tag AI

標籤
貢獻161
799
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

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_17182302 頭像

u_17182302 - 2025年底，我還在用哪些AI工具？

25年底了，我還在用哪些AI工具？ 留下來的8個工具 Copilot：每月10刀，性價比之王 這個可能很反常識。網上大量詬病Copilot的帖子，説它不如Cursor和Claude Code聰明。 但它一個月10刀能包含300次調用啊！而且每次超額只要4美分。處理超長上下文任務時按次計費的性價比無需多言，而且最新的模型包括gpt codex都有，後

AIGC二三事 , AI應用 , AI , AI工具 , aigc , 人工智能 , Copilot

收藏 評論

zhaoqingqing 頭像

趙青青 - AI模型Claude的Haiku、Sonnet、Opus 怎麼選？

claude模型有以下版本：haiku(詩)，Sonnet(好詩)，Opus(傑作) claude不同模型之間對比 模型版本 速度 成本 智力水平 最佳應用場景 Haiku 極快 ⚡️ 最低 💰 入門級 客服、翻譯、大量簡單數據清洗 Sonnet 快 🚀 中等 💰💰

AI

收藏 評論

yupi 頭像

程序員魚皮 - 讓 AI 分析我 3 年前寫的代碼，全是漏洞！

大家好，俺是程序員魚皮。最近逛 GitHub 的時候，發現了一個挺有潛力的開源項目 —— DeepAudit，讓 AI 幫你挖掘項目漏洞。 勢頭很猛啊，短短時間就漲了不少 star，看這 star 趨勢圖： 這是一個 AI 代碼審計工具，能自動分析你的代碼，找出潛在的安全漏洞和代碼問題。 作者很貼心地提供了在線體驗版，可以直接使用，當然也支持本地部署。下面魚皮以作者部署的在線體驗版，帶大家體驗

AI

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的電纜損害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 基於深度學習的電纜損害檢測系統 1. 前言​ 大家好，歡迎來到Coding茶水間！ 隨着電力與通信網絡的飛速發展，電纜作為關鍵基礎設施，其安全運行至關重要。然而，電纜長期暴露在複雜環境中，極易因雷擊、外力破壞、老化等原因產生斷裂、雷擊損傷等隱患，傳統的人工巡檢方式存在效率低、風險高、難以全面覆蓋等問題。為了解決這一痛點，我們引入了基於深度學習目標檢測YOLO算法的智能解決方案。 今天

AI

收藏 評論

jaydenai 頭像

JaydenAI - [拆解LangChain執行引擎] __pregel_tasks通道——成就“PUSH任務”的功臣

除了我們顯式聲明的用於存儲業務數據或驅動信號的Channel之外，Pregel自身也會維護一些系統Channel，其中最重要的莫過於一個名為__pregel_tasks的Channel。通過前面針對BSP的介紹，我們知道當Superstep進入同步屏障並應用所有更新後，引擎會根據Node針對Channel的訂閲情況和Channel自身的更新狀態生成下一步待執行的任務，其實待執行的任務不限於此。 1

AI

收藏 評論

dmx778 頭像

大模型玩家七七 - 從零開始：PPO 微調大模型實戰（基於 PyTorch）

從零開始：PPO 微調大模型實戰（基於 PyTorch） PPO 真正難的，不是算法本身 如果你已經看過一些 PPO 的原理文章，大概率會有過這種感覺： 好像每個字都認識，但真讓我自己寫代碼，腦子還是一片空白。 這其實挺正常的。 至少我第一次準備動手寫 PPO 的時候，也是這種狀態。 問題不在你，而在 PPO 本身。 在論文裏，PPO 看起來是一個乾淨利落的算法； 但一旦落到工程裏，它

AI

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的跌倒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 基於深度學習的跌倒檢測系統 1. 前言​ 大家好，歡迎來到 Coding 茶水間！ 今天要給大家介紹的項目是——基於 YOLO 算法的跌倒檢測系統。在養老護理、公共場所安全監控、校園和社區安防等場景中，及時識別人員的跌倒行為，對降低二次傷害風險、提高應急響應速度具有重要意義。然而，傳統依靠人工值守或簡單運動傳感器的方式，存在反應滯後、誤報率高、覆蓋有限等問題，尤其在高密度人羣或複雜背景下

