tag 深度學習

標籤
貢獻317
279
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

puxiaoke6 頭像

一點人工一點智能 - 《四元數解析》

書籍：Understanding Quaternions 作者：Peng Du，Haibo Hu，Dong Ding，Zhuoyue Li 出版：Nova Science Pub Inc​ 編輯：陳萍萍的公主@一點人工一點智能 下載：書籍下載-《四元數解析》 01書籍介紹 四元數是威廉·羅恩·哈密頓（William Rowan Hamilton）最早提出的一種非交換

數學 , 人工智能 , 深度學習

收藏 評論

u_14682436 頭像

TwcatL - 低資源環境下的深度學習：小樣本、輕量訓練與高效部署實踐

在實際應用中，深度學習常面臨“資源雙缺”的困境：一方面是數據資源短缺（如小眾領域數據標註成本高、特殊場景數據難以採集），另一方面是計算資源有限（如中小企業缺乏高性能GPU集羣、邊緣設備算力不足）。這種低資源環境極大地限制了深度學習技術的落地應用。本文結合我在小眾行業缺陷檢測、方言語音識別等低資源項目中的實踐經驗，深入探討低資源環境下深度學習的核心挑戰、關鍵技術（小樣本學習、遷移學

數據 , 私藏項目實操分享 , 深度學習 , 遷移學習 , jquery , 前端開發

收藏 評論

u_17580222 頭像

mb691327edb400f - AI驅動招聘價值重構：從人才入口到組織效能的全鏈路升級

AI驅動招聘價值重構：從人才入口到組織效能的全鏈路升級 當企業紛紛加碼HR數字化轉型，核心HR系統、工時薪資核算模塊已逐步實現線上化，但作為人才供應鏈起點的招聘環節，卻常陷入“高投入低產出”的困境：海量簡歷篩選耗費80%精力、面試評估依賴個人經驗、優質候選人因流程體驗流失……這些痛點不僅拉低招聘效率，更直接影響人才輸入質量，讓後續的HR數據洞察與組織效能優化淪為空談。

鏈路 , 數據 , 人工智能 , 深度學習 , 解決方案

收藏 評論

u_16970152 頭像

求知上進 - 深入學習 Python 函數：匿名函數

第一部分：匿名函數的定義與核心原理 1.1 什麼是匿名函數？ 匿名函數（Anonymous Function），在 Python 中稱為 Lambda 函數，是一種無需命名的函數表達式。它直接返回一個函數對象，可以賦值給變量或作為參數傳遞。 Lambda 函數的語法源於 Lambda 演算（Lambda Calculus），一種函數式編程的數學模型。Python

函數式編程 , 匿名函數 , 賦值 , 人工智能 , 深度學習

收藏 評論

quanzhikeji 頭像

全知科技 - API安全國家標準發佈丨《數據安全技術 數據接口安全風險監測方法》

近日，國家市場監督管理總局、國家標準化管理委員會發佈了，由全知科技牽頭，公安部第三研究所、中國電子技術標準化研究院 、國家信息中心 、中國信息通信研究院等共同起草的GB/T 46796-2025《數據安全技術 數據接口安全風險監測方法》，並於2026年7月1日起正式實施。該標準的頒佈標誌着我國數據接口安全風險監測進入了標準化、規範化實施的新階段，為數據流動過程中的安全防護提供了關鍵性技術支

深度學習

收藏 評論

openbayescom 頭像

OpenBayes - OpenBayes 教程上新丨字節開源 InfiniteYou 圖像生成框架，實現高保真面部特徵遷移

InfiniteYou（簡稱 InfU）是由字節跳動智能創作團隊近期推出的一款基於 Diffusion Transformers 的身份保持 (identity-preserved) 圖像生成框架。它通過先進的技術，能夠在生成圖像的同時保持人物身份的一致性，即在生成不同場景的圖片時能夠精準保留面部特徵。 作為該領域最早利用擴散 Transformer (DiTs) 的框架之一，InfU 系統性地解

