tag 深度學習

標籤
貢獻317
310
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

congweibiaobaidemalingshu 頭像

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

congweibiaobaidemalingshu 頭像

小白獅ww - 目標再多也不怕！YOLOv13 把複雜場景「看穿了」

在真實場景裏，目標檢測模型經常被一些「刁鑽情況」整得措手不及：監控里人羣密密麻麻，模型只敢報「一坨」； 無人車想識別遠處的交通燈，結果紅綠燈被當成「發光點」；體育轉播裏球速太快，目標框剛跟上，球已經飛到下一幀；甚至在電商倉庫裏，一堆外觀相似的包裹排成一排 —— 模型直接「懵圈」，不知道誰是誰。 想要又快又準，其實比想象中難得多。YOLOv13 的出現，就是為了應對這些真實世界的「刁鑽題」。它

機器學習 , 圖像識別 , 教程 , 人工智能 , 深度學習

收藏 評論

u_16776161 頭像

天潤融通科技 - 為什麼同樣用 AI，有的企業狂飆，有的原地踏步？

過去一年，智能體在企業中的落地速度遠超預期。同時，也有越來越多的管理者開始意識到：“我們怎樣才能在智能體時代建立真正的競爭優勢？” 畢竟，大模型能力正在快速趨同，公域數據帶來的智能化差距正在消失。今天你能買到的模型、能力、工具，競爭對手明天也能輕易獲得。 因此，一個真正關鍵的問題隨之出現——在模型能力趨同的情況下，企業的差異化究竟從哪裏建立？ 答案其實也很簡單，

人工智能 , 深度學習

收藏 評論

u_17569005 頭像

wx6906fb3f9b17a - 智能梯控即電梯門禁通過模塊化設計實現 "權限管理-機器人交互-多梯調度" 全鏈路覆蓋，在保障電梯原生安全的前提下，擴展智能通行、機器協同、能效優化三大核心能力，滿足智慧樓宇/工廠/醫院的數字化運管需求

前言 主流梯控品牌的核心控制器技術參數對比，包括抗干擾能力、安全認證模式及消防兼容性 不同電梯品牌按鍵轉接方案的適配性及免破線安裝技術細節 AGV/AMR機器人專用電梯交互設備的技術標準與接口協議 VIP權限管理系統與梯控集成的設備擴展清單及數據安全方案 多電梯調度系統的中央管理平台配置要求及運力優化算法實

電梯刷卡 , 智能梯控 , 梯控 , 人工智能 , 深度學習 , 電梯門禁 , IC卡梯控

收藏 評論

u_14306318 頭像

咚咚王哲 - 人工智能之數據分析 Pandas：第一章 簡介和安裝

人工智能之數據分析 Matplotlib 第一章 簡介和安裝 (文章目錄) 前言 Pandas 是一個強大的 Python 數據分析和處理庫，廣泛用於數據清洗、探索、操作和分析。它建立在 NumPy 之上，提供了高效、靈活且易於使用的數據結構，特別適合處理結構化（表格型）數據。 📌 Pandas 的核心數據結構

數據結構 , 人工智能 , pandas , 數據分析 , 深度學習

收藏 評論

u_17583736 頭像

AI智能助理 - 人工智能要學哪些東西（AI入門必備知識全解析）

人工智能入門必備知識全解析：從疑問到行動指南 Q1：數學基礎是否必須？該學哪些內容？ 數學是AI的底層邏輯，但無需過度深究。核心需掌握線性代數（矩陣運算、向量空間，用於圖像處理與數據建模）1,4、概率統計（貝葉斯定理、分佈分析，支撐模型評估與決策）1,3以及微積分（梯度下降優化算法，提升模型精度）1,4。例如，推薦算法通過向量距離判斷用户相似性，本質是線性

