tag 機器學習

標籤
貢獻423
312
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_16099326 頭像

編程小天才 - 一個vue項目配置rem 既能做移動端也能做PC端

目錄 第二篇完成度 Mock模擬數據 源碼: 折線圖 圖例 X軸 series配置數據 源碼 柱狀圖 template js mounted 餅圖 template js mounted 完整效果 第二篇完成度 接下來

機器學習 , 項目 , Vue , 開發技巧 , 人工智能 , 開源項目 , 前端

收藏 評論

u_16099279 頭像

夜行者3號 - jemeter 高併發測試 JSR223 Sampler 執行成功 為什麼沒有執行http請求呢

一，測試的url地址説明： 1,這是一個秒殺功能的url： http://127.0.0.1:8080/second/skusecond?actid=2020skuid=cpugreenbuynum=2userid=1peractlim=3perskulim=2 説明：這裏面有兩個參數需要我們設置成隨機選取值： buynum

機器學習 , 線程組 , 測試計劃 , 人工智能 , 右鍵菜單

收藏 評論

u_16213562 頭像

技術極客傳奇 - vue3 為什麼推薦script在前 template在後

1、vue3中的setup有什麼用? setup的設計是為了使用組合式api 2、為什麼不用之前的組件的選項 data、computed、methods、watch 組織邏輯在大多數情況下都有效。然而，當我們的組件變得更大時，邏輯關注點的列表也會增長。這可能會導致組件難以閲讀和理解，尤其是對於那些一開始就沒有編寫

機器學習 , 生命週期 , 優先級 , 數據 , Vue , 人工智能

收藏 評論

u_16213631 頭像

mob64ca1403c772 - 迴歸任務的決策擬合

一.寫在前面 　　本節主要講的是上一節學習圖中的按目標分類的橙色方塊中的regression，即所要解決的問題的解為數值。本節由一個案例貫穿，即預測神奇寶貝進化後的戰鬥力，挺有趣的一個案例。本節略長，請耐心看，相信會有收穫的，做我們這行的最重要的就是要有耐心。 二.案例説明 　　所要研究的案例是想要預測神奇寶貝進化後的戰鬥力用cp值表示，具體案例描述如下圖2-1

機器學習 , 迴歸任務的決策擬合 , 梯度下降 , 數據 , 損失函數 , 人工智能

收藏 評論

yekai_620f63e12c172 頭像

葉開 - 隱語可信數據空間MOOC第43講筆記：醫療健康數據安全協作的架構與實踐

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... 一、案例全景概覽 案例 行業場景 核心隱私技術 數據協作模式 關鍵目標 新冠重病預測 醫療健康 橫向聯邦學習 樣本跨

機器學習 , 教程 , 知識 , 人工智能

收藏 評論

u_16213682 頭像

mob64ca140fd7c1 - postgis授權其它schema

剛剛裝完了PostgreSql與pgadmin，現在又要裝PostGIS。説實話，現在還不知道它是幹嗎用的。據説，是個類似處理地理信息數據的增強包。可以有更豐富的函數調用。也有人叫擴展。（今天剛接觸，説的不對的，歡迎批評指正。後期，我瞭解了再更改見解吧）。不扯閒篇，下面就介紹安裝過程。 首先，還是借鑑前人的經驗，參考文獻：； 安裝上面的

機器學習 , 配置文件 , postgresql , 人工智能 , 安裝過程 , postgis授權其它schema

收藏 評論

u_17420180 頭像

合合信息解決方案 - 傳統OCR識別有什麼侷限性

在企業數字化轉型的浪潮中，文檔處理效率直接影響業務運轉速度。然而，許多企業在使用傳統OCR工具時，常常遭遇“識別了文字卻用不了數據”的尷尬局面——掃描件變成了亂碼文本，財務報表的表格結構全部丟失，合同條款被錯誤拆分。這些問題的根源，恰恰暴露了傳統OCR技術難以逾越的技術鴻溝。 圖像質量依賴症：模糊就“失明” 傳統OCR對圖像質量的要求近乎苛刻。當文檔出現模糊、光照不均

機器學習 , 數據 , 手寫體 , 人工智能 , 結構化

收藏 評論

u_16099327 頭像

AI智行者 - 當writeMode配置成update時updateColumn不配置會生效嗎

摘要: 下文講述updatetext的功能及舉例説明 實驗環境:sql server 2008 R2 updatetext關鍵字功能及語法説明 updatetext功能説明: updatetext的功能為:更新當前的text,ntext,image字段, 當我們可以使用updatetext更新列中的部分數據 updatetext語法簡介:

