tag 數據

標籤
貢獻724
419
05:56 PM · Oct 25 ,2025

@數據 / 博客 RSS 訂閱

上海拔俗網絡 - AI大模型視覺檢測平台:讓“機器眼”精準識別千萬場景

傳統視覺檢測總陷“兩難”:簡單場景靠人工累到眼痠,複雜場景靠普通算法漏檢錯檢;換個檢測對象,又得重新標註數據、訓練模型,耗時耗力。AI大模型視覺檢測平台,就像給機器裝了“進化版火眼金睛”,靠大模型加持的核心技術,打破“場景受限、效率低下、適配困難”的困局。今天就用通俗的話,拆解它的技術邏輯。 核心技術之一是大模型預訓練+微調技術,讓檢測模型“一學多用”。傳統視覺模型像“偏科生”,只懂

數據 , NLP , 人工智能 , 核心技術 , 模態

收藏 評論

u_17398972 - 探索 AIGC 生圖:原理、案例與代碼示例

目錄 引言 一、AIGC 生圖技術原理 (一)技術基礎 1.深度學習: 2.生成式模型: (二)主要模型 1.生成對抗網絡(GAN): 2.擴散模型(Diffusion Model): (三)工作原理 1.數據學習: 2.特徵提取: 3

數據 , API , 人工智能 , 深度學習 , Json

收藏 評論

圍爐聊科技 - Ilya Sutskever在最近訪談中的關鍵觀點及對IT技術人員的啓示

Dwarkesh Patel 與 Ilya Sutskever 近期進行了深度對話,視頻以及英文原文可以參見https://www.dwarkesh.com/p/ilya-sutskever-2 ,個人及AI輔助整理核心觀點及啓示如下。 一、訪談核心觀點 Ilya Sutskever 作為 AI 領域的頂尖學者、SSI 公司創始人,在訪談中圍繞 AI

機器學習 , it , 數據 , 泛化 , 人工智能

收藏 評論

網猴兒 - mysql基礎查詢

目錄 前言 目錄 1.基本查詢 2.表的增刪查改 1.increase 1.Create 2.Insert 3.替換 2.Retrieve 1.select列 2.where條件 3.結果查詢 3.update 4.delete 5.插入查詢結果 6.聚合函數

數據 , MySQL , 升序 , 數據庫 , 前端開發 , Javascript

收藏 評論

上海拔俗網絡 - AI大模型智能體開發:把大模型變成“會幹活”的技術邏輯

大模型就像個滿腹經綸的學者,能説會道卻邁不出書房;而AI智能體,就是給這位學者裝上“行動能力”的技術方案——不用重構底層模型,核心是通過三層技術設計,讓大模型從“只會回答”變成“自主做事”。今天用大白話拆解智能體開發的核心技術,普通人也能看懂落地邏輯。 首先要明確:智能體開發的技術核心是“閉環能力”,而非創造新模型。基礎大模型(如GPT、文心一言)提供了“思考”基礎,我們要解決的技術

數據 , 自然語言 , NLP , 人工智能 , 核心技術

收藏 評論

IT劍客風雲 - I2C硬件與模擬的區別

記錄 i2c程序 #include "iic.h" #include "port.h" #include "sys.h" /*IIC應用配置*/ const iic_handle item_i2c[iic_even_num] = { {GPIOB, GPIOB, GPIO_PIN_7, GPIO_PIN_6}, }; /** * @brief:

數據 , 寄存器 , 句柄 , 前端開發 , Javascript

收藏 評論

金海境科技 - 【服務器數據恢復】物流企業WMS系統硬盤固件損壞導致庫存數據丟失數據恢復案例 - 金海境科技

一、客户信息 深圳市某大型物流企業,專注於電商倉儲及配送服務,在全國擁有18個倉儲中心,倉儲面積超50萬平方米,日均處理訂單量達20萬單,服務京東、拼多多等多家知名電商平台。企業核心倉儲管理系統(WMS)部署於5台聯想ThinkSystem SR650服務器,採用5塊8TB SAS硬盤組建RAID5陣列,存儲全國倉儲中心的庫存數據、訂單配送信息、貨物位置信息等核心數據,數據

服務器 , 數據 , mongodb , 固件 , 數據庫

收藏 評論

掃地小沙彌J - Rust 所有權機制詳解:內存管理的第三條路

這是一篇關於 Rust 所有權 (Ownership) 的深度解析教程。 作為後端開發者,你習慣了 Java/Python 的 GC(垃圾回收)或者 C++ 的手動內存管理。而 Rust 只有所有權。這是 Rust 最難翻越的大山,也是它能在不需要 GC 的情況下保證內存安全的核心魔法。 本文將通過5 個經典案例,帶你徹底看懂 Rust 編譯器到底在“糾結”什麼。

