tag 深度學習

標籤
貢獻321
319
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_16060192 頭像

HyperAI超神經 - 重塑無序蛋白集合預測能力，英偉達/MIT/牛津大學/哥本哈根大學/Peptone等發佈生成式模型及新評測基準

在結構生物學的發展歷史中，「結構決定功能」一度被視為近乎不可動搖的基本法則。無論是胰島素的經典螺旋構象，還是血紅蛋白的四聚體架構，都強化了一個共識：蛋白質要發揮生物學作用，必須擁有穩定的三維結構。 然而，內在無序蛋白（IDPs）及其內在無序區域（IDRs）的發現， 正不斷重塑這一傳統認知。它們在生理條件下並不形成固定結構，卻深度參與信號轉導、基因轉錄調控等核心過程，並與癌症、神經退行

生成模型 , 生物醫學 , AI , 人工智能 , 深度學習 , 蛋白質

收藏 評論

u_16391614 頭像

老艾的AI世界 - AI證件照製作神器！任意尺寸和類型，兩秒出圖（附下載鏈接）

在日常生活與工作中，證件照的需求無處不在，無論是製作求職簡歷、畢業證還是參加考試，常常需要不同尺寸、不同底色的證件照。但是，拍攝一張符合規範的證件照往往需要前往照相館，專業攝影費用高，不僅耗時耗力，還可能需要長時間排隊等候，如果下次要用到其他類型證件照，還得再跑一趟 IDLyst是一款基於AI技術的專業證件照製作工具，支持批量生成不同尺寸的各類標準證件照，包括排版照

證件照製作軟件 , 證件照製作 , yyds乾貨盤點 , AI證件照製作 , AI , 人工智能 , 深度學習

收藏 評論

u_17607960 頭像

wx694bc8b9eaf99 - 從“幻覺”到“執行”：深度覆盤 Coze 插件生態如何重塑 Agent 的業務邊界

引言 在 AIGC 的上半場，業界沉浸在大語言模型（LLM）“吟詩作賦”的驚豔中;但步入下半場，企業級應用的核心考量已轉向Agent 的“辦事能力”。作為架構師，我們必須意識到：如果説 Prompt 是靈魂的指令，那麼插件（Plugin）就是 Agent 觸達物理世界的末梢神經。 一、 生產力範式轉移：從“信息諮詢”到“邏輯交付” 原生 LLM 無論參數多大，本質上仍

code , API , 人工智能 , 深度學習 , 架構師

收藏 評論

u_17580222 頭像

mb691327edb400f - AI 招聘系統重塑招聘行業

AI 招聘系統重塑招聘行業 招聘領域的靜默革命：AI重構人才選拔的底層邏輯 招聘失誤帶來的成本損耗，遠比企業想象中更為沉重。一次不當的僱傭決策，可能讓企業承擔該職位年薪30%-50%的直接成本，還會引發團隊士氣低落、培訓資源閒置等連鎖問題。在傳統面試模式裏，HR僅憑主觀判斷和有限的簡歷信息做決策，極易讓優質人才與企業失之交臂。而AI技術的深度應用，正從評估精度、體驗優

交互設計 , 上傳 , ATS , 人工智能 , 深度學習

收藏 評論

ziwupython 頭像

子午 - 【車型識別系統】Python+TensorFlow+Vue3+Django+人工智能+深度學習+卷積網絡+resnet50算法

一、介紹 車型識別系統，基於TensorFlow搭建卷積神經網絡算法，通過對6種常見的車型車輛圖片數據集（'SUV', '吉普車', '家用轎車', '巴士', '貨車', '麪包車'）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。 前端: Vue3、Element Plus 後端：Django 算法：TensorFlow、卷積神經網絡算法 具體功能： 系統分為管理員

圖像識別 , 人工智能 , 深度學習

收藏 評論

chenzhuodeyagao 頭像

沉着的牙膏 - 低代碼配置、可落地、業務賦能：數據分類分級系統引領政務數據治理新實踐

一、概要 提示：政務數據分類分級不僅是政策要求，更是數字政府建設的基礎工程，直接關係到數據安全與服務效能。在數字化轉型加速的背景下，政務數據呈現“多源異構、跨域流轉”特徵，數據孤島與安全風險並存。為破解“數據不通、安全不保、合規不足”的困局，知源-AI數據分類分級系統，以“低代碼配置、可落地、業務賦能”為核心特性，助力政府實現數據資產的精準識別、智能分級與合規復用。知源-AI數據分類分級系統

