tag 機器學習

標籤
貢獻423
360
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

deephub 頭像

deephub - Pandas字符串操作的各種方法速度測試

由於LLM的發展， 很多的數據集都是以DF的形式發佈的，所以通過Pandas操作字符串的要求變得越來越高了，所以本文將對字符串操作方法進行基準測試，看看它們是如何影響pandas的性能的。因為一旦Pandas在處理數據時超過一定限制，它們的行為就會很奇怪。 我們用Faker創建了一個100,000行的測試數據。 測試方法 安裝： !pip install faker 生成測試數據的方法很簡答：

機器學習 , 人工智能 , pandas , Python

收藏 評論

openbayescom 頭像

OpenBayes - VibeVoice-Realtime TTS重構實時語音體驗；覆蓋9大真實場景，WenetSpeech-Chuan讓模型聽懂川話

公共資源速遞 5 個公共數據集： VOccl3D 三維人體遮擋視頻數據集 Spatial-SSRL-81k 空間感知自監督數據集 WenetSpeech-Chuan 川渝方言語音數據集 MMSVGBench 多模態矢量圖生成基準數據集 Fungi MultiClass Microscopic 真菌顯微圖像數據集 6 個公共教程： 基於手勢識別的 3D 聖誕樹 Dia2-TTS：

機器學習 , 算法 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

tecdat 頭像

拓端tecdat - 專題：2026年中國消費零售行業新圖景報告：消費者行為、品牌增長與AI應用|附540+份報告PDF、數據、可視化模板彙總下載

原文鏈接：https://tecdat.cn/?p=44449 原文出處：拓端抖音號@拓端tecdat 引言 2025年消費零售行業正站在“變革與機遇”的交叉點——一邊是AI技術深度滲透品牌情緒洞察、數字化重塑消費體驗，一邊是消費者在經濟波動中呈現“理性謹慎與品質追求並存”的矛盾心態：既會因價格上漲選擇“消費平替”或縮減開支，又願為健康、安全等核心需求支付溢價，Z世代更以“快樂消費”的獨特

機器學習 , 數據挖掘 , 人工智能 , 深度學習

收藏 評論

u_16099248 頭像

mob6454cc6d3e23 - Freemarker引擎模板與Velocity引擎模板

Tiny模板引擎 是一個基於Java技術構建的模板引擎，它具有體量小、性能高和擴展易的特點。 適合於所有通過文本模板生成文本類型內容的場景，如：XML、源文件、HTML等等，可以説，它的出現就是為了替換Velocity模板引擎而來，因此在指令集上在儘量與Velocity接近的同時，又擴展了一些Velocity不能很好解決問題的指令與功能，在表達多方面則儘量與java保持一致，所以

機器學習 , 高內聚 , 模板引擎 , 人工智能 , ci

收藏 評論

openbayescom 頭像

OpenBayes - 教程上新丨美團開源視頻生成模型LongCat-Video，兼具文生視頻/圖生視頻/視頻續寫三大能力，媲美開閉源頂尖模型

世界模型旨在理解、模擬與預測複雜的現實世界環境，是人工智能在真實場景中實現有效應用的重要基礎。在這一框架中，視頻生成模型通過其生成過程，逐步壓縮並學習幾何、語義、物理等多種知識形態，因而被視為構建世界模型的一條關鍵路徑，並有望最終實現對真實物理世界動態的有效模擬與預測。 而在視頻生成領域，實現高效的長視頻生成能力尤為重要。 基於此，美團開源了最新視頻生成模型 LongCat-Video，該模型旨在

機器學習 , 自然語言處理 , 教程 , 人工智能 , 深度學習

收藏 評論

u_16213665 頭像

mob64ca140beea5 - stm32cubemx配置有源晶振

在做項目時，碰到一個問題被困擾很久，採集交流電均值時會出現結果為零的情況，但是我設計的是採集一個週期數據的均值，因此是不可能為零的。 隨着不斷深入尋找錯誤，發現是因為我採用的模板晶振為8MHZ，而我使用的板子外部晶振為25MHZ。 出現這個問題的主要原因是，之前一直使用的是F103的板子，手冊上明確表示晶振的選型範圍是4-16MHZ

