tag 人工智能

標籤
貢獻930
1107
06:37 AM · Oct 27 ,2025

@人工智能 / 博客 RSS 訂閱

悲傷的煎雞蛋_cQXuXF - 我靠?!程序員這樣使用AI才對!!!

放假前最後一個工作日下午5點,你鼠標都摸好了,就等着準點開溜。產品經理走過來了:“有個小需求,用户列表加個篩選和排序,很簡單!老闆説客户明天就要看。”你嘴上説着好的,心裏已經演完了八百集血壓拉滿的內心劇。算了,反正看起來也不復雜。 你熟練地打開 Cursor,輸入:“幫我實現用户列表的篩選和排序功能。”三分鐘,真的只用了三分鐘,AI嘩啦啦吐出兩百行代碼。你隨手點了幾個案例,居然都能跑通。那一瞬間,

人工智能 , 程序員 , 前端

收藏 評論

雨大王 - 智能研發管理:製造業如何實現從“單打獨鬥”到“全鏈協同”

最近和製造業的朋友聊天,大家幾乎都在談數字化轉型,聊到研發管理,話題就更熱烈了。市場節奏越來越快,技術也在不斷迭代,傳統研發管理方式顯然跟不上了。尤其是汽車、裝備製造這些離散製造行業,跨部門協作複雜,信息孤島嚴重,研發過程中的痛點太多了。設計數據分散,版本混亂,文檔管理滯後,流程審批依賴人工……這些看似獨立的問題,其實都是一根繩子上綁着的螞蚱。 舉個例子,很多企業的設計文檔和圖紙數據分散在不

人工智能

收藏 評論

代碼探險家 - attention中位置編碼與embeding

Transformer的時間序列預測 1、它利用輸入嵌入中添加的位置編碼來模擬序列信息。(位置編碼) 絕對位置編碼: t表示位置索引,w為每個維度的頻率信息 相對位置編碼:根據輸入元素之間的成對位置關係比元素的位置更有利的直覺,相對位置編碼方法已經被提出。例如,其中一種方法是將可學習的相對位置嵌入到注意力機制的關鍵中 混合位置

機器學習 , 複雜度 , 人工智能 , 時間序列 , 頻域

收藏 評論

mob64ca13fdd43c - openGauss數據庫源碼解析系列文章

文章目錄 1.概述 2.構建測試表 3.插入數據 4.測試常規分類場景 4.1業務價值 4.2業務場景 4.3測試實例 4.3.1代碼示例 4.3.2運行結果 5.測試教育數據的多維度交叉分類

數據挖掘 , 數據 , 分類 , 後端開發 , 人工智能 , 代碼示例 , Python

收藏 評論

user_sg59bsuq - 打造個人知識大腦:訪答知識庫深度體驗

打造個人知識大腦:訪答知識庫深度體驗 為什麼需要私有知識庫? 在信息爆炸的時代,我們每天接觸大量碎片化信息。這些散落在各處的知識就像未經整理的書籍,急需一個專屬空間進行歸檔。私有知識庫的出現,正是為了解決這一痛點——它讓你成為自己知識宇宙的主宰。 訪答知識庫:你的第二大腦 在眾多知識庫工具中,知識庫以其獨特的本地化設計脱穎而出。它將複雜的知識管理變得像整理書房一樣直觀:創建筆記、建立關聯、快速檢索

教程 , 人工智能 , 知識庫

收藏 評論

編程思想者 - TDR土壤水分測量數據分析

土壤水分傳感器FDR頻域法測量工作原理 FDR頻域法測量,利用電磁脈衝原理、根據電磁波在介質中傳播頻率來測量土壤的介電常數(ε),從而得到土壤容積含水量(θv 土壤水分傳感器產品概述 外型小巧輕便,便於攜帶和連接。 土壤水分傳感器由電源模塊、變送模塊、漂零及温度補償模塊、數據處理模塊等組成。傳感器內置信號採樣及放大、漂零及温度補償功

