tag 人工智能

標籤
貢獻930
1045
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_12891 頭像

gjnet - TensorFlow訓練怎麼進行數據標註

製作自己的數據集（使用tfrecords） 為什麼採用這個格式？ TFRecords文件格式在圖像識別中有很好的使用,其可以將二進制數據和標籤數據(訓練的類別標籤)數據存儲在同一個文件中,它可以在模型進行訓練之前通過預處理步驟將圖像轉換為TFRecords格式,此格式最大的優點實踐每幅輸入圖像和與之關聯的標籤放在同一個文件中.TFRecord

機器學習 , 文件名 , 字符串 , 人工智能 , 對象序列化

收藏 評論

u_16099258 頭像

代碼工匠大師 - st語言IMPLEMENTS

介紹 •中斷控制器支持 19 個外部中斷/事件請求，線 0~15 對應外部 IO 口的輸入中斷（每個中斷 線對應相同數字的 GPIOx），線 16 連接到 PVD 輸出，線 17 連接到 RTC 鬧鐘事件，線 18 連接到 USB 喚醒事件。 •因為中斷線每次只能連接到 1 個 IO 口，所以需要配置中斷線

機器學習 , 單片機 , stm32 , st語言IMPLEMENTS , 嵌入式硬件 , 引腳 , 人工智能

收藏 評論

openbayescom 頭像

OpenBayes - Depth-Anything-3 打開全視角空間感知；CytoData 還原細胞級顯微宇宙！

公共資源速遞 5 個公共數據集： Netflix 電影電視目錄數據集 CytoData 血液細胞圖像數據集 VERA 語音推理能力評測數據集 UNO-Bench 全模態評測基準數據集 EditReward-Bench 圖像編輯評測數據集 3 個公共教程： PixelReasoner-RL：像素級視覺推理模型 VibeThinker-1.5B：小模型也可以有大智慧 Depth-A

機器學習 , 自然語言處理 , 教程 , 人工智能 , 深度學習

收藏 評論

u_14125 頭像

jacksky - AI數字人新玩法，融合文旅行業有何妙用？

AI元人文實踐：家庭旅遊規劃 從價值衝突到共識涌現的共生之旅 引言：超越決策困境的範式革命 家庭旅遊規劃，這一看似平常的日常活動，實則是一個多元價值交鋒的微觀宇宙。傳統的解決方案——民主投票、權威決策或輪流坐莊——往往只是在管理衝突，而非化解衝突，結果常以成員的妥協或沉默為代價。 AI元人

異構 , 後端開發 , 人工智能 , 原語 , Python

收藏 評論

buluwasi 頭像

布魯瓦絲 - 初見 AI，你會感興趣的知識

❤️“人工智能”的初生 人工智能（Artificial Intelligence，簡稱AI）是指計算機系統通過仿效人的思維和行為方式，實現類似於人類智能的一種技術。20世紀初期，“人工智能”就作為一個概念被提出。當時，科學家們開始思考如何使機器能夠模擬人類的思維過程，以便更好地解決複雜的決策問題。20世紀50年代，AI 的概念逐漸具體化，並在達特茅斯會議上被正式提出 🤷‍♂️如何定義 AI

入門 , 人工智能 , challenge

收藏 評論

pannideniupai 頭像

雨大王 - 汽車製造業如何通過工業操作系統實現數字化轉型？

工業操作系統的定義與核心作用 工業操作系統作為現代智能製造的核心基礎設施，已成為汽車製造業數字化轉型的重要載體。與傳統的封閉式生產管理系統不同，工業操作系統構建了一個開放且可擴展的技術底座，能夠實現對各類工業設備、信息系統以及業務流程的全面接入與統一調度。其核心價值在於打破長期以來存在於設備層、控制層與管理層之間的數據壁壘，使得製造過程中的“人、機、料、法、環”等關鍵要素實現互聯互通。

人工智能 , 深度學習

收藏 評論

u_15677700 頭像

EasyV數字孿生可視化 - 數字孿生物流：以某物流企業數字孿生智慧鋼鐵倉儲定位系統建設為例

1.建設背景 國家“十四五”規劃明確提出加快現代物流數字化、智能化轉型，基於國家數字經濟 戰略及企業數字化轉型要求，鋼鐵物流作為重點領域，其倉儲環節的智能化升級被列為政策重點支持方向。某物流企業作為鋼鐵物流龍頭企業，隨着物流行業安全標準要求的不斷 提升，其企業業務增長與戰略佈局都有所調整，庫存管理盲區、作業監管低效、風險響應 滯後、跨域信息割裂和作業協同低效等問題嚴重阻礙

數據 , 物聯網 , 自定義 , 數據可視化 , 人工智能

收藏 評論

u_15214399 頭像

u_15214399 - 【案例共創】基於開發者空間使用Kotaemon開源RAG UI和華為雲Maas搭建本地/私人AI知識庫

最新案例動態，請查閲【案例共創】基於開發者空間使用Kotaemon開源RAG UI和華為雲Maas搭建本地/私人AI知識庫。小夥伴們快來領取華為開發者空間進行實操吧！ 本案例由開發者：雲聰明提供 1 概述 1.1 案例介紹 ModelArts Studio作為一款先進的大模型即服務平台，集成了高效便捷的模型開發工具鏈，支持企業對大模型進行深度定製開

