tag 深度學習

標籤
貢獻320
317
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_17512334 頭像

疆鴻智能研發中心 - 破局！EtherNet/IP直連DeviceNet，我們讓光伏電站數據“毫秒必達”

破局！EtherNet/IP直連DeviceNet，我們讓光伏電站數據“毫秒必達” 1 項目背景 隨着光伏電站規模的擴大和智能化需求的提升，電站內部設備通訊網絡的整合成為關鍵挑戰。某100MW光伏電站項目中，控制系統採用羅克韋爾Controllogix系列PLC，基於EtherNet/IP協議實現主站通訊。然而，電站現場分佈着大量智能匯流箱、跟蹤支架控制器和環境監測儀

協議轉換網關 , 工業通訊 , ETHERNET IP , 人工智能 , DEVICENET , 深度學習 , 工業自動化

收藏 評論

openbayescom 頭像

OpenBayes - OpenBayes 教程上新丨CSM 駕到，統統閃開！更鮮活的語音生成，從此告別延遲呆板機械味

與 AI 語音助手聊天時，總感覺哪裏怪怪的。它們對問題應答自如，可就是少了點「人味」。語調呆板、停頓突兀，時不時還在莫名其妙的地方卡頓，這種似人非人的違和感，其實就是「恐怖谷效應」在作祟。當 AI 語音與人類語音相似度頗高卻又未達到完美一致時，用户便會感到不適。 近期，由 Sesame 團隊推出的語音生成模型 CSM (Conversational Speech Model) 在眾多語音模型中脱穎

機器學習 , tensorflow , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

u_15675268 頭像

1艾一刀 - 資本瘋搶無人物流玩家，行深智能的核心底氣是什麼？

文 | 智能相對論 作者 | 孫曉巍 2025年無人物流配送風起雲涌。頭部玩家接連在資本市場有大動作：新石器年內完成第二筆6億美元的融資，九識智能完成1億美元B4輪融資，白犀牛完成B+輪融資，順豐這樣的物流巨頭甚至連投了三次。 毫無疑問，無人物流配送已經成了自動駕駛垂直領域的真正熱門。數據顯示，今年L4級無人物流配送賽道累計融資已超過40億元人民幣。 當乘

數據 , 自動駕駛 , 人工智能 , 深度學習 , 迭代

收藏 評論

qingfouai 頭像

青否Ai - 青否AI員工提升客户體驗：讓服務更智能、更人性化！

在現代企業中，客户體驗已經成為競爭力的重要指標。客户期待快速、精準、個性化的服務，而人工服務往往受限於效率和精力。AI員工的出現，讓企業服務煥然一新，它不僅能高效執行任務，更能讓服務變得智能而人性化。 AI員工能夠實時理解客户需求，從諮詢到解決問題，完成整個業務流程的閉環交付。比如，當客户提出修改訂單或查詢服務狀態時，AI員工會快速識別信息、調用系統執行操作，並及時反饋結果。 整個過程中，客户不再

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

u_16175442 頭像

mob649e81567471 - ollama如何使用顯卡

在當前的AI開發生態中，如何利用顯卡來提升模型的訓練與推理性能成為了每個開發者的重要課題。最近，我在使用Ollama時碰到了一些關於顯卡的使用問題，現將此過程的解決方案記錄下來，以便未來參考。 問題背景 隨着深度學習與自然語言處理的不斷髮展，顯卡成為了訓練大型語言模型的重要計算資源。Ollama是一個支持多種架構的框架，然而在我第一次嘗試利用顯卡時，出現了一些異常現象。

aigc , 深度學習 , memory , CUDA

收藏 評論

u_16213707 頭像

mob64ca1415f0ab - 模型的跨界：我拿Transformer去做目標檢測，結果發現效果不錯

一、Transformer目標檢測基礎概念與核心原理 什麼是Transformer目標檢測？ Transformer目標檢測是以DETR（DEtection TRansformer）為代表的新型檢測範式，其核心思想是將目標檢測任務轉化為直接集合預測問題。與傳統基於卷積神經網絡（CNN）的方法不同，Transformer檢測器摒棄了錨框、非極大

