tag 人工智能

標籤
貢獻909
907
06:37 AM · Oct 27 ,2025
deephub 頭像 u_13357275 頭像 pannideniupai 頭像 elhix0bg 頭像 xingxingshangdeliushu 頭像 u_15591470 頭像 lab4ai 頭像 u_17579295 頭像 u_17512334 頭像 qingfouai 頭像 u_17567677 頭像 chaoshenjinghyperai 頭像

@人工智能 / 博客 RSS 訂閱

deephub 頭像

deephub - 向量搜索升級指南：FAISS 到 Qdrant 遷移方案與代碼實現

FAISS 在實驗階段確實好用，速度快、上手容易，notebook 裏跑起來很順手。但把它搬到生產環境還是有很多問題： 首先是元數據的問題，FAISS 索引只認向量，如果想按日期或其他條件篩選還需要自己另外搞一套查找系統。 其次它本質上是個庫而不是服務，讓如果想對外提供接口還得自己用 Flask 或 FastAPI 包一層。 最後最麻煩的是持久化，pod 一旦掛掉索引就沒了，除非提前手動存盤。 Q

llm , 向量 , 人工智能 , 檢索系統

收藏 評論

jhctech 頭像

深圳集和誠科技JHCTECH - 革新視界，智算未來 | 集和誠新品Arc A750E ECM 16G MXM GPU震撼上市！

在智能計算需求日益增長的今天，高性能圖形處理能力已成為行業創新的核心驅動力。Arc A750E ECM 16G MXM GPU——一款基於Intel® Arc™ A750E嵌入式芯片的高性能顯卡，專為智能交通、機器視覺、醫療影像等高要求場景量身打造！ Arc A750E ECM 16G Arc A750E ECM 16G 是集和誠一款搭載Intel®

Intel GPU卡 , 人工智能 , 計算機視覺 , MXM GPU卡 , Intel A750E

收藏 評論

u_13978112 頭像

wx5ba1a231a2789 - ARS548雷達使用中的問題及解答

首先，在此感謝上海渭成智能科技有限公司提供的無償諮詢服務和資料。 ARS548 是德國大陸推出的新一代毫米波雷達傳感器，是大陸第五代毫米波雷達的高配版本，屬於 4D 高分辨率成像毫米波雷達，基於 ARS540 硬件平台特別適配通用型開發版固件，支持輸出 Detection (即 Cluster) 和 Obiect (即 Track) 目標信息，所以除了典型的車載場景應用，也

單播 , ip , 固件 , 人工智能 , 深度學習

收藏 評論

u_17580222 頭像

mb691327edb400f - AI招聘新趨勢：從效率工具到決策引擎

AI招聘新趨勢：從效率工具到決策引擎 招聘領域正在經歷深刻變革。數據顯示，AI在人力資源場景中使用率最高的正是“招聘與配置”環節，佔比達34.9%，連續三個季度位居首位。這一現象表明，招聘已成為企業爭奪AI紅利的首要戰場。 在當前環境下，招聘作為HR最高頻的工作場景，AI技術能夠將簡歷篩選、面試安排、能力評估等流程週期縮短60%。面對日益增長的成本、效

數據 , 人工干預 , 人工智能 , 深度學習 , 效率工具

收藏 評論

u_13521 頭像

cnolnic - react native template 創建項目

ReactNative是做什麼？我就不廢話了，主要記錄一下Demo跑起來的流程。 開發流程： 開發平台：LinuxWindows 目標平台：Android 1.安裝環境（JDK，AndroidStudio的安裝需要注意） 2.創建項目react-native init AwesomeProject 3.運行項目到Android模擬器 重點：

