tag 人工智能

標籤
貢獻930
1054
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_16655836 頭像

wx6603b05eb93d0 - 影視颶風怒懟紅星新聞：之前沒起訴手軟了！後者忙刪痛批Tim文章……

最近，影視颶風創始人Tim相親經歷，引發關注，多個話題衝上熱搜，比如Tim相親被嫌棄學歷低。 富二代，頂流創作者的身份，撞上相親失敗，可以説反差感拉滿，引發全網討論。 事情大概是，在粉絲QA視頻中的互動環節，Tim隨機抽中一條“去相親”的評論，他竟真的扛着相機現身杭州相親角。然而，這位在專業領域備受推崇的創作者，卻在相親角遭遇了“滑鐵盧”。 他在相親簡歷

視頻製作 , 人工智能 , 數據分析 , 自媒體

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - Post-Training on PAI (2)：Ray on PAI，雲上一鍵提交強化學習

1. 前言 1.1 Ray Ray是一個開源的分佈式計算框架，集成了多個AI庫，擁有豐富的生態系統，包括Ray Tune（超參數調優）、Ray RLlib（強化學習）、Ray Serve（模型部署）、RaySGD 的分佈式運行環境，提供了全面的AI解決方案，使得AI並行訓練更容易和高效。 OpenAI 聲明使用了 Ray 作為ChatGPT 大模型訓練的底層平台，參考 ​​How Does Ray

大數據處理 , 開發 , 標註 , 人工智能 , 模型

收藏 評論

u_16213559 頭像

時光機3號 - vue template 不可使用鍵值請將鍵值放在外部

前言： 最近項目開發中，有遇到需求如下圖： 即：在新增時只要求是否配置默認為否且不可點擊，但編輯時就比較麻煩了，首先判斷是否配置是“是”還是“否”，若“是”，則兩個都不可點擊，若“否”，則兩個都可點擊。 1.剛開始寫代碼時，實現新增時不可點擊很簡單 直接在show_table這個父組件中聲明一個變量去判斷，

機器學習 , 項目開發 , Vue , 編輯頁面 , 人工智能

收藏 評論

xingxingshangdeliushu 頭像

星星上的柳樹 - 精準構建 IP 生態

在當今 IC 設計領域，IP 複用與生態構建正成為提升開發效率、降低成本與增強產品可靠性的核心方法。本篇博客將從標準接口、定製化、Chiplet 模型與生態化實踐等維度，為你精煉呈現該領域的最新洞察。 1、為何重視 IP 複用 ＋ 生態構建？ 複用已驗證 IP 模塊，可大幅縮短設計週期、節約資源並提升整體的可靠度，成為推動 SoC 快速迭代的關鍵策略。 2、推動 IP 複用的核心技術手段

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

u_13424 頭像

flyingsmiling - setRightBarButtonItems 間距

一、直接通過以下幾個屬性進行設置 1 @property(nonatomic)　　　　　　UIEdgeInsets titleEdgeInsets; // default is UIEdgeInsetsZero 2 @property(nonatomic) UIEdgeInsets imageEdgeInsets;

sed , 機器學習 , 字段 , 人工智能 , 父類

收藏 評論

u_16213600 頭像

mob64ca13fc5fb6 - CMAKE_SYSTEM_PROCESSOR 有哪些值

CMake的策略管理用於維護版本的向後兼容,從版本2.0開始引入。 每個新發布版本一般都會引入一些新的策略，每個策略都會有一個標識號，格式 為CMPNNNN,NNNN對應四個0到9的整數。每個策略都在文檔中描述了OLD和NEW的行為，以及引入的原因。 CMake的策略是一種棄用機制，並不是可靠特性的切換，因此，策略的OLD行為一般不可取，因為在未來的版本中可能被

