tag 深度學習

標籤
貢獻317
264
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

deephub 頭像

deephub - LMCache：基於KV緩存複用的LLM推理優化方案

LLM推理服務中，（Time-To-First-Token） 一直是個核心指標。用户發起請求到看見第一個token輸出，這段時間越短體驗越好，但實際部署中往往存在各種問題。 LMCache針對TTFT提出了一套KV緩存持久化與複用的方案。項目開源，目前已經和vLLM深度集成。 原理 大模型推理有個特點：每次處理輸入文本都要重新計算KV緩存。KV緩存可以理解為模型"閲讀"文本時產生的中間狀態

llm , 人工智能 , 深度學習 , kv存儲

收藏 評論

u_14352753 頭像

ledsuperb - IU5528低功耗，單電感2.6A的DC-DC升降壓芯片

IU5528D是一款超微小型、超低功耗、高效率、升降壓一體DC-DC調整器。適用於雙節，三節乾電池或者單節鋰電池的應用場景。可以有效的延長電池的使用時間。IU5528D由電流模PWM控制環路、誤差放大器、比較器和功率開關等模塊組成。該芯片可在較寬負載範圍內高效穩定的工作。 IU5528D的輸入電壓為1.8V至5.0V提供可調輸出電壓為(1.2V至5V)。在輸

IU5528 , 人工智能 , 深度學習

收藏 評論

u_17611039 頭像

mb69533a8cd9fc8 - AI 在量化策略回測中的實踐與挑戰：數據問題與智能解決方案

量化交易中，策略回測是驗證策略有效性的重要環節。回測的質量直接影響研究結論與實盤表現。然而，實際回測過程中，數據問題常導致結果偏離真實。 本文從回測中的核心數據問題出發，結合技術實踐案例，探討如何通過智能方法改善數據質量和回測可靠性，並配以示意圖增強理解。 回測數據問題的現狀 回測依賴歷史數據模擬策略表現，如果數據存在問題，結果就可能失真。常見問題包括：

數據 , 數據質量 , 人工智能 , 深度學習 , 歷史數據

收藏 評論

aigoto 頭像

逐夢AI - 專用蚊子蒼蠅檢測數據集（含背景樣本）：適用於目標檢測任務

專用蚊子蒼蠅檢測數據集（含背景樣本）：適用於目標檢測任務 一、背景 隨着城市化進程的加快和氣候環境的變化，蚊子、蒼蠅等害蟲在居民生活、公共衞生以及工業場景中造成的問題日益突出。它們不僅影響生活環境質量，還可能傳播多種疾病，對公共健康構成威脅。 傳統的蚊蟲監測方式大多依賴人工觀察或簡單的誘捕統計方法，存在 效率低、實時性差、誤判率高 等問題。隨着計算機視覺和深度學習技術的發展，基於目標檢測的蚊子、蒼

深度學習

收藏 評論

u_14176533 頭像

北京數據堂 - 行業洞見 | AI鑑偽：數據驅動的數字安全變革

某金融機構險些因一段"高管"視頻指令損失數千萬——畫面、聲音、口音均無可挑剔，卻被AI鑑偽系統在0.3秒內識破為深度偽造。這類事件已從偶發風險演變為常態威脅。 在這個深度偽造技術氾濫的時代，鑑偽需求已覆蓋金融、媒體、政務、醫療等多個領域，從合同核驗到音視頻識別，本質都是通過捕捉“偽造痕跡”區分真偽，而這一過程離不開海量多場景數據的

數據 , 數據服務 , 人工智能 , 安全合規 , AI鑑偽 , 深度學習

收藏 評論

u_16756731 頭像

KlipC小助手 - 高盛預測：明年黃金將衝擊4900美元

KlipC報道：高盛研究主管最新表示，基於央行持續購金、美聯儲降息預期及私人投資者多元化配置等多重因素推動，2026年金價將達到每盎司4900美元。 高盛全球大宗商品研究共同主管Daan Struyven在採訪中指出，高盛目前對黃金的看漲情緒達到歷史高點，預計到2026年末金價還將產生近20%的漲幅，目標設定為每盎司4900美元。 他強調，雖然漲幅不及今年，但2025年上漲的兩大動力預計

