tag 機器學習

標籤
貢獻423
347
05:25 PM · Oct 25 ,2025

@機器學習 / 博客 RSS 訂閱

技術極客俠 - ruoyi框架 對接 EMQX

Vuex是一個專為Vue服務,用於管理頁面數據狀態、提供統一數據操作的生態系統。它集中於MVC模式中的Model層,規定所有的數據操作必須通過action - mutation - state change的流程來進行,再結合Vue的數據視圖雙向綁定特性來實現頁面的展示更新。統一的頁面狀態管理以及操作處理,可以讓複雜的組件交互變得簡單清晰,同時可在調試模式下進行時光機般的

機器學習 , 數據 , 初始化 , Vue , ruoyi框架 對接 EMQX , 人工智能

收藏 評論

mob6454cc7416d1 - 鏡像添加宋體

©作者 | Hanbo Cheng 單位 | NJUST 研究方向 | 場景文字檢測 論文標題: GLASS: Global to Local Attention for Scene-Text Spotting Abstract 本篇文章針對端到端的 Scene-Text Spottin

機器學習 , 雲計算 , 鏡像添加宋體 , 人工智能 , 深度學習 , 雲原生 , Python

收藏 評論

火星情報 - Zenlayer 攜手Palo Alto Networks 重塑 AI時代安全訪問解決方案

11 月 21 日,PaloAltoNetworks Ignite onTour2025上海年度安全峯會圓滿落幕。作為聚焦網絡安全前沿的行業盛會,本次活動以“安全釋放 AI 時代無限潛能”為主題,聚焦在 AI 時代,如何將網絡安全從傳統的防禦手段轉變為推動創新的核心引擎。作為 PaloAltoNetworks核心技術合作夥伴,Zenlayer 受邀參與了此次活動,不僅在現場展示最

機器學習 , 安全策略 , 組網 , 人工智能 , 解決方案

收藏 評論

mob64ca140a8e67 - 板載內存memoryinit

•DRAM:它的基本原件是小電容,電容可以在兩個極板上保留電荷,但是需要定期的充電(刷新),否則數據會丟失。缺點:由於要定期刷新存儲介質,存取速度較慢。 •SRAM:它是一種具有靜止存取功能的內存,不需要定期刷新電路就能保存它內部存儲的數據。其優點:存取速度快; 但是缺點是:功耗大,成本高。常用作存儲容量不高,但存取速度快的場合,比如steppingstone. 在嵌

機器學習 , 數據 , 初始化 , 人工智能 , 寄存器 , 板載內存memoryinit

收藏 評論

雲端築夢者 - BetaSchemaForm 的屬性

absolute與float 具有同樣的性質 包裹性 破壞性 absolute性質 可以脱離overflow的限制 無依賴的absolute定位 無依賴的定義: 不受relative限制的absolute定位,行為表現上是不使用top/right/

機器學習 , 文檔流 , BetaSchemaForm 的屬性 , 絕對定位 , 人工智能 , 九宮格

收藏 評論

小蝌蚪 - grpc有工業領域使用

RPA(Robotic Process Automation)譯為機器人流程自動化,又可以稱為數字化勞動力,是一種智能化軟件,通過模擬並增強人類與計算機的交互過程,實現工作流程中的自動化。RPA具有對企業現有影響小,基本不編碼,實施週期短,而且對非技術的業務人員友好等特性,RPA不僅可以模擬人類,而且可以利用和融合現有各項技術如規則引擎、光學字符識別、語音識別、虛擬助手、高級分析

機器學習 , grpc有工業領域使用 , 數據 , 雲計算 , 工作流程 , 雲原生

收藏 評論

南瓜 - 基於 YOLOv8 的駕駛員疲勞狀態識別系統實戰(含完整源碼與可視化界面)

基於 YOLOv8 的駕駛員疲勞狀態識別系統實戰(含完整源碼與可視化界面) 一、項目背景與研究意義 隨着汽車保有量的持續增長,疲勞駕駛已成為交通事故的重要誘因之一。據統計,在高速公路和長途駕駛場景中,由於駕駛員長時間保持同一姿態,容易出現注意力下降、反應遲鈍、頻繁眨眼、打哈欠等疲勞特徵,從而顯著提升事故風險。 傳統的疲勞檢測方法多依賴以下方式: 車載方向盤行為分析 心率、腦電等生理傳感器

機器學習 , 人工智能 , 深度學習

收藏 評論

mob64ca14147fe3 - vue 餓了嗎框架 element 餓了麼vue移動端框架

Vue移動端UI框架 自從Vue成為前端的主流框架之後,各家UI框架也越來越多,今天重點聊一聊移動端的那些框架吧,Vue移動端框架到底哪家強?以下排名不分先後,開發過程中根據自己的具體業務需求來做選擇。 1.Vux 中文文檔:https://vux.li/#/在線預覽:https://vux.li/demos/v2/?x-page=v2-d