機器學習 , 圖像識別 , tensorflow , 人工智能 , 深度學習

收藏 評論

u_16060192 頭像

HyperAI超神經 - 200億美元豪賭！xAI單押馬斯克巨注叫板OpenAI，未來商業續航成最大問號

2025 年 10 月，多家媒體援引投行消息稱，馬斯克旗下的 xAI 正在推進一筆規模約 200 億美元的新融資，或將躋身全球融資規模最大的 AI 初創公司之一。 知情人士透露，該輪融資包含約 125 億美元的結構化債務，並與 NVIDIA 產品採購協議綁定，意味着 xAI 將以未來算力交付與長期供貨為抵押，鎖定芯片的獲取優先級。 在融資結構中引入大比例債務，無疑是馬斯克以個人主導方

人工智能 , 深度學習 , xAI

收藏 評論

teayear 頭像

學技術贏未來 - 氣象預報與基因測序的高性能計算實戰案例.AI運維工程師

在科學研究與產業創新的前沿領域，高性能計算（HPC）是突破數據處理與模擬仿真瓶頸的核心支撐。華為鯤鵬 HPC 憑藉 “自主可控硬件底座 + 全棧優化軟件生態” 的獨特優勢，在氣象預測、生命科學等計算密集型場景中實現性能躍升，以下結合兩大行業標杆案例，拆解其技術落地邏輯與核心價值。 一、行業案例 1：區域氣象數值預報 —— 精準預測的算力加速革命 項目背景 某省級氣象部門需升級區域天氣預報

數據 , 指令集 , 人工智能 , 深度學習 , 多核

收藏 評論

u_16018702 頭像

架構師李哲 - 別再燒錢做AI！大模型微調GPU終極指南：從入門到放棄？

微調7b模型至少要什麼顯卡？ 算力低一些的總感覺比不過別人... 有沒有一種可能，讓我普通老百姓也用用H卡？ 以上問題是否曾是干擾大家做出選品決策的苦楚？別急，本文將從底層邏輯到實戰方案，幫你徹底理清選卡思路。 順帶一提，普通人也能接觸H卡，只要你的電腦能連上網！

保活 , 微調 , 雲服務 , 大模型微調 , 人工智能 , 深度學習 , 開發者

收藏 評論

u_6478076 頭像

郭傳志的博客 - Claude Code 學習

簡介 Calude Code 是由 美國Anthropic 公司開發的官方CLI工具，用於協助用户處理軟件工程任務。 Claude Code是一個革命性的AI編程工具，它將強大的Claude AI直接集成到您的開發環境中。 Claude Code特點 智能代碼理解: 深度理解您的項目結構和代碼邏輯 自然語言交互: 用普通話描述需求，AI自動執行

人工智能 , 深度學習 , claude

收藏 評論

u_17512334 頭像

疆鴻智能研發中心 - 疆鴻智能PROFIBUS集線器：光伏劃片產線網絡穩定的“無聲守護者”

疆鴻智能PROFIBUS集線器：光伏劃片產線網絡穩定的“無聲守護者” 在光伏電池片製造流程中，劃片（切割）工序的精準與穩定直接關乎成品良率與成本。我所在的大型智能製造工廠，其劃片車間部署了數十台高速精密劃片機。這些設備通過PROFIBUS-DP網絡與中央PLC控制器相連，實時傳輸切割參數、運動控制指令與狀態診斷信息，構成了產線自動化控制的神經中樞。

PROFIBUS DP , PROFIBUS集線器 , 工業通訊 , 人工智能 , 深度學習 , 工業自動化

收藏 評論

u_17580222 頭像

mb691327edb400f - AI面試智能體：重構招聘邏輯，解決傳統招聘痛點

AI面試智能體：重構招聘邏輯，解決傳統招聘痛點 在人才市場競爭加劇的當下，傳統招聘面臨諸多困境：崗位需求多變、候選人流動頻繁、面試官標準不一、技術面複用成本高，核心痛點集中在“篩不完、問不準、選不對”，招聘“漏斗”存在嚴重的漏人、漏信息、漏判斷問題。AI面試智能體的出現，從根本上改變了這一現狀，通過技術革新補齊傳統招聘短板。 一、核心突

