tag AI

標籤
貢獻161
798
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

javatoai 頭像

javatoai - 【人工智能時代】-Dify繪圖工具解析

Dify繪圖工具解析：硅基流動與其他主流工具的實戰對比 引言：AI繪圖時代的到來 在AI技術迅猛發展的今天，圖像生成已成為AI應用的重要組成部分。Dify作為一款開源的LLM應用開發平台，雖然本身不提供內置繪圖功能，但通過其強大的自定義工具能力，可以輕鬆集成各類AI繪圖模型。本文將深入探討Dify平台中可用的繪圖工具，特別聚焦於硅基流動（SiliconFlow）這一熱門選擇，並提供詳細的實戰對比和

AI

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（四）語音識別和觸發字檢測

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，3.9到3.10的內容，同時也是本週理論部分的最後一篇。 本週為第五課的第三週內容，與 CV

AI

收藏 評論

DashVector 頭像

e3830ba1-5631-457e-bd1b-9f3b6cfcd899 - 如何通過Java SDK描述Collection

本文介紹如何通過Java SDK獲取已創建的Collection的狀態和Schema信息。 前提條件 已創建Cluster 已獲得API-KEY 已安裝最新版SDK 接口定義 Java // class DashVectorClient public ResponseCollectionMeta describe(String name); 使用示例 説明 需要使用您的ap

AI

收藏 評論

wintersun 頭像

PetterLiu - 基於LLM持續改進文章的方法

核心轉變：從"被動聽摘要"變為"主動提問，讓AI當編輯" 原創文章 起點：待打磨的初稿。 NotebookLM自定義音頻（評論模式） 關鍵動作：上傳文檔後，選擇自定義提示詞，向AI主持人主動提問。 示例："點評第一段是否成功勾起讀者興趣？" 示例："審閲文檔結構，對一般受眾來説主要觀點明確嗎？" 示例："針對這份草稿的邏輯漏洞提供建設性反饋" 產出：一段針

AI

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的交通標誌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標誌檢測系統 1. 前言​ 大家好，歡迎來到 Coding茶水間。 在智能交通與自動駕駛快速發展的當下，準確、實時地識別道路上的交通標識，已成為保障行車安全與提升駕駛輔助系統性能的關鍵環節。然而，現實場景中交通標識種類繁多、形態各異，且受光照變化、遮擋、天氣等因素影響，傳統圖像處理方法往往難以兼顧檢測速度與精度；即便引入深度學習，不同模型在複雜環境下的魯棒性與可部署性也

AI

收藏 評論

operajack 頭像

歌訣酷客 - 在Cursor中使用Skills功能

繼MCP協議出現後，AI編程技術又迎來一場升級：skills技能 什麼是 Agent Skills？ Agent Skills 是 Anthropic 推出的一套開放標準，目的是讓 AI 能夠學習使用各種專業技能，而不用每次都重複輸入提示詞。 把 AI 想象成一個職場小白，給他裝上 文檔處理技能，它就立刻知道怎麼生成 PPT、處理 Excel 表格；裝上 代碼規範技能，它就知道怎麼按照公司標準寫代

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 課後習題和代碼代碼實踐

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 本篇為第四課第一週的課後習題和代碼實踐部分。 1. 理論習題 【中英】【吳恩達課後測驗】Course 4 -卷積神經網絡

AI

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的車牌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 基於深度學習的車牌識別系統 1. 前言​ 大家好，這裏是 Coding茶水間。 今天給大家帶來的是 《基於YOLO的車牌識別系統》。 在智慧交通、停車場管理、道路執法以及安防監控等場景中，快速、準確地獲取車輛號牌信息是實現自動化管理的關鍵。然而在現狀中，很多實際應用仍依賴人工抄錄或傳統的OCR方案，這些方法在面對複雜光照、傾斜拍攝、運動模糊、特殊車牌（如新能源綠牌、黃牌）時，識別率往