機器學習 , 子目錄 , 版本號 , cmake , 人工智能

收藏 評論

u_14306318 頭像

咚咚王哲 - 人工智能之數據分析 numpy：第十四章 知識總結

人工智能之數據分析 numpy 第十四章 知識總結 (文章目錄) 前言 本文主要講解 NumPy 的核心知識點總結，涵蓋其作為 Python 科學計算基石的關鍵概念與最佳實踐，適合快速回顧、面試準備或系統學習。 🧱 一、基礎核心：ndarray（N 維數組） 唯一數據結構：所有操作圍繞 numpy.ndarray 展開。

數組 , numpy , 人工智能 , 數據分析 , Python

收藏 評論

u_16123336 頭像

51CTO技術成就夢想 - 金屬外表多種生鏽檢測數據集（1200張圖片已劃分）｜面向工業巡檢的目標檢測數據集

金屬外表多種生鏽檢測數據集（1200張圖片已劃分）｜面向工業巡檢的目標檢測數據集 在工業設備智能運維、基礎設施安全評估與城市大型金屬結構全生命週期管理不斷推進的背景下，金屬鏽蝕的自動化識別與精確定位已成為工業視覺領域的重要研究與落地方向。 傳統依賴人工巡檢的方式，不僅效率低、主觀性強，而且在高空、狹小空間、高危環境中存在明顯安全隱患。 本文將圍繞一個 已完成標註與劃分的金屬外表生

數據集 , 無人機 , 人工智能 , 深度學習 , 目標檢測

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI答辯實時分析系統：讓考核評價更客觀高效

在高校答辯、職場競聘答辯等場景中，“5名考官+1名答辯人”的模式很常見，但傳統人工評分總繞不開三個痛點：主觀偏好難規避、評分標準理解有偏差、答辯關鍵信息捕捉不全面。AI答辯實時分析系統，正是用技術打破這些瓶頸，讓答辯評價從“憑經驗、靠記憶”升級為“數據化、可追溯”。 這套系統的核心，是用三大技術鏈路實現“實時採集-智能分析-輔助決策”的閉環，技術不復雜但精準戳中需求。首先是多源數據實

數據 , NLP , 自然語言處理 , 人工智能 , 實用工具

收藏 評論

u_17593768 頭像

JUGG11 - 小白必看：AI智能體零基礎搭建全攻略！

寫在前面：別怕，真的不需要技術背景！ 總刷到“AI智能體解放雙手”卻怕零基礎搞不定？別擔心！零代碼、半小時就能搭建專屬AI智能體，跟着結構化步驟走，輕鬆上手～ 適用場景：工作文檔處理、專業問題解答、學習資料整理等多場景需求全覆蓋。 一、小白首選AI的3大原因 零代碼門檻：全程可視化操作，僅需點鼠標跟隨指引 部署簡單：Docker一鍵搭建，

服務器 , 零基礎 , 人工智能 , 深度學習 , Docker

收藏 評論

wangzhongyang_go 頭像

王中陽講編程 - 現在AI應用開發崗都有哪些招聘要求？

Boss直聘AI應用開發崗招聘要求分析 我們抓取了Boss直聘上AI應用開發崗的招聘要求，現將總結提煉後的內容分析呈現如下： 一、崗位職責（15條關鍵要點） 負責 AI 應用（含大模型 / LLM）前後端開發，涵蓋模型集成、用户界面設計等。 設計、開發和維護 AI 智能 Agent 系統，包含 RAG、Prompt、記憶 / 規劃模塊等。 大模型應用落地，涉及智能客服、知識庫問答、專業報告

人工智能

收藏 評論

huizhudev 頭像

HuiZhu - 團隊擴張的"隱形天花板"：用AI把"金牌員工"的經驗一鍵複製

"這個去問老王，那個得問Lisa" 場景重現： 新員工小張："主管，這個緊急退款流程怎麼走？系統裏沒找到入口。" 主管："啊，這個特殊情況得特批。你去問問財務的老李，他上次處理過。" 老李："這事兒以前是運營的老趙管的，我現在只負責打款，審批流還得問問現在的運營負責人..." 小張拿着單子轉了一圈，一下午過去了，客户還在羣裏罵娘。 這段對話熟悉嗎？ 在很多快速發展的團隊裏，這被稱為"部