機器學習 , 人工智能 , 開發者 , Docker

收藏 評論

u_16099252 頭像

架構領航博主 - 迴歸分析為什麼要測DW值

本篇是針對經典教材《機器學習》及DataWhale小組出版的配套工具書《機器學習公式詳解》的學習筆記，主要以查缺補漏為主，因此對於一些自己已經熟悉的概念和內容不再進行整理。由於水平實在有限，不免產生謬誤，歡迎讀者多多批評指正。 本篇是針對經典教材《機器學習》及DataWhale小組出版的配套工具書《機器學習公式詳解》的學習筆記，主要以查缺補漏為主，因此對於一些自己已經熟悉的

機器學習 , 線性迴歸 , 線性模型 , 人工智能 , 迴歸分析為什麼要測DW值

收藏 評論

u_17522147 頭像

mb68c23637232fb - iLeadE-588邊緣計算網關-領嵌

1. 多通道視頻接入與AI分析 支持4路攝像頭同時接入，實時視頻流處理。 內置高性能AI算力，支持人臉識別、行為分析、車牌識別等算法，自動匹配場景需求，無需手動編程。 智能算法一鍵部署，自動優化計算資源分配。 2. 工業級網絡與設備連接 4個千兆網口，支持多設備級聯與數據高速傳輸。 工業接口全覆蓋：配備RS485、CAN總線，可直接連接傳感器、

雲平台 , 數據 , 物聯網 , 人工智能 , 數據分析

收藏 評論

u_16099321 頭像

技術博客領航者 - Windows 系統使用 RemoteFx 重定向 USB 設備

1、shell重定向概念：shell重定向包含輸出重定向和輸入重定向 何為輸入輸出方向？何為標準輸入輸出方向？ 標準輸入方向：從鍵盤讀取用户輸入的數據，然後再把數據拿到程序（C語言程序、Shell 腳本程序等）中使用；這就是標準的輸入方向，也就是從鍵盤到程序。 標準輸出方向：相反，程序運行產生的數據一般都是直接呈現到顯示器上，這就是標準的輸出方向，也就是從程

機器學習 , 錯誤信息 , 文件描述符 , 重定向 , 人工智能

收藏 評論

u_13102515 頭像

WarrenLynch - 生成式AI與Visual Paradigm AI視覺建模聊天機器人：何時選擇哪個？（專業圖表、符號和模型指南）

當您真正認真對待圖表、符號和模型時（例如在軟件工程、業務分析或系統設計等專業領域），工具的選擇會直接影響準確性、效率和最終輸出質量。本文將全面對比生成式AI（Generative AI，簡稱GenAI）與Visual Paradigm AI視覺建模聊天機器人（以下簡稱Visual Paradigm AI），幫助您在需要“真正專業”時做出正確決策。

建模 , 機器人 , UML , 人工智能 , Css , Visual , 前端開發 , HTML

收藏 評論

u_16756731 頭像

KlipC小助手 - 5×23！納斯達克申請將交易時間延長至23小時

KlipC報道：當地時間12月15日，納斯達克宣佈，將向SEC提交文件，申請推出近乎全天候的股票交易，將股票及交易所交易產品的交易時長從每週五個交易日的16小時延長至23小時。 據KlipC瞭解，在“5×23”新交易模式下，交易將劃分為兩個主要時段：日間交易時段為美東時間凌晨4點至晚上8點；隨後進行一小時的維護、測試及交易清算。夜間交易時段則從晚上9點開始，至次日凌晨4點結束。 晚上9點

市場分析 , d3 , 人工智能 , 深度學習

收藏 評論

beishangdejianjidan_cqxuxf 頭像

悲傷的煎雞蛋_cQXuXF - AI輔助編程後的一種情況，懵逼老闆，混子員工~

​AI輔助編程成了必備工具以後，對程序員提出了一個更高的要求，你不能只是會寫代碼邏輯或只會用提示詞不斷提示。使用AI的前提是把它當成效率提升的工具，而不是一個你可以當甩手掌櫃的“總包”。 傳統程序員被淘汰的原因是沒有從單機程序員，單語言程序員向全棧程序員，更貼近產品的架構師轉型。這個轉型最重要的就是從純粹的後端等着需求拆分喂到嘴裏，變成直接對接需求前置性的思考需求，通過你的智力轉化成一個具有系統結

人工智能 , 程序員 , 後端 , 前端

收藏 評論

u_16099343 頭像

編程夢想編織者 - 神經網絡至少要多少數據 神經網絡有

目錄 迷人的神經網絡——機器學習筆記1 第1章 神經元模型及網絡結構 1.1 神經元模型 1.1.1 單輸入神經元 1.1.2 激活函數 1.1.3 多輸入神經元 1.2 網絡結構 1.2.1 單層神經網絡 1.2.2 多層神經網絡

