tag 機器學習

標籤
貢獻434
1300
05:25 PM · Oct 25 ,2025
deephub 頭像 tecdat 頭像 qingfouai 頭像 chaoshenjinghyperai 頭像 u_17420180 頭像 u_17061379 頭像 lab4ai 頭像 u_15214399 頭像 youyudetusi 頭像 aigoto 頭像 u_15690955 頭像 MrVolleyball 頭像

@機器學習 / 博客 RSS 訂閱

u_12197 頭像

jack - cubema怎麼創建隊列

一、 cube構建步驟 登錄頁面 創建Project 同步數據 1) 加載Hive表 2) 從同步的目錄中導入，即將上張圖中左側的數據庫中的表導入 3) 上傳Hive表 4) 添加流表。 創建Model 事實表關聯其他表創建一個model 1) 填寫基本信息 2) 選擇事實表

機器學習 , 數據 , hive , cubema怎麼創建隊列 , kylin , 人工智能

收藏 評論

huodadexiang 頭像

南瓜 - 基於 YOLOv8 的智能火災識別系統設計與實現— 從數據集訓練到 PyQt5 可視化部署的完整工程實踐

基於 YOLOv8 的智能火災識別系統設計與實現 摘要 隨着城市化進程的加快，火災事故頻發，傳統依賴煙霧傳感器或温感設備的報警方式在複雜環境中存在響應滯後、誤報率高、覆蓋範圍有限等問題。近年來，計算機視覺與深度學習技術的快速發展，使得基於圖像的火災自動識別成為智慧消防領域的重要研究方向。 本文圍繞一個基於 YOLOv8 的火災識別系統展開，系統性介紹了從數據集構建、模型訓練、性能評估，到 PyQt

機器學習 , 人工智能 , 深度學習

收藏 評論

deephub 頭像

deephub - Python環境管理的新選擇：UV和Pixi，高性能Python環境管理方案

近期Python生態系統發生了重要變化，特別是在包管理領域。Anaconda對其商業許可證政策進行了調整，要求大型非營利組織（員工超過200人）需要為使用其默認包倉庫的每位用户獲取商業許可。這一變化促使開發社區開始尋找更開放的解決方案，特別是考慮到Python本身及其大多數包都是開源的這一事實。 Python環境管理和包依賴處理一直是開發過程中的關鍵挑戰。傳統工具如virtualenv、pip和c

機器學習 , 人工智能 , 環境搭建 , Python

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 【Triton 教程】層標準化

Triton 是一種用於並行編程的語言和編譯器。它旨在提供一個基於 Python 的編程環境，以高效編寫自定義 DNN 計算內核，並能夠在現代 GPU 硬件上以最大吞吐量運行。 更多 Triton 中文文檔可訪問 →https://triton.hyper.ai/ 在本教程中，你將編寫一個比 PyTorch 實現運行更快的高性能層標準化 (layer normalization) 內核。 在此過程

機器學習 , 自然語言處理 , 人工智能 , 編譯器 , 深度學習

收藏 評論

u_16213700 頭像

mob64ca14144dde - tensorflow 輸出計算圖的json

前段時間因為課題需要使用了一段時間TensorFlow，感覺這種框架很有意思，除了可以搭建複雜的神經網絡，也可以優化其他自己需要的計算模型，所以一直想自己學習一下寫一個類似的圖計算框架。前幾天組會開完決定着手實現一個模仿TensorFlow接口的簡陋版本圖計算框架以學習計算圖程序的編寫以及前向傳播和反向傳播的實現。目前實現了前向傳播和反向傳播以及梯度下降

機器學習 , 人工智能 , 數據結構與算法 , 有向圖 , Python

收藏 評論

u_16099330 頭像

網絡小墨 - 拖拽控件elementplus

本期介紹一個前端拖拽插件interact.js，JavaScript拖放、調整大小和多點觸控手勢，適用於瀏覽器(以及IE9+). interact.js採用了一種與大多數拖放庫略有不同的方法。為了儘可能多地提供控制，它嘗試提供一個簡單、靈活的API，該API為您提供移動元素所需的所有拖拽api 安裝 npm install i

機器學習 , css3 , 拖拽控件elementplus , 人工智能 , HTML , html5 , Javascript

收藏 評論

u_16213584 頭像

mob64ca13f87273 - Geem引擎2201711

隨着webgl技術發展和計算機性能的提升，在二維、三維地圖的展示上，加上了不少良好的地圖效果，具有代表性的是echarts，不僅是做統計圖的類庫，在地圖渲染效果也有不少的樣例。 webgl是從opengl發展而來的，opengl主要是依賴桌面端實現相應的視覺效果，使用的也是偏專業的一些技術人員，目前web發展很火熱，對應webgl也跟着