TDR土壤水分測量數據分析 , 介電常數 , 人工智能 , 數據分析 , 頻域 , 工作原理

收藏 評論

NocoBase - GitHub 上星星數量前 10 的 AI CRM 開源項目

原文鏈接:https://www.nocobase.com/cn/blog/top-10-open-source-ai-crm-projects-with-the-most-github-stars 導語 你們現在用的 CRM 是什麼? 對很多團隊來説,答案大概率是 SaaS 類型的 CRM,比如 Salesforce 這類成熟產品。它們功能完整、生態完善,在企業中也有很高的普及度。當然,也有一些

無代碼開發平台 , 低代碼 , 人工智能 , 開源 , crm

收藏 評論

七牛雲行業應用 - Gemini 3 發佈的當晚,我決定重構後端的推理架構(附兼容方案)

昨晚我失眠了。 不是因為咖啡喝多了,而是因為看到了一個“草圖變遊戲”的視頻。 隨便在白板上畫兩個抽象到親媽都不認識的火柴人,左邊一坨叫“關羽”,右邊一坨叫“秦瓊”,中間畫個血條。 然後,把這張照片扔給 Gemini 3,甚至不需要寫一行console.log,60 秒後,它吐出來一個可以直接玩的 HTML5 橫版格鬥遊戲。

機器學習 , 科技前沿 , Gemini3 , AI大模型 , 人工智能 , 程序員

收藏 評論

MonkeyKing_sun - 量化只支持a8w8和w4a8,其中a8w8和w4a8是什麼意思?

量化精度的組合方式,A 是激活 (Activation),W 是權重 (Weight),後面的數字是“多少 bit”。 A8W8 是什麼? A8W8 = 激活 8bit,權重 8bit • A8:前向推理時,每一層算完的中間結果(activation)用 8bit 表示 • W8:模型參數(weight)也用 8bit 存儲

算法 , 加載 , 權重 , 人工智能 , 圖優化 , Css , 前端開發 , HTML

收藏 評論

卡爾AI工坊 - 追問快手直播事故:AI審核的技術反思

追問快手直播事故:AI審核的技術反思 本文共 1595 字,閲讀預計需要 3 分鐘。 Hi你好,我是Carl,一個本科進大廠做了2年+AI研發後,裸辭的AI創業者。 12月22日晚,快手直播遭有組織的黑灰產攻擊,"打直球"式的涉黃內容涌入多個直播間。 不得不説,快手這次丟了大人。AI審核形同虛設,處置靠人工干預和外部舉報,導致大量色情內容在推薦頁刷屏了半小時之多。許多用户反饋舉報鍵都點爛了也封不

觀點 , 資訊 , 算法 , 教程 , 人工智能

收藏 評論

華明視訊科技 - 岸橋自動理貨系統:AI視覺技術重塑港口智能作業新標準

在現代化港口運營中,效率、安全與準確性是理貨業務的核心挑戰。岸橋自動理貨系統應運而生,通過融合人工智能、邊緣計算與高清視覺技術,實現對集裝箱信息的實時感知、識別與處理,推動港口作業進入全面智能化時代。 系統核心架構與技術優勢 本系統以高性能高清攝像機和嵌入式AI工控機為核心硬件,依託邊緣計算架構,將算法部署在作業最前端。系統通過在岸橋上直接進行視覺採集與實時分析,有效避免了傳統視頻傳輸

數據挖掘 , 圖像識別 , 神經網絡 , 人工智能 , 深度學習

收藏 評論

技術領航舵手 - pytorch 張量如何深拷貝 pytorch batchsize

零、Tricks集宜 0.1 知識搬運 (1)PyTorch提速 預處理提速 IO提速 訓練策略 代碼層面 模型設計 推理加速 時間分析 項目推薦 擴展閲讀 (2)PyTorch節省顯存 儘

