tag 人工智能

標籤
貢獻930
1040
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_16213629 頭像

mob64ca1403528a - 深度學習可以用來測量多個孔直徑嗎

F1系列固定測斜探頭是高精度鑽孔內部斜度的測量儀器，可以廣泛應用於：深基坑開挖、地鐵地基、公路地基、擋土牆、壩體、尾礦庫及山體滑坡等工程方面土體內部位移變化的監測設備。 F1系列固定測斜探頭是一款高精度鑽孔內部斜度的測量儀器，系統主要由：數據採集儀、測斜探頭、測斜管組成。 廣泛應用：深基坑開挖、地鐵地基、公路地基、擋土牆、壩體、尾礦庫及山

深度學習可以用來測量多個孔直徑嗎 , 數據採集 , 工作温度 , 人工智能 , 高精度 , 深度學習

收藏 評論

u_16099334 頭像

AI領域佈道師 - Emmagee 性能測試工具

1、性能測試工具的使用原理 軟件系統中客户端向服務端發送請求，服務端將結果返回，這個過程通過協議進行交流。 性能測試工具就像一個代理服務器（proxy server），把客户端的行為通過腳本複製下來，通過腳本運行，模擬客户端向服務器發送請求。 壓力服務器（負載機）。性能測試工具是通過向服務器產生壓力，達到監測性能的目的。要模擬多個客户端併發請求時，性能測試工具就

機器學習 , 服務器 , 性能測試工具 , 人工智能 , 迭代 , Emmagee 性能測試工具

收藏 評論

u_12192 頭像

angel - dbeaver如何設置ldap

數據庫 laravel操作數據庫所使用的擴展 pdo，一定要開啓pdo擴展 提供了DB facade(原始查找)、*查找構造器、Eloquent ORM三種操作方法 在laravel中修改連接數據庫的文件有兩處 Ø修改 .env文件 Ø修改config/database.php文件。 通過配置後，發現，如果我們的數據表有前綴的話，在.env文

機器學習 , 表名 , 字段 , 數據 , 人工智能 , dbeaver如何設置ldap

收藏 評論

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（W

大語言模型 , vLLM , yyds乾貨盤點 , 模型推理 , 人工智能 , 深度學習 , wsl2 , GPUSTACK

收藏 評論

u_17579295 頭像

mb6911caa73d1d1 - 數字孿生開發者的效率革命：如何讓園區管理變得智能又簡單

作為一名深耕數字孿生領域的開發者，我曾經每天都在與複雜的代碼和漫長的開發週期作鬥爭。直到最近通過圖觀引擎完成的一個智慧園區項目，讓我真正體驗到了開發效率的質的飛躍。今天，就讓我分享幾個實用技巧，希望能給同行們帶來新的啓發。 場景搭建：從"造輪子"到"拼積木"的轉變 還記得去年接手的那個大型科技園區項目，客户要求在十天內完成主要區域的精細化建模

開發效率 , 最佳實踐 , 數據可視化 , 人工智能 , 數字孿生 , 開發者

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI教研智能體平台：用技術讓教研從“經驗驅動”變“數據賦能”

教研工作常面臨“痛點三重奏”：備課找資料耗半天、學情把握靠感覺、教研成果難複用。AI教研智能體平台就像給老師配了個“技術助手”，靠實實在在的技術手段，把教研的“繁瑣活、模糊事”變得高效又精準。今天就拆解核心技術，看看它怎麼重塑教研流程。 核心技術之一是智能文本解析與知識建模，相當於給教材和教研資源做“智能拆解”。平台用“NLP語義分割算法”，能自動拆分教材章節的知識點、重難點，還能識

文本解析 , 數據 , NLP , 人工智能 , 核心技術

收藏 評論

u_12868 頭像

langrisser - 30m DEM來源

原先使用windows 2003 server和IIS6，默認限制為4m，可以通過如下方式解決 修改web.cofing文件，在system.web標籤中添加 httpRuntime maxRequestLength="2097151" executionTimeout="36000"/

機器學習 , 只讀屬性 , IIS , server , 人工智能 , 30m DEM來源

收藏 評論

u_16213566 頭像

雲端小仙童 - relu 模擬電路

對模擬電路的掌握分為三個層次。 初級層次是熟練記住這二十個電路，清楚這二十個電路的作用。只要是電子愛好者，只 要是學習自動化、電子等電控類專業的人士都應該且能夠記住這二十個基本模擬電路。 中級層次是能分析這二十個電路中的關鍵元器件的作用，每個元器件出現故障時電路的 功能受到什麼影響，