數據 , rust , 代碼人生 , 編譯報錯

收藏 評論

EasyV數字孿生可視化 - 數字孿生物流:以某物流企業數字孿生智慧鋼鐵倉儲定位系統建設為例

1.建設背景 國家“十四五”規劃明確提出加快現代物流數字化、智能化轉型,基於國家數字經濟 戰略及企業數字化轉型要求,鋼鐵物流作為重點領域,其倉儲環節的智能化升級被列為政策重點支持方向。某物流企業作為鋼鐵物流龍頭企業,隨着物流行業安全標準要求的不斷 提升,其企業業務增長與戰略佈局都有所調整,庫存管理盲區、作業監管低效、風險響應 滯後、跨域信息割裂和作業協同低效等問題嚴重阻礙

數據 , 物聯網 , 自定義 , 數據可視化 , 人工智能

收藏 評論

mob649e816209c2 - ollama linux連接GPU

在現代的計算機圖形學和深度學習領域,將處理大規模數據任務和快速運算的能力與高效的計算硬件結合是一個極具挑戰的技術需求。尤其是對於利用 GPU 進行加速的計算任務,確保 Linux 系統與 GPU 的良好連接和性能優化是實現高效運算的基礎。本文將詳細記錄解決“ollama linux連接GPU”問題的全過程,包括背景定位、演進歷程、架構設計、性能攻堅、故障覆盤以及擴展應用。 背景定位

數據 , 架構設計 , aigc , 迭代

收藏 評論

mb68c23637232fb - iLeadE-588邊緣計算網關-領嵌

1. 多通道視頻接入與AI分析 支持4路攝像頭同時接入,實時視頻流處理。 內置高性能AI算力,支持人臉識別、行為分析、車牌識別等算法,自動匹配場景需求,無需手動編程。 智能算法一鍵部署,自動優化計算資源分配。 2. 工業級網絡與設備連接 4個千兆網口,支持多設備級聯與數據高速傳輸。 工業接口全覆蓋:配備RS485、CAN總線,可直接連接傳感器、

雲平台 , 數據 , 物聯網 , 人工智能 , 數據分析

收藏 評論

IP人生 - 動態IP代理與靜態IP代理:詳細區別與場景化選擇指南

在跨境業務、網絡爬蟲、社交媒體運營及市場研究等領域,代理IP已成為不可或缺的工具。然而,面對市場上琳琅滿目的代理服務,許多從業者,尤其是新手,常常會陷入一個核心困惑:我究竟該選擇動態IP代理還是靜態IP代理?這兩種代理類型並非孰優孰劣,而是各有其獨特的應用場景和優劣。選擇錯誤,輕則效率低下,重則可能導致賬號被封、數據獲取失敗。本文旨在深入剖析兩者的區別,並提供清晰的選型指南,最後

數據 , ip , 社交媒體 , 代碼人生

收藏 評論

Aloudata - AI 數據分析的終點不止數據探查,要構建“智能問數-歸因分析-決策建議”價值閉環

在數字化轉型浪潮中,企業每天產生海量數據,但“數據爆炸”與“決策困難”的矛盾愈發尖鋭。隨着 Data + AI 的融合創新,以 ChatBI 為代表的 AI 數據分析工具開始爆火。 但大多數 AI 數據分析工具往往止步於“智能問數”,難以給出深層次的分析洞察,特別是對於異常數據表現,無法下鑽和歸因分析,難以為業務決策提供有效支持。 因此,一款優秀的 AI 數據分析工具

大數據 , 數據 , 自然語言 , 數據倉庫 , dataagent , 數據分析 , chatbi

收藏 評論

u_16366971 - AutoMQ GitHub 突破 8,000 Star!

🚀 里程碑達成!AutoMQ GitHub 突破 8,000 Star! 🎉 從 0 到 8000+, 這份熱度的背後,是 AutoMQ 對雲原生流存儲的重新定義。我們基於 Diskless 架構設計,將數據完全卸載至對象存儲(S3/OSS),讓數據基礎設施真正生於雲、長於雲,徹底解決了傳統架構的痛點: **💸 消除 100% 跨 AZ 流量費用:**採用共享

github , 數據 , 雲計算 , 雲原生 , 開發者

收藏 評論

mob64ca1400bfa8 - LDA是獨熱編碼嗎

1 為什麼要進行特徵編碼? 我們拿到的數據通常比較髒亂,可能會帶有各種非數字特殊符號,比如中文。下面這個表中顯示了我們最原始的數據集。而實際上機器學習模型需要的數據是數字型的,因為只有數字類型才能進行計算。因此,對於各種特殊的特徵值,我們都需要對其進行相應的編碼,也是量化的過程。 2 特徵編碼類型 本篇,我們主要説一下分類型特徵的編碼方式。對於分類型數據

機器學習 , 編碼方式 , 數據 , 特徵值 , LDA是獨熱編碼嗎 , 人工智能

收藏 評論

網絡安全守護先鋒 - 51單片機學習筆記(2)——51單片機簡介

文章目錄 如何創建 Keil 工程 創建步驟 1. 創建文件夾結構 2. 打開 Keil 3. 創建新工程 4. 創建不同類型的內容 頭文件 明白頭文件包含了什麼 標題具體內容

