tag 機器學習

標籤
貢獻425
385
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

aigoto 頭像

逐夢AI - 基於 YOLOv8 的焊接表面缺陷檢測｜完整源碼數據集+PyQt5界面+完整訓練流程+開箱即用！

基於 YOLOv8 的焊接表面缺陷檢測｜完整源碼數據集+PyQt5界面+完整訓練流程+開箱即用！ 源碼包含：完整YOLOv8訓練代碼+數據集(帶標註)+權重文件+直接可允許檢測的yolo檢測程序+直接部署教程/訓練教程 源碼在文末嗶哩嗶哩視頻簡介處獲取。 nc: 3 names: [ '焊接不良', '焊接良好', '焊接缺陷' ] 項目摘要 本項目結合 YOLOv8 檢測模型 與 P

機器學習 , 深度學習

收藏 評論

aigoto 頭像

逐夢AI - 基於YOLOv8的牛行為檢測識別項目｜完整源碼數據集+PyQt5界面+完整訓練流程+開箱即用！

基於YOLOv8的牛行為檢測識別項目｜完整源碼數據集+PyQt5界面+完整訓練流程+開箱即用！ 源碼包含：完整YOLOv8訓練代碼+數據集(帶標註)+權重文件+直接可允許檢測的yolo檢測程序+直接部署教程/訓練教程 源碼在文末嗶哩嗶哩視頻簡介處獲取。 本系統通過 PyQt5 圖形界面 提供多種輸入方式，包括： 圖片識別：單張或批量圖片檢測牛的行為狀態。 文件夾識別：批量處理指定文件夾內的圖

機器學習 , 人工智能 , 深度學習

收藏 評論

aigoto 頭像

逐夢AI - 基於YOLOv8的可回收瓶類垃圾快速識別與自動化分揀｜完整源碼數據集+PyQt5界面+完整訓練流程+開箱即用！

基於YOLOv8的可回收瓶類垃圾快速識別與自動化分揀｜完整源碼數據集+PyQt5界面+完整訓練流程+開箱即用！ 源碼包含：完整YOLOv8訓練代碼+數據集(帶標註)+權重文件+直接可允許檢測的yolo檢測程序+直接部署教程/訓練教程‘ 源碼在文末嗶哩嗶哩視頻簡介處獲取。 本系統支持在多種場景下進行實時瓶類識別與分類： • 圖片識別 • 文件夾批量檢測 • 視頻流檢測 • 攝

機器學習 , 人工智能 , 深度學習

收藏 評論

qingfouai 頭像

青否Ai - 青否數字人：數字人+真人，雙驅動直播新模式，帶來六大顯著優勢！

直播新紀元已至，你準備好了嗎？ 近年來，直播行業如火如荼地發展，已成為企業營銷不可或缺的一部分。然而，隨着市場競爭的加劇，傳統的真人直播模式面臨諸多挑戰：主播精力有限、運營成本高昂、內容穩定性難以保證等問題逐漸凸顯。 正是在這樣的背景下，“數字人+真人”的雙驅動直播新模式應運而生，正在悄然改變直播行業的格局。（青否數字人源頭v：zhibo175） 1、突破時間與空間的限制（青否數字人源頭v：zh

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

tecdat 頭像

拓端tecdat - 2025人形機器人產業鏈全景分析報告：核心技術與市場趨勢|附130+份報告PDF、數據、可視化模板彙總下載

原文鏈接：https://tecdat.cn/?p=44288 原文出處：拓端抖音號 @拓端 tecdat 2023年特斯拉Optimus初代機帶着73公斤的“體重”亮相時，行業還在焦慮“它的續航能否撐過1小時”；僅僅兩年後，宇樹科技G1就以35公斤的輕量化設計，實現2.5-7.5mph的速度突破——這場“瘦身革命”的背後，藏着人形機器人量產的兩大關鍵：減速器精密傳動技術的國產突圍，以及鎂合金、

