tag AI

標籤
貢獻161
778
03:55 AM · Nov 07 ,2025
wintersun 頭像 Goblinscholar 頭像 lying7 頭像 codingtea 頭像 dmx778 頭像 OBCE666 頭像 yupi 頭像 poloai 頭像 XY-Heruo 頭像 yjmyzz 頭像 u_16060192 頭像 huggingface 頭像

@AI / 博客 RSS 訂閱

uml-tool 頭像

Lynch_Warren - 產品評測：Visual Paradigm AI 聊天機器人 —— 開發者建模的“AI加速器”真實體驗

作為一名常年與 UML 圖表打交道的開發者，我曾經歷過： 畫一個用例圖，花半小時拖拽、調位置、畫箭頭 為「include」和「extend」到底怎麼畫而糾結 團隊開會時，大家看着一張“看不懂”的圖，反覆解釋 直到我試了Visual Paradigm AI 聊天機器人（chat.visual-paradigm.com），我才真正體會到： 原來建模，可

AI

收藏 評論

u_13778063 頭像

u_13778063 - Agent 記憶系統技術深度：從上下文工程到長期記憶組件集成！

作者：柳遵飛（翼嚴） 前言 隨着 AI Agent 應用的快速發展，智能體需要處理越來越複雜的任務和更長的對話歷史。然而，LLM 的上下文窗口限制、不斷增長的 token 成本，以及如何讓 AI“記住”用户偏好和歷史交互，都成為了構建實用 AI Agent 系統面臨的核心挑戰。記憶系統（Memory System）正是為了解決這些問題而誕生的關鍵技術。 記憶系統

agent , 雲計算 , AI , 阿里雲 , 雲服務 , 雲原生

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的交通事故檢測系統演示與介紹(YOLOv12/v11/v8/v5模型+Pyqt5界面+訓練代碼+數據集)

視頻演示 基於深度學習的交通事故檢測系統 1. 前言​ 大家好！歡迎來到Coding茶水間。今天我們將深入探討一個極具現實意義的技術方案——基於YOLO算法的交通事故檢測系統。在正式演示前，不妨先聊聊這個領域的現狀與挑戰：隨着城市化進程加快，道路交通事故頻發已成為威脅公共安全的重要隱患。傳統交通事故監控依賴人工巡檢或簡單視頻回放，不僅效率低下（漏檢率高、響應滯後），更難以應對海量交通數據的實時分析

AI

收藏 評論

Goblinscholar 頭像

哥布林學者 - 吳恩達深度學習課程四：計算機視覺 第一週：卷積基礎知識（一）圖像處理基礎

此分類用於記錄吳恩達深度學習課程的學習筆記。 課程相關信息鏈接如下： 原課程視頻鏈接：[雙語字幕]吳恩達深度學習deeplearning.ai github課程資料，含課件與筆記:吳恩達深度學習教學資料 課程配套練習（中英）與答案：吳恩達深度學習課後習題與答案 本篇為第四課的第一週內容，1.1到1.3的內容。 本週為第四課的第一週內容，這一課所有內容的中心只有一個：計算機視覺。應

AI

收藏 評論

u_16099337 頭像

IT獨行俠客 - 常用數據清洗方法大盤點_51CTO博客

大數據清洗：從“髒數據”到“黃金礦”的魔法變身術 關鍵詞：數據清洗、髒數據、ETL、數據質量、大數據優化、特徵工程、Pandas實戰 摘要：大數據時代，“數據是黃金”的説法早已深入人心，但剛從業務系統、傳感器或用户行為中採集到的數據，往往像剛從河裏撈上來的沙子——混着泥土、石頭、碎玻璃，甚至還有爛葉子。要想從這些“髒

spark , 髒數據 , 大數據 , 數據清洗 , 數據 , AI

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的吸煙檢測系統演示與介紹(YOLOv12/v11/v8/v5模型+Pyqt5界面+訓練代碼+數據集)

