tag 人工智能

標籤
貢獻909
928
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

shujuxiaowanzi 頭像

數據小玩子 - 【營銷數據洞察系列5】多渠道歸因分析：單一歸因模式下，如何避免低估部分渠道的真實貢獻？

用户決策是多渠道協同作用的結果，單一歸因（如最終點擊）會忽略中間渠道的價值，導致預算分配失衡。通過助睿BI的多模型歸因功能，可呈現首次互動、最終點擊、線性歸因等不同模型下的渠道貢獻額，避免單一歸因模式的侷限性，讓預算分配更貼合實際貢獻情況。 助睿BI鏈接：https://www.zhurui.com/

數據挖掘 , bi , 人工智能 , 數據分析

收藏 評論

u_16099356 頭像

IT智行領袖 - 實體類還需要implements Serializable嗎

主要有兩個原因： 　　1、將對象的狀態保存在存儲媒體中以便可以在以後重新創建出完全相同的副本； 　　　 這個可以這麼理解： 　　　　　　　　　　比如，你要將某個特定的對象保存到文件中，然後隔幾天在把它拿出來用 　　2、按值將對象從一個應用程序域發送至另一個應用程序域。 這個可以這麼理解： 　　　　　　　　

機器學習 , 序列化 , 應用程序域 , 數據類型 , 人工智能

收藏 評論

u_15214399 頭像

u_15214399 - 【案例共創】基於spaCy的NER模型構建與深度EDA解析：Twitter情感短語提取

最新案例動態，請查閲【案例共創】基於spaCy的NER模型構建與深度EDA解析：Twitter情感短語提取。小夥伴們快來領取華為開發者空間進行實操吧！ 本案例由開發者：天津師範大學協同育人項目–翟羽佳提供 1 概述 1.1 案例介紹 社交媒體已成為全球用户表達情感與觀點的重要平台，Twitter 作為典型代表，每日產生海量文本數據。情感分析作為自然

機器學習 , 數據 , 路徑和 , 人工智能 , 開發者

收藏 評論

kaizx 頭像

KAI智習 - OpenAI探索廣告變現與人才佈局，千問引領AI生態變革，Trae月活破160萬

今天AI行業動態涵蓋OpenAI商業化探索與人才佈局、中國AI大模型市場突破、字節AI編程工具數據亮眼、AI安全問題引發關注等多項重要內容，一起來看今天的AI行業動態。 1. OpenAI探索商業化與人才佈局：ChatGPT廣告模式與AI防災負責人招聘 核心事件：OpenAI在商業化和人才佈局方面採取多項關鍵舉措，包括探索ChatGPT廣告模式和緊急招聘AI防災負責人。 技術細節：OpenAI確認

llm , 資訊 , 人工智能

收藏 評論

rtedevcomm 頭像

RTE開發者社區 - AV1 獲艾美獎，Mozilla 披露 AV2 方向：面向實時交互；智譜開源語音合成模型 GLM‑TTS 丨日報

開發者朋友們大家好： 這裏是 「RTE 開發者日報」，每天和大家一起看新聞、聊八卦。我們的社區編輯團隊會整理分享 RTE（Real-Time Engagement） 領域內「有話題的技術」、「有亮點的產品」、「有思考的文章」、「有態度的觀點」、「有看點的活動」，但內容僅代表編輯的個人觀點，歡迎大家留言、跟帖、討論。 *本期編輯：@瓚an、@鮑勃 01 有話題的技術 1、Google AI Stu

人工智能

收藏 評論

u_16213655 頭像

mob64ca1409970a - 安裝XTU出現attempted

ubuntu16.04 Xllinx SDx 2018.2 安裝教程 一、安裝Ubuntu16.04 下載地址： 鏈接：https://pan.baidu.com/s/1oyKo5XS7QDqSqHUnx-vN6w 提取碼：fleg 具體安裝步驟網上有很多教程，大家

