tag 人工智能

標籤
貢獻928
1029
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

chenfenglove 頭像

魚弦CTO - 如何自定義 Spring Boot Starter？手把手實現

引言 Spring Boot 的 “開箱即用” 特性，很大程度上得益於其強大的 Starter 機制。Starter 本質是一組預定義的依賴描述符，它將特定場景（如 Web 開發、數據庫訪問、緩存集成）所需的依賴、配置和自動裝配邏輯打包，開發者只需引入一個 Starter 即可快速集成功能。然而，企業級開發中常需封裝內部通用組件（如權限認證、日誌增強、消息隊列集成），此時

spring , 私藏項目實操分享 , 自定義 , 人工智能 , JAVA , 計算機視覺

收藏 評論

u_16099206 頭像

編程夢想翱翔者 - Modem META使用

ADSLModem通常為塑殼結構使用外置電源，使用中有四個注意事項： 一是ADSLModem需要安放在通風散熱處，Modem的塑殼結構不利於散熱，因此，為保證ADSLModem能長時間穩定工作，應將它放置在空氣流通的地方，modem上不能有覆蓋物。，立式Modem不能橫放。 二是ADSLModem是高速數據通信設備，易

機器學習 , Modem META使用 , 數據 , 網線 , 人工智能 , 數據傳輸

收藏 評論

u_16099245 頭像

遊俠小影 - lemonlime

LemonLime 測評 前言 迎難而上，遇山開山，遇水搭橋。 Lemon 和 LemonLime 是差不多的，後者是升級版。 軟件下載與使用 部分電腦使用會報錯：計算機丟失MSVCP140.DLL 需要安裝程序：http://www.downxia.com/downinfo/29834.html這個在教程中也提供了，vc_

機器學習 , 軟件下載 , 置數據 , lemonlime , 人工智能 , 編譯器

收藏 評論

u_17579295 頭像

mb6911caa73d1d1 - 從“看見”到“預見”：數字孿生如何重塑城市公共安全智能中樞

在智慧城市建設的宏大敍事中，城市公共安全始終是基石與核心。傳統的安防體系，依賴視頻監控、傳感器網絡與獨立業務系統，雖積累了海量數據，卻常常面臨“數據孤島、響應滯後、協同低效”的困境。指揮中心的大屏上，信息碎片化呈現，決策者難以在瞬息萬變的突發事件中，快速洞察全局、精準研判、高效指揮。 問題的根源，往往不在於數據的匱乏，而在於缺乏一個能夠深度融合數據、直觀呈現態勢、並支持智能

數據 , API , 運維 , 數據可視化 , 人工智能 , 數字孿生

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - AI搜索 MCP最佳實踐

背景 那些 LLM 不知道的事 嘗試直接詢問LLM“今天天氣如何”時，會發現LLM無法回答——它既不知道“今天”是哪天，也無法獲取地理位置信息。這揭示了LLM的侷限：缺乏與外部工具和實時數據的交互能力。 為解決這一問題，MCP（Model Context Protocol）應運而生。通過標準化協議，MCP使LLM能夠自主調用工具（如天氣API、地理位置服務），並解耦Agent與Tools的開發，顯

大數據 , 搜索 , 人工智能 , 檢索系統 , 數據處理

收藏 評論

u_16213722 頭像

mob64ca1419a401 - Mac圖片批量處理工具-PhotoMill X

一、引言：為什麼需要批量修圖軟件？ 在這個視覺內容爆炸的時代，攝影師和內容創作者面臨着前所未有的挑戰。一次商業拍攝動輒產生數百甚至上千張原始圖片，如果採用傳統單張修圖方式，不僅耗時耗力，還難以保證作品風格的統一性。這正是批量修圖軟件的價值所在——它們通過智能化的處理方式，讓創作者從重複性勞動中解放出來，將更多精力投入到創意工作中。 隨着人工智能技術的發展，現代批量修圖

Photoshop , 批量處理 , 商業 , 圖像處理 , 人工智能 , Css , 前端開發 , HTML

收藏 評論

u_16213604 頭像

mob64ca13fd559d - dify plugin_daemon日誌位置

認識Kibana 　　Kibana 是一個為 Logstash 和 ElasticSearch 提供的日誌分析的 Web 接口。可使用它對日誌進行高效的搜索、可視化、分析等各種操作。Kibana的使用場景主要集中在兩方面： 實時監控。通過histogram面板，配合不同條件的多個queries可以對一個事件走很多個維度組合出不同的時

機器學習 , 字段 , 大數據 , php , 搜索 , 人工智能 , Json

收藏 評論

shishangdexiaomaju 頭像

GpuGeek - 一文走進GpuGeek | pip常用命令

pip 常用命令： 默認情況下，GpuGeek平台的 pip 命令是使用 miniconda3 進行安裝，可以通過如下 pip -V 命令查看 pip 安裝目錄。 查看pip命令安裝目錄 pip -V 查看pip命令執行程序位置 command -V pip 查看當前pip版本 pip --version 列出所有已安裝的包 pip list 安裝最新版本的numpy庫 pip install