視頻演示 基於深度學習的吸煙檢測系統 1. 前言​ 大家好，歡迎來到Coding茶水間。今天我們要聚焦一個與公共健康、安全管理緊密相關的技術方案——基於YOLO算法的吸煙檢測系統。在正式演示前，不妨先聊聊這個領域的現狀與挑戰：隨着公共場所禁煙法規的普及（如機場、醫院、校園、生產車間）和安全生產監管的強化，吸煙行為的精準識別已成為維護無煙環境、預防火災風險的關鍵環節。然而，傳統檢測方式高度依賴人工巡

AI

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的野外環境下野生動物檢測系統演示與介紹(YOLOv12/v11/v8/v5模型+Pyqt5界面+訓練代碼+數據集)

視頻演示 基於深度學習的野外環境下野生動物檢測系統 1. 前言​ 大家好，歡迎來到Coding茶水間！ 今天我們要分享的項目是《基於YOLO算法的野外環境下野生動物檢測系統》。 在當前的計算機視覺領域，雖然算法迭代迅速，但在複雜多變的野外環境中實現高精度的實時檢測依然面臨挑戰。針對這一現狀，我們團隊完成了一套成品級的解決方案。該系統利用YOLO系列算法，能夠精準識別包括郊狼、鹿、野豬、兔子和浣

AI

收藏 評論

longlong688 頭像

longlong688 - 魔搭社區-2025文旅智能體創新大賽-參賽作品記錄

智能行程規劃工具2.0 一. 網頁初嘗試 一開始通過HTML寫，發現調用智能體的api密鑰只能明文保存，通過加密讀取存在問題， 也不會用魔搭社區的py語法讀取保存密鑰。 二. 前後端連接 瞭解和嘗試使用後端，在豆包的幫助下，成功跑通本地電腦和雲服務器，用其他雲服務器嘗試也可以和後端連上。 嘗試部署到創空間，發現創空間只認https鏈接網址，通過http+ip（域名）連接不上，用海外服務器連接

AI

收藏 評論

wintersun 頭像

PetterLiu - Z-Image圖像生成模型發佈與競品

1. 引言 當前，高性能文本到圖像（Text-to-Image, T2I）生成模型市場呈現出一種根本性的二元格局。一方面，是以Nano Banana Pro、Seedream 4.0為代表的專有（閉源）商業模型，它們性能強大，但其技術實現被封裝於“黑盒”之內，限制了社區的研究與創新。另一方面，則是以Qwen-Image、Hunyuan-Image-3.0為代表的開源模型，它們雖然推動了技術的普及

AI

收藏 評論

u_13778063 頭像

u_13778063 - 從傳統架構到AI原生：深度剖析企業AI落地的“三高”痛點與Serverless化解決方案

作者：趙世振 本文整理自 2025 雲棲大會，阿里雲智能集團產品架構師 趙世振 的主題演講《Serverless AI 原生應用架構》 在 AI 大模型浪潮席捲全球的今天，企業紛紛加速擁抱 AI，推動智能客服、內容生成、流程自動化等場景快速落地。然而，許多企業在實踐中卻遭遇了“三高困境”——成本高、複雜度高、風險高。 一位互聯網公司 CTO 曾坦言：“智

鏈路 , 原生應用 , 雲計算 , AI , 雲服務 , serverless

收藏 評論

baihai 頭像

baihai - 分享一名海外獨立開發者的 AI 編程工作流

編者按： 當AI編程智能體宣稱能自動化一切時，我們是否在工具與概念的叢林中迷失了方向，反而忘記了如何最簡單、直接地解決問題？ 本文的核心主張尖鋭而明確：與其追逐繁雜的“智能體套件”、子智能體（Subagents）、RAG 等概念，不如迴歸本質 —— 選擇一個強大且高效的模型，像與一位靠譜的工程師同事那樣，通過簡潔的對話和直覺性的協作來直接解決問題。作者直言不諱地

