tag 機器學習

標籤
貢獻423
359
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_16099170 頭像

編程小匠人之魂 - windows defender節點所有者為system

雖然精靈是建立遊戲時使用的最重要的元素，Sprite Kit還提供了許多其他的節點類。這些節點類中的大部分都提供可視化的內容，類似的SKSpriteNode類。剩下的則不直接繪製自己的內容，而是修改它們在節點樹的後代的行為。表6-1列出了所有由Sprite Kit提供的節點類，包括你已經熟悉的SKScene和SKSpriteNode類。 表

機器學習 , 官方 , 人工智能 , apple , ios , Sprite Kit , 翻譯

收藏 評論

u_16213609 頭像

mob64ca13fe9c58 - keras 多層CNN搭建

一.輸入層 　　1.用途 　　　　構建深度神經網絡輸入層，確定輸入數據的類型和樣式。 　　2.應用代碼 　　　　input_data = Input(name='the_input', shape=(1600, 200, 1)) 　　3.源碼 def Input(shape=None, batch_shape=None,

機器學習 , keras 多層CNN搭建 , 卷積 , 人工智能 , 池化 , ide

收藏 評論

tecdat 頭像

拓端tecdat - 專題：2025-2026醫藥健康行業消費趨勢白皮書：數字化全景洞察|附180+份報告PDF、數據可視化模板彙總下載

**原文鏈接：https://tecdat.cn/?p=44379 原文出處：拓端抖音號@拓端tecdat** 當“脆皮打工人”在小紅書搜索“情緒養生方案”，當銀髮族在社區體驗智能監測設備，當跨境品牌通過AI優化健康產品出海鏈路——後疫情時代的醫藥健康行業，已從“被動治療”全面轉向“主動數字化管理”。這場變革中，消費需求從單點功能延伸至生活場景，技術革新重構行業效率，場景擴容打破傳統邊界，

機器學習 , 數據挖掘 , 算法 , 深度學習

收藏 評論

u_16213688 頭像

mob64ca14116c53 - em78P156

筆者在某智能水錶開發中使用了EM78P447芯片，對EM78系列芯片有了較深認識，在實踐中總結了一些開發此類芯片應注意的問題，同時給出了應用中的編程技巧。 市面上常見的介紹EM78系列的參考書中，都給出了一些應用實例，但這些實例一般程序代碼量較小，功能單一。雖然這些實例對於新手確實起到了很好的作用，但一個產品可能功能很複雜，程序可能達到幾千行，這就

機器學習 , 單片機ofeh , 子程序 , 數據 , 單片機 , 人工智能 , em78P156

收藏 評論

digitalocean 頭像

DigitalOcean - 利用騰訊開源 Hunyuan3D 2.1：在 DigitalOcean GPU Droplet 上快速搭建 3D 模型

你是否曾幻想將腦海中的創意或精美的 2D 圖像，瞬間轉化為能在虛擬世界中使用的 3D 模型？ 在人工智能逐漸成為創意“引擎”的今天，我們見證了圖像和視頻生成模型（如 Flux、Hi-Dream、Wan 等）帶來的巨大飛躍，它們讓“所思即所得”成為可能。然而，對於渴望將這些概念帶入遊戲、動畫、元宇宙或其他三維項目的創作者而言，“如何跨越 2D 到 3D 的鴻溝” 仍是一個巨大的挑戰。 長久以來，將

機器學習 , 圖像識別 , 深度學習

收藏 評論

u_16099353 頭像

漫步雲端的豬 - wakemeonlan工作在哪一層

在做計劃任務的時候，可能由於某些問題，任務沒有執行完成，導致任務重複的運行，解決這個問題，只需要一個flock命令就可以了。 flock --help flock (util-linux-ng 2.17.2) Usage: flock [-sxun][-w #] fd# flock [-sxon][-w #] f

機器學習 , 文件描述符 , 啓動腳本 , wakemeonlan工作在哪一層 , 人工智能 , 計劃任務 , shell

收藏 評論

u_16213559 頭像

時光機3號 - vue template 不可使用鍵值請將鍵值放在外部

前言： 最近項目開發中，有遇到需求如下圖： 即：在新增時只要求是否配置默認為否且不可點擊，但編輯時就比較麻煩了，首先判斷是否配置是“是”還是“否”，若“是”，則兩個都不可點擊，若“否”，則兩個都可點擊。 1.剛開始寫代碼時，實現新增時不可點擊很簡單 直接在show_table這個父組件中聲明一個變量去判斷，

