tag 深度學習

標籤
貢獻317
262
05:25 PM · Oct 25 ,2025
deephub 頭像 xingxingshangdeliushu 頭像 u_15591470 頭像 u_17512334 頭像 qingfouai 頭像 tecdat 頭像 u_17580222 頭像 chenzhuodeyagao 頭像 chaoshenjinghyperai 頭像 youqingyouyidejidan 頭像 ziwupython 頭像 javaedge 頭像

@深度學習 / 博客 RSS 訂閱

u_13978112 頭像

wx5ba1a231a2789 - ARS548雷達使用中的問題及解答

首先，在此感謝上海渭成智能科技有限公司提供的無償諮詢服務和資料。 ARS548 是德國大陸推出的新一代毫米波雷達傳感器，是大陸第五代毫米波雷達的高配版本，屬於 4D 高分辨率成像毫米波雷達，基於 ARS540 硬件平台特別適配通用型開發版固件，支持輸出 Detection (即 Cluster) 和 Obiect (即 Track) 目標信息，所以除了典型的車載場景應用，也

單播 , ip , 固件 , 人工智能 , 深度學習

收藏 評論

u_17580222 頭像

mb691327edb400f - AI招聘新趨勢：從效率工具到決策引擎

AI招聘新趨勢：從效率工具到決策引擎 招聘領域正在經歷深刻變革。數據顯示，AI在人力資源場景中使用率最高的正是“招聘與配置”環節，佔比達34.9%，連續三個季度位居首位。這一現象表明，招聘已成為企業爭奪AI紅利的首要戰場。 在當前環境下，招聘作為HR最高頻的工作場景，AI技術能夠將簡歷篩選、面試安排、能力評估等流程週期縮短60%。面對日益增長的成本、效

數據 , 人工干預 , 人工智能 , 深度學習 , 效率工具

收藏 評論

u_16175525 頭像

mob649e816ab022 - ollama怎麼雙GPU

ollama怎麼雙GPU 在深度學習和高性能計算的領域，利用多個GPU的並行處理能力可以顯著提升計算性能。在實際應用中，使用如Ollama這類大型模型時，雙GPU的配置顯得尤為重要。然而，在配置過程中，許多用户會遇到無法成功啓用雙GPU的情況。本篇文章將詳細記錄和分析這一問題的解決過程，幫助其他開發者避免類似的障礙。 問題背景 在利用Ollama進行模型訓練時，用户通常期望能

System , 加載 , aigc , 深度學習

收藏 評論

u_19261 頭像

戀上一隻豬 - 構建可控圖像生成數據集

可控硅知識的問與答 一、可控硅的概念和結構？ 晶閘管又叫可控硅。它的主要成員有單向晶閘管、雙向晶閘管、光控晶閘管、逆導晶閘管、可關斷晶閘管、快速晶閘管等等。今天大家使用的是單向晶閘管，也就是人們常説的普通晶閘管，它是由四層半導體材料組成的，有三個PN結，對外有三個電極〔圖2(a)〕：

up , 測試 , 工作 , 人工智能 , 深度學習 , 構建可控圖像生成數據集 , ie

收藏 評論

u_16213714 頭像

mob64ca1417b0c6 - 兩個特徵矩陣的餘弦相似度可以作為權重 兩個矩陣相似特徵值

如何理解矩陣特徵值？ 想要理解特徵值，首先要理解矩陣相似。什麼是矩陣相似呢？從定義角度就是：存在可逆矩陣P滿足B＝ 則我們説A和B是相似的。讓我們來回顧一下之前得出的重要結論：對於同一個線性空間，可以用兩組不同的基 和基 來描述，他們之間的過渡關係是這樣的： ，而對應座標之間的過渡關係是這樣的

f5 , 特徵值 , 人工智能 , 深度學習 , 兩個特徵矩陣的餘弦相似度可以作為權重 , 特徵向量

收藏 評論

tecdat 頭像

拓端tecdat - Python、Amos汽車用户滿意度數據分析：BERT情感分析、CatBoost、XGBoost、LightGBM、ACSI

全文鏈接：https://tecdat.cn/?p=44650 原文出處：拓端數據部落公眾號 關於分析師 在此對 Jiajun Tang 對本文所作的貢獻表示誠摯感謝，他在浙江工商大學完成了應用統計專業的碩士學位，專注數據分析領域。擅長 Python、stata、spss、機器學習、深度學習、數據分析 。 Jiajun Tang 曾在科技領域從事數據分析師相關工作，參