AI , AI編程 , 人工智能 , 深度學習

收藏 評論

Goblinscholar 頭像

哥布林學者 - 吳恩達深度學習課程五：自然語言處理 第三週：序列模型與注意力機制（一）seq2seq 模型

此分類用於記錄吳恩達深度學習課程的學習筆記。 課程相關信息鏈接如下： 原課程視頻鏈接：[雙語字幕]吳恩達深度學習deeplearning.ai github課程資料，含課件與筆記:吳恩達深度學習教學資料 課程配套練習（中英）與答案：吳恩達深度學習課後習題與答案 本篇為第五課第三週的內容，3.1和3.6的內容。 本週為第五課的第三週內容，與 CV 相對應的，這一課所有內容的中心只有

AI

收藏 評論

u_15316473 頭像

阿里雲大數據AI技術 - MaxCompute SQL AI：讓 SQL 成為你的 AI 語言

MaxCompute SQL AI 全新上線，一句SQL就能用上大模型，零門檻讓數據分析師秒變AI高手。 在大模型能力飛速進化、推理成本持續下降的今天，AI 正從“可選項”變為大數據處理流水線中的“必選項”。越來越多的場景——無論是文本摘要、實體抽取，還是多模態的圖像識別、金融風控中的行為分析——都開始用模型推理替代傳統的規則邏輯，實現更智能、更精準的數據

MaxCompute , 大數據 , 數據倉庫 , AI , 阿里雲 , SQL

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的反光衣檢測系統演示與介紹(YOLOv12/v11/v8/v5模型+Pyqt5界面+訓練代碼+數據集)

視頻演示 基於深度學習的反光衣檢測系統演示 1. 前言​ 基於YOLO算法的反光衣檢測系統 在工業安全、交通管理等領域，工作人員是否規範穿戴反光衣直接關係到作業安全。傳統人工檢查方式效率低、覆蓋範圍有限，難以實現全天候監管。為此，本研究基於YOLO目標檢測算法，開發了一套反光衣智能檢測系統。 該系統能夠自動檢測圖像或視頻中的人員，並識別其是否穿着反光衣。系統支持多種輸入方式，包括圖片、視頻、批量文

AI

收藏 評論

Goblinscholar 頭像

哥布林學者 - 吳恩達深度學習課程三： 結構化機器學習項目 第一週：機器學習策略（二）數據集設置

此分類用於記錄吳恩達深度學習課程的學習筆記。 課程相關信息鏈接如下： 原課程視頻鏈接：[雙語字幕]吳恩達深度學習deeplearning.ai github課程資料，含課件與筆記:吳恩達深度學習教學資料 課程配套練習（中英）與答案：吳恩達深度學習課後習題與答案 本篇為第三課的第一週內容，1.5到1.7的內容。 本週為第三課的第一週內容，本週的內容關於在實際項目進行中的一些基本策略

AI

收藏 評論

u_16060192 頭像

HyperAI超神經 - 【vLLM 學習】Rlhf

vLLM 是一款專為大語言模型推理加速而設計的框架，實現了KV 緩存內存幾乎零浪費，解決了內存管理瓶頸問題。 更多 vLLM 中文文檔及教程可訪問 →vllm.hyper.ai/ *在線運行 vLLM 入門教程：零基礎分步指南 源碼examples/offline_inference/rlhf.py """ 一個基於 vLLM 的 RLHF 簡單實現演示，靈感來源於 O

編程 , 機器學習 , vLLM , AI , 人工智能 , 深度學習

收藏 評論

joas-pambou 頭像

Joas Pambou - Generating Real-Time Audio Sentiment Analysis With AI

In the previous article, we developed a sentiment analysis tool that could detect and score emotions hidden within audio files. We’re taking it to the next level in this article by integrating real-

Techniques , API , Tools , AI

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的軌道缺陷檢測系統演示與介紹(YOLOv12/v11/v8/v5模型+Pyqt5界面+訓練代碼+數據集)

