tag 人工智能

標籤
貢獻928
981
06:37 AM · Oct 27 ,2025
deephub 頭像 u_13357275 頭像 pannideniupai 頭像 elhix0bg 頭像 xingxingshangdeliushu 頭像 u_17579295 頭像 lab4ai 頭像 u_15591470 頭像 u_17512334 頭像 rtedevcomm 頭像 qingfouai 頭像 tecdat 頭像

@人工智能 / 博客 RSS 訂閱

gpustack 頭像

GPUStack - GPUStack Windows（WSL2）部署指南

GPUStack v2 以高性能推理與生產級穩定性為核心演進方向，對整體架構進行了全面重構，實現了組件間的靈活解耦，並對多推理引擎和異構算力進行了深度優化，充分釋放推理引擎在吞吐、延遲與併發方面的性能潛力。 基於這一架構設計，GPUStack v2 聚焦 Linux 原生環境，以充分利用其在生態和 AI 基礎設施領域的成熟優勢。 對於 Windows 用户，推薦通過 WSL2（Windows Su

generative-ai , llm , 人工智能 , Docker

收藏 評論

momodel 頭像

Momodel - Python 人工智能編程指南：基礎、庫和工具大全解析

Python 已成為人工智能 (AI) 和機器學習領域的通用語言。其廣泛的應用、強大的庫生態系統和用户友好的語法使其成為人工智能愛好者、數據科學家和研究人員的理想選擇。在這份綜合指南中，我們將探討用於 AI 編程的 Python 基礎知識，深入研究關鍵庫，並重點介紹 AI 開發的基本工具。 Python：人工智能的語言 Python 在人工智能領域的流行並非巧合；它提供了獨特的功能組合，使

編程 , 基礎 , 人工智能 , Python

收藏 評論

u_16099188 頭像

互聯網小思悟 - tms320c6c語言代碼微盤,TMS320C6_weixin

引言：VLIW架構為何成為AI邊緣計算的核心引擎 隨着人工智能技術的飛速發展，AI邊緣計算正成為行業熱點。在智能攝像頭、無人機、工業物聯網等資源受限的場景中，實時推理對處理器的低延遲、高能效提出了嚴峻挑戰。傳統通用處理器（如CPU）往往因功耗高、並行性不足而難以滿足要求，而專用加速器（如GPU）又存在成本高、靈活性差的問題。這時，數字信號處理器（D

DSP , VLIW , 邊緣計算 , 架構 , 人工智能 , 前端開發 , Javascript

收藏 評論

u_17423871 頭像

美狐美顏SDK開放平台 - 直播美顏sdk與美型功能開發：技術架構與應用實踐

隨着直播電商、線上娛樂、在線教育的持續升温，用户對直播畫面質量的要求早已不再停留在“能看清”，而是逐步升級為“好看、自然、有質感”。在這一背景下，直播美顏sdk與美型功能開發，正在成為直播系統和音視頻產品中的核心能力之一。 本文將從技術架構、關鍵功能實現以及實際應用場景三個層面，聊一聊直播美顏sdk的開發邏輯與落地實踐，希望能為正在做直播系統、音視頻應用或相關產品的團隊提供

視頻美顏sdk , 美顏api , 人工智能 , 直播美顏sdk , 計算機視覺 , 第三方美顏SDK , 在51CTO的第一篇博文 , 美顏SDK

收藏 評論

weidejianpan 頭像

商湯萬象開發者 - LazyLLM × 硅基流動：共造面向開發者的下一代智能應用底座

在大模型全面走向工程落地的當下，LazyLLM正式與硅基流動（SiliconFlow） 達成深度合作，共同打造面向開發者的下一代智能應用底座。藉助LazyLLM的一鍵接入線上模型API能力，硅基流動的大語言模型、多模態模型、向量與Embedding模型、文生圖模型等已經完整接入，同一套接口即可覆蓋從文本到圖像、從檢索到生成的全鏈路需求。 這次合作帶來的不僅是更強大的RAG選型，還進一步放大