機器學習 , 數據挖掘 , 算法 , 深度學習

收藏 評論

qingfouai 頭像

青否Ai - 數字人互動直播：青否數字人引領虛擬直播新潮流！

在數字人互動直播的浪潮中，憑藉其先進的技術與強大的功能，成為眾多企業和創作者的首選。不僅提供了高度逼真的數字人形象和智能互動功能，還通過其強大的技術平台，為用户帶來了前所未有的直播體驗。 一、青否數字人互動直播的定義與技術支撐（青否數字人源頭v：zhibo175） 數字人互動直播是一種結合了人工智能、計算機圖形學、語音識別和自然語言處理等先進技術的直播形式。 通過創建虛擬的數字人

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

qingfouai 頭像

青否Ai - 數字人主播暴增5500萬GMV！揭秘AI分身如何24小時收割流量？

你還在為高昂的主播費用發愁嗎？還在擔心頂流主播突然"塌房"嗎？數字人主播正在以驚人的速度改變電商直播的玩法！ 從劉強東到羅永浩，從董明珠到胡劍涌，這些商業大佬的數字人分身正在直播間裏創造着令人瞠目的銷售奇蹟！羅永浩數字人首秀6小時吸引超1300萬人次觀看，GMV超5500萬元，部分品類帶貨量甚至超過真人直播！（青否數字人源頭v：zhibo175） 💡 數字人主播的驚人爆發力 數字人主播正在電商

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 - OCI GenAI + Spring AI = 向量檢索的最強組合，你準備好了嗎？

有時候，程序員的快樂真的很簡單——比如，終於搞懂了 OCI 的 GenAI 向量模型！那天我在辦公室喝着第二杯美式，看着控制枱跑出那行“Embedding completed successfully”，差點起立鼓掌。今天，小米就帶你走進 Spring AI 的世界，一起玩轉 OCI GenAI 向量模型 ——它不止能“理解文本”，還能為 AI 應用賦能，讓智能檢索、知識

機器學習 , 數組 , yyds乾貨盤點 , 搜索 , 人工智能 , ci

收藏 評論

u_16827017 頭像

全棧技術開發者 - 怎樣通俗地理解線性相關與線性無關？判斷線性相關性的常用方法有哪些？為什麼線性無關向量是向量空間基構建的核心？

在現代科學與工程的研究中，向量空間理論是分析和建模的基礎工具。從量子力學中的態矢量到信號處理中的特徵提取，再到機器學習中的高維數據表示，向量的結構關係直接決定了系統的複雜性和可分析性。理解向量之間的線性相關性和線性獨立性，不僅是掌握線性代數的關鍵，更是把握信息獨立性和系統完整性的前提。 表面上，線性相關與線性無關似乎只是簡單的數學定義：一組向量能否通過其他向量的線性組合表示

機器學習 , yyds乾貨盤點 , 數據 , 向量空間 , 人工智能 , 數據分析 , 線性代數

收藏 評論

u_15316473 頭像

阿里雲大數據AI技術 - PAI-DLC 支持一鍵提交 DataJuicer 任務，高效進行大規模多模態數據處理

隨着人工智能模型規模擴大和數據複雜度提升，整合多源異構數據實現多模態協同建模，已成為提升模型性能的核心路徑。高效的數據預處理體系需在保證數據質量與多樣性的前提下，突破大規模數據清洗、增強與合成的系統性技術瓶頸，以平衡訓練效能與成本控制。阿里雲人工智能平台PAI分佈式訓練PAI-DLC推出的一項全新任務類型DataJuiceronDLC，旨在為用户帶來開箱即用、高性能、穩定高效的數

機器學習 , 人工智能平台PAI , 阿里雲 , 人工智能 , 模型訓練 , 多模態數據處理

收藏 評論

u_15505879 頭像

資深程序設計 - 基於大數據的信貸風險評估的數據可視化分析與預測系統

1 研究背景 在現代金融市場中，信貸業務作為金融機構的核心業務之一，對於促進經濟增長、推動企業發展以及滿足個人資金需求等方面發揮着至關重要的作用。信貸業務的快速發展也伴隨着信貸風險的不斷積累。信貸風險主要包括信用風險、市場風險和操作風險等，其中信用風險尤為突出。信用風險是指借款人因各種原因未能按時足額償還貸款本息，從而給金融機構帶來損失的可能性。隨着全球經濟形勢的複雜多變、