機器學習 , text , Android , 人工智能 , JAVA

收藏 評論

weixiaodehai_cywv9b 頭像

HelpLook - 以騰訊為例，手把手教你搭建產品幫助中心

一個精心設計的產品幫助中心對於提高用户滿意度和體驗至關重要。騰訊，作為全球領先的互聯網企業，通過其多樣化的產品線（包括微信、QQ、騰訊遊戲、騰訊視頻等）吸引了億萬用户。下面將以騰訊為例，向您展示如何搭建一個高效的產品幫助中心。 首先我們來參考一下騰訊幫助中心是什麼樣的。騰訊的幫助中心巧妙地將其旗下眾多產品進行了分類管理，方便用户迅速找到所需幫助。 以騰訊的電腦遊戲“

騰訊 , 自然語言處理 , 搜索引擎優化 , 人工智能 , 知識庫

收藏 評論

u_17061379 頭像

AI編程社區 - Qoder 全新「上下文壓縮」功能正式上線，省 Credits ！

你是否經歷過與 AI Coding 工具協作編程時，對話越來越長，回答卻開始變慢，甚至跑偏？在使用 AI Coding 工具過程中，是否覺得 tokens 消耗過快，越來越不經用？ Qoder 全新「上下文壓縮」功能正式上線，高效管理會話上下文，節省開發成本，同時保持高效協作！ 什麼是上下文窗口？ 上下文窗口（Context Window）可以理解成 AI 的“

機器學習 , 請求處理 , 新功能 , 人工智能 , 官網

收藏 評論

u_19261 頭像

戀上一隻豬 - 構建可控圖像生成數據集

可控硅知識的問與答 一、可控硅的概念和結構？ 晶閘管又叫可控硅。它的主要成員有單向晶閘管、雙向晶閘管、光控晶閘管、逆導晶閘管、可關斷晶閘管、快速晶閘管等等。今天大家使用的是單向晶閘管，也就是人們常説的普通晶閘管，它是由四層半導體材料組成的，有三個PN結，對外有三個電極〔圖2(a)〕：

up , 測試 , 工作 , 人工智能 , 深度學習 , 構建可控圖像生成數據集 , ie

收藏 評論

u_16213714 頭像

mob64ca1417b0c6 - 兩個特徵矩陣的餘弦相似度可以作為權重 兩個矩陣相似特徵值

如何理解矩陣特徵值？ 想要理解特徵值，首先要理解矩陣相似。什麼是矩陣相似呢？從定義角度就是：存在可逆矩陣P滿足B＝ 則我們説A和B是相似的。讓我們來回顧一下之前得出的重要結論：對於同一個線性空間，可以用兩組不同的基 和基 來描述，他們之間的過渡關係是這樣的： ，而對應座標之間的過渡關係是這樣的

f5 , 特徵值 , 人工智能 , 深度學習 , 兩個特徵矩陣的餘弦相似度可以作為權重 , 特徵向量

收藏 評論

u_16291253 頭像

微學AI - AI Ping最新上線了，現在來免費用！MiniMax-M2.1、GLM-4.7，手把手教學部署與運用

一、AI Ping 中的模型 隨着大語言模型技術的飛速發展，AI 輔助編程已成為新常態。其中，“氛圍編程”作為一種新興範式，強調開發者通過自然語言與 AI 進行流暢交互，在沉浸式的開發環境中獲得代碼建議、問題解答和自動化任務支持 。這種範式極大地依賴於強大的後端 AI 模型和順暢的前端工具集成。在此背景下，一個名為 AI Ping 的新興 API 聚合服務應運而生。

code , API , NLP , Max , 人工智能

收藏 評論

yingjundeqianbi 頭像

SaaS知識庫 - 產品使用手冊的重要性：如何提升用户體驗與減少售後成本？

在競爭激烈的市場環境下，用户體驗已成為企業成功的關鍵因素之一。而一份清晰、全面的產品使用手冊，不僅能夠提升用户滿意度，還能有效降低企業的售後成本。本文將探討產品使用手冊的重要性，並介紹如何藉助智能知識庫工具輕鬆搭建高效的幫助中心。 一、產品使用手冊如何提升用户體驗？ 降低學習成本，提高用户滿意度 提供全天候支持，減少用户困惑 提升品牌形象和專業度 二、如何通過產品使用手冊降低售後成本？