編碼器 , 後端開發 , transformer , 深度學習 , 目標檢測 , Python

收藏 評論

lab4ai 頭像

Lab4AI - 【每日Arxiv熱文】ICLR2026 ！SAM3重磅來襲：能“聽懂人話”的分割模型，性能狂飆2倍！

1.論文概述 論文標題：SAM3: Segment Anything with Concepts 作者團隊：Anonymous authors 發佈時間：ICLR2026 論文鏈接：https://openreview.net/pdf?id=r35clVtGzw 👉Lab4AI 大模型實驗室鏈接： https://www.lab4ai.cn/paper/detail/reprodu

機器學習 , 圖像識別 , 知識 , 人工智能 , 深度學習

收藏 評論

deephub 頭像

deephub - PyTorch中的多進程並行處理

PyTorch是一個流行的深度學習框架，一般情況下使用單個GPU進行計算時是十分方便的。但是當涉及到處理大規模數據和並行處理時，需要利用多個GPU。這時PyTorch就顯得不那麼方便，所以這篇文章我們將介紹如何利用torch.multiprocessing模塊，在PyTorch中實現高效的多進程處理。 多進程是一種允許多個進程併發運行的方法，利用多個CPU內核和GPU進行並行計算。這可以大大提高

pytorch , 人工智能 , 深度學習 , 多進程

收藏 評論

huamingshixunkeji 頭像

華明視訊科技 - 岸橋自動理貨系統：AI視覺技術重塑港口智能作業新標準

在現代化港口運營中，效率、安全與準確性是理貨業務的核心挑戰。岸橋自動理貨系統應運而生，通過融合人工智能、邊緣計算與高清視覺技術，實現對集裝箱信息的實時感知、識別與處理，推動港口作業進入全面智能化時代。 系統核心架構與技術優勢 本系統以高性能高清攝像機和嵌入式AI工控機為核心硬件，依託邊緣計算架構，將算法部署在作業最前端。系統通過在岸橋上直接進行視覺採集與實時分析，有效避免了傳統視頻傳輸

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_16213569 頭像

技術領航舵手 - pytorch 張量如何深拷貝 pytorch batchsize

零、Tricks集宜 0.1 知識搬運 （1）PyTorch提速 預處理提速 IO提速 訓練策略 代碼層面 模型設計 推理加速 時間分析 項目推薦 擴展閲讀 （2）PyTorch節省顯存 儘

機器學習 , pytorch 張量如何深拷貝 , pytorch , 人工智能 , 深度學習 , 2d

收藏 評論

u_16099169 頭像

編程夢想家 - 實時實例分割最新

本文主要解決視頻目標分割領域的一個基本問題：如何使分割模型能夠有效地適應特定視頻以及在線目標的外觀變化。 解決辦法：提出一個圖存儲網絡來對分割模型進行“學習更新”。 大概流程分為兩步：首先構建一個由全連接圖構成的情景存儲網絡，將幀存儲為節點，並通過邊捕獲跨幀的相關性。然後，可學習的控制器被嵌入以簡化內存的讀寫。 相比於以往模型的優勢：結構化的外部

機器學習 , 實時實例分割最新 , 神經網絡 , 人工智能 , 深度學習 , 計算機視覺

收藏 評論

u_16060192 頭像

HyperAI超神經 - 【vLLM 學習】Reproduciblity

vLLM 是一款專為大語言模型推理加速而設計的框架，實現了 KV 緩存內存幾乎零浪費，解決了內存管理瓶頸問題。 更多 vLLM 中文文檔及教程可訪問 →vllm.hyper.ai/ *在線運行 vLLM 入門教程：零基礎分步指南 源碼 examples/offline_inference/reproduciblity.py # SPDX-License-Identifie

vLLM , gpu , 人工智能 , 深度學習 , cpu

收藏 評論

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