機器學習 , 信貸分析 , yyds乾貨盤點 , 數據 , 數據可視化 , 後端開發 , Python

收藏 評論

u_6813689 頭像

程序員小2 - 使機器學習模型變的可解釋！！

核心原理 SHAP 的理論基礎來源於合作博弈論中的Shapley 值。 在一個合作博弈中，有若干個參與者（玩家），他們通過合作獲得一個整體收益。Shapley 值用於衡量每個玩家對整體收益的平均邊際貢獻。 在機器學習中： 玩家對應於特徵； 整體收益對應於模型預測結果； 因此，Shapley 值可以度量每個特徵在所有可能的特徵

機器學習 , 基線 , 示例代碼 , 代碼人生

收藏 評論

u_16237826 頭像

軟件求生 - 這波AI太原生了！SpringAI讓PostgreSQL秒變智能數據庫！

大家好呀，我是小米，一個愛折騰也愛分享的大哥哥。 最近有個小夥伴跟我説：“小米，我現在的AI項目需要用到向量檢索，但我的數據全在PostgreSQL裏，難道我還得搭個外部Embedding服務嗎？” 我笑了笑，抿了口咖啡，輕輕地説：“不一定哦～你聽過 PostgresML 向量模型 嗎？它能讓你的數據庫直接變成一個AI模型倉庫！” 於是，我給他講了一個故

機器學習 , yyds乾貨盤點 , yaml , 數據庫 , postgresql , 人工智能

收藏 評論

u_13424 頭像

flyingsmiling - freemarker 預編譯

本文説是為了熟悉gcc/g++編譯器，除此之外，還希望讀者能對源程序被執行起來的整個過程有更深刻的理解。 gcc和g++的用法差不多，本文就以gcc為例來講解 一個源程序被執行起來首先要經過四個步驟：預編譯、編譯、彙編、鏈接。

機器學習 , gcc , 靜態庫 , 編譯與鏈接 , freemarker 預編譯 , 人工智能 , 動態庫

收藏 評論

MrVolleyball 頭像

MrVolleyball - 彩筆運維勇闖機器學習--多元線性迴歸（實戰）

前言 書接上文，上一小節簡單介紹了多元迴歸的基本原理、使用方式，本小節來實踐：qps與cpu、內存、磁盤io、網絡io之間的關係 獲取數據 參考一元線性迴歸的獲取方式 from flow import * from datetime import datetime start_time = datetime.strptime('2025-04-06 00:00:00', '%Y-%m-%d %H

機器學習

收藏 評論

MrVolleyball 頭像

MrVolleyball - 彩筆運維勇闖機器學習--最小二乘法的數學推導

前言 今天我們來討論一下回歸算法當中的數學實現。本人數學也是渣，大學時期概率論一直掛到清考才勉強通過，+_+ !!，如今勇闖機器學習，硬着頭皮重新學習了微積分和線代，也是為了記錄自己最近的狀態，避免過段時間忘記了。描述的時候有不周全的地方，請各位大佬們多擔待了 本節將會運用一些數學知識來解釋一下相關的迴歸算法的合理性，雖有些枯燥，但知其然也知其所以然，多瞭解一些總是好的 最小二乘法 最小二乘法的核

機器學習

收藏 評論

MrVolleyball 頭像

MrVolleyball - 彩筆運維勇闖機器學習：多項式迴歸

前言 在之前的討論中，討論的都是線性迴歸，自變量與結果可以通過一條直線來解釋。而今天討論的問題，自變量與結果可能需要曲線來擬合，也就是所謂的 \(x^n\)，n=2 開始探索 老規矩，先運行起來，再探索原理 1. scikit-learn import numpy as np from sklearn.preprocessing import PolynomialFeatures from skl