應用開發 , 資訊 , 部署 , 合作 , 人工智能

收藏 評論

chaoqipengbodehuochai_eav70j 頭像

極市平台 - 驍龍大賽-技術分享第6期——直播問題&答疑整理（創達）

Q1：在 QAI AppBuilder 上部署 DDColor 時，常見的性能瓶頸在哪裏？有哪些優先級最高的優化手段？ A1： 主要的性能瓶頸出現在 CPU 的前處理與後處理環節。前處理中包含大量 OpenCV 操作，例如顏色空間轉換、圖像縮放、通道拆分合並等，這些操作都在CPU上執行,對於高分辨率的圖像,會消耗大量的計算資源,成為顯著的性能瓶頸。後處理同樣包含了大量的CPU計算，例如圖像縮

算法 , 知識 , 人工智能 , 程序員

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI決策分析平台：讓數據替你“出主意”，決策不再靠“拍腦袋”

在職場中，“拿主意”從來都是難題：銷售預測靠經驗猜，庫存規劃憑感覺調，市場策略跟着競品跑——不是不想科學決策，而是分散在Excel、報表、系統裏的數據，像一堆亂麻，沒人能快速理出線索。而AI決策分析平台的出現，正用技術打破這種困境，把複雜數據變成清晰答案，讓決策從“憑經驗”變成“靠數據”，不用懂高深算法，普通人也能輕鬆用。 AI決策分析平台的核心，是給數據裝上“智能大腦”。這個大腦靠

找規律 , 數據 , 數據整理 , NLP , 人工智能

收藏 評論

shujuxiaowanzi 頭像

數據小玩子 - 【營銷數據洞察系列8】跨部門數據協同決策：市場與銷售數據脱節，如何讓決策更協同？

跨部門協作的核心是“數據同源、目標對齊”，打破市場與銷售的信息壁壘，才能實現線索從獲取到轉化的全鏈路優化通過助睿BI打通市場投放數據與銷售轉化數據，生成跨部門協同看板，市場端可直觀看到渠道帶來的線索質量、銷售端可明確高價值線索的來源特徵，雙方基於同一套數據對齊目標，提升整體業務效率。 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_17579924 頭像

商業快訊 - 免費降AI率工具推薦？免費VS付費工具，到底選哪個？！

最近後台好多寶子問我：“有沒有免費的降AIGC率工具推薦？” 作為過來人，我太懂這種焦慮了——論文初稿AI率飆到70%+，導師一眼識破；職場寫個方案被判定為AI生成，職業道德都受質疑；學生寫個徵文或者作業，也被檢測AI率過高被打回。為了幫大家避坑，我把2025年市面上主流的降AIGC率工具都測了個遍，有免費的有付費的，今天就把實測結果和最終選擇分

技術流 , 人工智能 , 數據分析 , 解決方案

收藏 評論

u_16213605 頭像

mob64ca13fd9f8e - 超級搜索引擎專題

一、狂飆年代的另一面：熱度背後是結構性焦慮 2025年，中國的機器人賽道正在經歷一場罕見的“資本風暴”。短短一年內，數十家機器人企業密集奔赴IPO，從倉儲、酒店、家居，到農業、醫療、巡檢，無一不在講述自己的“具身智能故事”。 表面上，這是一場繁榮：政策紅利、產業基金、港股“18C通道”，為創業公司提供了前所未有的融資窗口；技術層面，AI感知、

音視頻 , 機器人 , 多智能體協同 , 人工智能 , 數據結構與算法 , 計算機視覺

收藏 評論

u_16213607 頭像

mob64ca13fe1aa6 - template 內怎麼進行判斷

一、簡介 字符串置換操作。 　　何謂“簡化”？我們可以先想一下我們之前比較常用的有關字符串的“置換”操作有哪些：一種是利用%操作符實現，另外一種是格式化字符串format實現。那麼，相比於這兩種方法，string.Template究竟簡化在何處呢？ 　　那我們就以下面的代碼為例簡單説明一下string.Template的用法與上述兩種方式的區別：

