tag 人工智能

標籤
貢獻909
933
06:37 AM · Oct 27 ,2025

@人工智能 / 博客 RSS 訂閱

mob64ca140234eb - 大數據分析平台 類似神策

近日,國內頂尖行業研究大數據庫及內容平台頭豹研究院發佈了《2022年中國大數據產業一級市場縱覽》報告,億信華辰憑藉在大數據領域的持續深耕,以突出的技術創新能力和市場表現力,上榜“中國大數據產業一級市場相關廠商圖譜”中的數據治理、數據分析平台、數據存儲三大職能領域。其中,億信華辰在數據治理領域表現尤為亮眼,入選了數據治理企業一級市場標的圖譜。 △《20

大數據 , 數據 , 大數據分析平台 類似神策 , 人工智能 , 數據分析

收藏 評論

我是黑桃A - AI Ping 上線 GLM-4.7 與 MiniMax M2.1:兩款國產旗艦模型免費用!

1. 先説結論:這次上線更像“工程能力”的分水嶺 如果你把大模型當作“更強的搜索框”,那評測重點往往是知識點覆蓋與文風;但當你開始把它接進研發與業務流程,評測重點會立刻變成: 需求拆解是否靠譜,能不能形成可執行的交付路徑 多輪迭代是否穩定,是否會在長鏈路裏逐步跑偏 成本與吞吐是否可控,是否適合持續運行的 Agent 工作流 GLM-4.7 與 Min

鏈路 , Max , 人工智能 , 深度學習 , Json

收藏 評論

百度Geek説 - 一文解碼百度地圖AI導航“小度想想”

你有沒有過這樣的體驗?在高速上對着導航喊“小度小度”,它就神奇地迴應道“來了”;在地下車庫問“最近的充電樁”,屏幕立刻跳出相關的充電樁指引;甚至對車載語音助手説“有點冷”,空調的温度就會悄悄調高。這些看似“讀心術”的交互背後,藏着一個能聽懂人話、能感知環境、能精準應答的“數字領航員”。 當你説“查找故宮附近的粵菜館”時,系統不僅要從3億多條 POI 數據中精準定位,還要理解“附近”是500米還是3

人工智能 , 地圖 , 百度地圖

收藏 評論

編程之翼 - html rem 寫網頁端

HTML文件最重要的特徵之一就是超鏈接,通過網頁上所提供的連接功能,用户可以鏈接到網絡上的其他網頁。 4.1 設置基本文字超鏈接 建立超鏈接所使用的HTML標記為a/a標記。超鏈接最重要的有兩個要素,設置為超鏈接的文本內容和超鏈接指向的目標地址。 !DOCTYPE html html lang="en" head meta charset="U

機器學習 , html rem 寫網頁端 , 人工智能 , 超鏈接 , HTML

收藏 評論

超神經HyperAI - 【TVM教程】為 ARM CPU 自動調優卷積網絡

Apache TVM 是一個深度的深度學習編譯框架,適用於 CPU、GPU 和各種機器學習加速芯片。更多 TVM 中文文檔可訪問 →https://tvm.hyper.ai/ 作者:Lianmin Zheng, Zhao Wu, Eddie Yan 針對特定 ARM 設備的自動調優對於獲得最佳性能至關重要,本文介紹如何調優整個卷積網絡。 TVM 中 ARM CPU 的算子實現是以 template

機器學習 , arm , 人工智能 , 編譯器 , 深度學習

收藏 評論

footballboy - C端程序UI基於element開發

前言 這篇文章的原文來自Jon Galloway,想看原文的請猛戳鏈接。第一次接觸這個Juice UI是看到同事分享的郵件,當時只是粗略看看,不過感覺把jQuery UI整合到ASP.NET Web控件裏去確實是個不錯的主意。今天偶然在網上看到了這篇文章,就動手把它翻譯過來,和大家分享。以下是譯文: 今天早上的MVP峯會上,Scott

機器學習 , ViewUI , 人工智能 , C端程序UI基於element開發 , c , Javascript , ui

收藏 評論

JUGG11 - 5分鐘從入門到精通!PandaWiki:零代碼小白的AI編程助手

還在為編程查資料抓狂?5 分鐘解鎖 PandaWiki,AI 幫你搞定 80% 編程難題 作為編程新手,是不是總被這些問題困住:想查 API 用法翻遍官網找不到重點,遇到報錯搜半天全是零散答案,寫技術文檔卡殼半天憋不出字?直到發現 PandaWiki 這款 “AI 編程神器”,不用懂複雜操作,5 分鐘就能上手,讓編程查資料、寫文檔的效率直接翻倍! 第一步:3 分鐘搭建

github , 服務器 , AI , 人工智能 , 深度學習 , 解決方案

收藏 評論

mob64ca13f7ecc9 - 計算機視覺如何進行面積過濾功能

ASEF相關濾波器: Average of Synthetic Exact Filters David S. Bolme, Bruce A. Draper, J. Ross Beveridge CVPR, 2009 相關濾波器可以用於物體定位。相關濾波器算法的思想是學習一個濾波器hh,然後和圖像fi

卷積 , 在線更新 , 初始化 , 人工智能 , 計算機視覺如何進行面積過濾功能 , 計算機視覺

收藏 評論

雨大王 - 工業4.0的秘密武器:設備互聯為何讓生產效率飆升?

