tag 人工智能

標籤
貢獻909
943
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

u_16099337 頭像

IT獨行俠客 - baremetal hypervisor場景下host vm與client vm的角色

在Win7為HOST的環境下，安裝VirtualBox，在其中安裝CentOS7，以Bridge的方式搭建網絡環境。 在Win7為HOST的環境下，安裝VirtualBox，在其中安裝CentOS7，以Bridge的方式搭建網絡環境。 主要配置包括VirtualBox中的網絡設置，以及CentOS中的網絡配置。另外還有個重要的注意點就是如果HOST使用的是無線網，那麼

機器學習 , ipv6 , server , bc , 人工智能

收藏 評論

huikaichedemianbao 頭像

合合技術團隊 - 論文解讀-對話中的多模態情感識別綜述

一、簡要介紹 儘管基於文本的情感識別方法已經取得了顯著的成就，但現實世界中的對話系統往往需要比單一模態所能提供的更加細膩的情感理解。因此，多模態情感識別（MERC）成為了提升人機交互自然性和情感理解的關鍵方向。其目標是通過整合文本、語音和視覺信號等不同模態的信息，準確地識別情感。本綜述系統地概述了MERC，包括其動機、核心任務、代表性方法和評估策略。論文進一步探討了最近的趨勢，指出了關鍵挑戰，並

大數據 , 算法 , 人工智能

收藏 評論

u_13527 頭像

bigrobin - 機器學習模型 輸入層 隱藏層 輸出層 權重 偏置 公式

深度學習三步驟 普遍性定理 對於任何一個連續的函數，都可以用足夠多的隱藏層來表示 神經網絡 完全連接前饋神經網絡 輸入層（Input Layer）：1層 隱藏層（Hidden Layer）：N層 輸出層（Output Layer）：1層 全鏈接

機器學習 , 數據 , 神經網絡 , 人工智能 , 特徵提取

收藏 評論

u_12897 頭像

jordana - 烏班圖系統vfat是什麼意思

Ubuntu 19.10 生命週期將在今年 7 月結束，之後一段時間內最大的版本則是 Ubuntu 20.04 LTS，其重大更新和改進將在 2030 年前終止。20.04 是 Ubuntu 的第 8 個 LTS 版本，於2020 年 4 月 23 日發佈。 一、 回顧Ubuntu 20.04 LTS Ubuntu 19.10 生命週期將在今年 7

字符串 , 烏班圖系統vfat是什麼意思 , 用户界面 , 人工智能 , 計算機視覺 , Ubuntu

收藏 評論

u_16099303 頭像

碼海航行俠 - deepseek到人工智能5級的哪個階段

人工智能的智商等級 Description 2017年11月我校邀請了百度的李經理給我們介紹了人工智能在百度的發展。隨着AI的不斷髮展，人工智能的智商也在不斷提高。 人工智能系統的智商我們目前將分為6個級別： （1）第0級，沒有現實對應的東西（NULL)，我們假設智商為0~50

aigc , 人工智能 , 智能系統 , 百度 , AI作畫

收藏 評論

u_17562481 頭像

思考的袋鼠 - 構建數據庫安全新範式：以規範為基石，實現精確與實時動態防護

概要： （提示：當防護邊界逐漸模糊，數據自身的“行為軌跡”成為新的安全焦點。） 在數字經濟的核心結構中，數據庫不再僅是支撐業務的技術組件，而是企業數字資產的“原礦”。金融機構的交易流水、互聯網平台的用户畫像、醫療系統的病歷檔案——所有這些關乎隱私、業務與監管的數據，都以數據庫為載體在組織內流轉與沉澱。但隨着數據量與訪問頻率呈指數級增長，傳統以“靜態防護”為核心的數據庫

數據 , 數據庫 , 數據庫安全 , 人工智能 , 深度學習

收藏 評論

u_14125 頭像

jacksky - 用詞雲對文本進行數據可視化的方法

Python使用wordcloud生成詞雲圖片 主要步驟： 準備素材，可以是爬取的內容，也可以是手動輸入的內容，是字符串即可，這裏是使用前面爬取並保存在本地excel的豆瓣top250榜單； 使用jieba將字符串分詞，jieba.cut()會將我們的句子分詞一個個詞語； 準備掩飾圖片，掩飾圖片就是詞雲顯示各個詞語的背景範圍，默認是矩形背景；