ATS , 一對一 , 人工智能 , 深度學習 , 複用

收藏 評論

u_16970152 頭像

求知上進 - Python 數據結構：可變與不可變

1.前言 在 Python 中，數據結構的選擇直接影響程序的性能和可維護性。可變（mutable）與不可變（immutable）數據結構是 Python 數據模型的核心概念。這些概念不僅影響數據的存儲方式，還影響數據的操作方式。 理解可變與不可變數據結構的特性，可以幫助我們更有效地進行數據處理、內存管理和性能優化。在日常編程中，選擇合適的數據結構不僅能提高代碼效率，還

不可變對象 , 數據 , 數據結構 , 人工智能 , 深度學習

收藏 評論

zengjingaiguodekaomianbao 頭像

曾經愛過的烤麪包 - 中國開源大模型全球登頂，你的未來會被誰改寫？

下載量首次超越美國，中國開源大模型拿下全球第一的寶座，而這場技術競賽的下半場，正悄悄轉向普通人觸手可及的賽道。 最近，麻省理工大學和 Hugging Face 聯合發佈的最新開源大模型排行榜震撼業界：中國企業全面霸榜。更為關鍵的是，中國團隊自主研發的開源大模型下載份額已達到 17.1%，超過美國企業的 15.8%。 這一數據標誌着中國已躍升為全球開源大模型市場的引領者。分析指出，中美在AI領域已走

數據挖掘 , 人工智能 , 深度學習

收藏 評論

u_16391614 頭像

老艾的AI世界 - 股票資金流向獲取工具！無限制查詢，Hawk下載介紹

現在越來越多普通人想嘗試量化投資，很多新手股民一上來就盯着K線圖研究短線走勢，卻忽略了市場主力資金的流動走向，在金融分析領域，獲取豐富且準確的資金進出數據是深入研究一隻股票和策略制定的重要基礎 Hawk是一個強大的股票數據獲取工具，可以查詢股票的價格數據、成交量等各類信息，它整合了多個頭部信息源，使得用户不需要在各個財經網站和平台之間查找數據 Hawk

股票 , yyds乾貨盤點 , 股市 , 股票學習 , 股票工具 , 人工智能 , 深度學習 , 股票入門

收藏 評論

u_12968 頭像

davisl - Whisper ASR 支持流式嗎

最近看到一個開源項目，特地學習了下，實測後，語音識別系統的正確率大概75%左右，作為學習入門的資料還是不錯的，項目已上傳到github上，不過數據集和生成的模型由於文件太大，上傳失敗，隨後存在百度網盤，自行下載哈，普通電腦真傷，跑了三天，還是gpu快點。 查看本項目的Wiki文檔 如果程序運行期間或使用中有什麼問題，可以及時在issue中提出來，我將盡

數據集 , 人工智能 , 深度學習 , Whisper ASR 支持流式嗎 , 語音識別 , Python

收藏 評論

u_16213621 頭像

mob64ca14017c37 - 深度學習——02、深度學習入門——經典卷積神經網絡架構實例——VGGNet

VGGNet：經典卷積網絡架構剖析 內容摘要 本文詳細剖析VGGNet這一經典卷積網絡架構。介紹其提出背景及在圖像分類、定位任務中的卓越表現，深入解析網絡結構，包括不同版本的演進、3×3卷積核的獨特設計與優勢，探討模型特性及訓練技巧。結合網絡結構圖與參數表格，展現VGGNet在深度學習發展中的關鍵價值。 關鍵詞：VGGNet

VGGNet , 3×3卷積核 , 後端開發 , 人工智能 , 深度學習 , 網絡 , Python

收藏 評論

u_16099236 頭像

是大魔術師 - diceloss與交叉熵的權重

1.信息量與信息熵 香農在他著名的論文”通信的數學原理“（A Mathematic Theory of Communication）中提出了”信息熵“的概念，解決了信息的度量問題，並且量化出信息的作用。 一條信息的信息量與其不確定性有着直接的關係。比如説，我們要搞清楚一件非常非常不確定的事，或是我們一無所知的事情，就需要了解大量的信息。相反，