機器學習 , 數學基礎 , AI入門 , Python編程 , 人工智能 , 深度學習

收藏 評論

youyudetusi 頭像

憂鬱的吐司 - AI賦能：AI引領職場變革，青否ai超級員工上線助力企業降本增效！

隨着科技的日新月異，生成式AI已經成為職場中不可或缺的一部分。它不僅提高了工作效率，還解鎖了全新的工作方式。據最新調研顯示，超過75%的全職員工已經開始在工作中使用生成式AI，這一比例比半年前有了顯著增長。這標誌着我們正處在一場職場革命的前沿！（青否ai員工源頭v：zhibo175） AI如何重塑職場？ · 效率提升：AI工具幫助員工節省大量時間，完成大部分任務，但更重要的是，它激發了全新的工作模

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

datagrand 頭像

達觀數據 - RPA界面元素智能自適應定位與操控技術

什麼是RPA？RPA（Robotic Process Automation，機器人流程自動化）是通過特定的、可模擬人類在計算機界面上進行操作的技術，它可以按規則自動執行相應的流程任務，代替或輔助人類完成相關的計算機操作，從而節約人力成本，提高生產效率。 從RPA的定義就可以看出，對計算機界面的操控是RPA的核心之一。要實現對計算機界面的操控，就必須用到RPA界面元素定位和操控技術。 元素定位與操

rpa , r , 人工智能 , 深度學習

收藏 評論

congweibiaobaidemalingshu 頭像

小白獅ww - 當視覺模型開始「懂你所指」：SAM3 的能力遠超你想象

如果你曾經想過：「我能不能只用一句話，讓電腦在視頻裏自動找出所有『紅色揹包』？」或者希望在一張照片裏隨手點一下，就完成乾淨利落的分割，那SAM3正是為這些需求準備的。 隨着圖像與視頻數據的爆炸式增長，傳統分割方法往往需要大量標註或只能識別固定類別，難以應對複雜開放場景。SAM3 則通過統一的多模態輸入方式——文本、示例與視覺提示——讓模型能主動理解你的意圖，並在圖像與視頻中執行高精度檢測、分

機器學習 , 自然語言處理 , 教程 , 人工智能 , 深度學習

收藏 評論

baidujiagoushi 頭像

百度Geek説 - 視覺大模型訓練和推理加速

導讀 本次分享將講解如何結合 profiling 工具，發現訓練與推理的性能瓶頸。介紹結合GPU產品特點，利用算子融合、低精度等技術，以及Faster Transformer最佳實踐，提升性能並加快吞吐。 12 月份的「百度百舸 - 雲原生 AI」技術公開課的 4 期整理文字已經全部發布，直播回放視頻將在明年 1 月份陸續上線，大家可以通過百度智能雲技術站視頻號觀看。 大家好，我是來自

人工智能 , transform , 深度學習

收藏 評論

xingxingshangdeliushu 頭像

星星上的柳樹 - 誰在主導“芯片戰爭”

“芯片，不只是電子元件，更是國家角力的新戰場。” 過去三年，全球半導體產業如同棋盤上疾速變動的局面：美國推動芯片立法、拔高工具出口壁壘；台灣、韓國廠商擴張製造版圖；中國則在稀土、設備供應鏈端反擊。 參與者從“誰能做芯片”演變為“誰能控制關鍵節點”。那麼，在這場龐大的投資與戰略賽道中，誰是真正的領跑者？ ✤ 1 ✤設計端：美國構築“堡壘” 設計（Fabless）是芯片價值鏈

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

u_16671839 頭像

艾派森51CTO - 深度學習實戰-基於Vision Transformer的腦腫瘤MRI圖像識別

🤵♂️ 個人主頁：@艾派森的個人主頁 ✍🏻作者簡介：Python學習者 🐋 希望大家多多支持，我們一起進步！😄 如果文章對你有幫助的話， 歡迎評論 💬點贊👍🏻 收藏 📂加關注+ 目錄 1.項目背景 2.數據集介紹