saas平台 , 知識庫軟件 , 人工智能 , 產品 , 用户體驗

收藏 評論

tecdat 頭像

拓端tecdat - Python、Amos汽車用户滿意度數據分析：BERT情感分析、CatBoost、XGBoost、LightGBM、ACSI

全文鏈接：https://tecdat.cn/?p=44650 原文出處：拓端數據部落公眾號 關於分析師 在此對 Jiajun Tang 對本文所作的貢獻表示誠摯感謝，他在浙江工商大學完成了應用統計專業的碩士學位，專注數據分析領域。擅長 Python、stata、spss、機器學習、深度學習、數據分析 。 Jiajun Tang 曾在科技領域從事數據分析師相關工作，參

機器學習 , 數據挖掘 , 人工智能 , 深度學習

收藏 評論

u_16099306 頭像

落花流水人家 - 機器學習 蒙特卡洛模擬因子組合最優 spss蒙特卡洛方法結果

在很多應用場景中，馬爾可夫決策過程的狀態轉移概率 \(p(s^ {\prime}|s,a)\) 和獎勵函數 \(r\left( {s,a,s^{\prime}} \right)\) 都是未知的。這種情況一般需要智能體與環境交互，然後收集一些樣本，然後再根據這些樣本來求解最優策略，這種基於採樣的學習方法稱為模型無關的強化學習 \([1]\). 1 蒙特卡羅預

機器學習 , 狀態轉移 , 強化學習 , 機器學習 蒙特卡洛模擬因子組合最優 , 人工智能 , 迭代

收藏 評論

lab4ai 頭像

Lab4AI - 加量不加價！《從零開始玩轉LLaMA Factory 大模型微調》新增多模態實戰項目

加量不加價！《從零開始玩轉LLaMA Factory 大模型微調》新增多模態實戰項目 大模型下半場，卷文字已成過去式，多模態才是真未來！ AI的競爭已經從“比誰能寫詩”進化到了“比誰能看世界”。 如果你還困在純文本對話的圍城裏，只能眼睜睜看着多模態技術突破一維文本的限制，在更高維度的信息處理中，實現對複雜現實世界的降維打擊。 現在，LLaMA-Factory 開源作者鄭耀威博士親臨，帶你用最硬核的

人工智能

收藏 評論

writers 頭像

思否編輯部 - VibeHacks #02 啓動，在上海一起用 Vibe Coding 優化 Podcast

活動介紹 VibeHacks #02是由VibeFriends和SegmentFault聯合主辦的 24 小時 Vibe Coding 黑客鬆。 上一期 VibeHacks 回顧：VibeHacks #01 收官｜24h Vibe Coding 到底能做出什麼？人與AI竟然選擇了同一個項目？ 比賽主題與形式 比賽主題： 用 Vibe Coding 優化 Podcast 比賽形式： 我們會招

segmentfault , 人工智能 , 黑客馬拉松 , 開發者

收藏 評論

u_16099213 頭像

編程思想者 - AI量化交易學習筆記

文章目錄 Nof1.ai 的開源復刻版：讓 AI 成為你的量化交易員（附提示詞模板） 🧠 前言：讓 AI 做你的量化交易員 ⚙️ 一、復刻架構概覽 🔧 二、實操：如何創建一個 AI 交易員 ① 註冊與配置模型 ② 設置交易

gpu算力 , AI編程 , chatgpt , 人工智能 , Css , prompt , 前端開發 , HTML

收藏 評論

u_17579628 頭像

mb69129985e0f10 - AI智能體爆火，低代碼平台會成為時代的眼淚嗎？

在2025年的技術浪潮中，AI智能體以“自主決策、環境交互、持續進化”的顛覆性能力，成為資本與開發者追捧的焦點。與此同時，低代碼開發平台憑藉“可視化拖拽、快速交付、降低技術門檻”的核心價值，仍穩坐企業數字化轉型的“基礎設施”寶座。當AI智能體與低代碼平台在技術演進中相遇，二者並非替代關係，而是正在形成“AI賦能低代碼，低代碼託底AI應用”的共生生態。