視頻演示 基於深度學習的軌道缺陷檢測系統演示 1. 前言​ 目前鐵路鐵軌巡檢主要依賴人工目測，存在效率低、漏檢率高及受主觀因素影響大等弊端，難以滿足現代鐵路的高安全性需求。為此，本文提出基於YOLO深度學習算法的解決方案，通過構建專用數據集訓練模型，並開發圖形化界面（GUI）將算法工程化，旨在用機器視覺替代人工，實現鐵軌缺陷的自動化、智能化識別，解決傳統檢測方式的痛點。 本系統集成了多元化的檢測模

AI

收藏 評論

lyndon-cerejo 頭像

Lyndon Cerejo - Beyond Algorithms: Skills Of Designers That AI Can’t Replicate

At the start of the Coronavirus pandemic, I led the redesign of a tablet app used by sales representatives of the world’s largest food beverage company. Never having been a sales representative, no

UX Design , AI , Opinion Column

收藏 評論

joas-pambou 頭像

Joas Pambou - Using AI To Detect Sentiment In Audio Files

I don’t know if you’ve ever used Grammarly’s service for writing and editing content. But if you have, then you no doubt have seen the feature that detects the tone of your writing. It’s an extreme

Tools , Apps , AI , User Experience

收藏 評論

Big-Yellow 頭像

Big-Yellow-J - 模型推理框架——vllm原理及整體框架

PageAttention原理分析 Page Attention也是一種優化方法（區別於MLA，page attention是對內存進行分配管理）。參考論文[1]中描述，對於KV-cache存在3個問題： 1、預留浪費 (Reserved)：為將來可能的 token 預留的空間，這些空間被保留但暫未使用，其他請求無法使用這些預留空間； 2、內部內存碎片化問題（internal

AI

收藏 評論

lying7 頭像

躺柒 - 讀人工智能全球格局：未來趨勢與中國位勢04六十年沉浮錄

1.人工智能1.0時代 1.1.推理與搜索佔據主導 1.2.達特茅斯會議後的20年，是人工智能1.0時代 1.3.符號主義幾乎主導了人工智能領域的研究，推理和搜索成為人們的主要研究對象，啓發式搜索、知識表示和機器翻譯等技術獲得了很大的發展 1.4.1956年IBM公司科學家亞瑟·塞繆爾在電視上首次展示了會下西洋跳棋的人工智能程序，給當時的人們留下了很深的印象 1.4.1.可以記住175

AI

收藏 評論

u_16060192 頭像

HyperAI超神經 - 重塑無序蛋白集合預測能力，英偉達/MIT/牛津大學/哥本哈根大學/Peptone等發佈生成式模型及新評測基準

在結構生物學的發展歷史中，「結構決定功能」一度被視為近乎不可動搖的基本法則。無論是胰島素的經典螺旋構象，還是血紅蛋白的四聚體架構，都強化了一個共識：蛋白質要發揮生物學作用，必須擁有穩定的三維結構。 然而，內在無序蛋白（IDPs）及其內在無序區域（IDRs）的發現， 正不斷重塑這一傳統認知。它們在生理條件下並不形成固定結構，卻深度參與信號轉導、基因轉錄調控等核心過程，並與癌症、神經退行

生成模型 , 生物醫學 , AI , 人工智能 , 深度學習 , 蛋白質

收藏 評論

u_16391614 頭像

老艾的AI世界 - AI證件照製作神器！任意尺寸和類型，兩秒出圖（附下載鏈接）

在日常生活與工作中，證件照的需求無處不在，無論是製作求職簡歷、畢業證還是參加考試，常常需要不同尺寸、不同底色的證件照。但是，拍攝一張符合規範的證件照往往需要前往照相館，專業攝影費用高，不僅耗時耗力，還可能需要長時間排隊等候，如果下次要用到其他類型證件照，還得再跑一趟 IDLyst是一款基於AI技術的專業證件照製作工具，支持批量生成不同尺寸的各類標準證件照，包括排版照

證件照製作軟件 , 證件照製作 , yyds乾貨盤點 , AI證件照製作 , AI , 人工智能 , 深度學習

收藏 評論