機器學習 , 字符串 , 操作符 , 取值 , 人工智能 , template 內怎麼進行判斷

收藏 評論

whaosoft143 頭像

whao143 - 51c自動駕駛~合集51

#毫末最新OAD 軌跡偏移學習助力端到端新SOTA~ 端到端自動駕駛技術在近年來取得了顯著進展。在本研究中，我們提出了軌跡偏移學習，將傳統的直接預測自車軌跡，轉換為預測相對於軌跡錨點的偏移，降低模型學習的難度。與baseline模型相比，該方法顯著提高了規劃精度和安全性，在nuScenes上將L2 error降低了39.7%（從0.78m降至0.47m），並將碰撞率降

自動駕駛 , 人工智能 , 計算機視覺

收藏 評論

aws_aidevcommunity 頭像

亞馬遜雲開發者 - 雲原生遊戲網關架構：EKS + APISIX + Graviton 構建高性能遊戲服務網關

前言 在現代遊戲運營環境中，隨着遊戲服務器規模的不斷擴大，傳統的服務器代理方案面臨着諸多挑戰。本文將介紹如何使用 API Six 這一高性能網關來解決大規模遊戲服務器代理的問題，特別是針對需要使用多個 Network Load Balancer (NLB) 的場景，提供一個更加優雅和高效的解決方案。 在遊戲服務架構中，我們經常遇到以下幾個關鍵挑戰： 1、 服務器規模問題 隨着遊戲的成功運

API , 人工智能 , 雲原生

收藏 評論

u_15591470 頭像

ceshiren2022 - 輕鬆生成測試數據：Dify工作流結合大模型，實現百萬級逼真數據生成

在軟件研發、數據分析和機器學習項目中，構建高質量、高覆蓋度的測試數據是確保產品質量的關鍵環節。然而，手動創建測試數據不僅耗時耗力，還常常面臨數據單調、缺乏真實性、難以模擬複雜業務邏輯等痛點。尤其是在進行壓力測試、性能基準測試或訓練複雜模型時，對百萬級逼真測試數據的需求，往往讓開發者和測試工程師們頭疼不已。 今天，我們將介紹一種革命性的解決方案：利用 Dify 工作流 結合 大語言模型（L

數據 , 測試數據 , 人工智能 , 深度學習 , Json

收藏 評論

deephub 頭像

deephub - Pydantic-DeepAgents：基於 Pydantic-AI 的輕量級生產級 Agent 框架

DeepAgents的靈感源自 LangChain deepagents，但在設計上更做減法，它強調類型安全且內置了 Docker 沙箱 2025 年的Autonomous AI Agents早就不是實驗室裏的花架子了。在現實世界的自動化流程、代碼生成工具、數據管道以及各類智能助手中都能看到它們的身影。 現在的很多主流 Agent 框架越來越重。為了用上 Agent，你往往得引入一堆沉重的

llm , agent , 人工智能 , 深度學習

收藏 評論

u_16099344 頭像

風華正茂的AI - TV demura 算法

文章目錄 基本概念 實例 Python實現 測試代碼 基本概念   要理解Tarjan算法，必須瞭解以下兩個概念，發現時間戳discovery time與低連接值low-link value。   發現時間戳這個很容易理解，K

機器學習 , jar , 算法 , 時間戳 , 人工智能 , TV demura 算法 , Python

收藏 評論

deephub 頭像

deephub - Pandas GroupBy 的 10 個實用技巧

很多人把 groupby 理解成單純的求和、計數這類操作，比如説算算總收入、數數用户量，然後就沒了。實際上它的應用場景要廣得多：計算組內特徵、數據標準化、構造滾動指標、合併不同維度的統計結果，甚至處理一些複雜的嵌套數據結構。 所以本文將介紹10個實際工作中比較有用的技巧，文章的代碼都是可以直接拿來用。 1、一次性應用多個聚合函數 import pandas as pd df = p

機器學習 , 人工智能 , pandas , Python

收藏 評論

u_16099172 頭像

編程小天匠 - 60張圖spark

最近很多博友問，你的文章如何排版的？你的代碼怎麼這麼漂亮？你的圖片怎麼有陰影效果？為了滿足大家需要，我特地總結一下博文排版技巧~~希望你讀完這篇文章後有個全新的體驗和輕鬆的心情寫博文了~~ 在博客園博文五要素：標題、段落、代碼、圖片、版權。 我的原則是HTML最簡、文章最美觀、內容最清晰！本篇文章適用Windows Live Writer。

spark , 大數據 , ViewUI , 60張圖spark , 人工智能 , HTML , 前端

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI大模型教學實踐訓推一體化系統：讓AI教學從“理論”落地“實操”