AI

收藏 評論

u_16700356 頭像

mofcloud - AI 時代的 FinOps：工作流、RAG、AI Agent 與 Agentic AI 指南

一位兼具 FinOps 思維的 CPO，正在讓創新與成本效率保持平衡 人工智能正在重塑產品構建方式，但它也帶來了新的成本複雜性 —— 即便是經驗豐富的雲團隊也可能被它打得措手不及。 炫酷的 AI 功能”必須和“雲預算”保持溝通。 從 FinOps 視角拆解四類快速演進的 AI 架構： LLM Workflows（大模型工作流） R

Agentic AI , 雲計算 , AI , 雲原生 , RAG , AI Agent , 工作流

收藏 評論

dmx778 頭像

大模型玩家七七 - 10 萬文檔 RAG 落地實戰：從 Demo 到生產，我踩過的所有坑

10 萬文檔 RAG 落地實戰：從 Demo 到生產，我踩過的所有坑 引言：RAG 為什麼在企業級場景“必選但難用” 在過去一年裏，RAG（Retrieval-Augmented Generation）幾乎成了企業落地大模型的標準配置。 原因很簡單： 企業數據高度私有，無法直接丟給大模型訓練 業務知識更新頻繁，微調成本高、週期長 需要“可控、可解釋、可追溯”的回答來源 但當你真的把 RA

AI

收藏 評論

OBCE666 頭像

OBCE666 - 餵飯級教程（番外篇）—— 在 K8s 上部署 Dify

背景 前一陣兒，OceanBase 聯合 Dify[1] 在 v1.10.1 版本中完成了 MySQL 兼容開發。同時，Dify 也在這一版本中，也開始嘗試通過一體化數據庫來解決多組件架構帶來的 Scale 複雜性，並選擇了 OceanBase seekdb[2] 作為首個實踐對象，詳情請見：《Dify x OceanBase seekdb 使用指南》。 在上面這篇文章中，我們已經為大家介紹如何配

AI

收藏 評論

lsjwq 頭像

iNeuOS工業互聯網系統 - 基於DeepSeek-R1 15b微調訓練自主的領域大模型，附帶工程代碼

目 錄 1. 概述... 2 2. 測試DeepSeek 15B原生模型... 3 3. 測試微調訓練後的大模型... 4 4. 微調模型訓練過程及代碼... 6 1. 概述 　　基於DeepSeek-R1-Distill-Qwen-1.5B模型訓練自主的領域大模型，例如打造針對鋼鐵、礦山、有色、稀土、建材、加工製造等領域的大模型。促進大模型技術在具體領域的應用與落地，助力行業向智能製造轉型

AI

收藏 評論

victoryocco 頭像

Victor Yocco - Beyond Generative: The Rise Of Agentic AI And User-Centric Design

Agentic AI stands ready to transform customer experience and operational efficiency, necessitating a new strategic approach from leadership. This evolution in artificial intelligence empowers system

ux , AI , Design

收藏 評論

wintersun 頭像

PetterLiu - GPT-5.2安全報告討論

一場複雜的辯論 OpenAI於12月11日發佈的關於其最新模型GPT-5.2的系統安全報告，一經問世便在業內引發了廣泛而複雜的爭議。這份報告詳細地呈現了新模型在各項安全與能力指標上的表現，但其數據卻同時引出了兩種截然相反的解讀。 這使得我們不得不直面一個核心問題：“我們究竟是看到了一個在安全和能力上取得了實質性、可衡量進步的AI模型，還是説在那些看起來很漂亮的增長曲線背後，其實

AI

收藏 評論

u_16773655 頭像

向量檢索 - 通義深度搜索

簡介 通義深度研究產品，又稱深度搜索智能體Deep Search Agent，基於廣受歡迎的通義開源 WebSailor/DeepResearch開源項目增強而來，為用户打造的端到端智能深度搜索Agent API，可廣泛應用於本地+聯網知識庫、長文報告寫作、金融分析、法律諮詢、市場研究等應用場景 通義深度搜索Agent，通過多階段

大數據 , yyds乾貨盤點 , 搜索 , 深度搜索 , 數據倉庫 , AI , AI問答 , 大模型

收藏 評論