深度學習

收藏 評論

tecdat 頭像

拓端tecdat - 專題：2025年遊戲市場洞察報告：市場規模、用户行為、投資趨勢|附320+份報告PDF、數據、可視化模板彙總下載

原文鏈接：https://tecdat.cn/?p=44531 原文出處：拓端抖音號@拓端tecdat 引言 當遊戲行業告別“躺贏式增長”，項目延期、成本高企的挑戰與雲遊戲、生成式AI的機遇碰撞時，從業者該如何錨定方向？玩家圈層從Z世代向銀髮羣體延伸，又該如何適配全人羣需求？投資者面對紛繁賽道，怎樣捕捉真正的增長紅利？ 遊戲早已不是“小眾娛樂”，而是覆蓋30億+玩家、融合技術與文化的

機器學習 , 數據挖掘 , 算法 , 人工智能 , 深度學習

收藏 評論

u_15444 頭像

gulaotou - 醫學影像特徵提取與導出_醫學影像的特徵提取

1 DICOM特徵提取手藝概述 所有智能診斷系統的起點。就是在醫學影像的世界裏，DICOM文件，就像一種通用語言，每一份文件中都封裝了病人的具體信息和影像切片，而AI要想讀懂這些影像就必須先從這些文件裏提煉出關鍵的特徵，這幾乎 繼而目前的現狀是提取特徵的方法也一直在進化，早期靠工程師一點點手動設計，現在則更多地依賴深度學習模型去自動發現，由此也衍生

後端開發 , 深度學習 , 頻域 , 特徵提取 , Python

收藏 評論

fulade 頭像

弗拉德 - 【Python 1-16】Python手把手教程之——類Class的繼承、父類、子類

作者 | 弗拉德 來源 | 弗拉德（公眾號：fulade_me) 繼承 編寫類時，並非總是要從空白開始。如果你要編寫的類是另一個現成類的特殊版本，可使用 繼承。一個類繼承另一個類時，它將自動獲得另一個類的所有屬性和方法;原有的類稱為父類， 而新類稱為子類。子類繼承了其父類的所有屬性和方法，同時還可以定義自己的屬性和方法。 子類的方法__init__() 創建子類的實例時，Python首先需要

python3 , python2.7 , 人工智能 , 深度學習 , Python

收藏 評論

fulade 頭像

弗拉德 - 【Python 1-17】Python手把手教程之——文件的讀寫以及I/O操作

作者 | 弗拉德 來源 | 弗拉德（公眾號：fulade_me) 從文件中讀取數據 文本文件可存儲的數據量很多，每當需要分析或修改存儲在文件中的信息時，讀取文件都很有用，對數據分析應用程序來説尤其 如此。例如，你可以編寫一個這樣的程序:讀取一個文本文件的內容，重新設置這些數據的格式 並將其寫入文件，讓瀏覽器能夠顯示這些內容。 要使用文本文件中的信息，首先需要將信息讀取到內存中。為此，你

python3 , 數據挖掘 , python2.7 , 深度學習 , Python

收藏 評論

u_17512334 頭像

疆鴻智能研發中心 - 智能“翻譯官”：MODBUS轉PROFIBUS網關，解鎖攪拌站無人裝載新紀元

智能“翻譯官”：MODBUS轉PROFIBUS網關，解鎖攪拌站無人裝載新紀元 在工業自動化的浪潮中，數據協議的“語言不通”常常成為系統聯通的絆腳石。在一家現代化攪拌站內，就上演了這樣一場精彩的“溝通”大戲：一方是控制中樞——西門子PLC（秉持PROFIBUS協議），另一方是執行先鋒——無人裝載機（通常採用MODBUS協議）。而促成它們無縫協作的關鍵“翻譯官”，正是PROFI

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

收藏 評論

lyh_bxxw 頭像

編學小屋 - Python的認知，你有了解嘛？看看吧少走點彎路！

首先得問自己學Python能幹嘛？ 收錄：CSDN【學Python説簡單真的簡單，説難也難，就由過來人給你總結為什麼吧。】 這個問題不好回答，因為Python有很多用途。 比如Python比較熱門的領域： 1、web開發 2、數據分析 3、人工智能 4、自動化運維 5、遊戲開發 6、網絡爬蟲 ....... 對於初學者來説 可能都感興趣！ 人嘛對未知的充滿好奇，

機器學習 , 人工智能 , 深度學習 , sublime-text , Python

收藏 評論

yuanfang_648a85b26d85e 頭像

farfarcheng - DPA-1 遇見指南｜DP-SSE 固態電解質實戰

為了生產一個機器學習勢函數，你積累了大量的第一性原理數據，卻發現訓練模型的樣本效率不足，遷移性差。如此大的花費只能體驗“一次性”的機器學習分子動力學模擬 (MLMD)？這未免太貴了！ ChatGPT 等大規模語言模型的成功讓我們看到了“預訓練模型+少量新數據微調”解決這一難題的可能，勢函數生產能否參考此訓練策略進行？ 圖 1｜預訓練模型+

