tag 機器學習

標籤
貢獻425
366
05:25 PM · Oct 25 ,2025
deephub 頭像 tecdat 頭像 qingfouai 頭像 u_17420180 頭像 chaoshenjinghyperai 頭像 lab4ai 頭像 u_17061379 頭像 u_15214399 頭像 youyudetusi 頭像 aigoto 頭像 MrVolleyball 頭像 u_15690955 頭像

@機器學習 / 博客 RSS 訂閱

u_16099169 頭像

編程夢想家 - 實時實例分割最新

本文主要解決視頻目標分割領域的一個基本問題：如何使分割模型能夠有效地適應特定視頻以及在線目標的外觀變化。 解決辦法：提出一個圖存儲網絡來對分割模型進行“學習更新”。 大概流程分為兩步：首先構建一個由全連接圖構成的情景存儲網絡，將幀存儲為節點，並通過邊捕獲跨幀的相關性。然後，可學習的控制器被嵌入以簡化內存的讀寫。 相比於以往模型的優勢：結構化的外部

機器學習 , 實時實例分割最新 , 神經網絡 , 人工智能 , 深度學習 , 計算機視覺

收藏 評論

u_17061379 頭像

AI編程社區 - 全球首個支持記憶感知的 Qoder JetBrains 插件正式上線

今天，備受期待的Qoder 插件已在 JetBrains 全家桶IDE（包括IntelliJ IDEA、PyCharm、WebStorm等）官方市場全面上線，開發者可以在熟悉的 IDE 中直接使用 Qoder Agent 能力進行編碼工作，無需切換環境，為開發者帶來高效、流暢的編碼體驗。 Qoder JetBrains插件集成全球頂尖的編程模型，是業

機器學習 , 重啓 , 人工智能 , 記憶感知 , 開發者 , 代碼規範

收藏 評論

u_16213690 頭像

mob64ca1411e411 - activemq消息隊列當消費一定數量的消息後就停止消費了

MSMQ全稱MicroSoft Message Queue，微軟消息隊列,是在多個不同的應用之間實現相互通信的一種異步傳輸模式，相互通信的應用可以分佈於同一台機器上，也可以分佈於相連的網絡空間中的任一位置。它的實現原理是：消息的發送者把自己想要發送的信息放入一個容器中（我們稱之為Message），然後把它保存至一個系統公用空間的消息隊列(Message

機器學習 , express , microsoft , server , soa , 人工智能 , 網絡

收藏 評論

u_15214399 頭像

u_15214399 - 【案例共創】基於華為開發者空間-Versatile Agent預置MCP資產快速構建税務AI助手服務

最新案例動態，請查閲【案例共創】基於華為開發者空間-Versatile Agent預置MCP資產快速構建税務AI助手服務。小夥伴們快來領取華為開發者空間進行實操吧！ 一、概述 1. 案例介紹 華為開發者空間-Versatile Agent為開發者提供了最新AI智能應用服務，不僅支持大模型，還支持MCP。通過MCP (Model Context Proto

機器學習 , 模型選擇 , 應用程序 , 人工智能 , 開發者

收藏 評論

u_16099200 頭像

數據探索者 - pacemaker使用fence_sbd

Heartbeat3.0.5+pacemaker 最近在部署openstack的雙控制節點上需要切換資源，所以學習了一下heartbeat和pacemaker，本來想用heartbeat 2但是操作系統是ubuntu 12.10的，apt下來版本直接是3.0.5的，為了以後部署方便只能硬着頭皮學了，網上關於3的內容

機器學習 , Pacemaker , 人工智能 , heartbeat , 網絡接口 , crm , apache

收藏 評論

u_16213664 頭像

mob64ca140bbb8b - keil5 tempalate的用法

幾乎所有玩ARM Cortex M單片機的壇友都是通過MDK Keil 5或者IAR環境進行單片機的程序開發的，俗話説工欲善其事必先利其器，我們天天都在用這個開發環境，那麼，有些在MDK Keil 5中的實用功能小技巧，大家又知道多少呢？ 1.並不是所有源文件（.c）都需要加進工程中，只需要添加必要的源文件即可。無論是什麼開發環境，只要是C/C++的工程，工程編譯時間的

