tag 人工智能

標籤
貢獻928
1009
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

fabarta 頭像

Fabarta - 六問「大模型落地」— 如何打通企業智能化轉型最後一公里？

作者：張紅兵 楓清科技（Fabarta）合作人 ChatGPT 2022年底出現以來，大模型熱度持續不減，尤其是今年年初DeepSeek的爆火，更讓大模型走入更多人的視野。大模型除了在C端（個人用户）廣泛應用，在B端（企業）也有越來越多的企業在做落地。2025年8月26號， 國務院發佈《關於深入實施“人工智能+”行動的意見》，更將以大模型為主的人工智能技術放到更加突出的位置。“

開源軟件 , 數據 , 人工智能 , 深度學習

收藏 評論

u_12196 頭像

footballboy - kubemark壓測

Wrk壓測工具安裝使用 官方源碼：https://github.com/wg/wrk 安裝步驟： wrk只支持linux環境不支持windows環境， 安裝git，並配置git環境變量， 克隆源碼git clone https://github.com/wg/wrk 進入到源碼的

機器學習 , wrk , kubemark壓測 , 壓測 , 測試 , 人工智能 , 性能

收藏 評論

u_16099165 頭像

編程小達人 - 輕量化transformer實現圖像生成

MobileNet v2是對MobileNet v1的改進，也是一個輕量化模型。 MobileNet v1遺留下的問題 1）結構問題 MobileNet v1的結構非常簡單，是一個直筒結構，這種結構的性價比其實不高，後續一系列的ResNet，DenseNet等結構已經證明通過複用圖像特徵，使用Concat/Eltwise+等操作進行特徵融合，能極大提升網

點乘 , 人工智能 , 深度學習 , 複用 , ide

收藏 評論

u_17579295 頭像

mb6911caa73d1d1 - 從“看得見”到“看得懂”：數字孿生如何重塑城市公共安全新格局

作為一名在城市公共安全領域深耕多年的從業者，我深知傳統安防系統的痛點：數據孤島林立、應急響應遲緩、決策依賴經驗。直到我們引入了數字孿生智能運營中心—孿易IOC，才真正實現了從“被動應對”到“主動防控”的跨越。今天，我想通過幾個真實場景，分享這項技術如何讓城市安全“活”起來。 一、當消防警鈴響起時，我們看到了什麼？ 過去，接到火警報警後，我們需

數據 , 自定義 , 數據可視化 , 插件庫 , 人工智能 , 數字孿生

收藏 評論

u_16213649 頭像

mob64ca14082604 - 最新Python學習路線發佈，值得收藏 - 編程叫獸的個人空間 -

假設你是一個外賣騎手，每天穿梭在城市的大街小巷，風吹日曬，收入卻並不穩定。2025年的外賣行業競爭激烈，平台算法不斷優化，騎手的接單效率直接影響收入。你意識到，掌握編程技能不僅能提升工作效率，還可能打開新的職業機會。於是，你決定利用業餘時間學習Python，從零開始轉型。 一、學習動機：為什麼外賣騎手要學Python？ 優化配送效率

實踐項目 , 人工智能 , 前端開發 , Javascript , Python , Web

收藏 評論

u_16099296 頭像

mob6454cc73e9a6 - cubemx中dma的adc配置

申請和釋放DMA緩衝區 1、申請和釋放DMA緩衝區 內存中用於與外設交互數據的一塊區域被稱作DMA緩衝區，在設備不支持scatter/gather（SG，分散/聚集）操作的情況下，DMA 緩衝區必須是物理上連續的。 對於ISA設備而言，其DMA操作只能在16MB以下的內存中進行，因此，在使用k