generative-ai , 教程 , chatgpt , 人工智能 , prompt

收藏 評論

JavaEdge 頭像

JavaEdge - Embedding Atlas：Apple推出的開源Embedding可視化工具！

本文已收錄在Github，關注我，緊跟本系列專欄文章，咱們下篇再續！ 🚀 魔都架構師 | 全網30W技術追隨者 🔧 大廠分佈式系統/數據中台實戰專家 🏆 主導交易系統百萬級流量調優 車聯網平台架構 🧠 AIGC應用開發先行者 | 區塊鏈落地實踐者 🌍 以技術驅動創新，我們的征途是改變世界！ 👉 實戰乾貨：編程嚴

聚類 , yyds乾貨盤點 , 數據 , 人工智能 , 深度學習 , 開發者

收藏 評論

deephub 頭像

deephub - VideoMind：Chain-of-LoRA突破時間盲區讓AI真正看懂長視頻

視頻作為一種富含信息且密集的媒介，已廣泛應用於娛樂、社交媒體、安全監控和自動駕駛等領域。人類能夠輕鬆理解視頻內容，例如理解因果關係、定位特定時刻以及關聯動作。 但是人工智能，尤其是大型語言模型（LLM）及其多模態（MLLM）變體，在視頻理解方面仍然面臨挑戰，尤其是在處理長視頻時。儘管像 GPT-4V 或 Claude 這樣的模型可以詳細描述圖像或短片，但在需要根據長序列中特定時間間隔推斷事件

llm , 神經網絡 , 人工智能 , 視頻處理

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - Fusion引擎賦能：流利説如何用阿里雲Serverless Spark實現數倉計算加速

作者：流利説 Ibson（大數據負責人）/ Bruce（數據工程師） 背景介紹 行業 流利説是領先的科技驅動的教育公司，公司自主研發了領先的英語口語評測、寫作打分引擎和深度自適應學習系統，致力於為用户提供一整套系統性的英語學習解決方案，從聽、説、讀、寫多個維度提升用户的英語水平。 業務特徵 AI 打分：利用大數據和人工智能算法對用户英語口語評測、

spark , 大數據 , 數據庫 , 人工智能 , 數據處理

收藏 評論

u_17579295 頭像

mb6911caa73d1d1 - 實戰分享：如何用數字孿生IOC打造國防航天領域的“智慧指揮大腦”

作為一名數字孿生應用開發者，我深知在國防航天這類高精尖領域，構建一個高效、可靠的智能運營中心（IOC）有多麼重要。過去，我們常常面臨數據孤島、系統響應慢、應急指揮效率低等問題。直到我們團隊引入了“孿易 數字孿生IOC ”，這些問題才迎刃而解。今天，我想和大家分享一些實際使用中的技巧，希望能幫助同行們少走彎路，快速上手這個強大的工具。 一、數據集成：

建模 , 數據 , 數據可視化 , 人工智能 , 數字孿生 , 開發者

收藏 評論

u_16213632 頭像

mob64ca14040d22 - 第一次提出fast RCNN的文章

1.5 個人計算、分佈式計算與客户/服務器計算 1977年，Apple計算機公司使個人計算(personal computer)得以普及。最初，擁有一台計算機只是愛好者的夢想，隨着它的價格不斷降低，人們可以購買供個人或辦公使用的計算機。1981年，世界上最大的計算機廣家IBM公司推出了IBM個人計算機(IBM Personal computer)。一夜之間，個人計算機遍佈公

機器學習 , 彙編語言 , 高級語言 , 人工智能 , 第一次提出fast RCNN的文章 , 機器語言

收藏 評論

rengongzhinengzhishiku 頭像

人工智能知識庫 - 比提示詞更重要！3個技巧教你用好AI的「上下文」

引言：別再迷信“神級提示詞” 很多人用 AI 大模型時，總覺得如果 AI 回答不好，是因為自己的“咒語”（提示詞）念得不對。大家拼命在網上找各種“神級提示詞模板”，試圖用一句話解決所有問題。 但其實，決定 AI 回答質量的，往往不是你輸入的那一句話，而是多輪對話的過程「上下文」（Context）。 我們在實際使用 AI 的過程中，不可能一句提示詞就能得到我們想要的東西，而是通過多輪對話，不斷調整才