數據 , 用詞雲對文本進行數據可視化的方法 , 數據可視化 , 人工智能 , 詞雲 , Image

收藏 評論

u_16099221 頭像

技術領航者之聲 - 基於模型的強化學習 目標檢測

作者：Mostafa Ibrahim 編譯：ronghuaiyang 導讀 使用EfficientNet和YoloV5的融合可以提升20%的performance。 在本文中，我將解釋上一篇文章中稱之為“2 class filter”的概念。這是一種用於目標檢測和分類模

機器學習 , 大數據 , 基於模型的強化學習 目標檢測 , 人工智能 , 計算機視覺 , 網絡

收藏 評論

u_15591470 頭像

ceshiren2022 - 裁員潮下的測試人：真正聰明的人正在做這三件事

上週和老同事聚會，原本輕鬆的飯局突然安靜了下來。 “我們組裏三個測試，上個月走了一個半。”老王悶了口酒，“半個人”是他帶的實習生，沒轉正就被優化了。 小陳接口：“我們更徹底，整個QA團隊架構調整，外包全撤，只留了幾個核心崗。” 這樣的對話，最近半年幾乎成了測試圈的固定背景音。但有意思的是，同樣在這半年，我認識的兩位測試朋友卻逆勢升職加薪了。一位去了某車聯網公司做測試架構師，另

技術棧 , playwright , 人工智能 , 深度學習 , selenium

收藏 評論

u_16655836 頭像

wx6603b05eb93d0 - vivo員工捅了大婁子？直播間置頂不需女用户評論被罵上熱搜

都説一個打工人能捅多大婁子！前段時間，泡泡瑪特就通過一個大婁子，即小柴報道過的——員工內涵用户是韭菜後泡泡瑪特半天上15個熱搜！這怕是打工人捅的最大婁子了…… 大概是泡泡瑪特工作人員手持原價79元的DIMOO掛鏈盲盒，脱口而出「哎嘛，這東西賣79確實有點（貴）」，另一人迴應「沒事，會有人買單的」。 此言論一出，不少人表示，員工這是內涵消費者是韭菜，於是一個下午，幾十個

置頂 , 人工智能 , 用户需求 , 數據分析 , ui

收藏 評論

u_17589471 頭像

AI數字人研究社 - 數字人公司哪家好？頭部數字人企業廠商核心競爭力解析

在數字化轉型浪潮中，AI數字人正從概念演示走向規模化產業應用，成為連接虛擬與現實、提升服務效能的關鍵入口。作為這一領域的深耕者，世優科技自主研發的“世優波塔AI數字人智能體”，憑藉其全棧技術能力與豐富的場景落地經驗，已在政務、文旅、教育、醫療、金融等多個行業建立起標杆案例，為智能交互時代提供了可複製的解決方案。 技術底座：從“形似”到“智合”的全棧能力 數字人的價值，

智慧展廳 , 智能交互 , 數字人 , 數字展廳 , 人工智能 , 計算機視覺 , 大模型

收藏 評論

u_1150085 頭像

I_am_Alex - IPIDEA代理IP深度測評：構建智能體知識庫的得力助手

1. 智能體知識庫的重要性 我最近在做“歷史大事記”智能體時，踩了個實打實的坑：初期全靠大模型原生知識庫支撐，回答總是“缺斤短兩”：要麼漏了關鍵歷史事件，要麼對人物生卒、傳統習俗的描述模糊不清，甚至連一些廣為人知的紀念日都沒法精準對應。 為了補齊這個短板，我找遍了各種數據源，最終發現維基百科這一“寶藏庫”：它把全年365/366天的內容拆解得明明白白，大到影響