機器學習 , 數據挖掘 , 人工智能 , 深度學習

收藏 評論

u_13424 頭像

flyingsmiling - 深度學習 大型線性代數方程組

本篇為MIT公開課——線性代數 筆記。 本篇為MIT公開課——線性代數 筆記。 二維舉例 兩未知數兩方程： \[2 x-y=0\\ -x+2 y=3 \] 方程組的矩陣形式： \[\left( \begin{array}{cc} 2 -1 \\ -1 2 \\ \end{array} \right) \left( \begin{array}

方程組 , 深度學習 大型線性代數方程組 , 點積 , 係數矩陣 , 人工智能 , 深度學習

收藏 評論

u_16213616 頭像

mob64ca14005461 - ai機器人highlightrjs

説明 （2024 年 4 月 注） 準備 　　全新的圖形引擎與 AI 算法，高效流暢地繪出任何一副美麗的圖像。 　　IDE：VisualStudio 　　Language：VB.NET / C# 　　Graphics：AutoPaint.NET 第一節 背景 　　背景是圖畫裏襯托主體

Public , ai機器人highlightrjs , List , System , 人工智能 , 深度學習

收藏 評論

u_17566409 頭像

wx69030d3acd3f5 - 洞悉AI Agent技術趨勢 共享資源 合作共贏

【一線數智資訊】近日，由亞馬遜雲科技、光環雲主辦的主題為“聚勢共生 雲擎未來——亞馬遜科技渠道合作伙伴峯會”（以下簡稱峯會）在深圳召開。峯會吸引來自產業界的渠道夥伴、生態夥伴等共計60多家的積極參與。峯會就當下AI 以及AI Agent 技術趨勢、行業解決方案、企業出海關鍵技術支撐與實戰經驗，亞馬遜雲科技合作伙伴政策資源與成長路徑以及鏈接光環雲本地化服務生態與商機網絡等多個內容，

人工智能 , 深度學習 , 解決方案 , 生成式 , 實戰經驗

收藏 評論

captainbed 頭像

人工智能AI技術 - 【SD教程】提示詞

提示詞用於描述想要的畫面，也就是想生成什麼就寫什麼。 舉個例子，如果想要繪製一個荷花場景，可以用以下文字進行描述：“在廣闊的湖面，波光粼粼，有無數的荷葉，有的是淺綠色，有的是深綠色，真是太美了。” SD內核只支持英文輸入，不過，漢化界面上提供了將中文翻譯為英文的功能。 在編輯框“請輸入新關鍵詞”裏輸入中文後，按Enter回車鍵即可翻譯為英文，注意系統會在最後一個單詞後面自動添

插入圖片 , 3c , 人工智能 , 深度學習 , fish

收藏 評論

u_16018702 頭像

架構師李哲 - LMArena中文榜大洗牌：國產大模型包攬前列，GPT-4 Turbo跌出百名開外

就在百度世界大會前夕，全球最具影響力的大模型評測平台LMArena發佈的最新排名，讓海外開發者社區發出了"Baidu is back?"的驚歎。這份發佈於2025年11月初的榜單顯示，國產大模型在中文競技場上實現了對國際頂尖模型的全面反超，這一突破性進展恰如其時地展現了中國AI技術的迅猛發展。 在LMArena最新發布的排名當中，文心全新模型ERNIE-5.0-Pr

人工智能 , 深度學習 , 技術支持 , 解決方案 , 開發者

收藏 評論

u_17512334 頭像

疆鴻智能研發中心 - PROFINET融合DEVICENET，焊接車間數據全貫通

PROFINET融合DEVICENET，焊接車間數據全貫通 一、案例背景與項目痛點 在汽車零部件焊接車間，我們遇到了一個典型的多協議共存難題：產線主控採用西門子S7-1500系列PLC（支持PROFINET），而六台關鍵焊接機器人僅支持DEVICENET協議。每次工藝調整都需要技術人員分別通過不同軟件平台配置，導致設備聯動延遲達3.2秒，且機器人實時焊接參數無法上傳至