機器學習 , 物理地址 , 人工智能 , 虛擬地址 , ci , cubemx中dma的adc配置

收藏 評論

openbayescom 頭像

OpenBayes - OpenBayes 一週速覽｜快來生成你的專屬聲音鈴聲、Wikipedia 維基百科數據集上線

公共資源速遞 3 個數據集： Wikipedia 維基百科數據集 FMA 音樂分析數據集 RJUA-QA 首箇中文醫療專科問答推理數據集 2 個模型： Yi-34B-Chat-GGUF Falcon-7B 2 個教程： *用GPT-SoVITS 音頻合成在線 Demo *[Stable Diffusion]()在線教程 小貝快訊： *全網最簡單的 AI 聲音克隆+So

資訊 , ai開發 , 人工智能 , 開源 , 資源

收藏 評論

u_16213682 頭像

mob64ca140fd7c1 - pytorch搭建PyQt5界面實戰：ResNet-18實現CLFAR-10圖像分類，並利用PyQt5進行人機界面顯示

文章目錄 前言 1.為什麼需要殘差網絡？ 1.1梯度消失 / 梯度爆炸 1.2深度退化現象 2.ResNet 的核心創新：殘差塊與殘差連接 2.1 什麼是 “殘差”？ 2.2. 殘差塊的兩種結構 2.2.1恆等映射殘差塊

卷積神經網絡 , 後端開發 , 分類算法 , 人工智能 , 深度學習 , 1024程序員節 , Python

收藏 評論

secretflow 頭像

隱語SecretFlow - 隱語1.0正式發佈｜MVP部署體驗包、資源調度框架Kuscia全新亮相！

2023 年 7 月 ７ 日，在世界人工智能大會組委會辦公室指導下，隱語開源社區攜手螞蟻集團和機器之心共同主辦的數據要素與隱私計算論壇在上海世博會議中心舉行。論壇上，螞蟻集團隱私計算部總經理、隱語社區負責人王磊發佈了隱語 1.0 版本，並對隱語 1.0 版本框架拓展與升級進行了整體介紹。隱語 1.0 版本不僅進一步擴大了開源範圍，還對整體架構進行了調優拓展，核心內容涉及產品層、資源層、互聯互通等

大數據 , 隱私 , 人工智能 , 計算機科學

收藏 評論

u_16213708 頭像

mob64ca14163a4f - SecureCRT Ymodem 文件名格式

SecureCRT是一款ssh client工具， 我通過SecureCRT遠程管理我的linux服務器。 根據個人習慣，首先想到的是修改SecureCRT 默認難看的外觀，在SecureCRT菜單欄位選擇"選項（O）"- "常規" - "默認會話"-"編輯默認設置（S）" - "終端" -"外觀" - 顏色方案："白/黑" 標準字體："Courie

機器學習 , 文件名 , linux服務器 , 上傳 , 人工智能

收藏 評論

fabarta 頭像

Fabarta - 楓清科技出席AI4S創新論壇——生態共建，智驅AI+科研新體系

12月26日，智驅科研·賦能未來——AI4S創新論壇在北京隆重召開。活動從垂域大模型到多Agent科研提效的全棧AI for Science平台，聚焦化工材料、生物醫藥核心科研需求，構建“領域模型+科研支撐”的智能化服務體系。北京市科學技術委員會、中關村科技園區管理委員會、石景山區政府及抖音集團、楓清科技等多家企業代表出席此次大會。 石景山區AI for Science平台上線發佈儀式在會

人工智能

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - 阿里雲 Elasticsearch 的 AI 革新：高性能、低成本、智能化的搜索新紀元

數據爆炸、多模態融合、實時智能推理的浪潮，正在重塑企業的搜索需求——它們需要的不僅是“找到信息”，還要更快、更準、更智能地理解和響應複雜的業務場景。 一、AI搜索的背景與趨勢 在AIGC技術席捲全球的當下，搜索技術正迎來前所未有的升級窗口。電商平台通過多模態搜索精準理解用户需求，酒旅行業借力智能體Agent進行行程規劃與住宿推薦，傳統企業則利用獨有知識庫和RAG技術賦能售前售後服務——搜索能力的智

