tag 深度學習

標籤
貢獻317
306
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_16970152 頭像

求知上進 - Python函數的返回值介紹

1.前言 1.1 返回值的基本概念 在Python函數設計中，返回值是函數執行後向調用者提供結果的關鍵機制。簡單來説，返回值允許函數不僅僅執行操作，還能將計算結果、狀態信息或數據結構傳遞迴調用代碼，從而實現代碼的複用和邏輯分離。Python使用return語句來定義返回值，這使得函數可以返回任意類型的對象，如數字、字符串、列表、字典甚至是其他函數。返回值是函數簽名的一

生成器 , 人工智能 , 深度學習 , ide , Python

收藏 評論

deephub 頭像

deephub - JAX 訓練加速指南：8 個讓 TPU 滿跑的工程實戰習慣

TPU 訓練的真實效率往往取決於兩個核心要素：Shape 的穩定性與算子的融合度。 很多時候，JAX 任務之所以出現嚴重的性能瓶頸，並非算法本身設計有問題，而是忽視了 XLA 編譯器與底層硬件對“確定性”的極度偏好。基於大量實戰調優經驗，本文總結了八條能讓 JAX 訓練任務從“甚至跑不通”蜕變為“跑滿 TPU 算力”的工程經驗。 1、儘早鎖定 Shape TPU 喜歡靜態 Shape，JA

jax , 人工智能 , 深度學習 , Python

收藏 評論

u_17580222 頭像

mb691327edb400f - 告別招聘焦慮：AI賦能HR從流程執行者到價值創造者

告別招聘焦慮：AI賦能HR從流程執行者到價值創造者 招聘季如期而至，簡歷堆積如山，面試日程排滿日程表，HR卻仍困在無盡初篩、重複問答與主觀判斷的循環中。團隊用人需求迫在眉睫，寶貴時間卻被瑣碎流程切割，低效、主觀、高成本的招聘模式，正悄然消耗組織活力與HR的核心價值。AI時代的到來，讓打破枷鎖成為可能——HR不應是“流程的奴隸”，而應藉助技術鑰匙，成為真正的“價值創造者”。

聊天機器人 , 上傳 , 人工智能 , 深度學習 , 解決方案

收藏 評論

pannideniupai 頭像

雨大王 - 數字化協同研發平台怎麼助力車企轉型？

隨着工業4.0時代的到來，傳統制造業正面臨前所未有的挑戰。在研發領域，車企普遍遭遇數據孤島、知識斷層和跨部門協同效率低下的問題。這些問題不僅拖慢了產品迭代速度，還導致研發成本居高不下。例如，某大型整車企業在零部件設計階段頻繁返工，僅模具調整一項就耗費數月時間，直接經濟損失高達數千萬。此時，數字化協同研發平台應運而生，成為車企突破研發瓶頸的關鍵基礎設施。 數字化協同研發平台的核心在於“全要素連

人工智能 , 深度學習

收藏 評論

u_13317 頭像

liutao988 - deepseek生圖

斯坦福大學在三月份開設了一門“深度學習與自然語言處理”的課程：CS224d: Deep Learning for Natural Language Processing，授課老師是青年才俊Richard Socher，他本人是德國人，大學期間涉足自然語言處理，在德國讀研時又專攻計算機視覺，之後在斯坦福大學攻讀博士學位，拜師NLP領域的巨牛Chris Manning和Deep Le

deepseek生圖 , 自然語言處理 , 機器翻譯 , aigc , 深度學習 , bard

收藏 評論

u_17512334 頭像

疆鴻智能研發中心 - 老產線的新靈魂：疆鴻智能PROFIBUS轉RS485，讓扎染精度飛躍

老產線的新靈魂：疆鴻智能PROFIBUS轉RS485，讓扎染精度飛躍 1 項目背景 去年夏天，我所在的團隊接到某紡織廠扎染車間設備改造項目。該車間原有的西門子PLC系統通過PROFIBUS總線控制部分設備，而新增的六台高精度伺服驅動器僅支持RS485接口。生產主管向我們反映，兩種協議不兼容導致染布張力控制不同步，次品率上升了15%。 在扎染工藝中，染料侵染均勻