機器學習 , 遊戲引擎 , 人工智能 , 官網 , vision , Geem引擎2201711 , gis

收藏 評論

u_16213559 頭像

時光機3號 - 下scrapy出現requirement already

Scrapy框架 settings.py 在settings.py文件中，可以設置關於scrapy爬蟲，比如反爬措施、提高性能等 一、反爬： 1、USER-AGENT設置： 　　創建一個USER-AGENT池，隨機從其中抽取一條作為request中的User-Agent； 　　demo： 1 USER_AGENT_LIST = [

機器學習 , windows , CLR , ip , 人工智能

收藏 評論

u_16213629 頭像

mob64ca1403528a - 頭歌 機器學習 決策樹 信息熵與信息增益

決策樹的幾個常用算法：ID3, C4.5和CART算法 原理： 要對數據進行分類，涉及到通過選取什麼樣的特徵對數據進行分類，比如將柚子和西瓜進行分類，可以選取（大小、顏色、甜度等特徵） 決策樹的功能就是判斷使用哪個特徵，然後選取他認為最好的特徵對數據進行分類。 那麼他是如何選取最好的特徵呢？ 對於ID3（選取信息增益最大的特徵），C4.5（選擇信息增

機器學習 , 決策樹 , 數據 , 信息增益 , 人工智能

收藏 評論

u_17420180 頭像

合合信息解決方案 - 銀行票據人工審核痛點有哪些

醫療票據造假正在成為保險理賠領域的"灰色地帶"。2020年至2021年間，某醫藥代表陸某使用WPS軟件將三名患者的EGFR T790M基因突變檢測報告從"陰性"篡改為"陽性"，導致醫保基金損失。2024年，內蒙古烏蘭浩特市更是破獲兩起醫療領域虛開發票案，涉案金額合計高達110億元，涉及1.6萬張虛假髮票。面對日益專業化的造假手段，保險公司如何防止假髮票成為行業亟需解決的難題。合合

機器學習 , 數據 , 神經網絡模型 , 複製粘貼 , 人工智能

收藏 評論

u_16099334 頭像

AI領域佈道師 - emjxxs用什麼軟件打開

在我們日常項目開發中，經常需要解析操作文檔，比如Office文檔、Email文件、PDF、Xml、圖片、Mp3等音頻文件，操作Office、PDF文件我們需要用到IFilter，操作文本、圖片文件需要用到File，每一個文檔格式都需要用到不同接口，或者引入不同的第三方插件。 今天給大家推薦一個開源庫，這些文檔格式通通支持，一網打盡，讓我們不需要再關

機器學習 , Parse , word , office , excel , 人工智能 , emjxxs用什麼軟件打開

收藏 評論

u_16099263 頭像

IT狼人9號 - UNIX中程序執行system ftp上傳文件報256

Unix下ftp常用命令： 1.ftp登錄 #ftp 主機名或IP 2.ftp常用操作 ascii 以ASCII模式傳輸數據； binary 以二進制模式傳輸數據，對可執行程式的傳輸比須用此； ls 顯示ftp服務器端目錄列表； cd 改動目錄； lcd 改動本機目

機器學習 , 文件名 , 服務器 , 人工智能 , 文件傳輸

收藏 評論

u_13633 頭像

daleiwang - script標籤在template標籤上面

這是一個偽命題嗎？ 首先，W3C 推薦 script 腳本應該被立即加載和執行，其次，經過網絡搜索，我只發現了 1 例相同的問題，所以這個問題的真偽其實還有待進一步驗證，但是從邏輯上説，瀏覽器會並行加載靜態資源，對於 Chrome，可以並行加載 6 個資源，如果其中一個資源獲取的比較緩慢，那麼會影響串行的下 6 個請求的發送，如果能夠預先測試出 6

機器學習 , 異步加載 , ViewUI , 加載 , 人工智能 , HTML , Javascript

收藏 評論

u_16213645 頭像

mob64ca1407216b - memtest86DQ算法

2017-2018-1 20155304 《信息安全系統設計基礎》第七週學習總結 教材學習內容總結 4.1:Y86指令集體系結構 程序員可見的狀態：每條指令都會讀取或修改處理器狀態的某些部分 Y86包括：8個程序寄存器、3個條件碼ZF\SF\OF、程序計數器（PC) Y86用虛擬地址引用存儲器位置，程序狀態的最後一個部分是狀態碼Stat

