tag 深度學習

標籤
貢獻321
323
05:25 PM · Oct 25 ,2025
deephub 頭像 xingxingshangdeliushu 頭像 u_15591470 頭像 tecdat 頭像 u_17512334 頭像 qingfouai 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_16213656 頭像

mob64ca1409d8ea - 麥克風陣列定位深度學習代碼

亞馬遜Echo和谷歌Home爭奇鬥豔，除了雲端服務，他們在硬件上到底有哪些差異？我們先將Echo和Home兩款音箱拆開來看，區別最大的還是麥克風陣列技術。Amazon Echo採用的是環形6+1麥克風陣列，而Google Home（包括Surface Studio）只採用了2麥克風陣列。這種差異我們在文章《對比Amazo

信號處理 , 語音信號 , 人工智能 , 深度學習 , 麥克風陣列定位深度學習代碼 , 語音識別

收藏 評論

u_16213640 頭像

mob64ca1405d568 - HAO 人 物體 動作預測 計算機視覺任務

作者|VVingerfly 3D人體姿態和形狀估計在最近幾年是一個重要的研究熱點，但大部分工作僅僅關注人體部分，忽略了手部動作，港中文聯合Facebook AI研究院提出了一種從單張圖片同時估計人體姿態和手部動作的新方法，展示效果好似科學怪物。 如下圖左下和右下所示，易看出本文提出的方法姿態估計效果更好。

機器學習 , 神經網絡 , 人工智能 , 深度學習 , 計算機視覺

收藏 評論

pannideniupai 頭像

雨大王 - 工業智能體到底是什麼？製造業的“數字員工”解析

工業智能體作為一種新興的智能製造技術，正在製造業領域迅速發展。它通過多智能體協同架構，實現了從感知、決策到執行的全鏈路閉環，為製造業的智能化轉型提供了全新路徑。本文將從工業智能體的定義、核心價值、技術架構、行業應用及發展趨勢等方面進行深入探討。 首先，工業智能體並非簡單的自動化工具，而是融合了人工智能與工業知識的綜合性解決方案。以廣域銘島的實踐為例，其工業智造超級智能體由多個專業智能體組成，

人工智能 , 深度學習

收藏 評論

deephub 頭像

deephub - CALM自編碼器：用連續向量替代離散token，生成效率提升4倍

過去這些年語言模型的效率優化基本圍繞着兩條主線展開：參數規模和注意力機制的複雜度。但有個更根本的問題一直被忽視，那就是自迴歸生成本身的代價。這種逐token生成的模式讓模型具備了強大的通用性，同時也帶來了難以迴避的計算開銷。 現在有一種思路值得關注：不去替換現有的優化手段，而是在上層加一個潛在空間的映射層，直接削減前向傳播的次數。 每次讓GPT-5寫封郵件模型都得一個token一個token地往外

llm , 人工智能 , 深度學習

收藏 評論

u_16099221 頭像

技術領航者之聲 - gis 拓撲錯誤 能否批量處理

主要有添加構建拓撲，拓撲中添加要素，添加規則，輸出拓撲錯誤的功能。 使用： TopologyChecker topocheck = new TopologyChecker(mainlogyDataSet);//傳入要處理的要素數據集 top

數據集 , List , System , arcgis , 人工智能 , 深度學習 , gis 拓撲錯誤 能否批量處理

收藏 評論

u_16099245 頭像

遊俠小影 - Whisper通過命令調優

一：列出文件清單 1． List (gdb) list line1,line2 二：執行程序 要想運行準備調試的程序，可使用run命令，在它後面可以跟隨發給該程序的任何參數，包括標準輸入和標準輸出説明符(和)和外殼通配符（*、？、[、]）在內。 如果你使用不帶參數的run

數組 , 信號處理 , 賦值 , 人工智能 , 深度學習 , Whisper通過命令調優

收藏 評論

u_12935 頭像

doscommand - LLMs開源模型們和數據集簡介

1. 大模型語言模型訓練的幾種主流方法 訓練大型語言模型（LLM）是一個複雜但回報豐厚的過程。根據不同的需求和資源，我們可以選擇多種訓練策略。 1.1 從頭訓練（Pre-training from Scratch）與全參數微調 這種方法指的是在一個大規模的、無標籤的文本語料庫上，從零開始訓練一個全新的語言模型。

數據集 , 數據 , 人工智能 , 深度學習 , 筆記 , 前端開發 , Javascript

收藏 評論

ziwupython 頭像

子午 - 【動物識別系統】Python+TensorFlow+Django+人工智能+深度學習+卷積神經網絡算法

一、介紹 動物識別系統，基於TensorFlow搭建Resnet50卷積神經網絡算法，通過對4種常見的動物圖片數據集（貓、雞、馬、狗）進行訓練，最後得到一個識別精度較高的模型，然後搭建Web可視化操作平台。 技術棧： 項目前端使用Html、CSS、BootStrap搭建界面。 後端基於Django處理邏輯請求 基於Ajax實現前後端數據通信 選題背景與意義： 在人工智能技術蓬勃發展

圖像識別 , 人工智能 , 深度學習

收藏 評論

u_17241003 頭像

瀾極美顏SDK - 什麼是美顏sdk?如何快速開發並集成自拍機的美顏sdk?