機器學習 , stm32cubemx配置有源晶振 , 人工智能 , 寄存器 , define , 晶振

收藏 評論

u_16213720 頭像

mob64ca14193248 - systemverilog 帶參數的宏定義

最近閒來無事，通過公司項目，對數字電路設計比較感興趣，於是接觸了Verilog 硬件描述語言，對FPGA產生了濃厚的興趣。 對Verilog和FPGA不瞭解的朋友們可以自行百度，本文只作為我的筆記。 一、Verilog語法 Verilog的基本設計單元是“模塊”(block)。一個模塊是由兩部分組成的，一部分描述接口，另一部分描述邏輯功

機器學習 , Verilog , 非阻塞 , 學習 , 賦值 , 人工智能 , fpga開發

收藏 評論

lab4ai 頭像

Lab4AI - AAAI2025論文！川大團隊領銜！用 “稀疏注意力” 幹掉手工特徵，讓圖像造假無所遁形 | 圖像編輯

01 論文概述 這篇頂會級工作由 四川大學計算機學院 + 教育部機器學習與工業智能工程研究中心 核心領銜（通訊作者：周吉喆教授），聯合 穆罕默德・本・扎耶德人工智能大學、澳門大學計算機與信息科學系 共同完成。 論文名稱：Can We Get Rid of Handcrafted Feature Extractors? SparseViT: Nonsemantics-Centered, Param

機器學習 , 神經網絡 , 算法 , 人工智能 , 深度學習

收藏 評論

u_16099193 頭像

落花有意飛花 - emgu怎麼找到相似的圖形

相似圖片搜索的原理 作者：阮一峯 日期：2011年7月21日 上個月，Google把"相似圖片搜索"正式放上了首頁。 你可以用一張圖片，搜索互聯網上所有與它相似的圖片。點擊搜索框中照相機的圖標。 一個對話框會出現。 你輸入網片的網址，或者直接上傳圖片，Google就會找出與其相似的圖片。下面這張圖片是美國女演員Alyson Ha

機器學習 , google , emgu怎麼找到相似的圖形 , 人工智能 , 灰度 , 圖片搜索

收藏 評論

u_16213687 頭像

mob64ca141139a2 - 建 AVD 時 No system images instaled for this target Ram

1. 概述 AVL樹是最早提出的自平衡二叉樹，在AVL樹中任何節點的兩個子樹的高度最大差別為一，所以它也被稱為高度平衡樹。AVL樹得名於它的發明者G.M. Adelson-Velsky和E.M. Landis。AVL樹種查找、插入和刪除在平均和最壞情況下都是O（log n），增加和刪除可能需要通過一次或多次樹旋轉來重新平衡這個樹。本文介紹了AVL樹的設計思想和基

機器學習 , 平衡二叉樹 , Max , 人工智能 , 子樹

收藏 評論

nizi_60e514d097c9a 頭像

MIAOYUN - MIAOYUN | 每週AI新鮮事兒（12.05-12.12）

本週全球科技企業及團隊在AI領域動作頻頻，騰訊、阿里、微軟、智譜、美團等企業相繼推出或開源涵蓋語言、語音、圖像、代碼、情感等類型的多款大模型；阿里、商湯及Linux基金會發布開源框架、視頻生成工具並推動行業標準統一；商湯、Adobe、騰訊同步新增數字人驅動、跨平台設計、羣消息總結等AI工具；與此同時，NVIDIA發佈新版CUDA工具包、美國調整芯片出口政策、全球首個太空LLM誕生，一起來回顧本週發

機器學習 , 資訊 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

lab4ai 頭像

Lab4AI - 10.7萬條軌跡+4大機器人構型！RoboMIND開源數據集破解機器人通用操作難題

01 | 引入 開發魯棒且通用的操作策略是機器人領域的關鍵目標。為實現有效的泛化能力，構建包含大量演示軌跡和在複雜真實環境中完成多樣化任務的綜合數據集至關重要。儘管現有研究已致力於整合各類機器人數據集，但仍缺乏統一的數據收集標準，且在多樣化任務、場景和機器人類型方面的高質量數據不足。因此，構建一個大規模、標準化的多構型機器人操作數據集具有重要意義。然而，現有數據集往往存在以下侷限： l 規模有限