機器學習 , 字段 , 數據 , 人工智能 , SQL

收藏 評論

u_13357275 頭像

上海拔俗網絡 - OA辦公+AI智能體：讓辦公效率“開掛”的技術革命

在多數職場人的印象裏，OA系統是“流程審批機”——填表單、走流程、存文件，功能夠用但總顯繁瑣。而AI智能體的加入，正讓OA從“工具”升級為“辦公搭檔”，用實打實的技術優化，解決重複勞動、信息孤島、決策滯後等老問題。不用懂複雜算法，咱們就聊聊這些技術到底怎麼讓辦公變輕鬆。 AI智能體的核心，是給OA裝上“大腦”和“手腳”。“大腦”是自然語言處理（NLP）和機器學習技術，能聽懂人話、讀得

機器學習 , 規則引擎 , 數據 , NLP , 人工智能

收藏 評論

u_15469972 頭像

mb61c46a7ab1eee - Metropolis接受準則：隨機模擬與優化中的關鍵基石 - 實踐

Metropolis接受準則（Metropolis acceptance criterion）由Nicholas Metropolis等人於1953年提出，是馬爾可夫鏈蒙特卡洛（MCMC） 和模擬退火算法的核心組成部分。該準則通過以概率方式接受新狀態，使得算法能夠漸進地收斂到目標分佈，特別是在處理高維、多峯等複雜分佈時表現出色。

機器學習 , 搜索 , Css , 迭代 , 前端開發 , HTML

收藏 評論

u_15957839 頭像

MinionPy - 關於AI的學習筆記02.提示詞工程

提示詞就是我們輸入給AI的所有文本信息，包括問題、指令、背景信息、示例等。它決定了AI如何理解我們的需求。 為什麼叫提示詞“工程”呢？ 因為我們提問的過程需要技巧和方法，而不是隨便問問——這樣才能拿到更準確的、有用的回答，獲取高質量的解決方案。 寫好提示詞有6大原則： 1.明確性——準確表達意圖，清晰描述你的需求，避免模糊。使用具

機器學習 , 提示詞 , 人工智能 , 大模型

收藏 評論

u_16237826 頭像

軟件求生 - SpringAI + 圖像模型：一篇搞懂 OpenAI、智譜、千帆怎麼選

那天中午，我正在公司樓下買煎餅果子。 前面排隊的是產品經理阿強，他一邊啃着雞蛋灌餅，一邊問我一句：“小米啊，我們能不能用 AI 自動生成商品海報？一個促銷海報人肉 PS 三個小時，設計師要崩了。” 我腦子裏“叮”的一聲：SpringAI + 圖像生成模型，這不就用上了嗎？ 然後我就開啓了一場從“煎餅果子”到“企業級 AI 圖像生成平台”的奇幻漂流。今天，

機器學習 , 生成模型 , yyds乾貨盤點 , azure , 人工智能 , JAVA

收藏 評論

u_16827017 頭像

全棧技術開發者 - 矩陣的跡到底有什麼意義？跡如何描述平均拉伸效應？特徵多項式中跡係數的代數與幾何意義是什麼？跡操作如何保證統計平均與座標無關？

在線性代數的理論體系中，矩陣是描述線性映射和向量空間結構的核心工具。矩陣不僅用於描述有限維空間的變換，還廣泛應用於量子力學、統計力學、羣表示理論、微分幾何以及現代計算科學。在學習矩陣時，一個看似簡單的概念——矩陣的跡——經常被提及。 初次接觸跡的人可能會認為它只是矩陣對角線元素的求和： 然而，這種表面上的簡單掩蓋了其深層的數學與物理意義。跡不僅是線性代數中的數

機器學習 , 複雜度 , 線性變換 , yyds乾貨盤點 , 特徵值 , 人工智能

收藏 評論

u_16213647 頭像

mob64ca14079fb3 - Stm32cubemx LCD 經常不顯示

TFTLCD TDTLCD即薄膜晶體管液晶顯示器，在液晶顯示屏每個像素上都設置有一個薄膜晶體管（TFT），圖像質量高 一般TFTLCD模塊位3.3V供電，不支持5V電壓MCU，如果使用5V MCU需在信號線串接120R電阻使用 LCD使用16位80並口驅動，與OLED並口驅動類似 電容觸摸模塊使用SPI串口驅動 採用廠商提供

機器學習 , 嵌入式 , 數據 , 單片機 , stm32 , 人工智能 , define

收藏 評論

u_16213562 頭像

技術極客傳奇 - PSTView如何將pst轉為eml

　 做平面設計時為了作圖需要我們經常要把cdr的文件轉換為psd格式的分圖層文件，CorelDRAW是常用的矢量圖形制作工具，Photoshop是功能強大的圖像處理軟件，在做一些設計作品的時候兩款軟件偏重不同，各有千秋，當我們同時需要使用兩個軟件的時候，就存在格式轉換這一問題，這可能也是困擾許多小夥伴的難題。今天的CDR教程將教大家如何將CorelDR

機器學習 , Photoshop , 圖層 , 對象管理器 , 人工智能 , PSTView如何將pst轉為eml

收藏 評論

u_16213635 頭像

mob64ca1404baa2 - wpf datagrid 後端代碼添加 DataGridTemplateColumn

不同的狀態對應不同的操作，DataGrid中最後一列為操作列，裏面是Button控件。希望點擊Button後執行對應的操作，但是設置Button的Command="{Binding VideoOperationCommand}"後觸發不了操作。 XAML代碼如下： DataGrid ItemsSource="{Binding VideoList}"