AI

收藏 評論

wintersun 頭像

PetterLiu - LLM驅動的多智能體心靈感應協作

一.概述：從“對話”到“心靈感應”的進化 在人工智能領域，多智能體系統（Multi-Agent Systems, MAS）正迅速成為一項具備戰略性意義的技術。它推動着AI從獨立的“個體思考者”向能夠協同解決複雜問題的“智能團隊”演進。然而，當前主流的多智能體協作方式嚴重依賴於文本——如同人類通過對話交流。這種模式不僅效率低下，還常常因信息的壓縮和轉譯而導致關鍵細節的丟失。為了突破這一瓶頸，一項

AI

收藏 評論

joas-pambou 頭像

Joas Pambou - Integrating Image-To-Text And Text-To-Speech Models (Part 2)

In Part 1 of this brief two-part series, we developed an application that turns images into audio descriptions using vision-language and text-to-speech models. We combined an image-to-text that anal

Techniques , Tools , AI

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 第一週：循環神經網絡 課後習題與代碼實踐

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 本篇為第五課第一週的課後習題和代碼實踐部分。 1.理論習題 【中英】【吳恩達課後測驗】Course 5 - 序列模型 -

AI

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的水果品質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 基於深度學習的水果品質檢測系統演示與介紹 1. 前言​ 在農業和食品安全領域，水果品質檢測面臨效率和準確性挑戰。傳統手工方法易受主觀影響，無法實現實時監控。本文介紹基於YOLO算法的水果品質檢測系統，可自動識別水果類型（如草莓、香蕉、番茄）及其變質程度（優質、輕微變質、腐爛）。 系統利用YOLO變體（如YOLOv5和YOLOv12N）訓練於超過21,000張圖片數據集（訓練集11,964

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 第二週：誤差分析與學習方法 課後習題和代碼實踐

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 本篇為第三課第二週的課程習題部分的講解和代碼實踐。 1 . 理論習題 還是先上鍊接：【中英】【吳恩達課後測驗】Cours

AI

收藏 評論

dmx778 頭像

大模型玩家七七 - 向量數據庫技術內核：從存儲到檢索，拆解其高效運作的秘密

向量數據庫技術內核：從存儲到檢索，拆解其高效運作的秘密 寫在前面：我也是“被向量數據庫名詞轟炸”過的人 説實話，我第一次接觸向量數據庫的時候，是有點抗拒的。 那會兒各種文章都在説： 向量數據庫是 AI 時代的“新型基礎設施” 沒有向量數據庫，大模型就跑不起來 它徹底改變了傳統數據庫的範式 結果我真正打開文檔一看，全是： embedding ANN IVF HNSW PQ

AI

收藏 評論

lying7 頭像

躺柒 - 讀人機溝通法則：理解數字世界的設計與形成06機器讓失衡自動化

1.排斥 1.1.科技公司需要全速運行以跟上摩爾時間尺度，這加大了在潛在僱員中優化“文化適配度” 1.1.1.意味着招聘“和我們一樣”的人—的壓力 1.1.2.新員工就會花更少的時間適應（因為他們“和我們一樣”​）​，產生更少的日常摩擦（因為他們“和我們一樣”​）​，並且聽老闆的話（因為他們“和老闆一樣”​）​ 1.2.“排斥” 1.2.1.exclude這

AI

收藏 評論

rsls 頭像

五藴非空 - AI工具實踐日記（一）：在樹莓派上搭建OpenClaw，一個後端開發者的真實踩坑記錄

真實記錄我在樹莓派上探索OpenClaw的過程——不美化、不炫技，只有真實的踩坑和驚喜。 引言 作為一名後端開發者，我的技術棧從C#開始，逐漸學會了VUE，變成了全棧開發。後來也學習了Python，也用Java開發企業級應用。但是最近這幾年，隨着AI的發展，從ChatGPT到Kimi，從在VsCode中對話，到在Cursor中編程，從學會使用Claude Code開始，我已經變成了AI全棧

AI

收藏 評論

dmx778 頭像

大模型玩家七七 - 從 0 到跑通一次微調：別急着追效果，先讓它“真的動起來”