機器學習 , 智能體 , 人工智能 , 爬蟲 , ipidea , 知識庫

收藏 評論

u_15476544 頭像

天鯤科技 - 同盾科技：構建高安全移動金融架構

摘要：本白皮書以金融科技企業同盾為例，系統闡述其在移動端安全架構升級過程中的核心挑戰、技術選型與實施路徑。通過引入AWS原生安全服務與定製化增強機制，同盾成功構建了一套具備動態憑證管理、細粒度訪問控制與自動化安全修復能力的高可用架構，實現了零憑證泄露、用户級S3數據隔離與合規審計缺口大幅縮減，為金融行業移動應用安全提供了可複製的成功範式。】 關於客

移動端 , Pod , AWS , 人工智能 , 深度學習

收藏 評論

u_16099248 頭像

mob6454cc6d3e23 - 關於Cloudflare Warp 的一些細節以及是否暴露訪客真實 IP 的測試

基於上下文（你之前詢問了 cuLitho、cuDSS、cuOpt 等 NVIDIA CUDA-X 庫），我推測“nvidia wrap”可能是“NVIDIA Warp”的拼寫變體。NVIDIA Warp 是一個開源 Python 框架，專為加速模擬、數據生成和空間計算而設計。它允許開發者使用 Python 編寫 GPU 加速的內核程序，適用於 AI、機器

數據 , 人工智能 , Css , CUDA , 前端開發 , HTML , Python

收藏 評論

u_16213585 頭像

mob64ca13f8b166 - linux 設備樹mem節點

目錄 1.什麼是設備樹？ 2.設備樹的結構 3.節點結構 4.節點標準屬性 4.1 compatible 4.2 status 4.3#address-cells #size-cells 4.4 reg 4.5 name 4.6 device_type 4.7 phandle 4.8

設備樹 , 機器學習 , 屬性值 , Linux , 人工智能 , linux 設備樹mem節點 , Ubuntu

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI高質量語料庫平台：智能時代的“語言基建”技術揭秘

我們日常用的AI聊天助手、翻譯軟件、語音轉文字工具，看似“聰明”的背後，都離不開一個核心支撐——語料庫。如果説AI是會學習的“學生”，語料庫就是它的“教材”，而高質量語料庫平台，就是給AI編出“優質教材”的技術工坊。今天就用通俗的話，聊聊這個平台裏藏着的關鍵技術。 首先是數據篩選與去重技術。互聯網上的文字數據多如牛毛，但雜亂無章——有廣告、有錯別字、還有大量重複內容。平台要做的第一步

數據 , NLP , 人工智能 , 原始數據 , 迭代

收藏 評論

u_13127751 頭像

異步社區 - 豆瓣收藏數最高的10本計算機圖書

以下這十本在豆瓣上備受矚目、收藏數居高不下的計算機圖書，不僅代表了當前計算機科學領域的頂尖水平，更凝聚了作者們的智慧結晶與無數讀者的共同認可。它們將引領你穿越技術的迷霧，領略計算機科學的無限魅力與廣闊前景。 1、代碼整潔之道 本書提出一種觀念：代碼質量與其整潔度成正比。乾淨的代碼，既在質量上較為可靠，也為後期維護、升級奠定了良好基礎。

MySQL , 數據庫 , 編程語言 , 人工智能 , 深度學習 , 程序員

收藏 評論

u_16655836 頭像

wx6603b05eb93d0 - 人造肉第一股關店撤退！網友：21世紀最狠假科技陰謀涼透了？

還記得在2019年前後，“人造肉”這三個字，絕對比現在的AI還火，全球資本巨頭那是爭相押注。 但凡沾上這幾個字的，那都是融資拿到手軟，股價也是蹭蹭漲，各種權威機構的預測數據，那更是給這個行業瘋狂的打雞血。 比如當時雖然全球的人造肉市場規模僅為百億美元左右，但在機構的預測裏，不出幾年，這個市場將會達到千億美元規模，還有瘋狂的預測是，2035年，人造肉將吃掉全球肉類市場超