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

gpustack 頭像

GPUStack - GPUStack v2：推理加速釋放算力潛能，開源重塑大模型推理下半場

2025 年是大模型推理技術發展的關鍵之年。自年初 DeepSeek R1 發佈引發全民關注以來，推理框架加速需求暴漲，推理優化的戰場驟然升温。以 vLLM、SGLang、MindIE 為代表的高性能推理引擎，以及 FlashInfer、FlashAttention、ATB 等底層加速庫不斷突破性能瓶頸，相比年初，部分前沿框架的推理性能提升已達 3 到 4 倍以上。 隨着 Agent

vLLM , 高性能推理 , 大模型推理 , yyds乾貨盤點 , 人工智能 , 深度學習 , 大模型 , SGLang

收藏 評論

pannideniupai 頭像

雨大王 - 汽車產業鏈如何通過數字化平台實現研發協同升級

汽車產業鏈的數字化轉型已成為行業發展的必然趨勢。在研發管理領域，諸多企業仍面臨設計數據分散、流程審批低效、跨部門協作困難等挑戰。廣域銘島推出的Geega捷做設計研發協同平台，致力於為離散型製造業提供系統化解決方案，通過整合需求管理、項目計劃、設計研發、採購評估等環節，幫助企業提升產品可靠性、縮短上市週期並增強個性化能力。 在汽車製造業中，研發過程的複雜性尤為突出。以某整車企業為例，其零部件數

人工智能 , 深度學習

收藏 評論

zhuifengdekaomianbao 頭像

張老師講數字孿生 - 能級躍遷！數字孿生從可視化邁向智能決策

2025年第三季度，浙江省數字孿生水利平台在防汛防颱中發揮關鍵作用，通過精準推演洪峯演進軌跡，提前72小時預測淹沒範圍，指導人員轉移，使應急響應效率提升50%以上。這一成功實踐，體現了數字孿生技術從 “精準映射”到“智能干預” 的能級躍遷。 數字孿生技術已從簡單的三維可視化和狀態監測，演進為具備預測預警和自主決策能力的智能系統。其能級躍遷的核心在於突破了靜態映射的侷限，實現了感知、分析、決策、控制

數字化轉型 , 人工智能 , 深度學習 , 後端 , 前端

收藏 評論

pannideniupai 頭像

雨大王 - 供應鏈協同：從“鏈”上舞到“鏈”上贏——製造業的數字化生存指南

製造業的供應鏈協同管理，正成為企業競爭力的核心所在。傳統供應鏈模式下，信息壁壘嚴重、部門協作低效、數據共享滯後等問題，如同一道無形的枷鎖，制約着企業的快速響應與靈活調整。尤其是在全球產業鏈重構與數字化浪潮席捲的當下，供應鏈協同不再僅僅是“可選項”，而是“必選項”。廣域銘島的供應鏈協同平台，正是在這一背景下應運而生，通過整合採購、生產、交付等全環節數據，幫助企業實現從“經驗驅動”到“數據驅動”的管理

人工智能 , 深度學習

收藏 評論

u_14682436 頭像

TwcatL - 深度學習入門避坑指南：從0到1的系統學習路徑與實踐經驗

對於很多想要入門深度學習的初學者而言，面對海量的學習資源、複雜的數學原理和層出不窮的模型框架，很容易陷入“無從下手”或“盲目跟風”的困境。我也曾經歷過從“看不懂論文”“跑不通代碼”到能夠獨立完成簡單項目的過程，期間踩過不少坑，也積累了一些實用的學習經驗。本文將結合我的個人學習經歷，梳理一套從0到1的深度學習系統學習路徑，拆解學習過程中的核心難點與避坑要點，為新手提供清晰的學習方向

私藏項目實操分享 , numpy , 深度學習 , jquery , 前端開發 , 數據預處理

收藏 評論

u_17580222 頭像

mb691327edb400f - AI賦能HR價值迴歸：從流程執行者到戰略合夥人

AI賦能HR價值迴歸：從流程執行者到戰略合夥人 當70%的HR精力被簡歷篩選、重複問答、流程協調等事務性工作佔據，洞察人才潛力、聯動業務戰略的核心價值被逐漸稀釋。在AI浪潮席捲之下，固守手工招聘流程的HR正面臨邊緣化風險，而技術的本質，從來不是替代，而是解放——第六代AI面試智能體以全鏈路解決方案，打破傳統招聘桎梏，助力HR從“流程的奴隸”轉型為“價值的創造者”。