數據 , 初始化 , 單片機 , 51單片機 , 後端開發 , 嵌入式硬件 , Python

收藏 評論

mb689bf7a82caf3 - 使用 C# 自動創建和格式化 Word 表格

在現代辦公自動化中,Word 文檔依然是信息呈現和數據輸出的重要載體。無論是月度報表、客户合同,還是內部彙總文檔,表格都是不可或缺的元素。手動創建表格不僅效率低,而且容易出錯。藉助 C# 編程,我們可以輕鬆實現 Word 表格的自動生成、格式化以及複雜操作。 本文將系統介紹如何使用 Free Spire.Doc for .NET 處理 Word 表格,包括表格樣式設

word , yyds乾貨盤點 , 數據 , 後端開發 , .net , 嵌套 , c

收藏 評論

用户bPbDqZf - 跨平台數據要素流通協同運營現狀 破除孤島 釋放數據新動能

在數字經濟時代,數據已成為驅動創新的核心“新能源”。無論是電商購物、出行導航,還是金融服務,我們每天都在產生海量數據。但現實中,這些數據往往被困在不同平台的高牆內,形成一個個“數據孤島”——航空公司不清楚旅客的酒店偏好,電商平台難以獲取用户的真實信用記錄……跨平台數據如何高效、安全流通?這不僅是技術命題,更是推動產業升級的關鍵。 一、數據要素流通的狀實 現跨平台數據協同運營面臨三大挑戰:技術

數據

收藏 評論

mb691327edb400f - AI 時代 HR 的進化與工具賦能

AI 時代 HR 的進化與工具賦能 AI時代招聘變革:HR的進化之路與工具賦能 在AI技術重塑各行業的當下,招聘領域正經歷深刻的座次重排。曾經作為“後台工具”的HR技術,如今已升級為企業核心的業務操作系統。AI不會取代HR,但不懂運用AI的HR,正逐漸被時代拉開差距。 2026年,行業的核心命題不再是“AI是否會奪走工作”,而是“HR能否藉助AI制定戰略、依託數

鏈路 , 數據 , 上傳 , 人工智能 , 深度學習

收藏 評論

mob64ca140e76c8 - 網站優化超越競爭對手的核心因素

一位行業朋友最近愁眉不展地問我:"我發現我們的競爭對手在的業務規模下,軟件許可成本比我們低30%,這讓我們在市場競爭中處處受限,怎麼破?" 2025年初,一位經營着中型企業的老總在問我的問題,彷彿他説的是20年前的困惑。而現在,軟件許可優化這一話題已經成為企業數字化轉型中大多數公司CEO極其關注的核心議題。 一、認清成本差距的本質:不只是算術問題 我

spark , 商業 , 大數據 , 數據 , 數據驗證

收藏 評論

索姆拉 - pytest文檔74-參數化parametrize加marks標記(pytest.param)-

Pytest Fixture--params參數 pytest fixture 的 params參數是一個非常實用的功能,它允許你為同一個 fixture 提供多組不同的數據,從而實現測試的參數化(數據驅動)。這樣,依賴該 fixture 的測試用例會自動執行多次,每次使用一組不同的數據。 下面我將詳細解釋其功能、用法,並提供從基礎到進階的實

數據 , MySQL , 數據庫 , pytest , ide , 參數化 , Python

收藏 評論

mob64ca140e4022 - airflow spark 區別

Ref: https://airflow.apache.org/ Ref: Extra Packages Ref: https://github.com/tuanavu/airflow-tutorial[youtube教程和代碼] 有點太全了,還是i一步一步的學習的代碼demo為好。 Ref: How to write your first DAG

spark , airflow spark 區別 , 大數據 , 數據 , Docker , apache

收藏 評論

mob64ca13ffd0f1 - openkylin倉庫

Data Warehouse(數據倉庫) 數據倉庫是一個各種數據(包括歷史數據和當前數據)的中心存儲系統,是BI( business intelligence ,商業智能)的核心部件。 這裏所談的數據包括來自企業業務系統的訂單、庫存、交易賬目、客户和供應商等來自企業所處行業和競爭對手的數據以及來自企業所處的其他外部環境中的各種數據。 Business Intel

商業智能 , 數據 , 雲計算 , 數據倉庫 , openkylin倉庫 , 雲原生

收藏 評論

瀾極美顏SDK - 從源碼到平台上線:基於第三方視頻美顏SDK開發實時直播美顏系統

在實時直播的技術棧中,美顏系統始終是連接技術與用户體驗的關鍵節點。某直播平台技術團隊曾做過一組對比測試:相同主播、相同內容的直播間,啓用優質美顏功能後,觀眾平均停留時長提升53%,主播開播頻次增加27%。對於開發團隊而言,搭建一套穩定、自然的實時直播美顏系統,並非簡單的功能拼接,而是從源碼架構設計開始,經過SDK選型、集成開發、優化測試到最終上線的全流程工程實踐。第三方視

數據 , Android , 人工智能 , 深度學習 , ios

收藏 評論