先釐清核心概念：美顏SDK（Software Development Kit，軟件開發工具包）是一套封裝了人臉檢測、圖像美化、實時渲染等核心能力的技術組件，包含了算法模型、API接口、開發文檔和演示示例等內容。簡單來説，它就像一個“美顏工具箱”，開發者無需從零研發複雜的計算機視覺算法，只需通過調用接口，就能快速為自拍機等設備接入磨皮、美白、美型、濾鏡等專業美顏功能。

人臉檢測 , 人工智能 , 深度學習 , 開發者 , 開發文檔

收藏 評論

u_15591470 頭像

ceshiren2022 - 避開 Playwright 常見陷阱，讓你的 UI 測試更加快速與穩定

近年來，Playwright 作為一款跨瀏覽器、跨平台的端到端自動化測試框架，越來越多的測試團隊選擇它替代 Selenium 或 Puppeteer。 它提供了強大的 API 和智能等待機制，但在實際項目中，很多團隊仍會遇到各種坑。今天，我們結合行業實踐經驗，總結 Playwright 最容易踩的坑及解決方案，讓你的測試更快、更穩定。 1. 按風險級別組織測試 坑點：按功能模塊組

playwright , 測試數據 , 人工智能 , 深度學習 , 解決方案 , ui

收藏 評論

zengjingaiguodekaomianbao 頭像

曾經愛過的烤麪包 - 豆包AI手機：封殺後炒到近萬，藏着AI時代的生死局

一部廠商主動提示“請謹慎選擇”的手機，開售1天就被搶空。 二手平台上，它的價格直接飆到近萬元。 這不是一部普通手機，而是AI改寫行業規則的信號彈，在移動互聯網江湖炸出了驚雷。 這款引發震動的機型，是搭載豆包手機助手的努比亞M153工程樣機。 它的殺手鐗很簡單：AI能跨着App幫你幹活，從比價到下單，全程不用你碰屏幕。 微信、淘寶、支付寶立刻繃緊了神經，相關功能迅速被封殺。 羅永浩直言“技術革命攔不

數據挖掘 , 人工智能 , 深度學習

收藏 評論

xingxingshangdeliushu 頭像

星星上的柳樹 - IC系統測試實戰

在集成電路（IC）領域，系統級測試是確保產品可靠性與性能合格的關鍵環節。功能測試、性能測試與環境測試是全面驗證不可或缺的步驟。如若你期待結合理論與實操並迅速提升測試能力，EDA Academy 提供最新專業網課，是你成長與分享的理想平台。 1、功能測試：檢驗設計是否“按圖施工” 功能測試圍繞 IC 是否符合規格邏輯展開，是設計驗證的第一道關卡。 自動測試向量生成（ATPG）：通

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

u_16640205 頭像

mb65f83f0864e54 - 卓馭獲得一汽超36億戰略投資

作者：鐘聲 編輯：Mark 出品：紅色星際 紅色星際小程序/移動端快報 近日，卓馭科技宣佈獲得中國第一汽車股份有限公司超36億元的戰略投資。本次交易完成後，卓馭將保持獨立發展的經營戰略，投後估值超一百億人民幣。 獲得這筆超36億元的戰略投資之後，卓馭有了更多的彈藥投入前沿技術研發，像VLA大

市場份額 , 技術研發 , 人工智能 , 深度學習 , 估值

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 【TVM教程】設計與架構

本文檔適用於想要了解 TVM 架構或積極開發項目的開發者。本文檔組織結構如下： 整體編譯流程示例：概述 TVM 如何將一個高級模型描述轉換為可部署模塊的各個步驟。建議首先閲讀本節以瞭解基礎流程。 簡要介紹 TVM 棧中的關鍵組件。您也可以參考TensorIR 深度解析和Relax 深度解析，瞭解 TVM 棧中兩個核心部分的詳細內容。 本指南提供了架構的一些補充視圖。首先研

機器學習 , 人工智能 , 深度學習

收藏 評論

youqingyouyidejidan 頭像

底層邏輯探索 - 差異化、彈性化與 AI 驅動：數據安全平台邁向泛在化的新階段

一、概要 （提示：當數據風險跨越系統邊界時，傳統監測工具的侷限性正被無限放大。） 近幾年，隨着《數據安全法》《網絡數據安全管理條例》等監管要求不斷明確，數據安全監測已從“合規必做”躍升為“體系能力建設”。國家數據局在《數字中國發展報告（2023）》中明確提出，要加快建立數據風險監測預警體系，推動可信數字基礎設施建設。然而，大多數企業與政府機構在落地過程中仍面臨覆蓋盲區大、誤報噪聲高、業