人工智能

收藏 評論

u_16213567 頭像

數碼墨魚 - layer ui 後台demo

layui官方文檔 https://www.layui.com/doc/ 項目路徑等，引用的js及css可參考 工作之餘，非前端專業人員，參考 最基本的訪問路徑controller @Controller @RequestMapping("/layui/panel") public class LayPane

機器學習 , spring , js , layui , layer ui 後台demo , 人工智能 , HTML

收藏 評論

u_14405 頭像

fjfdh - systemd 有哪些 target network

systemd 介紹 systemd是目前Linux系統上主要的系統守護進程管理工具，由於init一方面對於進程的管理是串行化的，容易出現阻塞情況，另一方面init也僅僅是執行啓動腳本，並不能對服務本身進行更多的管理。所以從CentOS 7開始也由systemd取代了init作為默認的系統進程管理工具。 systemd所管理的所有系統資源都稱作Unit，通過syste

機器學習 , redis , 配置文件 , 人工智能 , Nginx

收藏 評論

ivorysql_xiaozhuli 頭像

IvorySQL - PostgreSQL 19：超高速聚合的全新突破

PostgreSQL 18 正式發佈後，PostgreSQL 19 的性能改進方向已經引發廣泛關注。其中，聚合性能的重大優化被認為是最具突破性的改進之一，並且這一優化對現有應用完全透明，無需修改代碼、無需調整參數，即可直接生效。 PostgreSQL 中的數據聚合 在 PostgreSQL 此前的版本中，聚合的基本執行規則是： 先關聯（Join），後聚合（Aggregate） 典型示例如下： SE

數據庫 , postgresql , 人工智能 , 深度學習

收藏 評論

nianqingyouweidenangua 頭像

迅易科技 - 2000 萬 Tokens！告別服務器繁忙焦慮，讓您免費極致體驗滿血 DeepSeek

隨着 DeepSeek 爆火，導致 “服務器繁忙” 是大家頻繁遇見的問題，官網擠不進去，本地部署設備成本高昂，難道我們就只能望 “模” 興嘆？不，今天小編就給大家帶來逆天改命的解決方案！ 首先解釋一下，為什麼不選擇本地部署？硬件成本高到離譜，部署十分複雜，從安裝 Ollama 到調試模型參數，小白直接被勸退，真心建議大家可以考慮上雲部署！ 目前，迅易科技早已獲得阿里雲的資質，只要您找迅易下單阿里雲

部署 , 雲服務器 , deepseek , 阿里雲 , 人工智能

收藏 評論

u_16099245 頭像

遊俠小影 - 極限學習法 機器學習 極限怎麼學好

1.普通求極限 我們知道求極限的考點往往都是考分子分母型的，因為這樣可以有效利用等價/高階/低階無窮小的理論，即使求極限是加減乘的類型，我們也儘可能要轉化為除法的類型（這就是七種未定式），然而，知道這些還不夠，因為考研是一項選拔性考試，不是水平考核性質的考試，學會將應對水平考試的態度和習慣轉化為應對選拔性考試十分重要，在此基礎上，要清楚的認識到，高數教科書上的題只是

機器學習 , 極限學習法 機器學習 , 定積分 , 單調性 , 人工智能 , 四則運算

收藏 評論

deephub 頭像

deephub - 4個將Pandas換為交互式表格Python包

Pandas是我們日常處理表格數據最常用的包，但是對於數據分析來説，Pandas的DataFrame還不夠直觀，所以今天我們將介紹4個Python包，可以將Pandas的DataFrame轉換交互式表格，讓我們可以直接在上面進行數據分析的操作。 Pivottablejs Pivottablejs是一個通過IPython widgets集成到Python中的JavaScript庫，允許用户直接從Da

機器學習 , 人工智能 , pandas , Python

收藏 評論