profibus , 協議轉換網關 , 工業通訊 , RS485 , 人工智能 , 深度學習 , 工業自動化

收藏 評論

u_16213696 頭像

mob64ca14133dc6 - 用10行Python代碼，實現AI目標檢測技術！（Python是最好的語言）-

引言 人工智能（AI）——一個熟悉又神秘的詞彙。我們常聽説它可以生成詩歌、編寫代碼、創作藝術，甚至回答各種問題。然而，當你想親手實現一個“AI模型”時，卻可能感到無從下手。這篇教程正是為你準備的，將帶你從零開始，逐步掌握從“AI新手”到“能夠搭建AI模型”的核心技能。 一、AI的基本概念 1.什麼是AI模型？ AI模型是通過訓練得到的一種程序，能夠利用海量

數據 , 神經網絡 , 深度學習 , Css , 前端開發 , HTML

收藏 評論

baihai 頭像

baihai - 剖析大模型產生幻覺的三大根源

編者按： 為什麼大語言模型總是“一本正經地胡説八道”？它們是在故意欺騙，還是被訓練機制“逼”成了這樣？ 我們今天為大家帶來的這篇文章指出：幻覺並非模型的故障，而是當前訓練與評估機制下的一種理性選擇 —— 當模型因進行猜測獲得獎勵、因坦白“我不知道”而被懲罰時，編造答案就成了最優策略。 文章系統剖析了幻覺的三大根源：預訓練階段以統計預測替代事實判斷、後訓練

llm , AI , 人工智能 , 深度學習 , 大模型幻覺

收藏 評論

deephub 頭像

deephub - Scikit-Learn 1.8引入 Array API，支持 PyTorch 與 CuPy 張量的原生 GPU 加速

Scikit-Learn 1.8.0 更新引入了實驗性的 Array API 支持。這意味着 CuPy 數組或 PyTorch 張量現在可以直接在 Scikit-Learn 的部分組件中直接使用了，且計算過程能保留在 GPU 上。 1.8.0 到底更新了什麼？ Scikit-Learn 開始正式支持Python Array API 標準。這是一個由 NumPy、CuPy、PyTorch、J

神經網絡 , pytorch , 人工智能 , 深度學習 , sklearn-pandas

收藏 評論

pannideniupai 頭像

雨大王 - 製造業數字化服務商如何助力企業轉型？

製造業數字化服務商：轉型的催化劑與企業夥伴 在當前全球製造業加速向數字化和智能化邁進的時代背景下，數字化服務商已成為推動企業變革的關鍵力量。回想一下，製造業的數字化轉型不僅僅是跟上技術的步伐，更是企業從傳統模式中解脱出來、實現可持續發展的必經之路。這些服務商像一位經驗豐富的顧問，幫助企業橋接現實與數字世界，但他們的價值遠不止於此；它們不僅僅是提供軟件或硬件的供應商，而是通過整合資源、化解痛點

人工智能 , 深度學習

收藏 評論

u_15591470 頭像

ceshiren2022 - Playwright MCP：AI驅動自動化測試，輕鬆告別傳統腳本編寫

2025年初，某知名電商公司在引入Playwright MCP後，UI自動化測試腳本編寫時間從原來的3天減少到2小時，測試覆蓋率提升了40%，而這一切，測試人員幾乎沒有編寫一行傳統腳本。 在傳統的UI自動化測試中，測試人員需要編寫大量腳本和選擇器來模擬用户操作。然而，隨着人工智能技術的快速發展，對話式自動化正在改變這一格局。 Playwright作為微軟開源的現代化We

選擇器 , 服務器 , 人工智能 , 深度學習 , 自動化測試

收藏 評論

JavaEdge 頭像

JavaEdge - LinkedIn 的遷移之路：從批處理到實時推薦，服務數十億用户

——Nishant Lakshmikanth 於 QCon San Francisco 2025 分享 在 2025 年的 QCon San Francisco 大會上，LinkedIn 工程經理 Nishant Lakshmikanth 深入講述了 LinkedIn 如何系統性地拆解其傳統的批處理式推薦系統，逐步實現實時個性化推薦，並顯著提升運算效率。 舊的推薦架構