機器學習 , 項目開發 , Vue , 編輯頁面 , 人工智能

收藏 評論

aigoto 頭像

逐夢AI - 基於 STM32 的智能窗户控制系統設計與實現【源碼分享】

基於 STM32 的智能窗户控制系統設計與實現【源碼分享】 智能家居的發展正讓越來越多的傳統設備煥發生機，而“窗户”作為家庭環境調節與安全防護的重要環節，其自動化與智能化價值也愈發顯現。本文將基於 STM32 微控制器 + ESP8266 Wi-Fi 模塊，設計並實現一個具備環境感知、安全監測、自動控制與遠程交互能力的智能窗户控制系統。整個方案以嵌入式設計為核心，兼具工程可實施性和軟硬件擴展能力。

機器學習 , 深度學習

收藏 評論

u_16099300 頭像

墨染青衫 - 從零開始掌握Python機器學習（附不可錯過的資源）

Python與機器學習入門概述 Python人工智能編程從零開始掌握機器學習基礎，是當今技術領域一項極具價值的技能。Python憑藉其簡潔易讀的語法、豐富的庫生態系統以及強大的社區支持，成為機器學習入門和實踐的首選語言。對於初學者而言，從零開始學習意味着需要系統性地理解機器學習的基本概念、掌握必要的數學基礎，並熟練運用Py

機器學習 , 後端開發 , sublime text , ci , Python

收藏 評論

yekai_620f63e12c172 頭像

葉開 - 隱語可信數據空間MOOC第39講筆記：新冠重病預測隱私計算案例

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... 詳細案例及代碼，可以查看文末的鏈接。 學習筆記：新冠重病預測隱私計算案例 一、工具介紹：SecretNote 定位：專為隱語學習和隱私計算開發者設計的高級工具套件，以Notebook形式呈現。 功能

機器學習 , 觀點 , 教程 , 知識 , 深度學習

收藏 評論

u_13424 頭像

flyingsmiling - setRightBarButtonItems 間距

一、直接通過以下幾個屬性進行設置 1 @property(nonatomic)　　　　　　UIEdgeInsets titleEdgeInsets; // default is UIEdgeInsetsZero 2 @property(nonatomic) UIEdgeInsets imageEdgeInsets;

sed , 機器學習 , 字段 , 人工智能 , 父類

收藏 評論

u_16213600 頭像

mob64ca13fc5fb6 - CMAKE_SYSTEM_PROCESSOR 有哪些值

CMake的策略管理用於維護版本的向後兼容,從版本2.0開始引入。 每個新發布版本一般都會引入一些新的策略，每個策略都會有一個標識號，格式 為CMPNNNN,NNNN對應四個0到9的整數。每個策略都在文檔中描述了OLD和NEW的行為，以及引入的原因。 CMake的策略是一種棄用機制，並不是可靠特性的切換，因此，策略的OLD行為一般不可取，因為在未來的版本中可能被

機器學習 , 子目錄 , 版本號 , cmake , 人工智能

收藏 評論

u_16213632 頭像

mob64ca14040d22 - 第一次提出fast RCNN的文章

1.5 個人計算、分佈式計算與客户/服務器計算 1977年，Apple計算機公司使個人計算(personal computer)得以普及。最初，擁有一台計算機只是愛好者的夢想，隨着它的價格不斷降低，人們可以購買供個人或辦公使用的計算機。1981年，世界上最大的計算機廣家IBM公司推出了IBM個人計算機(IBM Personal computer)。一夜之間，個人計算機遍佈公

機器學習 , 彙編語言 , 高級語言 , 人工智能 , 第一次提出fast RCNN的文章 , 機器語言

收藏 評論

u_16213567 頭像

數碼墨魚 - layer ui 後台demo

layui官方文檔 https://www.layui.com/doc/ 項目路徑等，引用的js及css可參考 工作之餘，非前端專業人員，參考 最基本的訪問路徑controller @Controller @RequestMapping("/layui/panel") public class LayPane

機器學習 , spring , js , layui , layer ui 後台demo , 人工智能 , HTML

收藏 評論

u_14405 頭像

fjfdh - systemd 有哪些 target network

systemd 介紹 systemd是目前Linux系統上主要的系統守護進程管理工具，由於init一方面對於進程的管理是串行化的，容易出現阻塞情況，另一方面init也僅僅是執行啓動腳本，並不能對服務本身進行更多的管理。所以從CentOS 7開始也由systemd取代了init作為默認的系統進程管理工具。 systemd所管理的所有系統資源都稱作Unit，通過syste

機器學習 , redis , 配置文件 , 人工智能 , Nginx

收藏 評論

u_16099245 頭像

遊俠小影 - 極限學習法 機器學習 極限怎麼學好

1.普通求極限 我們知道求極限的考點往往都是考分子分母型的，因為這樣可以有效利用等價/高階/低階無窮小的理論，即使求極限是加減乘的類型，我們也儘可能要轉化為除法的類型（這就是七種未定式），然而，知道這些還不夠，因為考研是一項選拔性考試，不是水平考核性質的考試，學會將應對水平考試的態度和習慣轉化為應對選拔性考試十分重要，在此基礎上，要清楚的認識到，高數教科書上的題只是