機器學習 , 經驗分享 , 安裝XTU出現attempted , bash , 人工智能 , 官網 , 下載地址

收藏 評論

u_16099311 頭像

Python數據分析 - yolo目標檢測實際流程圖

Yolo v2 論文名稱 Yolo9000：Better，Faster，Stronger 該論文實際上包含了2個模型，Yolov2 和 Yolo9000，Yolo v2 是在 Yolo v1 基礎上進行了改進， 此外作者提出了一種 檢測和分類 的聯合訓練方法，並用該方法在 COCO 檢測數據集 和 ImageNet 分類數據集上訓練 Yolo v2，把得到的模型稱為 Yol

數據集 , 卷積 , 寬高 , yolo目標檢測實際流程圖 , 人工智能 , 計算機視覺

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI 智慧檢查綜合管理平台：讓質檢管理從 “碎片化” 變 “全鏈路可控”

在多廠區企業、跨區域項目裏，傳統質檢管理常陷入 “信息孤島” 困境 ——A 車間的檢查數據存在本地表格，B 項目的問題整改進度靠微信同步，總部想彙總分析得花幾天整理數據。而 AI 智慧檢查綜合管理平台，就像一位 “全局指揮家”，靠技術把分散的質檢環節串成線、織成網，讓從檢查發起、問題識別到整改閉環的全流程都清晰可控，徹底告別 “東找數據、西催進度” 的麻煩。 這個平台能實現 “全局管

鏈路 , 數據 , NLP , 人工智能 , 決策模型

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 【Triton 教程】Libdevice (tl_extra.libdevice) 函數

Triton 是一種用於並行編程的語言和編譯器。它旨在提供一個基於 Python 的編程環境，以高效編寫自定義 DNN 計算內核，並能夠在現代 GPU 硬件上以最大吞吐量運行。 更多 Triton 中文文檔可訪問 →https://triton.hyper.ai/ Triton 可以調用外部庫中的自定義函數。在這個例子中，我們將使用 libdevice 庫在張量上應用 asin 函數。請參考以下鏈

機器學習 , 人工智能 , 編譯器 , 深度學習 , 後端

收藏 評論

u_16213614 頭像

mob64ca13ffd0f1 - 人工智能正當行 金融壹賬通推動銀行智能化轉型 - IFTNews的個人空間 -

在過去十年間，財務自動化技術經歷了從“工具化”到“智能化”的演進。如今，企業正迎來一個全新的階段——財務自動化3.0時代。這一階段的核心，不再僅僅是“替代人工操作”，而是要實現從ERP系統到銀行系統的端到端閉環，真正打通企業財務管理的最後一公里。 從自動化到智能化：財務變革的必然趨勢 在財務自動化1.0階段，企業主要依靠基礎RPA（機器人流程

風控 , 運維 , 自動化 , 人工智能 , Css , 銀行系統 , 前端開發 , HTML

收藏 評論

dtstack 頭像

袋鼠雲數棧 - AIWorks四大核心能力煥新！打造高性能 AI 應用開發底座

近期，智能應用開發平台 AIWorks 進行了四大板塊的內容升級，以提升開發效率、增強靈活性、優化檢索體驗和強化安全保障為核心目標，通過工作流畫布的革新、自定義工具能力的突破、知識庫檢索的升級以及平台權限的精細化管控，為開發者打造了一個高效、智能、安全的開發環境，更好助力開發者應對複雜業務挑戰，加速AI智能應用的落地進程。以下是AIWorks四大升級亮點詳細內容： 一、工作流畫布更新 本次迭代的核

大數據 , 算法 , 開發 , 數據庫 , 人工智能

收藏 評論

u_16213635 頭像

mob64ca1404baa2 - 多路譜聚類算法 源碼

引入 　　聚類算法一般可以分為兩類： Compactness。代表的算法有 K-means，GMM 等。但這類算法只能處理凸集，為了處理非凸的樣本集，必須引⼊核技巧。 Connectivity。這類以 spectral clustering 為代表。 　　舉個例子，將下述數據採用聚類算法進行聚類，可以採用GMM 或 K-Means 的方