搜索 , 阿里雲 , 人工智能

收藏 評論

writers 頭像

思否編輯部 - 奇績創壇2024秋季路演，這60個AI創業項目拿到錢了

2024 年 12 月 1 月下午，奇績創壇在北京中關村國際創新中心舉辦了 2024 年秋季創業營路演日，共有 60 家奇績投資並加速的公司參與了路演。 本屆項目概覽： 前沿創新信號：大模型（49 家），多模態（28 家），數據（24 家），具身智能（14 家），仿真（4 家）。 創始人平均年齡 29 歲，64%碩士及以上學歷，12% 為女性創始人。 錄取率 1%。 2024 年秋季入

創業 , 人工智能

收藏 評論

u_16827017 頭像

全棧技術開發者 - 深度學習與傳統機器學習有什麼關係？反向傳播算法在深度學習訓練中為何如此關鍵？深度學習中的非凸優化問題如何影響模型收斂性？

在人工智能的發展歷程中，機器學習一直是研究的核心方向。自上世紀中葉以來，研究者致力於通過數學模型和算法，從數據中發現規律、預測結果並實現智能決策。這一過程不僅涉及統計學、優化理論和計算方法的深度結合，也推動了計算科學和信息理論的持續發展。傳統機器學習方法，如迴歸分析、支持向量機、決策樹和集成方法，為理解數據結構和建立預測模型提供了穩固的理論基礎，其理論體系清晰，模型可解釋性強，並

機器學習 , yyds乾貨盤點 , 數據 , 人工智能 , 深度學習

收藏 評論

xuejianqiang 頭像

xuejianqiang - 新政下少兒編程機構怎麼選？

新政下少兒編程機構怎麼選？4類坑別踩，5個問題篩出靠譜機構 一、先劃紅線：這4類編程機構，再便宜也別碰 二、合規機構的3個新特徵：從“教代碼”到“做實踐搭檔” 1. 課程和學校“同頻共振” 2. 課堂搬進“真實場景” 3. 從“賣課程”到“送資源” 三、避坑只需5個問

少兒編程 , 青少年編程 , 機器人 , 人工智能 , 前端開發 , Javascript , Python

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI智能體圖文管理系統：用技術讓圖文處理“更聰明、更高效”

傳統圖文管理裏，找文件靠翻文件夾、改圖片靠手動調參數、文字提取靠逐字敲、分類歸檔靠記標籤，不僅費時間，還容易出錯。而AI智能體圖文管理系統的出現，把AI核心技術融入每一個操作環節，讓圖文采集、處理、檢索、歸檔全流程自動化、智能化，徹底告別“瞎忙活”。 這個系統的核心技術邏輯是“智能感知-自動處理-精準應用”的閉環，就像給圖文管理裝了個“會思考的幫手”，每一項功能都藏着實打實的技術支撐

上傳 , NLP , 自然語言處理 , 人工智能 , 核心技術

收藏 評論

u_17061379 頭像

AI編程社區 - Qoder Credits 用量表上線，速覽 Credits 消耗明細

針對用户關心的 Credits 消耗透明化問題，Qoder 正式上線 Credits 用量表，並全面展示 Credits 消耗明細。 公測期間，不少用户反饋積分消耗過快。Qoder 團隊一直在關注大家的反饋，並持續通過技術手段和功能升級優化 Credits 消耗。 通過技術升級提高了智能體工具的並行化能力和工程檢索準確率，單任務的token消耗顯著降

機器學習 , AI編程 , Qoder , 人工智能 , 開發者

收藏 評論

u_16827017 頭像

全棧技術開發者 - 支持向量機(SVM)是否適合大規模數據？這個大量數據是如何衡量的？分佈式SVM如何保持模型一致性？SVM在大規模數據下優化策略？

在過去二十餘年中，支持向量機（Support Vector Machine, SVM）一直是統計學習與模式識別領域的重要工具。其理論基礎源自結構風險最小化原則，結合幾何間隔最大化的優化目標，使得SVM在有限樣本條件下表現出優異的泛化能力。在文本分類、圖像識別、生物信息學等多種任務中，SVM憑藉穩健的訓練性質和嚴格的數學可解釋性，曾成為學術研究和工業應用的首選方法。 然而，隨