數據 , 英偉達 , 搜索 , 人工智能 , 數據分析

收藏 評論

yekai_620f63e12c172 頭像

葉開 - 隱語可信數據空間MOOC第40講筆記：金融風控聯合建模隱私計算案例

學習筆記：金融風控聯合建模隱私計算案例 筆記內容來自隱語Mooc，歡迎一起來學習。Mooc課程地址：https://www.secretflow.org.cn/community/bootcamp/2narwgw4ub8r... 詳細案例及代碼，可以查看文末的鏈接。 一、案例背景 場景：農村經濟快速發展，小額信貸成為推動經濟增長的關鍵，但農村用户信用記錄薄弱，傳統風控手段存在明顯短板。 合作

機器學習 , 教程 , 知識 , 人工智能

收藏 評論

u_16099188 頭像

互聯網小思悟 - 機器學習 損失率 範圍 機器翻譯的損失函數

1、損失函數（代價函數） 損失函數（loss function）是用來估量模型的預測值f(x)與真實值Y的不一致程度，它是一個非負實值函數,通常使用L(Y, f(x))來表示，損失函數越小，模型的魯棒性就越好。損失函數和代價函數是同一個東西，目標函數是一個與它們相關但更廣的概念。 上面三個圖的函數依次為 , ,

機器學習 損失率 範圍 , 機器學習 , 擬合 , 損失函數 , 人工智能 , 歷史數據

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI大模型研發與管理平台：讓模型開發“少走彎路”的技術利器

AI大模型研發曾是“少數人的遊戲”：數據雜亂難整理、訓練耗時長、版本混亂難追溯，還得靠資深工程師“憑經驗試錯”。而AI大模型研發與管理平台的出現，用標準化技術工具鏈打通研發全流程，把複雜的模型開發變成“按流程操作、靠數據説話”的高效工作，讓更多團隊能輕鬆搞研發。 這個平台的核心是“技術閉環+智能協同”，就像給大模型研發裝了一套“全流程管家”，每個環節都藏着實打實的技術硬活： 首先

服務器 , 數據 , NLP , 人工智能 , 迭代

收藏 評論

u_16099206 頭像

編程夢想翱翔者 - devmem工具mdio使用説明

mdadm命令中的參數: -C參數代表創建RAID； -v參數代表顯示過程，同時在後面追加一個設備名稱/dev/md0，這樣/dev/md0就是創建後的RAID的名稱； -n 2參數代表使用2塊硬盤來部署這個RAID； 而-l 0參數則代表RAID 0； 最後再加上2塊硬盤設備的名稱即可完成

機器學習 , 災難恢復 , 創建文件 , devmem工具mdio使用説明 , 人工智能 , 熱備份

收藏 評論

u_17420180 頭像

合合信息解決方案 - 保險理賠如何防止假髮票

醫療票據造假正在成為保險理賠領域的"灰色地帶"。2020年至2021年間，某醫藥代表陸某使用WPS軟件將三名患者的EGFR T790M基因突變檢測報告從"陰性"篡改為"陽性"，導致醫保基金損失。2024年，內蒙古烏蘭浩特市更是破獲兩起醫療領域虛開發票案，涉案金額合計高達110億元，涉及1.6萬張虛假髮票。面對日益專業化的造假手段，保險公司如何防止假髮票成為行業亟需解決的難題。合合

機器學習 , 數據 , 神經網絡模型 , 複製粘貼 , 人工智能

收藏 評論

u_16099174 頭像

晨曦微露s - WriteProcessMemory

首先説説虛擬內存和物理內存： 虛擬內存就是採用硬盤來對物理內存進行擴展，將暫時不用的內存頁寫到硬盤上而騰出更多的物理內存讓有需要的進程來用。當這些內存頁需要用的時候在從硬盤讀回內存。這一切對於用户來説是透明的。通常在Linux系統説，虛擬內存就是swap分區。在X86系統上虛擬內存被分為大小為4K的頁。 每一個進程啓動時都會向系統申請虛擬內存（VSZ），內核同意或者拒

機器學習 , 物理內存 , WriteProcessMemory , 人工智能 , memory , 虛擬內存

收藏 評論