機器學習 , 程序計數器 , C語言 , 人工智能 , 寄存器 , memtest86DQ算法

收藏 評論

u_16213722 頭像

mob64ca1419a401 - openai接口 chat embedding

gpt的這api https://api.openai.com/v1/completions 參數都有哪些 API參數： 1. `prompt`: 要生成的文本的前綴 2. `engine`: GPT 模型，默認為 `davinci` 3. `stop`: 終止條件，最多生成的文本的長度，默認為 `None'，表示無限制 4. `temperature`:

sed , 機器學習 , API , 人工智能 , ide

收藏 評論

u_16213618 頭像

mob64ca1400bfa8 - disassemble 分析core文件

.net core dump分析 20211220 更新：利用VS或者命令內存分析 20210421更新：可以使用https://memprofiler.com/download和VS直接打開dmp文件 (內存泄漏查看比較方便，但是cpu線程分析還是用dotnet-dump analyze好一點) 20201211更新： 用https://docs.micros

機器學習 , microsoft , 加載 , 人工智能 , .net

收藏 評論

u_16213696 頭像

mob64ca14133dc6 - ubuntu中pt文件改成rknn

常用目錄作用 / 根目錄（不建議在根目錄下隨意操作，存放數據） /bin 命令保存目錄 /boot 啓動目錄，啓動相關文件 /dev 設備文件保存目錄 /etc 配置文件保存目錄 /home 普通用户的家目錄 /lib 系統庫保存目錄 /mnt 系統掛載目錄 /medi

機器學習 , 當前目錄 , 子目錄 , 目標目錄 , ubuntu中pt文件改成rknn , 人工智能

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 【vLLM 學習】Rlhf

vLLM 是一款專為大語言模型推理加速而設計的框架，實現了KV 緩存內存幾乎零浪費，解決了內存管理瓶頸問題。 更多 vLLM 中文文檔及教程可訪問 →vllm.hyper.ai/ *在線運行 vLLM 入門教程：零基礎分步指南 源碼examples/offline_inference/rlhf.py # SPDX-License-Identifier: Apache-2.0 """ 一個基於 v

機器學習 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

u_16213617 頭像

mob64ca140088a9 - 正態分佈 理賠 保險 機器學習 正態分佈的故事

正態分佈 神説，要有正態分佈，就有了正態分佈。 神看正態分佈是好的，就讓隨機誤差服從了正態分佈。 創世紀—數理統計 1. 正態分佈，熟悉的陌生人 學過基礎統計學的同學大都對正態分佈非常熟悉。這個鐘形的分佈曲線不但形狀優雅，它對應的密度函數寫成數學表達式 f(x)=12π−−√σe−(x−μ)22σ2 也非常具有數學的美感。其標準化後的概率密度

機器學習 , 正態分佈 , 二項分佈 , 數理統計 , 人工智能 , 正態分佈 理賠 保險 機器學習

收藏 評論

u_16213348 頭像

mob64ca12dc54c5 - windows ollama gpu運行

在高性能計算及機器學習模型的推理過程中，利用GPU加速是一項至關重要的技術。以“Windows Ollama GPU運行”為主題，我們將深入探討如何在Windows環境下成功部署和運行Ollama框架，以充分發揮GPU的計算潛力。 背景描述 當前的深度學習框架對計算資源的要求越來越高，尤其是在模型推理階段。GPU的並行計算能力讓其成為深度學習流程中不可或缺的部件。Ollama是一

機器學習 , 自然語言處理 , aigc , 深度學習

收藏 評論

u_16213698 頭像

mob64ca1413c518 - vue3使用時建議 把 script 寫在 template上面為什麼

作用： 將vue模板通過一系列過程處理，變成可以生成返回vnode的渲染函數。從而通過vnode渲染頁面 將模板編譯成渲染函數 大體可以分為三部分： 解析器：將模板編譯成AST(Abstract Syntax Tree)抽象語法樹。本質就是和vnode差不多的不同js對象 優化器：： 遍歷AST，標記靜態節點和靜態根節點 代碼生成器：：

機器學習 , 解析器 , 字符串 , 人工智能 , html解析器

收藏 評論

u_16099209 頭像

雲端夢想家 - coremail運維資料

新一代應用統一部署管理平台 Seal AppManager 採用平台工程的理念，通過降低基礎設施操作的複雜度為研發和運維團隊提供易用、一致的應用管理和部署體驗。Seal AppManager 幫助研發和運維團隊實現關注點分離，即運維工程師負責基礎建設，研發可以在零基礎設施知識的情況下實現應用部署管理。 本文以運維和研發兩個視角，介紹如何通過Seal Ap

機器學習 , coremail運維資料 , 運維 , 人工智能 , Docker , ui

收藏 評論