軟技能 , 鏈路 , 人工智能 , 深度學習 , 觸點

收藏 評論

u_16213444 頭像

mob64ca12f37e8a - 用torch運行llama模型

用torch運行llama模型 在深度學習模型的快速發展中，LLaMA（Large Language Model Meta AI）模型以其卓越的性能著稱。LLaMA模型的出現使得更高效的自然語言處理成為可能，而 PyTorch 作為一個靈活的深度學習框架，更是提供了一個良好的開發環境。在這篇文章中，我們將探討如何在 PyTorch 框架中運行 LLaMA 模型，涵蓋了從技術定位到生態

工具鏈 , 語言模型 , aigc , 深度學習

收藏 評論

rivers_chaitin 頭像

百川雲開發者 - PandaWiki：讓團隊協作效率暴增的AI知識庫管理神器

還記得那些年在文檔堆裏翻找資料的日子嗎？明明記得某個功能説明就在某個文檔裏，卻怎麼也找不到；團隊新成員入職，光是熟悉產品文檔就要花上一週時間；客服每天重複回答相同的問題，效率低下還容易出錯…… 如果你也正在經歷這些困擾，那麼今天我要向你推薦的這款工具，可能會徹底改變你的工作方式。 什麼是AI Wiki？它為何如此重要？ 在介紹今天的主角之前，我們先來聊聊什麼是Wiki軟件。簡單來説，Wiki就是一

人工智能 , 深度學習

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI智能審計平台：用技術重構審計的效率與精度

在數字化浪潮下，傳統審計正面臨海量數據處理瓶頸、風險識別滯後等困境。AI智能審計平台並非簡單的“機器代人”，而是通過四大核心技術模塊，將審計從“經驗驅動”升級為“數智驅動”，既破解行業痛點，又重塑審計全流程價值。 OCR與NLP技術是平台處理非結構化數據的“基石”。審計中80%的數據的是發票、合同、PDF財報等非結構化內容，傳統人工錄入不僅耗時，還易出錯。AI平台的OCR技術依託深度

數據 , NLP , 人工智能 , 深度學習 , 結構化

收藏 評論

u_17335978 頭像

夕年HM - 基於深度學習的農業蟲害自動識別系統：YOLOv8 的完整工程

一、研究背景：農業蟲害識別為何需要 AI？ 在農業生產過程中，病蟲害是影響作物產量和質量的核心因素之一。據統計，全球每年因蟲害造成的糧食損失高達 20% 以上。傳統的蟲害防治方式主要依賴： 人工巡田觀察 專家經驗判斷 事後用藥處理 這種方式存在明顯問題： 🐞 識別效率低：人工巡檢難以覆蓋大面積農田 🐞

數據集 , v8 , 人工智能 , 深度學習 , 目標檢測

收藏 評論

u_16213309 頭像

mob64ca12d2a342 - ollama導入pytorch bin

在當前的深度學習框架中，Ollama導入PyTorch模型成為了越來越普遍的需求。隨着項目規模的不斷擴大，處理模型的需求量也呈現出幾何級增長，這直接影響到我們的業務效率和資源利用最大化。為了更好地管理模型導入流程，我們需要不斷優化現有的技術實現。 [ \text{模型導入效率} = \frac{\text{成功導入數}}{\text{總導入嘗試數}} \times 100% ]

依賴庫 , bash , aigc , 深度學習

收藏 評論

pannideniupai 頭像

雨大王 - 工業智能化的“中國方案”：廣域銘島的實戰經驗與技術路徑

2025年，製造業的智能化轉型已經不再是一個遙遠的口號，而是擺在許多企業面前的現實課題。然而，當我們真正走進工廠，會發現所謂的“工業智能化”遠比想象中複雜得多。設備數據雜亂、工藝經驗難以數字化、部門間信息壁壘重重——這些問題像一道無形的牆，阻礙着AI技術在工業領域的真正落地。那麼，如何打破這些困境？如何讓智能化不再是紙上談兵？在這一輪技術變革中，廣域銘島的實踐或許能給我們一些啓示。 數據治理

人工智能 , 深度學習

收藏 評論