最近在物聯網的浪潮下,設備互聯成了企業數字化轉型的熱門話題,尤其在製造業和智能家居領域,它簡直是把一切設備連接起來的“橋樑”。想想看,過去設備之間各自為政,現在通過互聯,效率和協同能力大大提升了。就説説我在工作中遇到的一個例子吧,比如在汽車生產線,設備互聯讓機器人和傳送帶實時通信,減少了人為干預,整體良品率提高了20%。這可不是開玩笑的,而是實實在在的變革。 設備互聯的基礎其實離不開那些底層

人工智能

收藏 評論

mob64ca1404baa2 - px2rem px不轉rem配置

一、前言 在前端,自適應是不得不考慮的問題。 但是實現自適應有方案也有很多種。今天介紹的是通過在 Webpack 中配置 loader 實現。 還有一個原因,在查資料的時候,網上的一些文章對 postcss-pxtorem、px2rem-loader 用法有些混亂。 特別是 postcss-pxtorem 是 postcss 的 plugin ,px2re

機器學習 , Vue , 人工智能 , Css , px2rem px不轉rem配置 , HTML

收藏 評論

元冪境ar遠程協助 - 智能裝配如何與AR技術相結合

在元冪境看來,在智能製造加速發展的當下,裝配環節作為生產鏈條的核心環節之一,直接影響着產品的效率與質量。傳統裝配依賴人工經驗和紙質工藝指導,容易出現效率低下、操作不標準、錯誤率高等問題。而AR技術的興起,為裝配流程帶來了新的解決思路和應用場景。將AR與智能裝配相結合,正逐步成為製造業數字化轉型的重要方向。 一、AR技術賦能裝配的價值

ar設備 , ar技術 , AR工業巡檢 , 人工智能 , 深度學習 , ar , AR眼鏡

收藏 評論

mob64ca14038b36 - chatGPT與一加手機不兼容

從未來二十年的情況來看,印度是一個非常有潛力的市場。 文| I/O 在中國智能手機品牌中,一加在國際化方面的着力一直比較大,尤其是近來對印度市場變得越來越重視;體現在最新一代產品中,OnePlus 7T 系列的發佈率先在美國紐約和印度班加羅爾舉行,同時一加還面向印度市場發佈了一加電視。 當然,按照慣例,一加又為 OnePlus 7T 系列舉行了一場國內發

智能手機市場 , 智能手機 , 一加七語音喚醒 , chatGPT與一加手機不兼容 , Android , 人工智能 , 深度學習

收藏 評論

韓曙亮_ - 【自動駕駛】Autoware.Universe 開發概述 ② ( Autoware.Universe 安裝簡介 | Docker 安裝方式 | 源碼安裝方式 | 數字孿生仿真 CARLA 仿真 )

文章目錄 一、Autoware.Universe 安裝簡介 1、Autoware Universe Docker 安裝方式 2、Autoware Universe 源碼 安裝方式 3、Docker 與 源碼 安裝方式對比 二、Autoware.Universe 仿真 / 評估

Autoware , 自動駕駛 , 人工智能 , Docker , 前端開發 , Javascript

收藏 評論

HyperAI超神經 - 在線教程丨目標檢測邁入「全局感知」時代:清華大學等發佈 YOLOv13,實現速度、精度雙突破

在自動駕駛、工業質檢、安防監控等需要「毫秒級反應」的應用場景中,實時目標檢測始終是一條極具挑戰的技術賽道。過去十年裏,YOLO 系列憑藉輕量高效的架構成為該領域的主流方案,從最初的 YOLO 到近年的 YOLOv11、YOLOv12,模型不斷在速度與精度之間尋找新的平衡點。 不過,即便進化多次,YOLO 系列的底層機制依舊面臨共同瓶頸: 要麼像卷積那樣只能在固定感受野內做局部聚合,要

卷積神經網絡 , 人工智能 , 計算機視覺 , 實時目標檢測

收藏 評論

lingyuli - 深度學習 數據域模型

一個軟件項目的測試,要測試該項目的各個方面,根據測試內容的不同,測試的分類也不同。一般常用的測試可以分為以下幾種: 功能測試,逐個測試每個功能,直到可以確信該功能沒有任何問題。白盒功能測試通常叫做單元測試,幾種測試可以看到的代碼的功能。黑盒功能測試關注永和可以做或選擇的事情。在涉及到複雜的功能時,要先做好每個簡單功能的測試。