機器學習 , 子圖 , 切圖 , 權重 , 人工智能 , 多路譜聚類算法 源碼

收藏 評論

u_16213572 頭像

技術領航探索者 - 深度學習yaml文件檢測類別可以是中文嗎

一、背景：數據及配置文件之爭 數據及文件通常有三種類型： 配置文件型：如ini，conf，properties文件，適合存儲簡單變量和配置項，最多支持兩層，不適合存儲多層嵌套數據 表格矩陣型：如csv，excel等，適合於存儲大量同類數據，不適合存儲層級結構的數據 多層嵌套型：如XML，HTMl，JSON、

字符串 , yaml , 人工智能 , 深度學習 , Python

收藏 評論

sihaihande 頭像

漢得數字平台 - 重磅升級｜漢得靈猿AI中台1.7版本發佈！

漢得靈猿（大聖）AI中台1.7版本正式發佈！這次升級不僅帶來了眾多新功能，還從Agent智能體能力、企業知識助手能力、內置應用場景擴展、平台體驗優化等多個維度進行全面增強，旨在為用户提供更強大、更智能、更便捷的功能體驗，更好地服務於用户的實際業務場景。 此次版本升級，主要聚焦以下四個方面： Agent智能體全面升級：在新版本中，我們對Agent智能體功能進行了大幅擴展，新增多個節點，節

agent , ai開發 , 人工智能

收藏 評論

u_16099296 頭像

mob6454cc73e9a6 - python標準庫pathlib常見操作

文章目錄 1 pathlib 庫簡介 1.1 為什麼要使用 pathlib？ 2 基本操作介紹 2.1 路徑操作 2.1.1 導入和創建 Path 對象 2.1.2 路徑拼接和解析 2.1.3 路徑判斷和解析

pathlib , 開發語言 , 後端開發 , 人工智能 , 數據處理 , harmonyos , Python

收藏 評論

u_16099270 頭像

字節小舞神 - memset 多維數組

指針和多維數組 數組名是特殊的指針 數組是一個特殊的指針，多維數組也是更為複雜的數組，它們的關係是什麼樣的呢？ 我們通過一個簡單的例子來比較形象的瞭解指針和多維數組： int a[2][3]; 這是一個2*3的二維數組，首先我們清楚數組名就是指向數組首元素的常量指針（它不可以指向其他部分，可以對指向的元素進行任意修改）；其次C語言中所

機器學習 , 數組 , 人工智能 , 多維數組 , 二維數組 , memset 多維數組

收藏 評論

u_17512334 頭像

疆鴻智能研發中心 - ETHERCAT轉MODBUS協議轉換網關：激光切割設備高效協同的“隱形橋樑”

ETHERCAT轉MODBUS協議轉換網關：激光切割設備高效協同的“隱形橋樑” 在激光切割與雕刻等高精度工業設備領域，設備間的協同效率直接決定了加工精度與生產效率。其中，工作台的精準移動、鏡頭的微米級調節，均依賴伺服電機的精確控制；而電機轉速的穩定性則需變頻器通過調節輸出頻率（如50Hz/60Hz匹配）來保障，避免因頻率偏差導致的定位誤差或電機過熱。在這一複雜系統中，ETH

協議轉換 , 人工智能 , 深度學習 , ETHERCAT , 網關 , 工業自動化 , Modbus

收藏 評論

u_16099269 頭像

落筆成詩 - 深度學習中的多尺度融合是什麼

論文地址：https://arxiv.org/abs/1504.06375 現有的多尺度多層次的神經網絡 　　多尺度學習可以在神經網絡中，以越來越大的感受野和下采樣的形式，每個層中學習的特徵表示是多尺度的，另一方面在神經網絡之外，也可以通過例如調整輸入圖像的尺度獲得多尺度信息。 多尺度學習的可能配置 　　 　　multi-stream lea

