca14017c37 - defineModel的值為什麼TS推斷可能是undefined

# 編寫一個求平均值的函數 def f(*m): s = 0 lst = [] for i in m: while str(i).isnumeric(): s += i lst.append(i) else: print('輸入端內的內容包含有

機器學習 , 字符串 , 時間戳 , 人工智能 , Python

收藏 評論

kuaishoutech 頭像

快手技術 - NeurIPS 2025 | 快手聯合南開提出情感樹推理新方法，顯著提升多模態大模型情感理解能力

“情智兼備”是新一代人工智能邁向通用人工智能的重要方向。在人機交互中，從動態視頻理解並預測人類複雜演變的情感是一項重要挑戰，在安防、醫療等領域應用前景廣闊。儘管現有方法在基礎情感分類上表現良好，但難以有效建模情感的動態性與上下文依賴。當前視頻大語言模型雖提供了新思路，卻仍缺乏將面部線索融合為高層次情感表徵的能力，難以實現兼具情感智能與理性可解釋的預測。 針對這一瓶頸，快手可靈團隊與南開大學計算機視

機器學習 , 觀點 , 教程 , 知識

收藏 評論

u_12196 頭像

footballboy - kubemark壓測

Wrk壓測工具安裝使用 官方源碼：https://github.com/wg/wrk 安裝步驟： wrk只支持linux環境不支持windows環境， 安裝git，並配置git環境變量， 克隆源碼git clone https://github.com/wg/wrk 進入到源碼的

機器學習 , wrk , kubemark壓測 , 壓測 , 測試 , 人工智能 , 性能

收藏 評論

u_16099296 頭像

mob6454cc73e9a6 - cubemx中dma的adc配置

申請和釋放DMA緩衝區 1、申請和釋放DMA緩衝區 內存中用於與外設交互數據的一塊區域被稱作DMA緩衝區，在設備不支持scatter/gather（SG，分散/聚集）操作的情況下，DMA 緩衝區必須是物理上連續的。 對於ISA設備而言，其DMA操作只能在16MB以下的內存中進行，因此，在使用k

機器學習 , 物理地址 , 人工智能 , 虛擬地址 , ci , cubemx中dma的adc配置

收藏 評論

u_16213708 頭像

mob64ca14163a4f - SecureCRT Ymodem 文件名格式

SecureCRT是一款ssh client工具， 我通過SecureCRT遠程管理我的linux服務器。 根據個人習慣，首先想到的是修改SecureCRT 默認難看的外觀，在SecureCRT菜單欄位選擇"選項（O）"- "常規" - "默認會話"-"編輯默認設置（S）" - "終端" -"外觀" - 顏色方案："白/黑" 標準字體："Courie

機器學習 , 文件名 , linux服務器 , 上傳 , 人工智能

收藏 評論

u_16827017 頭像

全棧技術開發者 - 深度學習與傳統機器學習有什麼關係？反向傳播算法在深度學習訓練中為何如此關鍵？深度學習中的非凸優化問題如何影響模型收斂性？

在人工智能的發展歷程中，機器學習一直是研究的核心方向。自上世紀中葉以來，研究者致力於通過數學模型和算法，從數據中發現規律、預測結果並實現智能決策。這一過程不僅涉及統計學、優化理論和計算方法的深度結合，也推動了計算科學和信息理論的持續發展。傳統機器學習方法，如迴歸分析、支持向量機、決策樹和集成方法，為理解數據結構和建立預測模型提供了穩固的理論基礎，其理論體系清晰，模型可解釋性強，並

機器學習 , yyds乾貨盤點 , 數據 , 人工智能 , 深度學習

收藏 評論

u_17061379 頭像

AI編程社區 - Qoder Credits 用量表上線，速覽 Credits 消耗明細

針對用户關心的 Credits 消耗透明化問題，Qoder 正式上線 Credits 用量表，並全面展示 Credits 消耗明細。 公測期間，不少用户反饋積分消耗過快。Qoder 團隊一直在關注大家的反饋，並持續通過技術手段和功能升級優化 Credits 消耗。 通過技術升級提高了智能體工具的並行化能力和工程檢索準確率，單任務的token消耗顯著降