深度學習

收藏 評論

u_16099335 頭像

碼海無壓 - Android攝像頭預覽黑白

一、工業相機選型 1、黑白/彩色 黑白的同樣分辨率的相機，精度比彩色高，尤其是在看圖像邊緣的時候，黑白的效果更好。特別是做圖像處理，黑白工業相機得到的是灰度信息，可直接處理。 要想得到與現實吻合度高的色彩，需要後期處理，比如監控相機。 2、面陣相機/線陣相機 如果對於檢測精度要求很高，運動速度很快，面陣相機的分辨率和幀率達不

移動開發 , 工業相機 , Android攝像頭預覽黑白 , Android , 人工智能 , 深度學習 , 計算機視覺

收藏 評論

u_16827017 頭像

全棧技術開發者 - 什麼是「多模態協同決策」？它與多傳感器融合的關係是什麼？知識蒸餾和跨模態蒸餾有什麼關係？不同模態之間的信息衝突應如何解決？

在過去的十餘年中，智能交通與自動駕駛技術的發展被普遍視為人工智能落地應用最具代表性與最具挑戰性的領域之一。人們對自動駕駛的期待不僅僅是“解放雙手”，更是寄希望於其能夠顯著提升道路利用效率，並最後推動社會出行方式的根本變革。然而，當我們深入考察現有的自動駕駛方案時，一個不容迴避的現實逐漸顯現出來：單車智能正在觸碰其發展的瓶頸。 自動駕駛的決策過程高度依賴感知，而感知本質上是車

自動駕駛 , 人工智能 , 深度學習 , 車聯網 , 模態

收藏 評論

u_17593768 頭像

JUGG11 - 別再當冤大頭！知識管理工具避坑指南，選擇真·提效神器

誰沒被“高大上”的知識管理工具坑過？ 宣傳頁寫滿“全功能覆蓋”“智能高效”，實際用起來卻一言難盡：部署要找技術大神折騰大半天，檢索時關鍵詞不對就搜不到，年費還按用户數翻倍漲，中小企業根本扛不住。最後工具成了“擺設”，文檔躺在裏面睡大覺，錢花了不説，效率反而更拉胯。 但千萬別一棍子打死所有知識管理工具！真正的好工具，從不用噱頭忽悠人，而是用實打實的體驗和數據説話。今天就

商業 , github , 數據 , 管理工具 , 人工智能 , 深度學習

收藏 評論

u_16099281 頭像

雲端築夢師 - 深度學習pr計算公式

這個學期選了數據挖掘的課程，期末要做一個關於鏈接分析算法的報告，這是PR算法的小結。 PageRank 這個學期選了數據挖掘的課程，期末要做一個關於鏈接分析算法的報告，這是PR算法的小結。 算法 PR算法基於等級權威的思想，及不僅考慮指向該網頁的鏈接數，同時也考慮指向該網頁網站的重要程度。 PR算法是一種靜態的網頁評級方法，因為它為每個網

深度學習pr計算公式 , 馬爾科夫鏈 , 人工智能 , 深度學習 , 概率分佈 , Web

收藏 評論

u_17512334 頭像

疆鴻智能研發中心 - 疆鴻智能MODBUS TCP與PROFIBUS在核電廠的異構集成解決方案

疆鴻智能MODBUS TCP與PROFIBUS在核電廠的異構集成解決方案 我們廠裏最近遇到了個通信難題。控制室新上的監控系統用的是MODBUS TCP協議，而汽輪機調速、給水控制這些關鍵區域的現場設備，清一色是十幾年前部署的PROFIBUS-DP從站。它們就像兩撥説不同語言的人，各自為政，數據成了“信息孤島”。改造設備？成本高昂，停機風險不可接受。於是，尋找一位可靠的“翻譯

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

收藏 評論

u_16175505 頭像

mob649e816594b7 - window下的ollama怎麼啓用gpu

在Windows下使用Ollama啓用GPU的過程，常見於機器學習和深度學習任務中。對於那些希望利用GPU進行加速計算的用户來説，瞭解如何正確配置環境是非常重要的。本文詳細描述了這一問題的背景、錯誤現象及解決方案，幫助大家順利在Windows平台上使用Ollama並啓用GPU。 問題背景 在使用Ollama進行深度學習模型的部署時，有用户發現無法啓用GPU，從而導致訓練速度緩慢，

aigc , 深度學習 , ci , CUDA

收藏 評論

qingfouai 頭像

青否Ai - 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

captainbed 頭像

人工智能AI技術 - 【SD教程】為什麼要學SD

朋友，可以轉載，但請註明出處，謝謝！http://blog.csdn.net/jiangjunshow 為什麼要學習stable diffusion（簡稱SD）？最直白的原因——它能帶來新收入。至於是幾萬幾十萬還是幾百萬，那就要看你的能力和運氣。 為什麼能帶來新收入？因為它使生產力實現了飛躍，而且是“核爆式”的飛躍。就像別人還在扔手榴彈，你已經可以投原子彈了。就像過去是用馬車拉貨

插入圖片 , 人工智能 , 深度學習 , .net , 美圖秀秀

收藏 評論