機器學習 , pytorch 張量如何深拷貝 , pytorch , 人工智能 , 深度學習 , 2d

收藏 評論

百度Geek説 - 百度慧播星數字人技術演進

導讀 從2023年成立到如今日均服務2萬+直播間,百度慧播星已演進為覆蓋腳本生成、實時問答、智能決策、音視頻克隆的全鏈路AI直播平台。本文深入解讀其技術架構:如何通過檢索增強和強化學習生成高轉化腳本;如何利用強化學習智能中控動態優化直播策略;以及如何將語音與形象克隆效率提升至“小時級”;如何構建“先驗-後驗”數據飛輪,讓模型自主進化;。羅永浩數字人直播GMV突破5500萬的案例,驗證了其“超越真人

電商 , 人工智能 , 直播

收藏 評論

美狐美顏SDK開放平台 - 什麼是美顏sdk?直播平台美顏功能開發全流程詳解

近幾年,直播行業的更新速度簡直和GPU一樣快——上一秒還在卷清晰度,下一秒就開始卷“顏值體驗”。無論是電商主播、普通陪聊直播,還是短視頻平台的實時拍攝,都離不開“美顏sdk”。很多開發者初次接觸時,會疑惑:美顏sdk本質上是什麼?它到底是怎麼幫直播平台完成實時磨皮、瘦臉、濾鏡等效果的?一個完整的美顏功能開發流程又長什麼樣? 這篇文章就來給你一次性講清楚,讓你既能理解底層邏輯

視頻美顏sdk , 美顏api , 人工智能 , 直播美顏sdk , 計算機視覺 , 第三方美顏SDK , 在51CTO的第一篇博文 , 美顏SDK

收藏 評論

mob64ca1407216b - langchain pdf 解析 表格

日常辦公場合中,除了常規的Excel、Word、PPT等文檔外,還有一個不可忽略的文件格式是pdf格式,而對於想從pdf文件中獲取信息時,常規方法將變得非常痛苦和麻煩。此篇給大家送一pdf文件提取信息大集合,幾乎可涵蓋日常pdf文件提取信息的所有場景。 業務場景 在日常工作中,為了保護數據免於被二次利用和為了在文件分發過程中,可以不受其他電腦因為軟件

取文本 , 數據 , langchain pdf 解析 表格 , aigc , 人工智能 , bard

收藏 評論

編程夢想家 - 實時實例分割最新

本文主要解決視頻目標分割領域的一個基本問題:如何使分割模型能夠有效地適應特定視頻以及在線目標的外觀變化。 解決辦法:提出一個圖存儲網絡來對分割模型進行“學習更新”。 大概流程分為兩步:首先構建一個由全連接圖構成的情景存儲網絡,將幀存儲為節點,並通過邊捕獲跨幀的相關性。然後,可學習的控制器被嵌入以簡化內存的讀寫。 相比於以往模型的優勢:結構化的外部

機器學習 , 實時實例分割最新 , 神經網絡 , 人工智能 , 深度學習 , 計算機視覺

收藏 評論

AI編程社區 - 全球首個支持記憶感知的 Qoder JetBrains 插件正式上線

今天,備受期待的Qoder 插件已在 JetBrains 全家桶IDE(包括IntelliJ IDEA、PyCharm、WebStorm等)官方市場全面上線,開發者可以在熟悉的 IDE 中直接使用 Qoder Agent 能力進行編碼工作,無需切換環境,為開發者帶來高效、流暢的編碼體驗。 Qoder JetBrains插件集成全球頂尖的編程模型,是業