機器學習 , 數據 , 自動生成 , 人工智能 , 開發者

收藏 評論

u_13424 頭像

flyingsmiling - 深度學習 大型線性代數方程組

本篇為MIT公開課——線性代數 筆記。 本篇為MIT公開課——線性代數 筆記。 二維舉例 兩未知數兩方程： \[2 x-y=0\\ -x+2 y=3 \] 方程組的矩陣形式： \[\left( \begin{array}{cc} 2 -1 \\ -1 2 \\ \end{array} \right) \left( \begin{array}

方程組 , 深度學習 大型線性代數方程組 , 點積 , 係數矩陣 , 人工智能 , 深度學習

收藏 評論

u_16380863 頭像

未聞花名AI - 構建AI智能體：二十八、大語言模型BERT：原理、應用結合日常場景實踐全面解析

一、BERT是什麼 BERT（Bidirectional Encoder Representations from Transformers）是谷歌在2018年發佈的自然語言處理模型，它徹底改變了NLP領域的發展軌跡。在BERT出現之前，主流模型如Word2Vec只能提供靜態的詞向量表示，這些方法雖然解決了詞彙的分佈式表示問題，但無法處理一詞多義和複雜的上下文信息。例如，"

編碼器 , yyds乾貨盤點 , API , NLP , 人工智能 , 情感分析

收藏 評論

zhangxueliang 頭像

a772304419 - 計算機視覺YOLO + 大模型deepseek 工廠操作規範檢測案例分析：規則引擎的價值分析

規則引擎這個環節是整個系統從“感知”上升到“認知”的關鍵，也是最智能的部分。我來詳細拆解這個 [動作識別與規則引擎] -- [DeepSeek邏輯推理/SOP理解] 的協作過程。 這個環節的核心是：將原始的視覺數據轉化為有業務意義的決策。它不是一個簡單的“是/否”判斷，而是一個基於上下文的理解和推理過程。 首先，我們明確兩個組件的分工

規則引擎 , MySQL , yolo , 數據庫 , 人工智能 , 計算機視覺 , ide

收藏 評論

u_16213616 頭像

mob64ca14005461 - ai機器人highlightrjs

説明 （2024 年 4 月 注） 準備 　　全新的圖形引擎與 AI 算法，高效流暢地繪出任何一副美麗的圖像。 　　IDE：VisualStudio 　　Language：VB.NET / C# 　　Graphics：AutoPaint.NET 第一節 背景 　　背景是圖畫裏襯托主體

Public , ai機器人highlightrjs , List , System , 人工智能 , 深度學習

收藏 評論

danxiaodezixingche 頭像

老紀的技術嘮嗑局 - 從開發者視角觀察 OceanBase 開源的 AI 產品御三家

大家好，我是 OceanBase 開源團隊的一名研發同學，最近一年緊跟公司的 DATA X AI 戰略在做相關的研發工作，所以今天我就從我自己的視角和大家聊一聊我眼中的 OceanBase 在近期開源的 seekdb、PowerRAG 和 PowerMem 三款產品： seekdb：AI 原生混合搜索數據庫，基於 Apache 2.0 協議開源 PowerRAG：企業級 RAG 解決方案，構

oceanbase , 數據庫 , 人工智能

收藏 評論

u_16099194 頭像

數據大俠客 - eemd獲得的imfs個數少

第二部分 選擇輸出管的工作點，並進行仿真 由於耳放在最大60mw，120歐負載情況下的輸出電壓峯-峯值有7.59V，交流電流的峯-峯值有63.25mA，假設上下每個管子輸出一半，那麼每個管子的有效負載就是120*2=240歐，輸出電流的峯-峯值大於63.25/2=31.625mA。選擇Ia20mA，應該可以滿足要求。輸出管工作點在選擇的時候注意考慮以下幾點：

機器學習 , 輸出阻抗 , 彈出菜單 , 人工智能 , wcf , eemd獲得的imfs個數少

收藏 評論