tag 機器學習

標籤
貢獻423
320
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

qingfouai 頭像

青否Ai - 傳統員工 vs AI數字人：不露臉也能火的‘超級員工’是什麼來頭？

在辦公室裏，每天早上打卡、穿上西裝、坐在工位上忙得不亦樂乎的你，是否曾想象過有一天，你的工作會被一個“不露臉”的AI數字人取代？這個聽起來像是科幻電影的情節，如今正在一步步成為現實。從製造業到客服中心，從金融行業到教育培訓領域，這些“不露臉”的AI員工正以驚人的效率和穩定性，悄然改變着我們的工作方式。 但別擔心，這篇文章並不是要告訴你“AI會搶走你的飯碗”，而是想帶你一起看看：什麼是AI數字人？它

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

u_13317 頭像

liutao988 - vue2 swiper 帶左右箭頭切換 demo

功能 節點樣式動態變化，模擬未進行、當前、已進行三種效果 自動播放，也可以手動點擊節點切換 根據節點數量改變佈局，節點較少時均勻分佈，節點較多時固定節點間距離，通過控制左右箭頭實現橫向滾動，滾動到最右（左）時隱藏右（左）箭頭 效果 節點數少於規定值（我這裏定=10），隱藏左右箭頭，節點均勻分佈 節點數

機器學習 , 均勻分佈 , 人工智能 , 省略號 , ide

收藏 評論

u_16213612 頭像

mob64ca13ff5b03 - coremail郵箱定時發送設置

一：繼承並實現IJob接口，在Execute 方法中寫你要定時執行的事情（切記 ） 二：使用Quartz創建任務調度核心代碼步驟 　　1、配置Quartz，創建工廠，開啓調度。 　　2、創建工作任務 　　3、創建觸發器 　　4、將任務加入到任務池 Demo 創建控制枱應用程序，定時發送郵件以及延時寫日誌

機器學習 , System , coremail郵箱定時發送設置 , 人工智能 , 發送郵件 , .net

收藏 評論

u_16213636 頭像

mob64ca1404ed65 - emqttd啓動 linux

/etc/fstab文件的作用 記錄了計算機上硬盤分區的相關信息，啓動 Linux 的時候，檢查分區的 fsck 命令，和掛載分區的 mount 命令，都需要 fstab 中的信息，來正確的檢查和掛載硬盤。 /etc/mtab文件的作用： 先看它的英文是: This changes continuously as the fi

機器學習 , 字段 , emqttd啓動 linux , 文件系統 , 加載 , 人工智能

收藏 評論

u_16213641 頭像

mob64ca14061c9e - libtensorflow_cc 找個可以用的windows版本下載希望仔細找找給一個可靠的鏈接

tensorflow2.0出來了，在python環境很容易構建，在linux環境也很好構建，不過在windows環境就有點麻煩了，要做的事比較多，經驗多次失敗，最終成功構建。 一、保證安裝了python，編譯tensorflow2.0建議用3.6.8 使用pip list查看需要的python工具包，保證有以下版本的工具包 K

機器學習 , windows , win10 , bazel , c++ , tensorflow2.0 , 人工智能

收藏 評論

u_16099252 頭像

架構領航博主 - element vu3 前台

一，我的訂單獲取數據進行展示 在center訂單中心組建中，創建兩個子路由組件，myorder組件， 我的訂單，grouporder組件， 團購組件 dd router-link to="/center/myorder"我的訂單/router-link /dd dd

機器學習 , 數據 , element vu3 前台 , 分頁 , 人工智能 , 當前頁

收藏 評論

stevenchendy 頭像

查拉圖斯特拉説 - 搭建本地大模型知識庫

前言這章節主要是講如何用本地的，一個很小的大模型，搭建一個自己的知識庫，體驗一下大模型的一個知識庫的能力，還有大模型的一個檢索能力。配置Ollama模型的目錄到官網下載歐拉瑪一個大模型管理工具之後就要配置他的一個大模型的一個安裝目錄，當然也可以使用默認的 下載大模型你可以直接在這上面選擇輸入的內容模型的內容，直接下載一邊使用命令的方式 這邊是使用命令的方式，先去官網檢索

機器學習 , 神經網絡 , chatgpt , 人工智能 , llama

收藏 評論

u_16213632 頭像

mob64ca14040d22 - rc522在cubemx中的設置

STM32 + RC522（SPI2 和 模擬SPI） 一. STM32 + RC522（SPI2模式） 1.頭文件：rc522.h 1 #include "stm32f10x.h" 2 ///////////////////////////////////////////////////////////////////// 3 //MF522