控件 , 機器學習 , 上傳 , 人工智能 , ide

收藏 評論

u_17420180 頭像

合合信息解決方案 - 財務數字化轉型具體步驟是什麼

當企業財務部門還在為每月數百張發票錄入、跨系統數據核對而焦頭爛額時，行業領先者已經通過數字化轉型實現了效率的質變。某快消品集團五年投入5300萬元完成轉型後，每年節省人工成本超1000萬元，財務效率提升40%。這背後的關鍵，在於掌握了科學的分階段實施路徑。 第一步：明確轉型戰略與需求評估 財務數字化轉型的首要任務是制定清晰的戰略規劃。企業需要評估當前財務業務的運作情況

機器學習 , 業務流程 , 數據 , 人工智能 , 數據驅動

收藏 評論

u_16213616 頭像

mob64ca14005461 - cJSON_GetObjectItem堆棧溢出

函數調用時會在棧上有一系列的保留現場及傳遞參數的操作。棧的空間大小有限定，VC的缺省值是2M。棧發生溢出的情況一般是程序中分配了大量數組或遞歸函數層次太深。棧是由編譯器自動管理的，當一個函數調用完返回後它會釋放該函數中所有的棧空間。 堆是

機器學習 , 內存 , 堆 , 棧 , 管理 , 人工智能 , c

收藏 評論

u_17420180 頭像

合合信息解決方案 - 銀行AI中台建設方案及案例

當銀行數字化轉型進入深水區，AI中台建設已從“可選項”變為“必選項”。某股份制銀行與合合信息合作構建的全行級AI中台，僅用2個多月就上線40+模型，釋放37人年工作量，節約成本超千萬——這組數據背後，折射出銀行業在智能化轉型中的迫切需求與技術突破路徑。 銀行AI中台建設的核心痛點 傳統銀行在AI能力建設中普遍面臨“慢、舊、散”的困境。該股份制

機器學習 , 字段 , 人工智能 , 接口服務

收藏 評論

u_16099278 頭像

代碼工匠傳奇 - emui虛擬機

最近在研究zabbix監控，在實際生產環節中，我們不單單是需要對linux主機進行監控還需要對網絡設備防火牆等等進行監控，那麼在linux主機上我們可以安裝zabbix-agernt，但是在路由器交換上就沒法安裝了，因此，我們必須藉助snmp（簡單網絡管理協議）去手機設備上的相關數據進行分析，下面我們就來看看在華為設備上如何去配置吧！ 拓撲搭建 1.拖拽一個路由 一個

機器學習 , ip , emui虛擬機 , Linux , 人工智能 , 網絡接口

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 入選ICML 2025，Meta/劍橋/MIT提出全原子擴散Transformer框架，首次實現週期性與非週期性原子系統統一生成

在當今科學研究與工業應用的前沿領域，原子系統三維結構的生成建模正展現出顛覆性潛力，有望徹底重塑新型分子和材料的逆向設計版圖。從精準的結構預測到靈活的條件生成，當前最先進的擴散模型及流匹配模型已在生物分子解析、新材料研發及基於結構的藥物設計等關鍵任務中嶄露頭角，成為科研人員突破技術瓶頸的核心工具。 然而，在這一蓬勃發展的領域背後，一個關鍵難題始終制約着技術躍遷——現有模型缺乏跨系統的通用性。 儘管所

機器學習 , 資訊 , tensorflow , 人工智能 , 深度學習

收藏 評論

u_16099245 頭像

遊俠小影 - PID為4且進程名為System

2016-02-02 進程控制 進程標識 每個進程都有一個非負整型的唯一的進程id，因為進程id表示服總是唯一的，常將其用作其他標識符的一部分以保證其唯一性。 有某些專用的進程：進程id為0是調度進程，常常被稱為交換進程。該進程不執行任何磁盤上的程序，它是內核的一部分，因此也被稱為系統進程。進程id 1通常是init進程，在自舉過

機器學習 , 父進程 , 子進程 , waitpid最後以一個參數設為0 , unix , PID為4且進程名為System , 人工智能

收藏 評論

leafgood 頭像

leafgood - 一.機器學習基礎與特徵工程

1.機器學習基礎 1.1 數學基礎 需要的數學知識： 高等數學、線性代數、概率與統計。 當然一開始不用深入進去，可以在學習過程中逐步積累。 1.2 編程語言 人工智能領域很火的領域的自然是Python，門檻也低，可以作為機器學習入門的首選語言。 有精力的話，再學習C/C++，多一門語言傍身不是壞事。 1.3 機器學習的開發流程 1）從公司原有的數據庫或者爬蟲等途徑獲得原始數據

機器學習

收藏 評論