[]()##微調最難的地方，從來不是“學不會”，而是“跑不起來” 如果你是第一次接觸大模型微調，很可能已經經歷過這樣一個階段。你看過不少文章，也刷過不少視頻，大致知道什麼是 SFT、LoRA，知道微調是“拿數據繼續訓練模型”。從概念上看，這件事並不複雜，甚至有點“理所當然”。但真到你自己動手的時候，事情就開始變得不對勁了：環境裝不好，數據不知道該怎麼準備，模型跑是跑了但你完全不知道它在幹嘛，

AI

收藏 評論

wintersun 頭像

PetterLiu - 中國智能體應用現狀與企業實踐

中國智能體應用的行業全貌，核心邏輯是 “基礎治理缺失制約落地，技術 + 方法論雙輪驅動破局”，以下是分層解讀： 行業現狀：“熱市場” 與 “冷落地” 的矛盾突出 市場熱度高：涌入智能體領域的廠商數量龐大，反映出行業對智能體的商業化潛力預期較高。 落地成效差：大多數企業的智能體應用未能有效落地，暴露出技術與業務場景的適配存在明顯斷層。 核心挑戰：三大底層問題卡住智能

AI

收藏 評論

Goblinscholar 頭像

哥布林學者 - 吳恩達深度學習課程二： 改善深層神經網絡 第三週：超參數調整，批量標準化和編程框架 課後習題和代碼實踐

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 本篇為第二課第三週的課程習題和代碼實踐部分筆記。 1. 理論習題：獨熱編碼 還是先上鍊接： 【中英】【吳恩達課後測

AI

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的香蕉成熟度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 基於深度學習的香蕉成熟度檢測系統演示 1. 前言​ 隨着農業現代化的發展，水果品質在線檢測在採摘後分級與倉儲管理中具有重要意義。香蕉成熟度直接影響其口感與銷售價值，但人工檢測效率低、主觀性強，難以滿足規模化需求。 YOLO 系列算法檢測速度快、精度較高，已廣泛用於目標檢測。然而在香蕉成熟度檢測中，不同階段的外觀差異細微，且易受光照、背景等因素干擾，現有方法多侷限於簡單二分類，缺乏多類別細

AI

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的安檢危險品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 基於深度學習的安檢危險品檢測系統 1. 前言​ 大家好，歡迎來到 Coding 茶水間。 在公共交通與公共安全的日常守護中，安檢是防止危險品流入人羣的關鍵防線。傳統依靠人工判圖的安檢方式，不僅工作強度大，還容易因疲勞或經驗差異漏檢風險物品。今天我們要分享的項目，就是基於 YOLO 算法​ 的安檢危險品檢測系統——它能自動分析安檢通道拍攝的箱包圖像，精準識別其中的槍支、刀具等危險品，把“人

AI

收藏 評論

geek1116 頭像

愛喝可樂的咖啡 - 引入AI輔助的3D遊戲美術工作流

3D遊戲美術流程 不同於其他類型的AI應用，3D內容的AI生成應用所面向的行業更加垂直，會有一定的專業使用門檻，並且生成的產物與直接投入生產環境的內容往往還存在一定的距離。筆者這裏針對小型獨立遊戲/Demo的場景下，為提高3D遊戲美術工作效率和降低成本，分享下在引入了AI生成後的美術工作流程。 首先回顧下在行業中一個比較主流的美術工作流，大致如下： 雕刻高模 ↓ 拓撲低模、佈線 ↓

AI

收藏 評論

wintersun 頭像

PetterLiu - 氛圍編程工具個人推薦

大模型推理能力（腦子） 編輯器功能（手）。它更推崇擁有強大邏輯架構能力的模型（如Claude），而不是單純的IDE集成工具。 第一梯隊 (First Echelon)：主力軍 這一層級是作者認為完成“Vibe Coding”最核心的工具組合。 Claude Code (核心大腦) 定位： 架構師、總指揮。 專家解讀： 這裏指的應該是搭載

AI

收藏 評論