神經網絡 , 深度學習中的多尺度融合是什麼 , 權重 , 人工智能 , 深度學習 , 網絡流

收藏 評論

u_16099220 頭像

數碼精靈abc - Blazemeter為什麼賬號登錄不成功

今天研究了一下blazor，發現他默認啓動就是類似於後台管理系統的界面，看到這個頁面我就想給他寫個登錄，有登錄就涉及到未登錄重定向的問題，但是我沒有找到blazor全局路由的設置，知道的老哥可以告訴我一下哈，在這裏我是基於操作LocalStorage的方法，如果訪問默認佈局時若沒有LocalStorage，就重定向到login頁，其實也可以判斷不存在LocalStora

機器學習 , email , 重定向 , bc , 人工智能

收藏 評論

old_it 頭像

老IT人 - 超全測試：32GB專業顯卡 vs 最強消費級顯卡

​近期 ComfyUI 社區小夥伴們用RTX 5000 Ada專業顯卡測試了Flux.1[dev]模型，並與最強消費級顯卡對比大場景實際應用中的性能表現。 測試項目： Flux.1文生圖 Flux.1-dev FP8訓練 Flux.1生成不同分辨率圖片 Flux.1生成人物大模型+Lora+高清分辨率修復 Flux.1測試ControlNet 使用 Tile 高清修復 文生圖 設置尺

generative-ai , 顯卡 , flux , 人工智能

收藏 評論

u_16099329 頭像

數據狂徒 - jemter1分鐘請求3000次怎麼設置

在壓力測試時，可能需要使用jmeter的梯度加壓。而在使用梯度加壓時，大部分tester會對這一點疑惑：設置的總線程是100，但聚合報告中線程數遠超100個 ，為什麼梯度加壓會有這樣的現象？用事實説話，本文用示例去解釋這一點。 環境： 先設置梯度加壓的場景，訪問某網站，具體如下： 從這個梯度加壓設置的參數，我們可以看出設置的總線程數為50

機器學習 , 加載 , 響應時間 , 人工智能 , 迭代

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI 大語言模型及服務平台：從“接模型”到“可治理能力中台”的工程實踐

在很多團隊的最初方案中，“大語言模型平台”往往被理解為一件很簡單的事情： 接入一個大模型 封裝成 API 提供給業務調用 Demo 很快能跑，但一旦進入多業務、多團隊、多場景使用，就會迅速暴露出問題： 不同業務對模型口徑要求完全不同 Prompt 分散在各個服務中，無法統一管理 模型版本更新後，線上行為不可控 成本、延遲、風

限流 , NLP , 語言模型 , 緩存 , 人工智能

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 地平線/智源/字節/凌川科技齊聚上海，共探編譯器優化新進展

2023 年，HyperAI超神經在北京、上海、深圳舉辦了 4 場 Meet TVM 線下聚會，聚集了超 1 千位資深從業者及愛好者，逐步建立了豐富的社區生態。 2024 年，HyperAI超神經聚焦 AI 編譯器領域，繼續為業內人士提供開放的交流平台，在今年 7 月舉辦了 Meet AI Compiler 技術沙龍的第 5 期。如今，2024 年接近尾聲，大模型賽道激戰未停，AI 編譯器有哪些新

ai開發 , 人工智能 , 編譯器 , 深度學習 , 編譯器優化

收藏 評論

deephub 頭像

deephub - AI Agent工作流實用手冊：5種常見模式的實現與應用，助力生產環境穩定性

很多人認為使用AI Agent就是直接扔個提示詞過去，然後等結果。做實驗這樣是沒問題的，但要是想在生產環境穩定輸出高質量結果，這套玩法就不行了。 核心問題是這種隨意的提示方式根本擴展不了。你會發現輸出結果亂七八糟，質量完全不可控，還浪費計算資源。 真正有效的做法是設計結構化的Agent工作流。 那些做得好的團隊從來不指望一個提示詞解決所有問題。他們會把複雜任務拆解成步驟，根據不同輸入選擇合適的模型

llm , 神經網絡 , 人工智能 , 深度學習

收藏 評論