雲平台 , gpu , pip , 人工智能

收藏 評論

tencent_yinshipinxiaojiejie 頭像

騰訊雲音視頻 - AI實時對話的通信基礎，WebRTC技術綜合指南

在通過您的網絡瀏覽器進行音頻和視頻通話、屏幕共享或實時數據傳輸時，您可能並不常思考其背後的技術。推動這些功能的核心力量之一就是WebRTC。2011年由谷歌發佈的這個開源項目，如今已發展成為一個高度全面且不斷擴展的生態系統。尤其是在AI技術大幅突破的當下，WebRTC在AI實時對話方面的緊密聯繫，更進一步提升了它的重要性。 只需一點編程知識，任何人都可以在數小時或幾天內創建複雜的通信、協作和

音視頻 , 人工智能 , webrtc

收藏 評論

u_16099345 頭像

智能開發先鋒 - expdp導出數據排除某個scheme

一、expdp/impdp和exp/imp 客户端工具 1、exp和imp是客户端工具程序，它們既可以在客户端使用，也可以在服務端使用。 服務端工具 2、expdp和impdp是服務端的工具程序，他們只能在oracle服務端使用，不能在客户端使用。 注意： 3、imp只適用於exp導出的文件，不適用於expdp導出文件；impdp只適用於exp

oracle , 機器學習 , 表空間 , expdp導出數據排除某個scheme , 人工智能 , Processing

收藏 評論

u_16213638 頭像

mob64ca1405664d - av_seek_frame 音頻定位時間有偏差問題如何解決

初次學習和使用ffmpeg，電腦系統有點老，沒辦法使用最新版的ffmpeg 3.3，只能從別處下載了一個2.8版的用用，官網提供的歷史版本都沒有我電腦可用的版本。 花了兩天時間學習並寫了一個簡單的處理視頻的程序，實現視頻的截屏保存為jpg圖片。 本來想用SDL寫個播放器，但寫着寫着，感覺實現視頻、音頻同步什麼的有點難，有點累，就沒再繼續。 今天在研究視頻定位(s

搜索 , 人工智能 , 深度學習 , 3g , ide

收藏 評論

tecdat 頭像

拓端tecdat - 專題：2025跨境電商產業發展報告：出海、ERP、產業帶、人才|附270+份報告PDF、數據、可視化模板彙總下載

**原文鏈接：https://tecdat.cn/?p=44334 原文出處：拓端抖音號@拓端tecdat** 引言 2025年，中國跨境電商正從“鋪貨衝量”轉向“精耕盈利”，4.3萬億元的進出口總額背後，是產業帶與ERP的協同升級、重點市場的深度掘金，以及人才體系的迫切補位。這場全鏈條變革中，有人靠德國市場環保服飾月增20%，也有人因ERP選型失誤錯失旺季，行業分化正在加速。本報告洞察基

機器學習 , 數據挖掘 , 算法 , 人工智能 , 深度學習

收藏 評論

kaizx 頭像

KAI智習 - 一張圖看懂AI Agent的6種模式—MAS

在大模型（LLM）狂飆突進的今天，我們經常聽到“AI Agent（智能體）”這個詞。如果説 ChatGPT 是一個超級大腦，那麼 Agent 就是給這個大腦裝上了手腳（工具）和耳朵（感知）。 但是，面對複雜的任務，一個 Agent 往往力不從心。於是，多智能體系統（Multi-Agent System） 成為了新的趨勢。 今天，我們就深度解讀一張硬核架構圖，帶你從最基礎的單體模式，一路進階到複雜

agent , 人工智能

收藏 評論

u_16213645 頭像

mob64ca1407216b - deepseek從入門到變現 pdf

論文背景 《Wide Deep Learning for Recommender Systems 》這篇論文是Google於2016年發表在DLRS上的文章，該方法在Google Play的推薦業務中得到了成功的應用。 在推薦系統中，我們的主要挑戰之一就是同時解決Memorization和Generalization，也就是推薦系統的記憶能

權重 , aigc , 人工智能 , deepseek從入門到變現 pdf , 深度學習 , bard , ide

收藏 評論

alipaycloud 頭像

支付寶小程序雲 - 重構商業生態：支付寶小程序雲與AI融合的無限可能

當 AI 遇上小程序，會激盪出怎樣的商業創新火花？在這個過度信息化的時代，消費者渴望的不只是產品，而是更為精準和個性化的服務體驗。支付寶小程序雲致力於探索這一領域的邊界，但面對複雜多變的市場環境，我們如何利用 AI 打造出真正符合用户需求的小程序體驗？企業又該如何利用這一技術趨勢，開闢業務增長的新藍海？ 在近日舉辦的「首屆 AIGC 全網小程序應用創新大會」上，螞蟻集團支付寶小程序雲總負責人李錚進

