tag 人工智能

標籤
貢獻930
1041
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 rtedevcomm 頭像 u_15591470 頭像 lab4ai 頭像 u_17512334 頭像 tecdat 頭像 qingfouai 頭像

@人工智能 / 博客 RSS 訂閱

u_14026473 頭像

JosieBook - 用 AI Ping 體驗 GLM-4.7 與 MiniMax M2.1：從配置到實戰的完整教程

最近，國產大模型領域迎來兩個值得關注的新版本：智譜的 GLM-4.7 與 MiniMax 的 M2.1。它們不再以“生成一段流暢文字”為目標，而是聚焦於真實工程場景中的穩定輸出與持續協作能力。為了驗證這一點，我在本地開發環境中進行了完整測試——使用 VS Code 配合開源插件，通過AI Ping平台可限免調用這兩款模型，分別完成兩類典型任務。 本文將按操作流程記錄全過程：

code , API , 數據可視化 , Max , 人工智能

收藏 評論

u_12855 頭像

西門吹雪 - svn提交提示Node remains in conflict

原文：http://developer.51cto.com/art/201006/203185.htm 本節向大家簡單描述一下SVN錯誤，在學習SVN的過程中如何避免SVN錯誤，SVN錯誤如何解決(locked conflict 文件不存在）這是大家最關心的問題，本節就和大家一起來學習一下，希望通過本節的介紹大家對SVN錯誤有深刻的理解。 這段時間做項目也學到了很多，

機器學習 , 服務器 , server , svn , 人工智能

收藏 評論

u_17512334 頭像

疆鴻智能研發中心 - PROFINET轉DEVICENET網關：物流AGV新舊系統集成難題

PROFINET轉DEVICENET網關：物流AGV新舊系統集成難題 案例背景與項目痛點 某區域物流樞紐中心的自動化分揀系統面臨升級瓶頸：新建的西門子S7-1500PLC控制系統採用PROFINET工業以太網協議，而原有的15台關鍵AGV搬運設備均採用DEVICENET現場總線通訊。這種協議不兼容導致新建控制系統無法直接調度AGV集羣，形成了“信息孤島”。 項目

協議轉換 , 人工智能 , DEVICENET , 深度學習 , 網關 , 工業自動化 , PROFINET

收藏 評論

user_sg59bsuq 頭像

user_sg59bsuq - 打造專屬知識大腦：個人電腦上的本地私有知識庫全攻略

打造專屬知識大腦：個人電腦上的本地私有知識庫全攻略 為什麼你需要一個本地私有知識庫？ 想象一下：當你突然需要查找半年前讀過的那篇精彩文章，或者在會議中急需某個重要數據，卻發現自己收藏的內容散落在微信、瀏覽器、筆記軟件等十幾個地方...這種場景是不是很熟悉？ 在信息爆炸的時代，我們每天都在接收海量信息，但真正能內化為個人知識資產的卻少之又少。這就是為什麼你需要一個本地私有知識庫——它就像是為你的大腦

教程 , 人工智能 , 知識庫

收藏 評論

yuhaibao324 頭像

DeepSeaAI - 項目實戰：LLaMaFactory和Qwen2-VL-2B微調大模型實戰

簡介 本文介紹了一個基於多模態大模型的醫療圖像診斷項目。項目旨在通過訓練一個醫療領域的多模態大模型，提高醫生處理醫學圖像的效率，輔助診斷和治療。作者以家中老人的腦部CT為例，展示瞭如何利用MedTrinity-25M數據集訓練模型，經過數據準備、環境搭建、模型訓練及微調、最終驗證等步驟，成功使模型能夠識別CT圖像並給出具體的診斷意見，與專業醫生的診斷結果高度吻合。 前

數據集 , 數據 , 神經網絡 , 人工智能 , 模態

收藏 評論

u_15677700 頭像

EasyV數字孿生可視化 - 數字孿生港口：以某交通運輸企業數字孿生物流生產管理系統建設為例

1.建設背景 某交通運輸企業作為該省重點項目以及該集團港口板塊長江中下游重要的江海聯運中轉樞紐港，承擔着大量的裝卸貨任務。隨着業務量的快速增長，傳統的生產管理模式面臨諸多挑戰，為提高整體運營效率，實現精細化管理。產生了構建數字孿生模擬仿真引擎的需求，希望打造國內一流的集綠色、智慧、高效、安全於一體的現代物流樞紐港，釋放長江深水航道水運潛力。 （以下內容均來源於《數字孿生