測試 , 單元測試 , 人工智能 , 深度學習 , 文檔 , 產品 , 深度學習 數據域模型

收藏 評論

未聞花名AI - 構建AI智能體:十三、大數據下的“搭積木”:N-Gram 如何實現更智能的語義搜索

一、什麼是 N-gram 核心定義:N-gram 是來自給定文本或語音序列的N 個連續項(如單詞、字符)的序列。它是一種通過查看一個項目的前後文來建模序列的概率模型。 N:代表連續項的數量。 項(Item):通常是單詞(Word),也可以是字符(Character)或音節。 核心思想:N-gram 模型基於一個簡化的假設:一個詞的出現概

Ngram , yyds乾貨盤點 , 數據 , 似然函數 , NLP , 自定義 , 人工智能

收藏 評論

上海拔俗網絡 - AI營銷智能體智慧教室教學平台:讓營銷課“活”起來,學完就能用

你有沒有覺得,上營銷課像在聽“理論脱口秀”?老師講4P、4C、用户畫像、轉化漏斗……聽着高大上,一到實操就懵——怎麼寫文案?怎麼選渠道?怎麼分析數據?學生學得雲裏霧裏,企業招人時又抱怨“畢業生不會幹活”。 現在,AI營銷智能體智慧教室教學平台正在改變這一切。它不是傳統的PPT+案例教學,而是一個“能對話、會實戰、懂反饋”的虛擬營銷教練——讓學生在課堂上就能“真刀真槍”做項目,邊學邊練

商業 , 數據 , NLP , 用户畫像 , 人工智能

收藏 評論

码海舵手之心 - mmpretrain實戰體驗

一、現有數據集+現有模型 1、命令結構 python tools/train.py ${CONFIG_FILE} [ARGS] tools/train.py是訓練模型的腳本,而後面CONFIG_FILE是配置文件,同樣也是以目錄的形式 2、示例 cd mmpretrain後 python tools/

機器學習 , 人工智能 , 深度學習 , 計算機視覺 , Css , 前端開發 , HTML , Python

收藏 評論

小小小趙02 - 一份關於 Gemini 如何輔助解決各項工作問題的實戰指南

在當今快節奏的工作環境中,AI 已不再僅僅是一個聊天機器人,而是進化成了能夠深度參與工作流的“數字副手”。作為 Google 開發的多模態 AI,Gemini 憑藉其對文本、代碼、圖像及視頻的強大處理能力,正成為職場人士提升效率的利器。 以下是一份關於 Gemini 如何輔助解決各項工作問題的實戰指南: 一、 信息處理與知識內化:告別“信息過載” 工作中常面臨海量的文檔、長郵件

數據 , google , 人工智能 , 深度學習 , 模態

收藏 評論

郭傳志的博客 - Cursor 入門與實戰

Cursor介紹 安裝Cursor https://cursor.com/cn/dashboard?tab=overview 官網下載安裝 並且安裝中文插件 Ctrl+Shift+x 後,輸入Chinese,安裝後重啓cursor就好了 Cursor配置 Ctrl+Shift+J 打開sett

cursor , 人工智能 , 深度學習

收藏 評論

疆鴻智能研發中心 - 智能焊接新突破:CC-Link IE轉EtherNet/IP網關如何重塑航空航天製造

智能焊接新突破:CC-Link IE轉EtherNet/IP網關如何重塑航空航天製造 在航空航天製造領域,攪拌摩擦焊接技術正成為鋁合金結構件焊接的首選工藝。然而,當三菱PLC控制的焊接機器人與採用EtherNet/IP協議的視覺系統相遇時,協議不兼容成為制約生產效率的關鍵瓶頸。 某航空航天部件製造商就曾面臨這樣的困境:他們的攪拌摩擦焊接

ETHERNET , CC LINK IE , ip , 協議轉換 , 人工智能 , 深度學習 , 網關 , 工業自動化

收藏 評論

慧星雲 - 視頻一鍵轉換3D:Autodesk 發佈 Video to 3D Scene

Video3DScene 最近Autodesk旗下公司WonderDynamics推出了WonderAnimation的測試版,它使用突破性的視頻到3D場景技術,通過將任何視頻序列轉換為3D動畫場景來加速動畫電影的製作。 Video3DScene Video3DScene生成效果 作為WonderStudio工具集的一部分,WonderAnimation的Videoto3D場景技術

雲平台 , 圖像識別 , 雲計算 , 人工智能 , 視頻處理

收藏 評論

u_15214399 - 【案例共創】線性迴歸 - 汽車行駛里程與油耗關係預測

最新案例動態,請查閲【案例共創】線性迴歸 - 汽車行駛里程與油耗關係預測。小夥伴們快來領取華為開發者空間進行實操吧! 本案例由:梅科爾工作室提供 1 概述 1.1 案例介紹 在機器學習領域,線性迴歸就是使用一個線性函數(多項式迴歸可以是曲線)去擬合給定的訓練集,測試時,對輸入的x值,返回這個線性函數的y值。最終目標是找到y=Θ0 + Θ1x1 +

機器學習 , 數據集 , 數據 , 人工智能 , 開發者

收藏 評論