支付寶小程序 , 支付寶 , 雲服務 , 人工智能

收藏 評論

u_15316473 頭像

阿里雲大數據AI技術 - 【新模型速遞】PAI-Model Gallery雲上一鍵部署DeepSeek-V3.2模型

模型介紹 12月1日晚，DeepSeek又開源了兩款新模型，DeepSeek-V3.2 和 DeepSeek-V3.2-Speciale，在推理能力上全球領先。 兩款模型有着不同的定位。DeepSeek-V3.2的目標是平衡推理能力與輸出長度，適合日常使用，例如問答場景和通用智能體任務場景。9月底DeepSeek發佈了實驗版V3.2-Exp，此次是正式版更新。在公開推

機器學習 , 模型推理 , deepseek , 阿里雲 , 人工智能 , PAI

收藏 評論

beishangdebanma 頭像

悲傷的斑馬 - 2025年12月GEO服務實效比拼：12項指標透視五大服務商的監測與量化能力

當68%的搜索不再點擊鏈接，你的內容如何被AI選中？這一問題正成為數字經濟時代企業生存的關鍵命題。2025年，中國AI搜索用户規模已達6.5億，日均交互量突破9.2億次，經生成式引擎優化（GEO）的內容在AI推薦結果中的引用概率平均提升3倍。 中國信通院《2025 GEO技術成熟度報告》顯示，製造業企業通過GEO優化實現訂單轉化率最高提升292%，生活服務類企業客户獲取成本（CPA）降低22

觀點 , 資訊 , 算法 , 知識 , 人工智能

收藏 評論

kunaodehaigui 頭像

苦惱的海龜 - 亞馬遜公佈新款自研 AI 芯片

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、亞馬遜公佈新款自研 AI 芯片 Trainiu

人工智能

收藏 評論

u_16213667 頭像

mob64ca140c75c7 - opencv 支持向量機SVM分類器_51CTO博客

目錄 一.SVM的感性認識 1.什麼是 SVM 分類器？ 2.核心概念：用通俗例子理解 1. 什麼是 "超平面"？ 2. 什麼是 "支持向量"？ 3. 為什麼要 "最大間隔"？ 3.處理複雜情況 1. 數據分不開怎麼辦？-核函數（非線性問題） 2. 有雜音怎麼辦？（軟間隔） 4.SVM 的優缺點

機器學習 , 支持向量機 , 分割線 , 後端開發 , 人工智能 , 1024程序員節 , harmonyos

收藏 評論

u_12197 頭像

jack - cubema怎麼創建隊列

一、 cube構建步驟 登錄頁面 創建Project 同步數據 1) 加載Hive表 2) 從同步的目錄中導入，即將上張圖中左側的數據庫中的表導入 3) 上傳Hive表 4) 添加流表。 創建Model 事實表關聯其他表創建一個model 1) 填寫基本信息 2) 選擇事實表

機器學習 , 數據 , hive , cubema怎麼創建隊列 , kylin , 人工智能

收藏 評論

huodadexiang 頭像

南瓜 - 基於 YOLOv8 的智能火災識別系統設計與實現— 從數據集訓練到 PyQt5 可視化部署的完整工程實踐

基於 YOLOv8 的智能火災識別系統設計與實現 摘要 隨着城市化進程的加快，火災事故頻發，傳統依賴煙霧傳感器或温感設備的報警方式在複雜環境中存在響應滯後、誤報率高、覆蓋範圍有限等問題。近年來，計算機視覺與深度學習技術的快速發展，使得基於圖像的火災自動識別成為智慧消防領域的重要研究方向。 本文圍繞一個基於 YOLOv8 的火災識別系統展開，系統性介紹了從數據集構建、模型訓練、性能評估，到 PyQt

機器學習 , 人工智能 , 深度學習

收藏 評論

deephub 頭像

deephub - Python環境管理的新選擇：UV和Pixi，高性能Python環境管理方案

近期Python生態系統發生了重要變化，特別是在包管理領域。Anaconda對其商業許可證政策進行了調整，要求大型非營利組織（員工超過200人）需要為使用其默認包倉庫的每位用户獲取商業許可。這一變化促使開發社區開始尋找更開放的解決方案，特別是考慮到Python本身及其大多數包都是開源的這一事實。 Python環境管理和包依賴處理一直是開發過程中的關鍵挑戰。傳統工具如virtualenv、pip和c

機器學習 , 人工智能 , 環境搭建 , Python

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 【Triton 教程】層標準化

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/ 在本教程中，你將編寫一個比 PyTorch 實現運行更快的高性能層標準化 (layer normalization) 內核。 在此過程

機器學習 , 自然語言處理 , 人工智能 , 編譯器 , 深度學習

收藏 評論