機器學習 , keil5 tempalate的用法 , 源文件 , 頭文件 , 人工智能 , 編譯器

收藏 評論

congweibiaobaidemalingshu 頭像

小白獅ww - 目標再多也不怕！YOLOv13 把複雜場景「看穿了」

在真實場景裏，目標檢測模型經常被一些「刁鑽情況」整得措手不及：監控里人羣密密麻麻，模型只敢報「一坨」； 無人車想識別遠處的交通燈，結果紅綠燈被當成「發光點」；體育轉播裏球速太快，目標框剛跟上，球已經飛到下一幀；甚至在電商倉庫裏，一堆外觀相似的包裹排成一排 —— 模型直接「懵圈」，不知道誰是誰。 想要又快又準，其實比想象中難得多。YOLOv13 的出現，就是為了應對這些真實世界的「刁鑽題」。它

機器學習 , 圖像識別 , 教程 , 人工智能 , 深度學習

收藏 評論

u_15690955 頭像

出手吧Glen - 地表最強聲音克隆+語音生成神器！（整合包）

大家好，我是立志替大家出手的AI區UP主格倫Glen。 做視頻的朋友，誰沒為配音崩潰過？剪完一條美食探店視頻，AI把“一行（háng）人”讀成“一行（xíng）人”；想配段“無奈又帶點調侃”的吐槽，出來的聲音比機器人還僵硬； 更別提長文本配音中途崩掉，重錄又要花半小時——直到B站剛開源的IndexTTS 2.0最新威力加強版，親測完直接把手機裏

語音克隆 , 機器學習 , 進度條 , 人工智能 , 加強版

收藏 評論

u_16099325 頭像

數據小築 - 差分算法

一、差分算法簡介 1.1 簡介 差分算法的核心在於構建差分數組或矩陣，將對原始數據的複雜區間操作轉化為對差分數組特定端點值的簡單操作 ，從而實現對原數組的高效區間修改。在面對頻繁對數組某個區間的元素進行增減操作時，傳統方法往往需要對區間內每個元素逐一處理，時間複雜度較高；而差分算法通過巧妙的轉換，將這類操作的時間複雜度降至 O (1)，大大提

機器學習 , 數組 , 算法 , 差分 , 人工智能 , Css , 前端開發 , HTML

收藏 評論

u_12868 頭像

langrisser - temu統一服務標準提升體驗一致性

1.簡述CAP理論 簡介： CAP理論是分佈式的理論基礎 起初都是單體應用，隨着業務擴展，流量越來越大，單體扛不住高併發，分佈式將業務拆分成子業務部署到不同的機器上，不同的機器節點通過網絡進行通信，協作服務； 分佈式系統必須要考慮網絡分區的問題： 有網絡，就會有網絡交互的問題，假如A節點到

機器學習 , temu統一服務標準提升體驗一致性 , 數據 , 強一致性 , 數據一致性 , 人工智能 , 分佈式

收藏 評論

u_17583736 頭像

AI智能助理 - 人工智能要學哪些東西（AI入門必備知識全解析）

人工智能入門必備知識全解析：從疑問到行動指南 Q1：數學基礎是否必須？該學哪些內容？ 數學是AI的底層邏輯，但無需過度深究。核心需掌握線性代數（矩陣運算、向量空間，用於圖像處理與數據建模）1,4、概率統計（貝葉斯定理、分佈分析，支撐模型評估與決策）1,3以及微積分（梯度下降優化算法，提升模型精度）1,4。例如，推薦算法通過向量距離判斷用户相似性，本質是線性