數據集 , 人工智能 , transformer , 深度學習 , Image , Css , 前端開發 , HTML

收藏 評論

u_16970152 頭像

求知上進 - 深入學習Python函數：函數註解

第一章：函數註解的基礎概念 1.1 函數註解的起源與演變 函數註解的誕生可以追溯到Python 3.0。那時，Guido van Rossum（Python之父）在PEP 3107中提出了這個想法，目的是為函數參數和返回值添加任意的元數據。最初，它被設計為一個通用的機制，而不是專為類型提示服務。例如，你可以用它來附加文檔字符串、默認值或其他自定義信息。 在Pyt

List , 字符串 , 人工智能 , 深度學習 , Python

收藏 評論

qingfouai 頭像

青否Ai - 從數字人小白到直播達人：青否數字人直播系統30天體驗全記錄 ！

作為一名電商創業者，我一直在尋找能夠提升直播效率的解決方案。經過多方比較，最終選擇了青否數字人平台。30天的深度體驗讓我徹底告別了傳統直播的種種困擾，今天就來分享這段從入門到精通的真實體驗。（青否數字人源頭v：zhibo175） 初識數字人：打破傳統直播的認知邊界第一次接觸數字人直播時，我內心是充滿疑慮的。畢竟市面上號稱"實力強的智小小數字人平台"不少，但真正能做到"售後完善的數字人服務商"

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

youyudetusi 頭像

憂鬱的吐司 - 價值重構：從時間出賣者到價值創造者，凸顯ai員工的重要性！

"我每天工作10小時，週末還要加班，但感覺離財務自由越來越遠。 這正是傳統職場的最大陷阱：我們被訓練成"時間出賣者"，而非"價值創造者"。 在舊體系中，你的價值=工時×時薪。這種線性模型註定讓你陷入忙碌卻無法突破的困境。 而AI時代正在重構價值評估體系：你的價值=解決問題的能力×放大係數。 關鍵區別在哪裏？窮人的時間只賣給一個人，富人的時間通過產品化賣給成千上萬人。 一個案例（青否ai員工源頭v：

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

tecdat 頭像

拓端tecdat - 專題：2025構建全自動駕駛汽車生態系統：中國智能駕駛行業全景研究報告|附80+份報告PDF、數據儀表盤彙總下載

原文鏈接：https://tecdat.cn/?p=44316 原文出處：拓端抖音號@拓端tecdat 2025年，智能駕駛正站在“技術落地”與“規模商業化”的十字路口——自主品牌城市NOA滲透率已達9.1%，15萬級車型標配激光雷達成為常態，但深圳車主因系統未識別非常規紅綠燈追尾、特斯拉FSD在京實線變道被罰的案例，卻暴露了“技術跑在前，規則跟不上”的行業矛盾。 本報告洞察基於《東吳證券

機器學習 , 數據挖掘 , 算法 , 人工智能 , 深度學習

收藏 評論

huamingshixunkeji 頭像

華明視訊科技 - 想知道海關智能卡口系統廠家靠不靠譜，記住以下五點，絕對不踩坑！

各位關心口岸智能化建設的同仁們，大家好！我是華明視訊。我們深耕海關智能監管領域多年，見證了太多企業在選擇卡口系統時踩坑、交學費。一套不靠譜的系統，輕則導致通關效率低下，重則引發監管風險，損失難以估量。 今天，我們不吹噓自己，只想作為行業裏的“老炮兒”，給大家分享五個硬核的評判標準。想知道一個海關智能卡口系統廠家靠不靠譜，照着這五點去問、去看，心裏立馬就有底！ 第一點：看“身份證”與“履

圖像識別 , 神經網絡 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

xingxingshangdeliushu 頭像

星星上的柳樹 - 解密數字設計中的IP核心：高效構建電子系統的關鍵積木

在當前複雜的數字設計領域，知識產權（Intellectual Property，IP）被廣泛用作集成電路（IC）與電子系統的“標準模塊”，有效提升了研發效率與創新能力。本文將全面解讀數字設計中的IP，從核心概念、類型與優勢解讀其在現代電子系統中的重要作用。 1、什麼是數字設計中的IP？ 在數字設計語境下，IP通常指經過預設計與驗證的硬件模塊，可直接集成到更大型的系統設計中。這些