電路圖 , 輸入輸出 , 過程分析 , relu 模擬電路 , 人工智能 , 深度學習

收藏 評論

u_16213593 頭像

mob64ca13faa4e6 - 獲取dem 一片區域內的最高位置

1、jQuery獲取元素的寬高：a：width()：設置或返回元素的寬度 　　　　　　　　　　　　 b：height()：設置或返回元素的高度 　　　　　　　　　　　　a：innerWidth()：返回元素的寬度，包括內邊距 　　　　　　　　　　　　 b：innerHeight()：返回元素的高度，包括內邊距 　　　　　　　　　　　　 a：outerWid

機器學習 , 內邊距 , 獲取dem 一片區域內的最高位置 , 絕對定位 , 動畫效果 , 人工智能

收藏 評論

paddle 頭像

飛槳PaddlePaddle - 驚豔亮相！新版飛槳星河社區邀您共赴星辰大海

親愛的開發者們： ​一場始於好奇、歸於熱愛的邂逅，讓開發者們在飛槳星河社區相聚，相逢於活動、課程、比賽、項目……五年來，千萬開發者的共同參與，讓這個社區更富活力、更加温暖。 2018年，AI Studio 1.0版本上線；2019年，發佈億元算力支持計劃；2020年，課程、比賽、精品項目推出；2021年，AI Studio註冊用户突破100萬；2023年，AI Studio公佈中文名稱“飛槳星河社

paddlepaddle , 社區 , 開發者生態 , 人工智能 , 百度

收藏 評論

bchbb 頭像

編程黑板報 - 告別收藏不讀：NotebookLM 讓資料開口説話

引言 你是否也經歷過這樣的絕望： 不管是堆滿 PDF 的下載文件夾、永遠關不完的瀏覽器標籤頁，還是隻進不出的收藏夾，我們似乎都陷入了"只收藏不閲讀"的信息焦慮中。 我們像是被信息的巨浪拍死在沙灘上。明明坐擁一座"信息金山"，卻找不到挖掘的鏟子。 最近，Google 推出的 NotebookLM 徹底解決了這個痛點。當我第一次把一份枯燥難懂的行業報告丟進去，它竟然在幾分鐘內生成了一段兩個 AI 主持

generative-ai , llm , 教程 , 知識 , 人工智能

收藏 評論

u_19261 頭像

戀上一隻豬 - Using temporary優化方向

本文介紹的常數優化方法能使代碼加速到原來的一半甚至更快 使用union類 定義 union是一種特殊的類，定義方法如下（定義在main內或main外都可以） union Union{ int a; double b; char c; }; Union u; 互斥的特性 union的所有成員存儲在同一個地址上，因此在任意時

機器學習 , 運行時間 , 數組 , Using temporary優化方向 , 人工智能 , 多維數組

收藏 評論

pannideniupai 頭像

雨大王 - 工業互聯網平台在工藝工程安全與環保中的應用

一、工業互聯網平台：現代製造業的智能心臟 在當今工業4.0時代，工業互聯網平台已成為推動製造業數字化轉型的關鍵力量。它不僅僅是技術的堆砌，更是將傳統生產過程中的孤立環節連接成一個高效、智能的整體。工藝工程作為製造業的核心組成部分，涵蓋了從設計、生產到維護的全過程，其安全性與環保性直接關係到企業的可持續發展。想象一下，一個繁忙的工廠車間裏，機器轟鳴、材料流動，如果不加以控制，很容易發生事故或造

人工智能 , 深度學習

收藏 評論

u_16213711 頭像

mob64ca1416f1ef - 基線數據不齊分析邏輯迴歸分析

　　基線的本意是指立體視覺系統中兩攝像機光心之間的距離。依據拍攝兩幅圖 像的視點位置關係可將對應點匹配問題分為寬基線(Wide Baseline)和窄基線匹配(Short Baseline)。寬基線一詞用於匹配時，泛指兩幅圖像有明顯不同的情況下的匹配。產生這種情況的原因有可能為攝像機之間的位置相差很大，也有可能由於攝像機旋轉或焦距的變化等因素產生的。