機器學習 , 數學基礎 , AI入門 , Python編程 , 人工智能 , 深度學習

收藏 評論

youyudetusi 頭像

憂鬱的吐司 - AI賦能：AI引領職場變革，青否ai超級員工上線助力企業降本增效！

隨着科技的日新月異，生成式AI已經成為職場中不可或缺的一部分。它不僅提高了工作效率，還解鎖了全新的工作方式。據最新調研顯示，超過75%的全職員工已經開始在工作中使用生成式AI，這一比例比半年前有了顯著增長。這標誌着我們正處在一場職場革命的前沿！（青否ai員工源頭v：zhibo175） AI如何重塑職場？ · 效率提升：AI工具幫助員工節省大量時間，完成大部分任務，但更重要的是，它激發了全新的工作模

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

u_16237826 頭像

軟件求生 - 從 0 到 1 玩轉 Spring AI + 智譜 AI 向量模型，RAG 工程師都在用！

事情是這樣的。 上週，我負責的一個智能問答項目，老闆突然説一句話： “小米啊，我們要做知識庫檢索，搞個類似 RAG 的東西，支持語義搜索。” 我當場愣住：語義搜索？知識庫？向量？Embedding？ 老闆微微一笑：“別慌，用 SpringAI 接智譜 AI。” 那一刻，我的人生彷彿聽見了 命運的 Callback。於是，就有

機器學習 , yyds乾貨盤點 , 搜索 , 屬性表 , 向量空間 , 人工智能

收藏 評論

u_17119850 頭像

雲間月1314 - 在openEuler操作系統基礎上實現機器學習開發以及openEuler優勢分析

一、openEuler操作系統與機器學習開發適配性概述 我們都知道，openEuler 作為華為開源的企業級 Linux 操作系統，憑藉對鯤鵬架構的深度定製優化、經過工業級驗證的穩定內核性能以及持續擴容的開源生態支持，已成為機器學習開發領域的優選底座。其內核層面針對異構計算場景設計的智能算力調度機制，能夠動態分配 CPU、GPU 及 NPU 等硬件資源，精準匹配機器

機器學習 , 數據集 , 數據 , AI寫作 , aigc

收藏 評論

deephub 頭像

deephub - 從 Pandas 轉向 Polars：新手常見的10 個問題與優化建議

Polars 速度快、語法現代、表達力強，但很多人剛上手就把它當 Pandas 用，結果性能優勢全都浪費了。 下面是新手最容易犯的 10 個錯誤，以及對應的解決思路。 1、直接 read_csv而不用 scan_* 新手拿到一個大 CSV，上來就這麼寫： df=pl.read_csv("events.csv") 這會把整個文件一口氣塞進內存。文件一旦上了 GB 級別，內存直接爆掉，性能也

機器學習 , 人工智能 , pandas , Python

收藏 評論

congweibiaobaidemalingshu 頭像

小白獅ww - 當視覺模型開始「懂你所指」：SAM3 的能力遠超你想象

如果你曾經想過：「我能不能只用一句話，讓電腦在視頻裏自動找出所有『紅色揹包』？」或者希望在一張照片裏隨手點一下，就完成乾淨利落的分割，那SAM3正是為這些需求準備的。 隨着圖像與視頻數據的爆炸式增長，傳統分割方法往往需要大量標註或只能識別固定類別，難以應對複雜開放場景。SAM3 則通過統一的多模態輸入方式——文本、示例與視覺提示——讓模型能主動理解你的意圖，並在圖像與視頻中執行高精度檢測、分

機器學習 , 自然語言處理 , 教程 , 人工智能 , 深度學習

收藏 評論

weidejianpan 頭像

商湯萬象開發者 - LazyLLM教程 | 第16講：實戰：打造具備宏觀問答與圖表生成功能的論文問答的RAG系統

在前面的課程中，我們利用所學的 RAG 知識，搭建了一個基於論文的問答系統。但是當論文數量比較多時，針對一些統計信息，比如某個方向的論文數量、某個會議的論文數量等，如果只通過傳統的 RAG 是沒辦法對這些信息進行檢索的。 對此，本章將先簡單回顧之前內容，並在此基礎上再做升級，完成一個集統計分析和知識問答功能於一體的智能問答系統。 一、上節回顧 為了更好地理解本章內容，我們先簡要回顧前兩