機器學習 , AI編程 , Qoder , 人工智能 , 開發者

收藏 評論

u_16827017 頭像

全棧技術開發者 - 支持向量機(SVM)是否適合大規模數據？這個大量數據是如何衡量的？分佈式SVM如何保持模型一致性？SVM在大規模數據下優化策略？

在過去二十餘年中，支持向量機（Support Vector Machine, SVM）一直是統計學習與模式識別領域的重要工具。其理論基礎源自結構風險最小化原則，結合幾何間隔最大化的優化目標，使得SVM在有限樣本條件下表現出優異的泛化能力。在文本分類、圖像識別、生物信息學等多種任務中，SVM憑藉穩健的訓練性質和嚴格的數學可解釋性，曾成為學術研究和工業應用的首選方法。 然而，隨

機器學習 , 核函數 , yyds乾貨盤點 , 數據 , 泛化 , 人工智能

收藏 評論

u_16099192 頭像

架構魔法之光 - js katex的renderMathInElement無效

剛才翻了一下博客，才發現，距離自己寫的第一篇Vue的博客vue.js之綁定class和style(2016-10-30)已經過去一年零兩天。這一年裏，自己從船廠的普通技術員，成為了一個微型不靠譜創業公司的普通碼農。發過一次燒，搬了兩次家，沒攢下什麼錢。好，牢騷發到這裏，接下來談談傳説中接近Vue底層的api==render函數。 一枚硬幣的兩面 很久很久以前，前端的數

機器學習 , 字符串 , Vue , 人工智能 , 官網

收藏 評論

u_14731 頭像

killads - SentenceTransformer自定義embedding

Servlet編寫步驟： A:自定義類繼承HttpServlet並根據需要重寫相關方法 B:在web.xml文件中註冊Servlet servlet servlet-nameHelloServletDemo01/servlet-name servlet-class

機器學習 , 實例化 , 類名 , servlet , 自定義 , 人工智能

收藏 評論

u_16213669 頭像

mob64ca140ce312 - QSharedMemory 共享數據

　　Qt提供了一種安全的共享內存的實現QSharedMemory，以便在多線程和多進程編程中安全的使用。 　　先説下實現共享內存的步驟，然後用一具體的實例説明。 　　（一）向共享內存中提供數據的一方： 　　1，定義QSharedMemory shareMemory,並設置標誌名shareMemory.setKey()，例如shareMemory.setK

機器學習 , 共享內存 , QSharedMemory 共享數據 , 數據 , 人工智能 , memory

收藏 評論

deephub 頭像

deephub - 機器學習時間特徵處理：循環編碼（Cyclical Encoding）與其在預測模型中的應用

做過電力負荷預測或者交通預測朋友，大概率都處理過時間特徵。這裏最直接的做法通常是把時間（比如分鐘或小時）直接扔進模型裏。這看起來邏輯自洽，但存在這一個大坑，就是“午夜悖論”。 比如説你的模型面對兩個時間點：23:59（一天的第1439分鐘） 和 00:01（一天的第1分鐘）。在我們的認知裏，這倆只差兩分鐘，但在模型的邏輯裏1439 和 1 可是不一樣的。大多數機器學習算法（線性迴歸、KNN、SVM

機器學習 , 人工智能 , 特徵提取 , Python

收藏 評論

u_16099225 頭像

數據探索者11 - 分庫分表以後設置 rewriteBatchedStatements沒有效果

隨着業務規模的不斷擴大，需要選擇合適的方案去應對數據規模的增長，以應對逐漸增長的訪問壓力和數據量。 數據庫的擴展方式主要包括：業務分庫、主從複製，數據庫分表。 1、業務分庫 業務分庫指的是按照業務模塊將數據分散到不同的數據庫服務器。例如，一個簡單的電商網站，包括用户、商品、訂單三個業務模塊，我們可以將用户數據、商品數據、訂單數據分開放到三台不同的數據庫服務器上，

機器學習 , 分表 , 數據庫服務器 , 數據庫 , 人工智能

收藏 評論