神經網絡 , 激活函數 , 權值矩陣 , 神經網絡至少要多少數據 , 感知機 , 人工智能

收藏 評論

u_16213618 頭像

mob64ca1400bfa8 - LDA是獨熱編碼嗎

1 為什麼要進行特徵編碼？ 我們拿到的數據通常比較髒亂，可能會帶有各種非數字特殊符號，比如中文。下面這個表中顯示了我們最原始的數據集。而實際上機器學習模型需要的數據是數字型的，因為只有數字類型才能進行計算。因此，對於各種特殊的特徵值，我們都需要對其進行相應的編碼，也是量化的過程。 2 特徵編碼類型 本篇，我們主要説一下分類型特徵的編碼方式。對於分類型數據

機器學習 , 編碼方式 , 數據 , 特徵值 , LDA是獨熱編碼嗎 , 人工智能

收藏 評論

pannideniupai 頭像

雨大王 - 機械加工行業邁向智能化未來：工業互聯網的實施策略與成功案例

前因後果：工業互聯網與機械加工的融合基礎 工業互聯網作為新一代信息技術與製造業深度融合的產物，近年來在全球範圍內迅速發展。機械加工作為製造業的核心環節，其生產過程往往涉及複雜的設備操作、工藝參數調整以及質量控制環節。然而，傳統的機械加工模式存在諸多痛點：生產效率低下、設備利用率不高、產品質量波動大、信息孤島嚴重。這些問題的存在，使得機械加工企業難以適應現代製造業對智能化、柔性化和高質量的要求

人工智能 , 深度學習

收藏 評論

rtedevcomm 頭像

RTE開發者社區 - 全球首個語音 AI 廣告平台問世；Sam Altman 與 Jony Ive：合作新硬件將「如湖畔山間小屋般平靜」丨日報

開發者朋友們大家好： 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：@鮑勃 和 Gemini（儘量不生產 AI Slop） 01 有話題的

人工智能

收藏 評論

puxiaoke6 頭像

一點人工一點智能 - 《實用線性代數（第三版）》

書籍：Linear Algebra in Action，Third Edition 作者：Harry Dym 出版：American Mathematical Society​ 編輯：陳萍萍的公主@一點人工一點智能 下載：書籍下載-《實用線性代數（第三版）》 01 書籍介紹 本書主要基於作者在魏茨曼科學研究所（Weizmann Institute）費恩伯格研究生院（

數學 , 人工智能 , 線性代數

收藏 評論

u_15440725 頭像

u_15440725 - 自然語言驅動Agent革命：零代碼構建生產級智能體的技術範式與實戰指南

目錄 前言 AI開發的困局，創意與技術的巨大鴻溝 範式革新，MuleRun Agent Builder的技術內核解析 商業閉環，從創意到變現的全鏈路支持 生態共建，下一代Agent構建範式的無限可能 加入這場革命，成為下一代Agent創作者 結束語 前言 在AI技術爆發的當下，一個矛盾始

變現 , 商業 , 自然語言 , 數據可視化 , 人工智能

收藏 評論

aws_aidevcommunity 頭像

亞馬遜雲開發者 - 使用 Kiro AI IDE 開發 基於Amazon EMR 的Flink 智能監控系統實踐

概述 本文介紹如何使用Kiro AI IDE開發 Amazon EMR Flink 智能監控系統，重點分享基於Strands Agents MCP和Amazon Data Processing MCP的開發實踐，以及Spec 驅動開發的完整流程。 項目地址：https://github.com/yangguangfu007/emr-flink-monitoring-agent 🔥 想利用生成

人工智能

收藏 評論

u_17580222 頭像

mb691327edb400f - AI 時代 HR 的進化與工具賦能

AI 時代 HR 的進化與工具賦能 AI時代招聘變革：HR的進化之路與工具賦能 在AI技術重塑各行業的當下，招聘領域正經歷深刻的座次重排。曾經作為“後台工具”的HR技術，如今已升級為企業核心的業務操作系統。AI不會取代HR，但不懂運用AI的HR，正逐漸被時代拉開差距。 2026年，行業的核心命題不再是“AI是否會奪走工作”，而是“HR能否藉助AI制定戰略、依託數

鏈路 , 數據 , 上傳 , 人工智能 , 深度學習

收藏 評論

deephub 頭像

deephub - 斯坦福ACE框架：讓AI自己學會寫prompt，性能提升17%成本降87%

斯坦福和SambaNova AI最近聯合發了一篇論文，Agentic Context Engineering (ACE)。核心思路：不碰模型參數，專注優化輸入的上下文。讓模型自己生成prompt，反思效果，再迭代改進。 可以把這個過程想象成模型在維護一本"工作手冊"，失敗的嘗試記錄成避坑指南，成功的案例沉澱為可複用的規則。 數據表現 論文給出的數字： AppWorld任務準確率比GPT-4驅動的a

llm , 神經網絡 , 人工智能 , 深度學習

收藏 評論