機器學習 , 教程 , 知識 , 人工智能 , SQL

收藏 評論

u_14850 頭像

ctaxnews - dify agent 信息集合 Schema

1、集合的介紹 　　集合：可變的數據類型，他裏面的元素必須是不可變的數據類型，無序，不重複。 1.1、集合是如何定義的 1 #集合的定義方式1 2 set1 = set({1,2,3}) 3 #集合的定義方式2 4 set2 = {1,2,3} 5 print(set1,set2) 6 7 #這種會報錯，因為集合中的元素必

機器學習 , 數據類型 , 並集 , 人工智能 , 重複元素

收藏 評論

u_16213688 頭像

mob64ca14116c53 - stm32cubemx fmc W9825G6KH 200M 配置

/* USER CODE BEGIN Header */ /** ****************************************************************************** * @file : main.c * @brief : Main pro

機器學習 , include , stm32 , 嵌入式硬件 , 人工智能 , define , ide

收藏 評論

lab4ai 頭像

Lab4AI - 原來用聊天記錄就可以創造數字分身！WeClone項目在Lab4AI平台上的復現

01 | WeClone如何創造數字分身 擁有一個數字分身可能是很多人的一個願望。其實通過給大模型餵我們的聊天記錄，就可打造出我們的數字分身，當前爆火的Weclone項目採取的就是這種做法。先導出自己的聊天記錄，再把聊天記錄作為數據用來微調大模型，讓模型學習我們的語言風格和習慣，就能打造出專屬的數字分身。近期，有開發者在Lab4AI大模型實驗室成功復現WeClone項目，不需要準備繁瑣的環境，很容

機器學習 , 自然語言處理 , 人工智能

收藏 評論

u_15214399 頭像

u_15214399 - 【案例共創】基於機器學習的鑽石電商定價策略優化：數據驅動的精準價格預測

最新案例動態，請查閲【案例共創】基於機器學習的鑽石電商定價策略優化：數據驅動的精準價格預測。小夥伴們快來領取華為開發者空間進行實操吧！ 本案例由開發者：天津師範大學協同育人項目–翟羽佳提供 1 概述 1.1 案例介紹 年複合增長率達 12.4%。然而，鑽石作為高客單價、非標品類的代表，其價格受多維度因素影響（如 4C 標準、市場供需），傳統定價模式

機器學習 , 數據 , 人工智能 , 開發者 , Python

收藏 評論

qingfouai 頭像

青否Ai - 從數字人小白到直播達人：青否數字人直播系統30天體驗全記錄 ！

作為一名電商創業者，我一直在尋找能夠提升直播效率的解決方案。經過多方比較，最終選擇了青否數字人平台。30天的深度體驗讓我徹底告別了傳統直播的種種困擾，今天就來分享這段從入門到精通的真實體驗。（青否數字人源頭v：zhibo175） 初識數字人：打破傳統直播的認知邊界第一次接觸數字人直播時，我內心是充滿疑慮的。畢竟市面上號稱"實力強的智小小數字人平台"不少，但真正能做到"售後完善的數字人服務商"

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

u_16099280 頭像

編程小達人之心 - stm32 HAL_I2C_Mem_Read_DMA 不工作

這一期，我們接着上一期的內容，來看看ADC實驗與DMA實驗在實際的應用中的結合使用。就比如我們可以使用在自制遙控器的搖桿值的獲取和傳輸上。 下面舉例一個兩個搖桿的遙控器的搖桿獲取的代碼的ADC配置部分。 ADC_InitStructure.ADC_Mode = ADC_Mode_Independent; //獨立模式 ADC_InitStruc

機器學習 , 數據 , 單片機 , 搖桿 , stm32 , 嵌入式硬件 , 人工智能

收藏 評論