1 , 人工智能 , 深度學習

收藏 評論

u_16099323 頭像

架構魔法師 - 深度學習投影器

本練習程序是受到了這個老外博文的啓發，感覺挺有意思，就嘗試了一下。他用的是opencv，我這裏用的是matlab。 過去寫過透視投影，當時是用來做傾斜校正的，這次同樣用到了透視投影，不過更有意思，是將一張圖像貼到另一張圖像上。 兩個透視投影都需要先計算投影矩陣，傾斜校正那一篇是通過解線性方程組求的變換矩陣，而這一篇是通過奇異值分解求的變換矩陣。 為了對齊兩張圖像

投影矩陣 , 深度學習投影器 , 奇異值分解 , 透視投影 , 人工智能 , 深度學習

收藏 評論

youqingyouyidejidan 頭像

底層邏輯探索 - 金融行業智能識別、覆蓋率高、低代碼配置數據分類分級最佳實踐與案例

一、概要 （提示：在強監管與高風險並存的金融行業，數據分類分級正在從合規要求演進為數據治理與業務創新的基礎能力。） 隨着金融行業全面邁入數字化深水區，數據已成為支撐交易處理、風險防控與客户服務的核心生產要素。但與數據價值同步放大的，是客户信息泄露、賬户濫用、數據越權等風險隱患。金融數據一旦失控，不僅影響單一機構，更可能引發系統性風險。在此背景下，數據分類分級不再是簡單的“貼標籤”工作，

深度學習

收藏 評論

chenzhuodeyagao 頭像

沉着的牙膏 - 2025年國內行業領先、全覆蓋、可交互的數據庫審計產品推薦

概要： （提示：本章節概括全文核心觀點，突出數據化與落地成效。） 2025 年，數據庫審計與風險監測從“合規工具”全面邁向“智能治理系統”。隨着《數據安全法》《個人信息保護法》《網絡數據安全管理條例》等監管體系持續落地，企業對數據庫安全的需求從“記錄日誌”演進為“實時發現風險、自動處置威脅、提供可追溯證據鏈”的全鏈路能力。與此同時，行業對“可交互分析”“多數據源覆蓋”“AI驅動智能研判

深度學習

收藏 評論

gmicloud 頭像

GMICloud - Cursor x GMI Cloud 零基礎教程：用 Inference Engine 生成你的第一個小程序

摘要 最近 GMI Cloud 推理引擎平台上線了Kimi-K2- Thinking、MiniMax-M2 等最新國產大模型，本文為將 MiniMax-M2 接入 Cursor 的零基礎教程，以 “測測你適合用什麼 AI 大模型” 小程序為示範，準備工作與開發迭代步驟，助你輕鬆跑通自己的第一個小程序。 零基礎友好版！Cur

經驗分享 , API , 教程 , AI編程 , 人工智能 , 深度學習

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - AI 編譯器技術分享會：上海交大/中科院計算所/微軟亞研/智源，他們來了！

4 場 Meetup、3 個城市、19 位嘉賓、1k+ 行業從業者、累計 100w+ 曝光， 2023 年 AI 編譯器社區小小刷新了一下存在感，我們在非常細分的領域裏找到了最為垂直的開發者和工程師，從 0 到 1 建立起一個個小據點，搭建交流平台、促成企內合作、連通生態上下游。 2024 年雖然已經過半，在大模型持久佔據技術圈「熱搜榜單」的今天，我們將於 7 月 6 日（週六）在中國科學院計算技

機器學習 , 數據集 , 人工智能 , 編譯器 , 深度學習

收藏 評論

u_16213424 頭像

mob64ca12eea322 - ollama如何只用GPU推理

在當今的深度學習應用中，越來越多的用户希望通過高效利用硬件資源來加速模型推理。在這種背景下，Ollama逐漸受到關注。但在GPU推理時，用户常常會遇到一系列問題。在本文中，我們將通過一個具體案例，詳細分析如何解決“ollama如何只用GPU推理”的問題，幫助用户順利完成任務。 問題背景 用户場景還原：在某項目中，用户需要使用Ollama進行深度學習模型的推理任務，期望通過GPU來