機器學習 , 鄰域 , 對應點 , 基線 , 基線數據不齊分析邏輯迴歸分析 , 人工智能

收藏 評論

deephub 頭像

deephub - 4個解決特定的任務的Pandas高效代碼

在本文中，我將分享4個在一行代碼中完成的Pandas操作。這些操作可以有效地解決特定的任務，並以一種好的方式給出結果。 從列表中創建字典 我有一份商品清單，我想看看它們的分佈情況。更具體地説：希望得到唯一值以及它們在列表中出現的次數。 Python字典是以這種格式存儲數據的好方法。鍵將是字典，值是出現的次數。 這裏可以使用value_counts和to_dict函數，這項任務可以在一行代碼中完成

機器學習 , 人工智能 , pandas , Python

收藏 評論

u_16099178 頭像

雲端小悟空 - 批量加域組到windows remote desktop users

羣加域P處理 簡介： 在域環境下如果有多台PC機要同時加域的話，如果是要域管理員一台台的去把PC機添加到域，這樣不僅費時而且又費力，做事效率也不高。 那有什麼方法可以同時把多台PC加入到域了，這個技術有點難度，不過不要緊，我們可以用到Window server 2003 自帶的工具Netdom工具，用這個工具可以把PC機加入到域（默認情況下，這個工具沒有安裝），

機器學習 , ip , 客户端 , 人工智能 , 用户名

收藏 評論

u_16099226 頭像

雲端夢想實現家 - 深度學習迭代次數多少合適

迭代和科學的方法 在為一個問題開發解決方案的過程中包括很多活動行為。我們需要理解待解決的問題，為一個潛在的解決方案收集需求，將這些需求轉換至設計中，構建解決方案，並對方案進行測試。這個順序非常自然，並且在一般情況下是正確地。然而，當我們試圖將規模擴大時－也就是説，當我們按照一個嚴格的線性流程試圖蒐集所有的需求，並完成所有的設計，所有的開發，進行所有

深度學習迭代次數多少合適 , 測試 , 工作 , 人工智能 , 深度學習 , 活動 , 產品

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI教學評價分析管理系統：用技術讓課堂評價更精準高效

傳統教學評價總繞不開“憑經驗、耗時間、不全面”的難題——專家聽課靠主觀打分，不同人評分差異率超30%，一學期最多覆蓋8%的課程，反饋報告還要等兩週。而AI教學評價分析管理系統，正是用技術打破這些侷限，讓教學評價從“模糊感知”變成“精準診斷”。 系統的核心能力，源於“多模態數據採集+智能分析”的技術閉環，就像給課堂裝了一套“智能感知中樞”。前端靠三類“感知設備”捕捉全量數據：教室的廣角

數據 , 數據採集 , NLP , 人工智能 , 模態

收藏 評論

u_14176533 頭像

北京數據堂 - 71 種語言 + 125 種口音識別！AI 精準翻譯背後的數據力量！

當網易有道詞典“AI同傳”累計用户突破2000萬，支持71種語言互譯、精準識別125種口音，還能實現專業術語優化時，這不僅是一款產品的里程碑，更標誌着AI翻譯正在從“淺層轉譯”向“深度理解”加速演進。在全球化溝通日益頻繁的今天，AI翻譯正成為打破語言壁壘的核心力量，而這份亮眼成績的背後，是技術對多重挑戰的攻克，更是高質量數據的堅實支撐。 一

數據集 , 平行語料 , 發音詞典 , 有道翻譯 , 人工智能 , 深度學習 , 語音識別

收藏 評論

u_14767244 頭像

u_14767244 - Apache Doris 4.0.2 版本正式發佈

親愛的社區小夥伴們，**Apache Doris 4.0.2 版本已正式發佈。**此版本新增了在 AI Search、函數、物化視圖、Lakehouse 等方面的功能，並同步進行了多項優化改進及問題修復，歡迎下載體驗！ GitHub 下載：https://github.com/apache/doris/releases 官網下載：https://doris.apach

大數據 , hive , 數據倉庫 , 人工智能 , 物化視圖 , apache

收藏 評論

xingxingshangdeliushu 頭像

星星上的柳樹 - EDA 縮寫全解析系列 | 第 1 周：A–I

在 VLSI、數字 IC、驗證或物理設計的世界裏，工程師的日常語言幾乎被縮寫“統治”——有些耳熟能詳，有些晦澀神秘，還有些讓新人望而生畏。本系列將從 A 到 Z，把這些高頻縮寫逐一拆解成“真正能聽懂的工程語言”，幫助你係統補齊基礎概念。 ✦ 01 從 A 到 I：九個最常遇到、卻最容易用錯的縮寫 • ATPG：自

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論