機器學習 , 圖像識別 , 神經網絡 , 人工智能 , 深度學習

收藏 評論

u_16213643 頭像

mob64ca14068b0b - demo加解密在線

這個功能完全依靠一個第三方的類，ICSharpCode.SharpZipLib.dll，只是在網上搜了大半天，都沒有關於這個類的詳細解釋，搜索的demo也是各種錯誤，感覺作者完全沒有跑過，就那麼貿貿然的貼出來了。當然這個功能的實現也是基於前人的Demo，感恩！ 我創建的是個Windows窗體應用程序取名為ZipDemo。 2個文本框，4個按鈕 I

機器學習 , demo加解密在線 , text , 解壓縮 , Click , 人工智能

收藏 評論

yansuderoujia_bbdr0h 頭像

努力小雨 - 最強「學業成績分析壓力感知型 AI 心理陪伴」智能體—基於騰訊元器×TextIn大模型加速器×混元大模型的實戰構建

最強「學業成績分析壓力感知型 AI 心理陪伴」智能體—基於騰訊元器×TextIn×混元大模型的實戰構建 一、項目背景 在“雙減”政策深化與教育數字化持續推進的背景下，學生學業評價正在從“唯分數論”向“數據驅動的全面成長分析”轉型。成績單不再只是簡單的分數彙總，而是藴含着學生學習狀態、學科優勢、波動趨勢以及潛在心理壓力的重要數據載體。 然而，在當前教學實踐中仍普遍存在以下問題： 成績分析維度單一

機器學習 , 人工智能

收藏 評論

u_39037 頭像

jimoshalengzhou - HAL_I2C_Mem_Write 參數

I2C協議： I2C 通訊協議(Inter－Integrated Circuit)是由 Phiilps 公司開發的，由於它引腳少，硬件實現簡單，可擴展性強，不需要 USART、 CAN 等通訊協議的外部收發設備，所以被廣泛使用。 I2C物理層： 是一個支持設備的總線。在 一個i2c設備總線中，可以連接多個i2c設備，支持多個i

機器學習 , 上拉電阻 , 數據 , 單片機 , 嵌入式硬件 , 人工智能 , 寄存器

收藏 評論

u_16213600 頭像

mob64ca13fc5fb6 - outsystems怎麼hash轉換

哈希Hash 什麼是Hash 通過一些計算，把關鍵碼值映射到數組中的位置來訪問記錄，這個過程稱為散列（hash）。 重要組成： hash函數：把關鍵碼值映射到位置的函數稱為散列函數。用h表示。 hash表：存放記錄的數組稱為散列表。用HT表示。 槽（slot）：散列表中的一個位置稱為一個槽。

機器學習 , outsystems怎麼hash轉換 , 列表 , 數據庫 , c++ , 人工智能 , 散列表

收藏 評論

u_17061379 頭像

AI編程社區 - 用 Qoder 打造開源項目，GitHub 斬獲 1200+ Stars

大家好，我叫程序員晚風，一名 Python 開發者，也是開源項目 python-office 的作者。該項目在 GitHub 上已獲得 1200+ Stars，主要用於自動化處理辦公文檔。 今天，我想結合自己的實踐經驗，和大家分享如何藉助 Qoder 高效打造開源項目，並在 AI 編程時代快速成長。 無論你是專業開發者，還是業務驅動的“泛開發者

機器學習 , 自動生成 , 人工智能 , 開發者 , 開源項目

收藏 評論

swiftcommunity 頭像

Swift社區 - 【前沿聚焦】機器學習的未來版圖：從自動化到隱私保護的技術突破

摘要 本文聚焦機器學習領域的前沿技術趨勢，包括自動化機器學習（AutoML）、多模態學習和聯邦學習等熱門方向。文章將詳細解析這些技術的基本原理、應用場景及潛在突破點，並通過可運行的代碼示例進行實踐，幫助開發者理解這些技術並規劃未來學習路徑。 引言 近年來，機器學習技術取得了顯著進步。然而，伴隨技術的發展，新的問題和需求不斷涌現，例如模型自動化、多模態數據處理和隱私保護。本文將圍繞這些挑戰，探討三大