機器學習 , 數據 , include , 人工智能 , define , rc522在cubemx中的設置

收藏 評論

u_16099283 頭像

編程之翼 - html rem 寫網頁端

HTML文件最重要的特徵之一就是超鏈接，通過網頁上所提供的連接功能，用户可以鏈接到網絡上的其他網頁。 4.1 設置基本文字超鏈接 建立超鏈接所使用的HTML標記為a/a標記。超鏈接最重要的有兩個要素，設置為超鏈接的文本內容和超鏈接指向的目標地址。 !DOCTYPE html html lang="en" head meta charset="U

機器學習 , html rem 寫網頁端 , 人工智能 , 超鏈接 , HTML

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 【TVM教程】為 ARM CPU 自動調優卷積網絡

Apache TVM 是一個深度的深度學習編譯框架，適用於 CPU、GPU 和各種機器學習加速芯片。更多 TVM 中文文檔可訪問 →https://tvm.hyper.ai/ 作者：Lianmin Zheng, Zhao Wu, Eddie Yan 針對特定 ARM 設備的自動調優對於獲得最佳性能至關重要，本文介紹如何調優整個卷積網絡。 TVM 中 ARM CPU 的算子實現是以 template

機器學習 , arm , 人工智能 , 編譯器 , 深度學習

收藏 評論

u_12196 頭像

footballboy - C端程序UI基於element開發

前言 這篇文章的原文來自Jon Galloway，想看原文的請猛戳鏈接。第一次接觸這個Juice UI是看到同事分享的郵件，當時只是粗略看看，不過感覺把jQuery UI整合到ASP.NET Web控件裏去確實是個不錯的主意。今天偶然在網上看到了這篇文章，就動手把它翻譯過來，和大家分享。以下是譯文： 今天早上的MVP峯會上，Scott

機器學習 , ViewUI , 人工智能 , C端程序UI基於element開發 , c , Javascript , ui

收藏 評論

u_16213635 頭像

mob64ca1404baa2 - px2rem px不轉rem配置

一、前言 在前端，自適應是不得不考慮的問題。 但是實現自適應有方案也有很多種。今天介紹的是通過在 Webpack 中配置 loader 實現。 還有一個原因，在查資料的時候，網上的一些文章對 postcss-pxtorem、px2rem-loader 用法有些混亂。 特別是 postcss-pxtorem 是 postcss 的 plugin ，px2re

機器學習 , Vue , 人工智能 , Css , px2rem px不轉rem配置 , HTML

收藏 評論

u_16099244 頭像

码海舵手之心 - mmpretrain實戰體驗

一、現有數據集+現有模型 1、命令結構 python tools/train.py ${CONFIG_FILE} [ARGS] tools/train.py是訓練模型的腳本，而後面CONFIG_FILE是配置文件，同樣也是以目錄的形式 2、示例 cd mmpretrain後 python tools/

機器學習 , 人工智能 , 深度學習 , 計算機視覺 , Css , 前端開發 , HTML , Python

收藏 評論

u_15214399 頭像

u_15214399 - 【案例共創】線性迴歸 - 汽車行駛里程與油耗關係預測

最新案例動態，請查閲【案例共創】線性迴歸 - 汽車行駛里程與油耗關係預測。小夥伴們快來領取華為開發者空間進行實操吧！ 本案例由：梅科爾工作室提供 1 概述 1.1 案例介紹 在機器學習領域，線性迴歸就是使用一個線性函數（多項式迴歸可以是曲線）去擬合給定的訓練集，測試時，對輸入的x值，返回這個線性函數的y值。最終目標是找到y=Θ0 + Θ1x1 +

機器學習 , 數據集 , 數據 , 人工智能 , 開發者

收藏 評論

u_16213647 頭像

mob64ca14079fb3 - voicemeeter怎麼設置迴音消除

深度多任務聲回聲消除 摘要 　　聲學回聲消除或抑制方法旨在抑制揚聲器與麥克風之間的聲耦合產生的回聲。傳統的回聲估計方法採用自適應濾波。由於遠端信號聲路的非線性，需要進一步的後處理來衰減這些非線性分量。本文提出了一種基於深度門控循環神經網絡的麥克風信號的近端信號估計方法。利用多任務學習對該體系結構進行訓練，學習估計回聲的輔助任務，以改進估計乾淨的近端語音信號的主

機器學習 , voicemeeter怎麼設置迴音消除 , 多任務 , 語音信號 , 人工智能 , ide

收藏 評論

u_16099255 頭像

IT獨行俠 - 數據分析 報價單

大數據定價方法的國內外研究綜述及對比分析 劉枬1,郝雪鏡1,陳俞宏2 1重慶交通大學經濟與管理學院，重慶 400074 2重慶市軌道交通（集團）有限公司，重慶 401120 摘要：大數據獨特的價值特徵導致數據定價問題複雜，儘管研究者對此展開了大量研究，但大多角度單一且缺乏實際應用性。鑑於此，對大數據定價方法進行了綜述，梳理出成本導