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

u_16970152 頭像

求知上進 - 瞭解 Python 集合的無限可能

1. 集合概述 1.1 什麼是集合？ Python 的集合（set）是一個無序、可變、不允許重複元素的容器，用於存儲唯一的數據項。集合基於哈希表實現，提供 O(1) 平均時間複雜度的成員檢查和插入操作。Python 還提供不可變的集合變體——凍結集合（frozenset），適用於需要不可變鍵的場景（如字典鍵）。 關鍵特性： 無序性：集合中的元素沒

數據集 , 集合運算 , 人工智能 , 深度學習 , Python

收藏 評論

zengjingaiguodekaomianbao 頭像

曾經愛過的烤麪包 - AI巨頭連夜亮劍，普通人如何抓住這波技術紅利？

阿里和華為同日放出技術大招，當行業格局被重新定義，掌握前沿技術不再只是工程師的特權。 阿里Ovis團隊12月3日發佈了文本渲染圖像生成模型Ovis-Image，專門為高質量文本渲染優化，同時保持低計算成本。這一模型基於Ovis-U1構建，通過增加MMDiT參數和優化結構設計，採用以文本為核心的訓練流程，結合大規模預訓練與精心設計的後訓練優化。 模型整體由三大核心組件精密咬合而成：作為大腦的Ovis

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

u_12947 頭像

lazihuman - fast sigmoid硬件加速

前言 dotnet6正式發佈了，fastgithub是使用dotnet開發的一款github加速器，作為開發者，無人不知github，作為github用户，fastgithub也許是你不可或缺的本機工具。 複雜的網絡問題 github連接不上 代碼pull/push失敗 # 找問題的網站也卡

github , ip , 人工智能 , fast sigmoid硬件加速 , 深度學習 , 開發者

收藏 評論

tecdat 頭像

拓端tecdat - Python實現Transformer神經網絡時間序列模型可視化分析商超蔬菜銷售數據篩選高銷量單品預測|附代碼數據

全文鏈接：https://tecdat.cn/?p=44604 原文出處：拓端數據部落公眾號 分析師：Xutao Yao 關於分析師 在此對Xutao Yao對本文所作的貢獻表示誠摯感謝，他在數據科學與大數據技術專業完成了相關學業，專注人工智能領域。擅長Python、機器學習、深度學習、網絡爬蟲。Xutao Yao曾榮獲全國大學生數學建模競賽廣東省分賽二等獎，在商超數據分析、時間序列

機器學習 , 數據挖掘 , 人工智能 , 深度學習

收藏 評論

u_16213297 頭像

mob64ca12cfa7d5 - stable diffusion 人臉ID保留

在現代圖像生成領域，Stable Diffusion技術正在不斷髮展，其中人臉ID的保留問題尤為重要。在此博文中，我們將系統化地探討如何解決這一問題，包括背景分析、演進歷程、架構設計、性能優化、故障覆盤等，幫助讀者深入理解這一課題。 背景定位 隨着人工智能和深度學習技術的發展，圖像生成應用逐漸向商業化和個性化方向發展。Stable Diffusion作為一種深度生成模型，能夠生成

人臉識別 , 架構設計 , aigc , 深度學習

收藏 評論

u_17003056 頭像

贛州雲智科技 - AI運動小程序鴻蒙平台適配指南

鴻蒙5的首版發佈距現在已快滿一年了，同時伴隨着華為終端芯片製造的突破，搭載有HarmonyOS5的終端及用户的保有量在不斷的上升，各大廠商的APP也在逐漸適配鴻蒙生態，微信小程序生態也在逐漸適配成熟，移動端適配HarmonyOS生態已勢在必行。今天我們就結合我們一段時間以來「Ai樂運動」用户的反饋、實測驗證，來聊聊AI運動小程序在鴻蒙端的適配。 注：

AR互動遊戲 , AI運動 , AI體測 , AI健身 , AI計時計數 , 人工智能 , 深度學習

收藏 評論