批處理 , yyds乾貨盤點 , 離線 , 個性化推薦 , 人工智能 , 深度學習

收藏 評論

u_17420180 頭像

合合信息解決方案 - 醫療票據識別技術如何實現

在醫療數字化轉型的浪潮中，票據處理一直是困擾醫保審核、商業保險理賠、醫院財務管理的“老大難”。全國各地醫療機構出具的票據版式千差萬別，複雜的表格結構、低質量的圖像採集，讓傳統人工錄入效率低下、錯誤頻發。合合信息TextIn平台重磅推出的醫療票據識別產品，通過深度學習與OCR技術的深度融合，為這一行業痛點提供了精準高效的解決方案。 OCR技術奠定識別基礎 醫療票據識別的

預處理 , 機器學習 , 人工智能 , 深度學習 , 圖像質量

收藏 評論

u_17512334 頭像

疆鴻智能研發中心 - EtherCAT轉MODBUS RTU網關：賦能注塑模具廠“智”造升級

EtherCAT轉MODBUS RTU網關：賦能注塑模具廠“智”造升級 在智能化浪潮席捲製造業的今天，位於長三角的一家大型注塑模具廠卻面臨着“新舊設備協同”的難題。作為生產核心的倍福（Beckhoff）PLC憑藉其高性能的EtherCAT總線，高效地控制着伺服驅動器、I/O模塊等現代設備，構成了工廠的“高速神經中樞”。然而，車間內大量仍在穩定運行的“老功臣”——如注塑機輔機

協議轉換 , 人工智能 , 深度學習 , ETHERCAT , 網關 , 工業自動化 , Modbus

收藏 評論

congweibiaobaidemalingshu 頭像

小白獅ww - 單卡 4090 即可啓動，一鍵部署 QwQ-32B-AWQ 教程

QwQ 是 Qwen 系列的推理模型，相比傳統指令調優模型，QwQ 具備思考和推理能力，在下游任務尤其是難題上能取得顯著性能提升。QwQ-32B 是中型推理模型，能夠與 DeepSeek-R1、o1-mini 等最先進的推理模型取得競爭性性能。\ 教程鏈接：https://go.openbayes.com/d6USh 使用雲平台：OpenBayes\ http://openbayes.

tensorflow , 自然語言處理 , 數據庫 , 人工智能 , 深度學習

收藏 評論

u_17562481 頭像

思考的袋鼠 - AI加持下的數據流轉安全，打造高效可溯源的API風險防護體系

概要： （提示：在數字世界中，數據不再靜止，而是不斷流動；因此，安全防護的焦點，也應從“靜態防護”轉向“流轉安全”。） 當外賣訂單在幾秒內完成支付、銀行轉賬在瞬息之間到賬、短視頻平台精準推送你喜愛的內容時，數據正在通過成千上萬條API通道高速流轉。API作為數字世界的“數據動脈”，承載着企業業務邏輯、交易指令和用户隱私，是現代數字體系中最關鍵的連接層。 然而，數

數據 , API , 數據安全 , 人工智能 , 深度學習

收藏 評論

u_17467352 頭像

mb686fbcc4efbd6 - Halcon24.11.1.0下載安裝教程

MVTec公司已於2024年11月20日發佈了機器視覺軟件 HALCON 24.11 。這個版本在深度學習、3D視覺、開發體驗以及授權模式上都有顯著提升。 下面這個表格彙總了HALCON24.11的主要新特性： 特性類別

數據 , 3d , 後端開發 , JAVA , 深度學習

收藏 評論

u_17512334 頭像

疆鴻智能研發中心 - 疆鴻智能PROFIBUS集線器重構灌裝線網絡，OEE提升13.4%

疆鴻智能PROFIBUS集線器重構灌裝線網絡，OEE提升13.4% 1. 工廠背景與問題溯源 某大型啤酒灌裝車間採用西門子S7-300系列PLC作為生產線主控制器，通過PROFIBUS-DP網絡連接灌裝機、貼標機、封箱機等十二台核心設備。原網絡採用傳統線性拓撲結構，全長約180米，現場電磁干擾嚴重（變頻器、大功率電機密集），導致通信中斷頻發。最棘手的是，任何單點故障