aigc , 深度學習 , 解決方案 , CUDA

收藏 評論

u_16099187 頭像

網絡安全俠 - ragflow加速鏡像地址

目錄： 一、TensorFlow使用GPU 二、深度學習訓練與並行模式 三、多GPU並行 四、分佈式TensorFlow 　　4.1分佈式TensorFlow的原理 　　4.2分佈式TensorFlow模型訓練 　　4.3使用caicloud運行分佈式TensorFlow 深度學習應用到實際問題中，一個非常棘手的問題是訓練模

ragflow加速鏡像地址 , tensorflow , 雲計算 , server , 深度學習 , 雲原生

收藏 評論

youqingyouyidejidan 頭像

底層邏輯探索 - AI降噪、全鏈路、自適應的醫療行業數據安全管理最佳實踐指南

一、概要 （提示：醫療數據安全監測的價值，正從“被動合規”轉向“全鏈路、可運營、可持續優化”的治理能力。） 在醫療數字化全面提速的背景下，數據安全監測已不再是簡單的告警工具，而是醫療機構保障患者隱私、支撐診療創新、應對高強度監管的關鍵基礎設施。圍繞“AI降噪、全鏈路覆蓋、自適應演進”三大能力方向，本文系統梳理了一套面向醫療行業的數據安全監測實踐方案。該平台以非侵入式部署為前提，通過全鏈

深度學習

收藏 評論

u_15591470 頭像

ceshiren2022 - 小白必備：輕鬆上手自動化測試的強大工具

傳統自動化測試工具如Selenium，其複雜的代碼編寫和維護成本居高不下，讓許多測試工程師望而生畏，已成為行業痛點。而Playwright MCP的出現，重新定義了"測試自動化"的邊界——不僅能理解你的自然語言描述，還能自動生成專業級的測試代碼，實現了從"寫代碼"到"説需求"的質的飛躍。 Playwright MCP的技術架構解析 Playwright MCP的創新絕非偶然，它是

選擇器 , 測試用例 , 人工智能 , 深度學習 , 測試自動化

收藏 評論

u_17512334 頭像

疆鴻智能研發中心 - 鋼渣處理線的“網絡神醫”：疆鴻智能PROFIBUS集線器，專治各種信號不服

鋼渣處理線的“網絡神醫”：疆鴻智能PROFIBUS集線器，專治各種信號不服 一、項目背景與挑戰 某大型鋼鐵集團鍊鋼廠年產鋼渣超百萬噸，原有鋼渣處理線採用分佈式硬接線控制方式。隨着產能提升與自動化升級需求，生產線暴露出信號干擾嚴重、擴展困難、故障排查耗時等問題。特別是高温、多塵的惡劣環境導致傳統佈線系統故障率居高不下，嚴重影響連續生產。為構建穩定可靠的工業通信網絡，我

集線器 , profibus , 編碼器 , 工業通訊 , 變頻器 , 人工智能 , 深度學習

收藏 評論

u_16099241 頭像

技術領航博主 - 深度學習視覺定位與測量

目錄 基礎篇 要看的書 視覺傳感器類型 Visual Odometry任務 Visual Odometry方法 SLAM問題的數學方程描述 學習CMake的使用 基礎篇 要看的書 14講 機器人學的狀態估計 多視圖幾何

視覺SLAM之旅 一 , cmake , 人工智能 , 深度學習 , 特徵點 , Visual , 深度學習視覺定位與測量

收藏 評論

u_16776161 頭像

天潤融通科技 - 2026企業引入AI的邏輯不是“採購軟件”，而是“招聘員工”

2025 年，當國內企業還在糾結 AI 客服的語音識別率時，硅谷已經傳來了商業模式徹底重構的信號：“按人頭付費”的 SaaS 時代正在終結。 以 Sierra 為代表的新興獨角獸打破了這一行規，推行激進的“結果導向定價（Outcome-Based Pricing）”——企業僅為 AI 成功解決的工單付費；如果因為AI搞不定而轉人工，企業將不需要支付任何費用。