機器學習

收藏 評論

zhaoweiwei 頭像

weiwei22844 - NVIDIA Kernel級性能分析工具Nsight Compute入門詳解

1 功能初體驗 1.1 分析實例 仍以之前的vectorAdd程序為分析目標，在新建的工程中只指定編譯好的可執行文件及其輸出report文件，其他部分都保持默認，然後直接點擊“Launch”進行分析。 圖1 Launch界面 運行完畢後生成如下分析結果： 先整體介紹下report結果： 1. 基礎信息（頂部欄） 首先是內核名稱：vectorAdd，向量加法內核；接下來是核函數的執行Size，G

機器學習

收藏 評論

MrVolleyball 頭像

MrVolleyball - 彩筆運維勇闖機器學習--擬合

前言 今天我們來討論擬合的問題 在之前的篇幅，主要討論的是線性迴歸的問題，不管是一元、多元、多項式，本質都是線性迴歸問題。線性迴歸在機器學習中屬於“監督學習”，也就是使用已有的、預定義的“訓練數據”集合，訓練系統，在解釋未知數據時，也能夠很好的解釋 而模型訓練完成之後，可能會有3中狀態：“欠擬合”、“最佳適配”、“過擬合”。本小節就來消息討論一下，怎麼判斷訓練出來的模型處於什麼樣的狀態 過擬合 老

機器學習

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的石頭剪刀布手勢識別系統演示與介紹(YOLOv12/v11/v8/v5模型+Pyqt5界面+訓練代碼+數據集)

​ 視頻演示 基於深度學習的石頭剪刀布手勢識別系統演示與介紹_嗶哩嗶哩_bilibili 1.前言 隨着人機交互技術的快速發展和智能設備的廣泛應用，自然、直觀的手勢交互已成為提升用户體驗的重要方向。石頭剪刀布作為一種經典的手勢遊戲，其識別任務融合了計算機視覺與模式識別的核心技術，對實時性和準確性提出了雙重挑戰。高效的石頭剪刀布手勢識別系統不僅能為人機交互提供新穎的交互方式，還可

機器學習

收藏 評論

MrVolleyball 頭像

MrVolleyball - 彩筆運維勇闖機器學習--邏輯迴歸

前言 從本節開始，我們的機器學習之旅進入了下一個篇章。之前討論的是迴歸算法，迴歸算法主要用於預測數據。而本節討論的是分類問題，簡而言之就是按照規則將數據分類 而要討論的邏輯迴歸，雖然名字叫做迴歸，它要解決的是分類問題 開始探索 scikit-learn 還是老規矩，先來個例子，再討論原理 假設以下場景：一位老哥想要測試他老婆對於抽煙忍耐度，他進行了以下測試 星期一

機器學習

收藏 評論

kohler21 頭像

愚生淺末 - 機器學習基本理論

目錄 機器學習基本理論 機器學習三要素 機器學習方法分類 建模流程 特徵工程 什麼是特徵工程 特徵工程有什麼 特徵選擇 特徵轉換 特徵構造 特徵降維 常用方法 模型評估和模型選擇

機器學習

收藏 評論

MrVolleyball 頭像

MrVolleyball - 彩筆運維勇闖機器學習--決策樹

前言 決策樹是一種常用的機器學習模型，用於分類和迴歸任務，它通過模擬“樹”的結構來對數據進行決策。本節我們詳細討論的是決策樹中的分類任務 開始探索 scikit-learn 假設以下運維場景 CPU 低：40% 中：40%~70% 高：70% 內存 低：60% 中：60%~85% 高：85% 磁盤I/O 低：40%

機器學習

收藏 評論

qichengxiaoqi 頭像

柒城小柒 - Transformer通俗講解（大白話版）

温馨提示：本文共有8472個字，平均閲讀時間約為34分鐘 大家可以快速查看自己感興趣的內容點擊下面的目錄： 目錄 模型簡介 整體架構 Encoder結構 輸入階段 輸入嵌入（Input Embedding） 位置編碼（Position Encoding） 輸入向

機器學習

收藏 評論