機器學習 , 核函數 , yyds乾貨盤點 , 數據 , 泛化 , 人工智能

收藏 評論

bizidadejianbing 頭像

DashVector - 如何通過Python SDK為Collection創建一個新的Partition

本文介紹如何通過Python SDK為Collection創建一個新的Partition。 前提條件 已創建Cluster 已獲得API-KEY 已安裝最新版SDK 接口定義 Python示例： Collection.create_partition(name: str) - DashVectorResponse 使用示例 説明 需要使用您的api-key替換示例中的YOUR_API

算法 , 數據庫 , 人工智能 , 後端

收藏 評論

u_17567677 頭像

沃觀態勢感知 - 出海企業如何選擇最好用的社交媒體分析工具？

隨着全球市場競爭的加劇，出海企業對海外輿情監控和數據分析的需求日益增長。選擇一款合適的媒體分析工具，能夠幫助企業實時掌握海外市場動態、競品表現以及用户反饋，從而優化營銷策略和決策。然而，面對眾多工具和複雜功能，企業常常難以判斷哪款工具最適合自身需求。本文將從功能覆蓋、數據質量和可操作性三個維度，為出海企業提供選型參考。 一、功能覆蓋：全面監測不可或

分析工具 , 數據 , 數據質量 , 人工智能 , 數據分析

收藏 評論

shujuxiaowanzi 頭像

數據小玩子 - 【零售電商數據驅動系列3】客户復購激活：如何打通線上線下會員，讓老客持續復購？

復購的核心是“全域會員分層+精準觸達”，只有整合線上消費、線下到店數據，才能摸清不同客户的需求偏好。藉助助睿BI按消費頻次、客單價、消費場景（線上/線下）自動分層高/中/低價值會員，拆解老客復購週期、偏好商品，幫零售電商針對性設計優惠券、上新提醒、門店專屬活動，不用盲目發券，復購率提升更高效。 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_15430715 頭像

中電金信人才 - 中電金信：這個AI“專家系統”，讓智能體真正懂金融、落地可控

目前，AI正以指數級速度進化，從模型走向智能體時代。智能體如雨後春筍般涌現，上千款應用正在重塑各行各業，然而，在規則嚴謹、流程複雜的金融領域，AI想真正落地，並不只是“部署一個模型”那麼簡單。 一家金融機構的會議室 圍繞“是否引入智能體”的討論正在展開 場景一：通用智能體的困境

業務流程 , 風控 , 人工智能 , 數據分析 , 觸點

收藏 評論

u_17583190 頭像

fangpin - 從 0 搭建 LLM 不再難！這個 PyTorch 項目幫你吃透大模型底層邏輯

如果你曾想深入理解大語言模型（LLM）的 “五臟六腑”，卻被框架封裝的黑盒接口、複雜的源碼結構勸退；如果你希望親手實現 Transformer 的每一個組件，而非單純調用transformers庫 —— 那麼今天推薦的這個開源項目，絕對能成為你的 LLM 學習 “腳手架”。 它就是 GitHub 上的 llm-from-scratch（項目地址），一個基於 PyTorch、專為教育設

AIGC二三事 , llm , BPE , 人工智能 , transformer , 深度學習 , 大模型

收藏 評論

u_16099192 頭像

架構魔法之光 - js katex的renderMathInElement無效

剛才翻了一下博客，才發現，距離自己寫的第一篇Vue的博客vue.js之綁定class和style(2016-10-30)已經過去一年零兩天。這一年裏，自己從船廠的普通技術員，成為了一個微型不靠譜創業公司的普通碼農。發過一次燒，搬了兩次家，沒攢下什麼錢。好，牢騷發到這裏，接下來談談傳説中接近Vue底層的api==render函數。 一枚硬幣的兩面 很久很久以前，前端的數

機器學習 , 字符串 , Vue , 人工智能 , 官網

收藏 評論