人工智能 , 深度學習

收藏 評論

u_16508055 頭像

卡梅德生物 - 科研必備：如何用“小鼠單克隆抗體”精準捕捉隱形病毒？

在生命科學研究的幕後，實驗小鼠的健康是數據可靠的基石。然而，一些“隱形”的病毒，如小鼠細小病毒（MVM），常常悄無聲息地侵擾動物羣體，干擾實驗結果。如何快速、準確地發現它們？今天，我們就來探討一種強大的檢測工具——基於小鼠單克隆抗體的ELISA檢測技術。 一、 看不見的威脅：為什麼需要監測小鼠細小病毒？ 根據國家《實驗動物微生物學等級及監測》標準，MVM是SPF級（無

ELISA檢測技術 , 抗體制備 , 人工智能 , 深度學習 , 小鼠單克隆抗體

收藏 評論

u_17569005 頭像

wx6906fb3f9b17a - 多奧方案通過智能梯控系統與機器人之間的緊密協作，實現了機器人自主乘梯的智能化、高效化，為智慧建築的發展提供了有力支持。我們期待與各方合作伙伴攜手共進，共同推動智能機器人乘梯控制技術的創新與應用。

機器人（狗）AGV\AMR乘梯控制系統方案設計書 前言 智能機器人乘梯控制系統是助力機器人（包括機器狗、AGV、AMR等）在複雜建築環境中實現自主垂直通行的核心技術。其核心功能在於幫助機器人精準獲取電梯的實時樓層信息、轎廂門開關狀態，並能自主完成呼叫電梯、登記目的樓層等操作，從而實現機器人在不同樓層間的無縫轉運與作業。 隨着人工智能與物

梯控 , 機器人 , AMR , 機器狗 , 人工智能 , 深度學習 , AGV

收藏 評論

JavaEdge 頭像

JavaEdge - 推出 Google Antigravity —— AI 輔助軟件開發的新紀元

每一次編程智能模型的進步，都讓我們重新思考開發應當如何進行。如今的集成開發環境（IDE），已與幾年前的版本截然不同。我們的最先進模型 Gemini 3 標誌着“智能體式編程”（agentic coding）的重大跨越，也促使我們思考 IDE 的下一個躍遷應當是什麼樣。 今天，我們正式推出 Google Antigravity —— 全新的智能體開發平台。它的核心仍然是一個由

yyds乾貨盤點 , google , 人工智能 , 深度學習 , 代碼補全 , 開發者

收藏 評論

u_16018702 頭像

架構師李哲 - 最佳實踐丨讓蘇東坡"復活"！我用Qwen3-8B實現了與千古文豪的跨時空對話

"你是誰？" "我是一個多才多藝的文學家、書法家和畫家，生活在北宋時期。我是蘇東坡，我……" 這不是穿越劇的台詞，而是藉助大模型技術實現的真實對話。在人工智能的賦能下，千年前的文豪蘇東坡以“數字分身”的形式“復活”，與今人吟詩作對、暢談人生，展開一場跨越時空的交流。 這是微調前大模型的回答。此時的模型如同一個精準的“知識庫”，回答客觀

AIGC二三事 , 數據集 , 數據 , 大模型微調 , 人工智能 , 深度學習

收藏 評論

u_16213609 頭像

mob64ca13fe9c58 - Transformer架構詳解

Transformer架構概述 Transformer架構主要的功能是高效地完成某些自然語言分析任務，比如英語到德語和英語到法語的翻譯任務，這裏要注意的是，大語言模型（LLM）不等於Transformer，我個人認為Transformer可以算是一種從預訓練數據中更好提取信息的方式，因此當我們在瞭解Transformer架構時，其中一個重要關注點是

AI , 系統架構 , 人工智能 , transformer , 深度學習

收藏 評論

u_16099316 頭像

數據探索先鋒 - 深度學習特徵維數參數的設置

特徵向量：設A是n階方陣，如果有常數λ和n維非零列向量α的關係式Aα=λα成立，則稱λ為方陣A的特徵值，非零向量α稱為方陣A的對應於特徵值λ的特徵向量。 特徵值分解： 在python中使用numpy工具就可以實現。 降維 定義：將數據的特徵數量從高維轉換為低維。 作用：解決高維數據的維度災難問題的一種手段；能夠作為一種特徵抽

數據集 , 數據 , 深度學習特徵維數參數的設置 , 人工智能 , 方差 , 深度學習

收藏 評論