傳統AI教學常陷入“老師講得深、學生聽不懂，模型訓練難、實踐沒法推”的困境——要麼只講算法原理，學生摸不到真實模型；要麼訓練好的模型沒法落地應用，教學和實操嚴重脱節。而AI大模型教學實踐訓推一體化系統，用實打實的技術打通“教學-訓練-部署”全鏈路，讓AI教學既懂理論又能實操，成為師生都能用的“硬核教學工具”。 這個系統的核心技術邏輯，是“輕量化訓練+實時推理+教學聯動”的閉環設計，把

圖像識別 , 數據 , NLP , 人工智能 , 文本分類

收藏 評論

u_16099184 頭像

網絡安全戰士 - SpringCloud Alibaba篇

RAG Agent 實現 RAG（Retrieval Augmented Generation，檢索增強生成）是用來改善大模型生成內容質量的一種技術，通過 ETL（Extract，Transform 和 Load）流程對數據進行處理，即先從文檔讀取數據，進行轉換，之後寫入到向量數據庫供檢索。 ETL 流程包括了數據提取、數據轉換和加載數據：

spring , 數據 , 數據轉換 , 後端開發 , 人工智能 , JAVA , harmonyos

收藏 評論

luohenyueji 頭像

luohenyueji - [python] Python數據類使用指北

在Python編程中，類定義是組織數據與封裝邏輯的核心範式。然而，當需要創建僅用於數據存儲的簡單類時，開發者往往需編寫大量重複機械的樣板代碼。例如用於屬性初始化的__init__方法、支持對象信息友好展示的__repr__方法、實現對象相等性比較的__eq__方法等。這類代碼不僅耗費開發精力，還容易因細節疏忽引入潛在錯誤，導致代碼可讀性與維護性下降。 為解決這一行業痛點，Python

字段 , 默認值 , 人工智能 , 深度學習 , Python

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI故障預測系統：給機器裝上“預知未來”的智慧眼睛

工廠裏的數控機牀突然停機、數據中心的服務器無故崩潰、風力發電機的葉片轉速異常……這些設備故障輕則耽誤生產，重則造成經濟損失。傳統故障排查依賴人工巡檢和事後維修，就像“生病了才知道吃藥”——往往為時已晚。如今，AI故障預測系統就像給機器裝上了“預知未來”的智慧眼睛，能在故障發生前“嗅到苗頭”，提前預警並採取措施，讓設備運行更可靠、生產更高效。 一、傳統故障管理的痛點：被動又昂貴 過

機器學習 , 數據 , 物聯網 , NLP , 人工智能

收藏 評論

u_12187 頭像

karen - 收縮msdb和tempdb

熱縮管的外層材料具有絕緣防蝕、耐磨等特點，而內層有低熔點、防水密封和高粘接性等優點，常被應用於線纜等的密封、絕緣和防護。本文詳細全面地介紹了熱縮管選型中需要關注的的關鍵參數、正確測量方法，以及使用注意事項，並舉例介紹如何利用Digi-Key網站完成熱縮管的產品選型。 熱縮管的外層材料具有絕緣防蝕、耐磨等特點，而內層有低熔點、防水密封

機器學習 , 更換參數長度為零 , 服務號 , 電子工程 , 人工智能 , 官網 , 收縮msdb和tempdb

收藏 評論

u_17580222 頭像

mb691327edb400f - AI技術驅動下的招聘行業轉型

AI技術驅動下的招聘行業轉型 當前招聘領域正經歷深刻變革，智能化轉型已成為不可逆轉的趨勢。過去一年間，人力資源行業在AI技術的推動下呈現出明顯的分化態勢：部分企業仍採用傳統的人工篩選、溝通方式，而領先企業已實現全流程智能化管理。 多項數據顯示，AI技術正在重塑招聘行業的效率標準，具體表現為以下案例與數據： 智聯招聘採用AI全託管系統後，招聘週期縮短40

交互設計 , 數據 , 新版本 , 人工智能 , 深度學習

收藏 評論