機器學習 , 自動化

收藏 評論

u_16099317 頭像

錦繡前程未央 - stream 循環demo

Stream流的特點_只能使用一次 public class FilterStudy04 { public static void main(String[] args) { //創建一個Stream流 StreamString stream = Stream.of("張三丰", "張翠山", "趙敏", "周芷若", "張

機器學習 , stream 循環demo , System , 函數式接口 , 人工智能 , JAVA

收藏 評論

congweibiaobaidemalingshu 頭像

小白獅ww - LAMMPS 教程：以單晶鋁為例，模擬材料單軸拉伸

LAMMPS（Large-scale Atomic/Molecular Massively Parallel Simulator）是一種經典的分子動力學仿真代碼，專注於材料建模。它旨在在並行計算機上高效運行，並且易於擴展和修改。LAMMPS 最初由美國能源部機構桑迪亞國家實驗室開發，現在包括來自許多機構的許多研究小組和個人的貢獻。LAMMPS 的大部分資金來自美國能源部（DOE）。LAMMPS 是

機器學習 , 自然語言處理 , 教程 , 人工智能 , 深度學習

收藏 評論

lab4ai 頭像

Lab4AI - 7M參數，幹翻巨無霸LLM！這款超小遞歸模型（TRM），在ARC-AGI上證明了“少即是多”

01 論文概述 論文標題：Less is More: Recursive Reasoning with Tiny Networks 作者團隊：三星AI實驗室（Samsung SAIL Montréal） 發佈時間：2025年9月6日 論文鏈接：https://arxiv.org/pdf/2510.04871 👉您可以跳轉到 Lab4AI 平台上去閲讀論文原文。 Lab4AI

機器學習 , 神經網絡 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

u_12192 頭像

angel - heml頁面讓變成小窗口頁面

PS雖然功能很強大，但很多人因為覺得難學而望而卻步，其實對於初學者或者工作幾年的CG專業人士來説，我們所使用的功能還是很有限的，並不會特別複雜，這裏我們總結了一些關於板繪初學者需要掌握的PS的幾個常用功能。 【主界面】 這是PS的主界面,對繪畫來説大致分為這四個區域。除了菜單欄和工具屬性欄，其他的都是可以自由拖動，組合，關閉。 如果想要打開，在菜單欄-窗

機器學習 , 快捷鍵 , 圖層 , 人工智能 , 結果顯示窗口如何縮小 , 右鍵 , heml頁面讓變成小窗口頁面

收藏 評論

showmeai2 頭像

ShowMeAI - 數據驅動！精細化運營！用機器學習做客户生命週期與價值預估！⛵

💡 作者：韓信子@ShowMeAI 📘 機器學習實戰系列：https://www.showmeai.tech/tutorials/41 📘 本文地址：https://www.showmeai.tech/article-detail/330 📢 聲明：版權所有，轉載請聯繫平台與作者並註明出處 📢 收藏ShowMeAI查看更多精彩內容 現在的互聯網平台都有着

機器學習 , 數據挖掘 , 生命週期 , 數據分析 , 用户增長

收藏 評論

u_16213715 頭像

mob64ca1417eedd - 泊松迴歸 擬合度

去年12月，美國康涅狄格州發生校園槍擊案，造成28人死亡。 資料顯示，1982年至2012年，美國共發生62起（大規模）槍擊案。其中，2012年發生了7起，是次數最多的一年。 去年有這麼多槍擊案，這是巧合，還是表明美國治安惡化了？ 前幾天，我看到一篇很有趣的文章，使用"泊松分佈"（Poisson distribution），判斷同一年發生7起槍擊案是否巧合。

機器學習 , 臨界值 , 取值 , 泊松分佈 , 泊松迴歸 擬合度 , 人工智能

收藏 評論