互信息 , 損失函數 , 人工智能 , 深度學習 , diceloss與交叉熵的權重 , 概率分佈

收藏 評論

daniusdk 頭像

音視頻牛哥 - 【深度評測】既生瑜，何生亮：ChatGPT 5.1 與 Gemini 3 的終極對決

引言：在這個瘋狂的十一月，我們見證了歷史 如果説 2023 年是 AI 的元年，那麼 2025 年的 11 月就是 AI 的“赤壁之戰”。 僅僅相隔不到一週，OpenAI 和 Google 相繼甩出了他們的王炸。11月12日，OpenAI 突然發佈 ChatGPT 5.1，用“自適應思考（Adaptive Thinking）”和極致的擬人化體

chatgpt5.1和gemini區別 , yyds乾貨盤點 , chatgpt vs gemini3 , gemini3評測 , 人工智能 , 深度學習 , chatgpt5.1和gemini3 , chatgpt還是gemini

收藏 評論

openbayescom 頭像

OpenBayes - Open-AutoGLM 實現手機端自主操作；PhysDrive 數據集採集真實駕駛生理信號

公共資源速遞 5 個公共數據集： FirstAidQA 急救知識問答數據集 PhysDrive 駕駛員生理測試數據集 PolypSense3D 息肉尺寸感知數據集 Envision 多階段事件視覺生成數據集 Care-PD 帕金森三維步態評估數據集 8 個公共模型： SAM 3 Z-Image-Turbo Ovis-Image-7B Ministral-3-14B Lon

機器學習 , pytorch , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

u_16380863 頭像

未聞花名AI - 構建AI智能體：四十、K-Means++與RAG的融合創新：智能聚類與檢索增強生成的深度應用

一、前言 前面的文章我們詳細講過，大型語言模型雖在自然語言處理領域展現卓越能力，但仍面臨幻覺問題、知識時效性不足及領域專業性缺失的問題，結合RAG通過“檢索外部知識+增強模型生成”的範式，作為大模型的“外置知識庫”有效緩解上述痛點，無需重新訓練即可動態整合最新領域知識，顯著提升回答準確性與可信度。 然而，傳統 RAG 系統在處理大規模知識庫時存在顯著侷限：全局檢索模式

AIGC二三事 , 聚類 , 人工智能 , 深度學習 , RAG , K-Means++

收藏 評論

u_17593768 頭像

JUGG11 - 你是否正在經歷這些知識管理的 “隱形內耗”？

技術文檔散落在語雀、GitHub、本地硬盤，新員工入職像 “尋寶”；寫一份部署手冊要熬 4 小時，修改迭代還要跨平台同步；搜索 “token 過期解決方案”，返回幾十篇無關文檔，翻半天找不到重點；敏感數據不敢存雲端，私有化部署又要折騰好幾天…… 在信息爆炸的時代，我們囤積了海量知識，卻陷入 “存得住、找不着、用不上” 的困境。直到 PandaWiki 的出現 —— 這款 G

github , 搜索 , AI , 人工智能 , 深度學習 , 技術文檔

收藏 評論

u_16970152 頭像

求知上進 - Python 集合操作的魔法書

1. 集合數據結構概述 1.1 什麼是集合？ Python 中的集合（set）是一種無序、可變、不允許重複元素的數據結構，基於數學集合概念。集合的主要特點包括： 無序性：元素沒有固定索引，無法通過位置訪問。 唯一性：自動去除重複元素。 可變性：set支持添加、刪除元素；frozenset是不可變版本。 高效性：基於哈希表，成員測

集合運算 , 人工智能 , 深度學習 , 集合操作 , Python

收藏 評論

u_16099174 頭像

晨曦微露s - whisper cpu模式 慢

小結 總結一下，不管是哪種場景導致的上下文切換，你都應該知道： CPU 上下文切換，是保證 Linux 系統正常工作的核心功能之一，一般情況下不需要我們特別關注。 但過多的上下文切換，會把CPU時間消耗在寄存器、內核棧以及虛擬內存等數據的保存和恢復上，從而縮短進程真正運行的時間，導致系統的整體性能大幅下降。 1、多任務競爭CPU，cpu

whisper cpu模式 慢 , 上下文切換 , 人工智能 , 寄存器 , 深度學習 , 虛擬內存

收藏 評論