集線器 , profibus , 工業通訊 , 通訊網絡 , 人工智能 , 深度學習 , 工業自動化

收藏 評論

youqingyouyidejidan 頭像

底層邏輯探索 - 構建高性能、領先合規的主動防禦體系：運營商數據庫風險監測與審計最佳實踐指南

一、概要 提示：在數字化浪潮中，數據已成為運營商的核心資產與競爭壁壘，而數據庫安全則是保障業務連續性與合規經營的命脈。本文旨在系統闡述“知形-數據庫風險監測系統”如何以高性能、行業領先的技術架構與基於行業標準的合規設計，助力運營商構建智能化、可落地的數據庫安全治理體系，實現從風險不可見到全面可控、從被動響應到主動防禦的根本性轉變，最終達成安全效能與業務價值的雙重提升。 隨着5G、物聯網

深度學習

收藏 評論

u_16213369 頭像

mob64ca12e1881c - copilot 按照註釋生成代碼

隨着人工智能技術的快速發展，越來越多的工具開始被應用於開發過程當中。GitHub Copilot就是這樣一個工具，它能夠自動化地根據註釋生成代碼，提高開發效率。然而，如何高效地利用這個工具，按照註釋生成代碼，並處理一些常見的問題，需要我們進行深入的探討。 在2021年6月，GitHub推出了Copilot，這款AI驅動的代碼輔助工具引起了開發者和技術界的廣泛關注。

性能優化 , aigc , 深度學習 , 開發者

收藏 評論

huamingshixunkeji 頭像

華明視訊科技 - 鐵路貨車自動識別系統：推動貨運智能化升級

鐵路貨運作為國家經濟動脈的重要組成部分，其運行效率與管理水平直接影響物流體系的整體效能。傳統依賴人工抄錄車號信息的作業方式，不僅效率低下，還容易因人為因素導致數據錯漏，已難以適應現代智慧物流的發展需求。在此背景下，鐵路貨車自動識別系統應運而生，成為行業數字化轉型的重要引擎。 該系統基於人工智能深度學習技術，實現了對貨運列車車廂多維度信息的自動採集與識別。可高效識別敞車、平車、棚車、罐車等不同

數據挖掘 , 圖像識別 , 神經網絡 , 人工智能 , 深度學習

收藏 評論

u_17241003 頭像

瀾極美顏SDK - How to Get the Image Filter API of Beauty SDK?

In today's digital age, beauty functions have become essential elements of many applications, especially in video dating, live streaming, and photo - taking apps. Among them, the image fi

API , 人工智能 , 深度學習 , ci , ide

收藏 評論

qingfouai 頭像

青否Ai - AI員工時代：90%職場人必須面對的重構與新生-青否ai超級員工！

AI超級個體：被重塑的職場邊界 "過去兩年，我們見證了一個反常現象：全球頂尖企業每季度裁員5%~10%，但股價卻平均上漲20%~30%。這不是資本的冷血，而是一場靜默的革命。（青否ai員工源頭v：zhibo175） 當你還在為季度KPI焦頭爛額時，企業高管們已經在用一個詞重新定義職場：AI員工。 2023年3月24日，GPT-4正式發佈。這一天，不是又一個技術迭代的普通日子，而是職場分水嶺。從那天

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

matrixorigin 頭像

MatrixOrigin - 視頻+教程 | 解鎖 RAG 深度搜索應用潛能：Deerflow 與 MOI 融合實戰指南

前言 本教程旨在為開發者提供一份清晰、詳盡的指南,説明如何將開源 RAG (Retrieval-Augmented Generation) 應用開發引擎 Deerflow 與 MOI 的 RAG 服務進行集成。通過本教程,讀者將掌握 Deerflow 的部署方法、在 MOI 中創建數據處理工作流的技能,並最終實現兩者連接,以構建一個強大的、可定製的深度檢索增強生成應用。 一、 Deerflow 簡

機器學習 , 數據挖掘 , 算法 , 人工智能 , 深度學習

收藏 評論