機器學習 , 大數據 , 數據分析 報價單 , 人工智能 , 數據分析

收藏 評論

u_16099314 頭像

技術極客 - 移動研發平台 EMAS與uniapp

教材學習 第23章：Android簡介 Android是當今最流行的移動平台，帶有一組完備的API。 Android應用程序開發的軟件開發工具包（SDK）是免費的。 Android的源代碼由ART（Android Runtime）來編譯為機器代碼和應用程序。 Android應用程序組件： 活動

機器學習 , 移動研發平台 EMAS與uniapp , 應用程序 , Android , 人工智能

收藏 評論

u_16099177 頭像

雲端小夢 - f_opendir返回FR_NO_FILESYSTEM

printf()的返回值為其輸出字符串常量的字符數（注意字符數與字數的區別）注意計數針對所有的打印字符，包括空格和不可見的換行字符（不包括字符串的空字符）。 scanf（）函數返回成功讀入的項目的個數。即在下面程序中scanf的返回值為1。如果沒有讀取任何項目（如它期望一個數字但是出入了一個非數字字符），它會返回值0。當它檢測到“文件結尾”時，它返回EOF（EO

機器學習 , 字段 , 長整數 , 人工智能 , 堆棧

收藏 評論

yekai_620f63e12c172 頭像

葉開 - 隱語可信數據空間MOOC第45講筆記：隱語在汽車流通領域的深度賦能

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... 📘 8.7 隱語在汽車流通領域的深度賦能 主講人：楊興兵 | 中汽數源信息科技（北京）有限公司 CTO 一、汽車流通行業痛點與機遇 1. 行業市場概況（2024年） 汽車流通行業首次超越房地產，成為

機器學習 , 教程 , 知識 , 人工智能

收藏 評論

u_16099212 頭像

智慧編織者 - markdown 中的memaid 是什麼意思

Markdown 是目前互聯網上最流行的寫作語言，它使用一些簡單的符號（* / ` [] () #）來標記文本格式，其簡潔的語法、優美的格式以及強大的軟件支持深受廣大網友的喜愛。 維基百科上對 Markdown 的描述： ” Markdown 是一種輕量級標記語言，創始人是約翰·格魯伯（John Gruber）。它允許人們 “使用易讀易寫的純

機器學習 , word , 人工智能 , 團隊協作 , Markdown

收藏 評論

u_15690955 頭像

出手吧Glen - 地表最強AI換臉神器，Facefusion3.3.2版整合包來啦！

最強換臉AI工具Facefusion軟件在近期更新了3.3.2，這次更新相當強大，快隨我一起去看看吧~ Facefusion新版本介紹 FaceFusion 3.3.2 版本更新亮點：總的來説，就是換臉更加準確，更加清晰，更加快速了！ 本次新增HyperSwap換臉模型，並修復

機器學習 , 換臉 , 新版本 , 離線 , 英偉達 , 人工智能

收藏 評論

u_16099232 頭像

夢斷藍橋魂 - 化合物極性 chemdraw

如何來衡量分子是否有極性？ 偶極矩是衡量分子極性大小的物理量。物理學中，把大小相等符號相反彼此相距為d的兩個電荷(+q和－q)組成的體系稱為偶極子，其電量與距離之積，就是偶極矩(μ)。μ=q·d。極性分子就是偶極子。因為，對分子中的正負電荷來説，可以設想它們分別集中於一點，叫做正電荷中心和負電荷中心，或者叫分子的極(正極或負極)。極性分子的偶極矩等

機器學習 , 人工智能 , H2 , 分子偶極矩大小如何判斷 , 化合物極性 chemdraw

收藏 評論

u_13446 頭像

imking - 系統用户temp

用户界面不僅提供了輸入機制，使得用户可以“告知”計算機自己的需求，還提供了輸出機制，即對用户的操作給於一定的反饋。人們利用鍵盤，鼠標，觸摸屏和麥克風等工具，通過用户界面與計算機進行交互。 最佳設計經驗與準則 輕量化設計 遵循80/20原則，即只設計最好的20%的功能。 選擇具有社絕美感的顏色和佈局。 為用户界面的

機器學習 , 系統用户temp , 用户界面 , 應用程序 , 簡潔性 , 人工智能

收藏 評論

u_17583606 頭像

視頻孿生 - 從語言到世界：空間智能與視頻孿生開啓AI新徵程

11月10日，斯坦福大學教授、World Labs聯合創始人李飛飛發表長文《From Words to Worlds: Spatial Intelligence is AI’s Next Frontier》（從語言到世界：空間智能是AI的下一個前沿）。李飛飛認為，當前以大型語言模型為代表的AI雖然擅長處理抽象知識，卻如同在“黑暗中行走”，缺乏對物理世界的真實理解。而空間智能——即

機器學習 , 空間智能與視頻孿生 , 語言模型 , 人工智能

收藏 評論