機器學習 , 重啓 , 人工智能 , 記憶感知 , 開發者 , 代碼規範

收藏 評論

HyperAI超神經 - 【vLLM 學習】Reproduciblity

vLLM 是一款專為大語言模型推理加速而設計的框架,實現了 KV 緩存內存幾乎零浪費,解決了內存管理瓶頸問題。 更多 vLLM 中文文檔及教程可訪問 →vllm.hyper.ai/ *在線運行 vLLM 入門教程:零基礎分步指南 源碼 examples/offline_inference/reproduciblity.py # SPDX-License-Identifie

vLLM , gpu , 人工智能 , 深度學習 , cpu

收藏 評論

小白獅ww - 給你一個新視角看世界——Depth-Anything-3

如果説以往的 3D 視覺模型像「術業有專攻」的匠人,那麼Depth-Anything-3(DA3) 就是那個突然橫空出世、把所有活都能幹而且幹得還賊好的「全能大師」。它的秘訣很簡單:只用一個標準 Vision Transformer,就能同時搞定深度估計、相機位姿、三維重建和視角渲染。 給它一張圖,它能看深度;給它幾張圖,它能還原三維結構;給它視頻,它還能把相機怎麼動的都推出來;換個角度,它還能幫

圖像識別 , 自然語言處理 , 教程 , 人工智能 , 深度學習

收藏 評論

mob64ca1411e411 - activemq消息隊列當消費一定數量的消息後就停止消費了

MSMQ全稱MicroSoft Message Queue,微軟消息隊列,是在多個不同的應用之間實現相互通信的一種異步傳輸模式,相互通信的應用可以分佈於同一台機器上,也可以分佈於相連的網絡空間中的任一位置。它的實現原理是:消息的發送者把自己想要發送的信息放入一個容器中(我們稱之為Message),然後把它保存至一個系統公用空間的消息隊列(Message

機器學習 , express , microsoft , server , soa , 人工智能 , 網絡

收藏 評論

合合技術團隊 - TextIn文檔解析表格處理模型優化,顯著提升表格解析性能

近期,TextIn通用文檔解析最新推出表格處理優化版本。 此前版本中,表格解析處理針對有線表格與無線表格預先分類,並基於框線進行模型預測。在運行過程中,我們發現,分類錯誤問題對錶格解析準確率有負面影響。 本次優化主要改善了表格識別效果,以統一方案替代有線表格與無線表格分類處理方法,減少了級聯損失,大幅度提升表格全對率。 通用文檔解析鏈接:https://www.textin.com/market/

表格 , 人工智能 , 文檔 , 圖像

收藏 評論

u_15214399 - 【案例共創】基於華為開發者空間-Versatile Agent預置MCP資產快速構建税務AI助手服務

最新案例動態,請查閲【案例共創】基於華為開發者空間-Versatile Agent預置MCP資產快速構建税務AI助手服務。小夥伴們快來領取華為開發者空間進行實操吧! 一、概述 1. 案例介紹 華為開發者空間-Versatile Agent為開發者提供了最新AI智能應用服務,不僅支持大模型,還支持MCP。通過MCP (Model Context Proto

機器學習 , 模型選擇 , 應用程序 , 人工智能 , 開發者

收藏 評論

數據探索者 - pacemaker使用fence_sbd

Heartbeat3.0.5+pacemaker 最近在部署openstack的雙控制節點上需要切換資源,所以學習了一下heartbeat和pacemaker,本來想用heartbeat 2但是操作系統是ubuntu 12.10的,apt下來版本直接是3.0.5的,為了以後部署方便只能硬着頭皮學了,網上關於3的內容

機器學習 , Pacemaker , 人工智能 , heartbeat , 網絡接口 , crm , apache

收藏 評論

mob64ca140bbb8b - keil5 tempalate的用法

幾乎所有玩ARM Cortex M單片機的壇友都是通過MDK Keil 5或者IAR環境進行單片機的程序開發的,俗話説工欲善其事必先利其器,我們天天都在用這個開發環境,那麼,有些在MDK Keil 5中的實用功能小技巧,大家又知道多少呢? 1.並不是所有源文件(.c)都需要加進工程中,只需要添加必要的源文件即可。無論是什麼開發環境,只要是C/C++的工程,工程編譯時間的

機器學習 , keil5 tempalate的用法 , 源文件 , 頭文件 , 人工智能 , 編譯器

收藏 評論