數據 , 私藏項目實操分享 , 物聯網 , 數據可視化 , 管理系統 , 人工智能

收藏 評論

u_15591470 頭像

ceshiren2022 - 從失業到逆襲：我如何拿下3份大廠Offer（附面試真題）

01 起點：一場猝不及防的裁員 我的第一段實習生涯，僅僅持續了4個月。公司的一紙裁員通知，讓我的計劃全盤打亂。還沒正式起飛，就被迫降落，那種迷茫和自我懷疑，懂的都懂。 02 覺醒：為什麼我必須報班學習？ 這段短暫的“失業空窗期”，反而成了我最清醒的時刻。我徹底認清了一個現實：沒有硬核技能護體，在職場風雨裏，我永遠是最先被拍倒的那一個。改變，迫在眉睫。 03 選擇：在眾多機

人工智能 , 深度學習 , 自動化測試 , 面試經驗

收藏 評論

u_16213661 頭像

mob64ca140b0bc8 - 公眾號文章Scheme

老婆公司的需求，公司給了一個星期的時間。讓她每天去複製粘貼。然後就有了如下代碼： 先説實現吧 一、抓包 打開Charles , 配置好SSL Proxy 。 編輯 證書OK後，配置允許抓取系統資源： 編輯 啓動抓包即可，簡單又方便： 編輯

抓包 , 機器學習 , 人工智能 , 公眾號 , 公眾號文章Scheme , Git

收藏 評論

qingfouai 頭像

青否Ai - 電商平台數字人主播直播間激增，虛擬主播如何重塑電商生態？

直播間裏，主播“羅永浩”連續激情澎湃地解説了6個小時，依然精神飽滿、對答如流，而這一切背後，竟無一人真人蔘與。（青否數字人源頭v：zhibo175） 當直播時長逼近6個小時、大多數電商主播顯露疲態時，百度直播間裏的主播“羅永浩”和搭檔“朱蕭木”仍然情緒飽滿地回答觀眾提問，時不時還能講兩句“段子”吸引觀眾下單。 這並非真人主播的超常發揮，而是百度藉助劇本驅動多模協同數字人技術打造的數字人主播。

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

u_16213575 頭像

墨舞青雲 - ddddocr和cnnxruntime版本對應關係

工作有些年頭了一直在搬磚，下定決心從零開始寫一套領域模型的項目 把知道的東西變成會的，把會的東西融會貫通 最終能不能用無所謂，總要留點什麼東西 Github 倉庫地址 每一篇文章對應一個 tag 這版代碼定義了 　　領域模型中需要那些層 　　層與層之間的基本引用 　　使用.NET Core 內置的依賴注入框架，對各層之間進行

機器學習 , orm , Domain , 領域模型 , 人工智能

收藏 評論

pannideniupai 頭像

雨大王 - 工業互聯網智能工藝：一場顛覆傳統制造的數字化革命

你有沒有被這樣的場景困擾過：市場部催着新品儘快上市，而研發團隊卻在繁雜的流程和浩如煙海的工藝文件中疲於奔命？圖紙版本混亂，溝通成本居高不下，一個微小的設計變更就可能讓整個生產環節陷入混亂。更令人惋惜的是，經驗豐富的工程師們本應專注于思考和創新，卻不得不將大量時間耗費在手動校核圖紙、反覆測算工時和繪製作業指導書等重複性勞動中。這不僅是人力資源的浪費，更是企業創新效率的瓶頸。 如果你正面臨這樣的

人工智能

收藏 評論

u_12868 頭像

langrisser - themeleaf src取動態參數

一、動態參數(不定長參數)def func(*args): 形參: 3種 動態參數 args元組,他包含了你所有的位置參數. *args 動態參數,不定長參數 **kwargs 他包含了關鍵字動態參數 *rarge用法

機器學習 , 命名空間 , 作用域 , 人工智能 , themeleaf src取動態參數 , 名稱空間

收藏 評論

alijishu 頭像

阿里雲開發者 - 展心展力 metaapp：基於 DeepRec 的稀疏模型訓練實踐

1 背景 推薦場景大模型在國內的使用很早，早在 10 年前甚至更早，百度已經用上了自研的大規模分佈式的 parameter server 系統結合上游自研的 worker 來實現 TB 級別的萬億參數的稀疏模型。後來，各家平台也陸續基於這種方案，開發了自己的分佈式訓練系統，普遍特點是大量使用 id embedding，因此參數量巨大，模型大小也非常誇張。當然，隨着開源訓練工具 TensorFlow

機器學習 , 大數據 , 人工智能 , meta , 模型

收藏 評論

aipaobudexiangjiao_cktinz 頭像

愛跑步的香蕉_cKtiNz - 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%； •某大型國有銀

人工智能

收藏 評論

u_16099236 頭像

是大魔術師 - OPencv中格雷碼識別

Leetcode鏈接 : https://leetcode-cn.com/problems/gray-code/ 問題描述： 格雷編碼是一個二進制數字系統，在該系統中，兩個連續的數值僅有一個位數的差異。給定一個代表編碼總位數的非負整數 n，打印其格雷編碼序列。格雷編碼序列必須以 0 開頭。 格雷碼特點： 位數為n時,格雷碼的個數為 2^n(n1)