機器學習 , 移動端 , github , vue 餓了嗎框架 element , 人工智能 , ui

收藏 評論

桃太郎 - window 網絡共享文件夾設置system用户可以嗎

先取消默認的"簡單共享"。打開"我的電腦",依次點擊"工具→文件夾選項",在打開的對話框中選擇"查看"選項卡,清空"使用簡單共享"前的複選框。 然後創建共享用户。單擊"開始→設置→控制面板",打開"用户帳户",創建一個有密碼的用户,假設用户名為user00,需要共享資源的機器必須以該用户共享資源。 接 下來設置要共享的目錄(假設為共享目錄為NTFS分區上的目錄test

機器學習 , 人工智能 , 用户名 , 右鍵 , 共享文件夾

收藏 評論

數據探索家 - 數據庫保存emoji報錯

Oracle數據庫:存放數據的倉庫 1)保存數據 – file是輕量級保存數據。 – 數據庫是重量級保存數據需要安裝軟件。 2)管理數據 有效增刪改查(CRUD),使用SQL語句來操作。 3)在項目開發中,運行在項目的後台。 項目分前台和後台。前台做界面。

oracle , 機器學習 , 數據庫 , 人工智能 , SQL , 數據庫保存emoji報錯

收藏 評論

lingyuli - stm32 cubemx 互補輸出極性

雙極性spwm調製雖然沒有單極性好用,但比單極性要簡單易懂一些,以下教程是如何利用stm32實現雙極性spwm調製. •T1,T2不能同時導通,T3,T4也不能同時導通,否則短路燒管子。 •解決方法:T1與T2用高級定時器的互補pwm輸出,並給合適的死區時間,T3與T4同,最

機器學習 , arm , C語言 , 單片機 , stm32 , 人工智能 , stm32 cubemx 互補輸出極性

收藏 評論

代碼匠人之心 - temu官方開發者後台

想做分享功能,發現網上好多博客由於sdk的升級,很多方法已經過期了,這裏做了一個基於Mob平台v3.2.0的一個簡單demo。 [2016.02.26最新版哦~~] 第一步:前期準備 因為分享涉及到比如,微信,qq,微博這樣的第三方平台,所以先要去你想實現分享的平台創建應用,獲取相應的appKey和相關信息。

機器學習 , 人工智能 , temu官方開發者後台 , 開發者 , ios , 功能

收藏 評論

數據科學家 - WAIC 2021 | 知乎CTO李大海:基於AI的智能社區多模態數據融合研究與實踐 -

一、前言 在當今大模型(LLM)主導的AI時代,多模態交互已成為標配——從DALL·E生成圖像到GPT-4o處理語音,海量的圖片、音頻、視頻數據需要在前後端之間高效流轉。然而,當大模型返回一個Base64編碼的2MB圖片時,你是否思考過:這種看似便捷的文本化傳輸,真的是最優解嗎? 二、為何大模型普遍傳輸Base64格式的多模態數據 在我

機器學習 , 算法 , AI , 人工智能 , 1024程序員節 , 前端開發 , Javascript

收藏 評論

落筆成詩 - nestjs 使用prisma 從數據庫中創建schema

prismjs 是一款輕量、可擴展的代碼語法高亮庫,使用現代化的 Web 標準構建,使用 Prismjs 可以快速為網站添加代碼高亮功能,支持超過113中編程語言,還支持多種插件,是簡潔、高效的代碼高亮解決方案。科技愛好者博客就是使用了Prism.js 實現漂亮的代碼語法高亮功能,本文教你如何在wordpress上快速使用Prismjs實現代碼高亮。 一、下載JS和CSS文

機器學習 , System , php , 人工智能 , Css

收藏 評論

全棧技術開發者 - 為什麼樹模型在結構化數據上如此有效?為什麼樹模型在結構化數據上比神經網絡更有效?隨機森林的隨機性是如何降低模型方差的?

在機器學習中,人們常常驚歎於深度神經網絡在圖像、語音和自然文本領域的突破性表現。然而,當問題回到表格化的結構化數據時,一種看似“樸素”的模型類型——樹模型(Tree-based Model)——卻長期佔據主導位置。從工業設備故障診斷到電子商務推薦系統,樹模型的表現常常超過複雜的深度學習架構。為什麼這種層級劃分的模型能夠在結構化數據上展現出如此強大的效能?這不僅是一個關於模型選擇的

機器學習 , yyds乾貨盤點 , 數據 , 神經網絡 , 人工智能 , 結構化

收藏 評論

小白獅ww - 揮手點亮聖誕:AI 3D 魔法樹教程

臨近聖誕節,大家都在思考如何讓今年更有儀式感:搞一棵聖誕樹,還是乾脆上一張濾鏡海報?但如果你想讓節日過得更「有科技味兒」,今年有個更酷的選擇——一棵能聽懂你手勢、會展示你的照片、還能隨你指揮聚散旋轉的「3D Christmas Tree」。 這個由 moleculemmeng020425 打造的項目,用 React 與 Three.js(R3F)構建出一棵由粒子、燈光和影像組成的立體聖誕樹;