機器學習 , 極限學習法 機器學習 , 定積分 , 單調性 , 人工智能 , 四則運算

收藏 評論

deephub 頭像

deephub - 4個將Pandas換為交互式表格Python包

Pandas是我們日常處理表格數據最常用的包，但是對於數據分析來説，Pandas的DataFrame還不夠直觀，所以今天我們將介紹4個Python包，可以將Pandas的DataFrame轉換交互式表格，讓我們可以直接在上面進行數據分析的操作。 Pivottablejs Pivottablejs是一個通過IPython widgets集成到Python中的JavaScript庫，允許用户直接從Da

機器學習 , 人工智能 , pandas , Python

收藏 評論

senar 頭像

Senar - 機器學習和前端

TL;DR 現階段在前端應用機器學習，要針對合適的場景和需求，尋求特定化、輕量化的模型方案，最終往往有比較不錯的效果。展望未來，隨着硬件設備的迭代更新，用户羣體會有越來越高的 NPU 和高性能 GPU 的設備佔比，再加上 WebGPU、WebNN 這類加速 AI 推理計算的 API 和標準推出，未來的前端應用會大放異彩。 人工智能、機器學習、神經網絡、深度學習...... 這些詞到底是什麼意思？彼

機器學習 , 人臉識別 , tensorflow , 神經網絡 , 深度學習

收藏 評論

u_16099220 頭像

數碼精靈abc - ElementPlus 的unocss 配置

記錄自己搭建前端項目的學習過程和開發過程，希望一起學習進步 採用Vue3+element-plus+axios+vue-router+sass……（目前剛開始是用到了這些,隨着開發慢慢更新） npm是比較慢的， 所以我用的是pnpm。安裝指令：npm i pnpm 簡單介紹下作用 Vue3:前端框架,能看我這個博客的應該不用我介紹了吧~

機器學習 , 封裝 , 人工智能 , 官網 , ios

收藏 評論

u_16099272 頭像

墨舞天涯 - 會議室預約demo

題目描述 PP大廈有一間空的禮堂，可以為企業或者單位提供會議場地。這些會議中的大多數都需要連續幾天的時間（個別的可能只需要一天），不過場地只有一個，所以不同的會議的時間申請不能夠衝突。也就是説，前一個會議的結束日期必須在後一個會議的開始日期之前。所以，如果要接受一個新的場地預約申請，就必須拒絕掉與這個申請相沖突的預約。 一般來説，如果PP大廈方面事先已經接受了一個會場預約，

機器學習 , 數據 , include , 會議室預約demo , 人工智能 , ci

收藏 評論

u_16213724 頭像

mob64ca141a2a87 - AD 工程變更指令中 remove pins from nets

1 備份源工程,這樣即便是失敗也沒關係. 2 刪除工程對應的臨時文件,AAA.ncb,AAA.opt,AAA.APS 3 用文本編輯工具,不如UltraEdit,打開AAA.dsp,搜索字符串AAA,確認該字符串是工程名相關,並替換為BBB,替換完後,保存退出,修改AAA.dsp為BBB.dsp. 4 用文本編輯工具打開,AAA.dsw,

機器學習 , 文件名 , 文本編輯器 , 人工智能 , 工程文件

收藏 評論

u_16213572 頭像

技術領航探索者 - vaadin flow和element比較

struts2：數據校驗，通過XWork校驗框架實現（validation.xml） 根據輸入校驗的處理場所的不同，可以將輸入校驗分為客户端校驗和服務器端校驗兩種。服務器端驗證目前有兩種方式： 第二種： 使用validate()方法校驗時，如果Web應用中存在大量Action就需要多次重寫validate()方法，這使得代碼非常繁瑣。由於Struts2的

機器學習 , struts , 數據校驗 , xml , 人工智能

收藏 評論

u_16213725 頭像

mob64ca141a683a - cubemx以太網視頻

10GBase-T對應的是2006年發佈的IEEE 802.3an標準，可工作在屏蔽或非屏蔽雙絞線上，最長傳輸距離為100m。這可以算是萬兆以太網一項革命性的進步，因為在此之前，一直認為在雙絞線上不可能實現這麼高的傳輸速率，原因就是運行在這麼高工作頻率（至少為500MHz）基礎上的損耗太大。但標準制定者依靠4項技術構件使10GB

機器學習 , 屏蔽雙絞線 , 雙絞線 , cubemx以太網視頻 , 人工智能 , 數字轉換

收藏 評論