OPencv中格雷碼識別 , 遞歸 , 邊界條件 , 遞推 , 人工智能 , 計算機視覺

收藏 評論

u_14555 頭像

blueice - Emotiv14通道edf數據

1.簡介 Segnet、FCN都是基於VGG16的，但VGG16本身就是一個很大的網絡，參數多，故inference時運行慢，無法運用到實時場景。本文提出ENet分割算法，它在精確率和運行時間上作了權衡，能夠運用在移動端的實時分割任務中。 個人感覺ENet的思想跟GoogLeNe有點類似，就是本質都是為了解決參數過於密集（參數太多），而引入稀疏性，降低參

機器學習 , 卷積 , 複雜度 , Emotiv14通道edf數據 , 人工智能 , ide

收藏 評論

deephub 頭像

deephub - LlamaIndex檢索調優實戰：七個能落地的技術細節

RAG系統搭完其實才是工作的開始，實際跑起來你會發現，答案質量參差不齊，有時候精準得嚇人、有時候又會非常離譜。這個問題往往不模型本身，而是在檢索環節的那些"小細節"。 這篇文章整理了七個在LlamaIndex裏實測有效的檢索優化點，每個都帶代碼可以直接使用。 1、語義分塊 + 句子窗口 固定長度切分文檔是最省事的做法，但問題也很明顯：這樣經常把一句話從中間劈開，上下文斷裂，檢索器只能硬着頭

llm , 人工智能 , llama , 檢索系統 , Python

收藏 評論

rivers_chaitin 頭像

百川雲開發者 - 2025年最值得擁有的AI知識庫神器，讓團隊協作效率翻倍！

你是不是也遇到過這樣的困擾：團隊文檔散落在各個角落，找一份資料要翻遍十幾個文件夾；新員工入職培訓資料零零散散，老員工離職帶走一堆寶貴經驗；產品文檔更新不及時，客服和銷售還在用着過時的信息…… 別擔心，今天我要給大家推薦幾款超好用的AI Wiki軟件，它們不僅能幫你解決這些痛點，還能讓你的團隊協作效率直接起飛！ 什麼是Wiki軟件？它為什麼這麼重要？ 先給大家科普一下，Wiki軟件其實就是個內容協作

人工智能 , 深度學習

收藏 評論

sanzhanggui 頭像

三掌櫃 - 【TextIn大模型加速器 + 火山引擎】破解企業文檔“數據孤島”困局：從多語言合同審計到RAG知識庫，構建全鏈路智能處理範式

目錄 前言 文檔處理的“三重困境”與技術破局點 TextIn+火山引擎的“雙核驅動”架構與實現原理 未來展望：文檔智能處理的三大演進方向 結束語 前言 在企業數字化轉型的深水區，文檔作為核心信息載體，也在面臨“非結構化陷阱”的嚴峻挑戰，比如跨國集團的多語言合同、製造業的複雜產品手冊、金融業的貿易融資單據，這些包含表格、公式、手寫批註的非標準文檔，長期以來依賴人工處理，不僅效率低下，更

圖像識別 , 人工智能

收藏 評論

u_16099240 頭像

陌陌香閣 - Stagemonitor 使用實例

在一些新框架的代碼中，常基於es6/7標準來書寫代碼。鑑於這些標準被沒有被瀏覽器廣泛支持，我們一般使用babel來將使用e6/7標準書寫的代碼降級編譯(或者説轉譯)為瀏覽器可解析的es3/5代碼。 以.babelrc文件配置babel為例，presets預設編譯規則(預設的編譯插件集合)可以設置stage-0 至 stage-3， stage-0包含了stage-1 至 s

機器學習 , 執行順序 , 全局變量 , Stagemonitor 使用實例 , API , 人工智能

收藏 評論

u_16213559 頭像

時光機3號 - 組播 add membership

MAC地址是以太網二層使用的一個48bit（6字節十六進制數）的地址，用來標識設備位置。MAC地址分成兩部分，前24位是組織唯一標識符（OUI, Organizationally unique identifier），後24位由廠商自行分配。 MAC地址有單播、組播、廣播之分。單播地址(unicast address)表示單一設備、節點，多播地址

機器學習 , 單播 , 組播 , 組播 add membership , 人工智能 , define

收藏 評論

u_13416 頭像

detailtoo - 如何將節點加入ldap

APDL代碼實現link180單元的使用 由於不知道怎樣使用LINK180單元，故按照相關的教程和理解，整理了一下比較完整的APDL的代碼。其中包含的圖片的保存和背景顏色的改變。 標籤：'LINK180' ' APDL' 目錄 APDL代碼實現link180單元的使用 結果圖片 AP

機器學習 , 未定義 , 人工智能 , 如何將節點加入ldap , 模態 , 代碼實現

收藏 評論