機器學習 , 自然語言處理 , 教程 , 人工智能 , 深度學習

收藏 評論

智能開發者 - oem解鎖後如何還原

Oracle用户,權限,角色以及登錄管理 1. sys和system用户的區別 system用户只能用normal身份登陸em。除非你對它授予了sysdba的系統權限或者syspoer系統權限。 sys用户具有“SYSDBA”或者“SYSOPER”權限,登陸e

機器學習 , oem解鎖後如何還原 , 系統權限 , 數據庫 , 人工智能 , SQL

收藏 評論

Lab4AI - NeurlPS 2025!香港大學等聯合推出Concerto框架 突破單模態侷限,為三維場景理解注入新範式

論文標題:Concerto: Joint 2D-3D Self-Supervised Learning Emerges Spatial Representations 作者團隊:香港大學、香港中文大學、哈爾濱工業大學(深圳) 發佈時間:2025年10月28日 👉一鍵直達論文 👉Lab4AI大模型實驗室論文閲讀 ✅Lab4AI平台提供AI導讀和AI翻譯等工具,輔助論文閲讀。您還可以投稿復現這

機器學習 , 人工智能 , 計算機視覺

收藏 評論

數碼墨魚 - jemter提取authorization

前言 上一個接口返回的token作為下個接口的入參,除了前面一篇講到的用json提取器提取,也可以用正則提取。 json提取器只能提取json格式的數據,正則可以匹配任意的返回。 我現在有一個登陸接口A,登陸成功後返回一個token值。有一個獲取綁定卡號的接口B,但是接口B必須要先登錄後傳登錄的token才能訪問 A接口登錄接口文檔

機器學習 , 正則 , 人工智能 , 正則表達式 , Json

收藏 評論

u_15214399 - 【案例共創】從0開始使用華為雲開發者空間搭建房價預測模型

最新案例動態,請查閲【案例共創】從0開始使用華為雲開發者空間搭建房價預測模型。小夥伴們快來領取華為開發者空間進行實操吧! 本案例由:梅科爾工作室提供 1 概述 1.1 案例介紹 華為雲開發者空間,華為云為每個新生態開發者免費提供一台雲主機,每位開發者每年可享有數百小時的使用時長。雲主機預集成CodeArts IDE、代碼倉及JDK、Python等運

機器學習 , 雲主機 , 人工智能 , 開發者 , ci

收藏 評論

出手吧Glen - 免費,無限,批量AI換臉!支持直播!

大家好,我是立志替大家出手的AI區(最近在醖釀一個新東西,更新慢一點)UP主Glen。 寶子們,今天給大家帶來一個超酷的AI換臉神器——Roop-Unleashed,它簡直就是換臉界的“變形金剛”,功能強大到讓你驚掉下巴! Roop-Unleashed到底有多厲害? Roop是AI換臉領域的鼻祖級項目,但因為一些不可抗力,原作者停更了。

機器學習 , 換臉 , 人工智能

收藏 評論

夢斷藍橋魂 - arcgis把dem轉點

一:本博客的脈絡 (1 )做了例如以下更正:之前在網上搜到的結果是:arcmap座標點生成線和麪 ------注意該功能在ArcGIS10中沒有了,當時自己也沒有多想就轉載了,再此做一下更正或者叫做總結 (2 )ArcGIS10 1.0.1中是這個功能不是沒有了,是更換了工具而已,這個能夠查看arcgis 10.1的官方幫助文件。 (3

機器學習 , 圖層 , arcgis把dem轉點 , 數據 , 數據格式 , 人工智能

收藏 評論

jowvid - readmemh讀取失敗

一、read——讀操作 1.原函數 表頭文件 #include "unistd.h" 定義函數 ssize_t read(int fd,void *buf, size_t count); 函數説明 read()會把參數fd 所指的文件傳送count個字節到buf指針所指的內存中 fd——

機器學習 , 字節數 , include , C語言 , Linux , 人工智能 , readmemh讀取失敗

收藏 評論

合合信息解決方案 - RAG 技術如何讓大模型更好地處理私有文檔?

2025 年 12 月,OpenAI 正式發佈 GPT-5.2 大模型,以 “職場效率革新” 為核心,推出三版本細分策略,在編程、長文檔分析、多模態處理等專業知識工作場景中實現顯著突破,進一步推動大模型在企業級場景的深度應用。而隨着大模型在科研輔助、金融建模、內部知識庫搭建等私有文檔處理場景的需求激增,RAG(檢索增強生成)技術作為解決大模型私有數據訪問、降低幻覺風險的關鍵方案,

機器學習 , 人工智能 , 文檔解析 , 文檔處理 , 結構化

收藏 評論