函數 , 機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

yuanfang_648a85b26d85e 頭像

farfarcheng - JAX-FEM｜當有限元遇上機器學習

近年來，機理與數據的融合計算正快速發展着。機器學習作為數據驅動的計算方法，以其解決高維複雜問題的能力而聞名於世。它在視覺理解、自然語言處理等領域取得了重大突破。與此同時，基於機理的計算方法，如有限元模擬，在現代工業中起着至關重要的作用，廣泛應用於飛機、汽車、材料和新能源等行業。 有限元方法簡介與挑戰 有限元法（FEM，Finite Element Method）是一種為求解偏微分方程邊值問題近似解

函數 , 機器學習 , 數學 , 人工智能 , 深度學習

收藏 評論

liuyuedekele 頭像

六月的可樂🥤 - 智能API代碼示例生成工具AiRestful

一、產品介紹 AiRestful是一款基於智能AI的,幫助小白快速生成任意編程語言的API接口調用示例代碼的編程工具.它的特點是:簡單易用、集成支持、多主流編程語言覆蓋.它是面向學生、編程愛好者、編程小白的實用工具. AiRestful官網: 點擊直達AiRestful官網 二、如何使用 AiRestful是簡單易用的,只需要三步即可為您生成您需要的編程語言的代碼示例. 1、第一步(必須): 根

restful , 人工智能 , 深度學習 , 前端 , Javascript

收藏 評論

thinking80s 頭像

Thinking80s - 我的編程之路

3.1 初識編程 在深圳的這個新起點，我開始了對編程世界的探索。哥哥不僅是我的家人，也成了我編程路上的第一位導師。他耐心地從基礎開始教我，從變量、數據類型到條件語句、循環結構，每一個概念都講解得清清楚楚。 詳細內容： 我還記得第一次編寫代碼時的緊張和興奮。那是一段簡單的程序，用來計算兩個數的和。儘管現在看來非常簡單，但當時卻讓我激動不已。隨着時間的推移，我逐漸掌握了更多的編程知識，開始嘗試編寫更復

服務器 , ruby , 數據庫 , 深度學習 , 前端

收藏 評論

deephub 頭像

deephub - LLM代理應用實戰：構建Plotly數據可視化代理

如果你嘗試過像ChatGPT這樣的LLM，就會知道它們幾乎可以為任何語言或包生成代碼。但是僅僅依靠LLM是有侷限的。對於數據可視化的問題我們需要提供一下的內容 描述數據:模型本身並不知道數據集的細節，比如列名和行細節。手動提供這些信息可能很麻煩，特別是當數據集變得更大時。如果沒有這個上下文，LLM可能會產生幻覺或虛構列名，從而導致數據可視化中的錯誤。 樣式和偏好:數據可視化是一種藝術形式，每個人都

llm , 代理 , 人工智能 , 深度學習 , 可視化

收藏 評論

deephub 頭像

deephub - 如果你的PyTorch優化器效果欠佳,試試這4種深度學習中的高級優化技術吧

在深度學習領域，優化器的選擇對模型性能至關重要。雖然PyTorch中的標準優化器如 SGD 、 Adam 和 AdamW 被廣泛應用，但它們並非在所有情況下都是最優選擇。本文將介紹四種高級優化技術，這些技術在某些任務中可能優於傳統方法，特別是在面對複雜優化問題時。 我們將探討以下算法： 序列最小二乘規劃（SLSQP） 粒子羣優化（PSO） 協方差矩陣自適應進化策略（CMA-ES） 模擬退

神經網絡 , pytorch , 人工智能 , 深度學習 , 優化

收藏 評論

algieba 頭像

阿爾的代碼屋 - [python 技巧] 快速掌握Streamlit: python快速原型開發工具

本文旨在快速上手python的streamlit庫,包括安裝，輸入數據，繪製圖表，基礎控件，進度條，免費部署。 Streamlit，更快地幫你建構和分享數據應用! streamlit官網如是説, 在數據處理，數據展示，機器學習原型，AI原型展示等方面十分契合。當然咱們用來做一些簡單的web應用也是完全沒問題的，上手難度低，部署簡單，且官方平台提供了免費的可公網訪問Streamlit Sharing

機器學習 , streamlit , webapp , 深度學習 , Python

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 僅用1年成為DeepMind頂樑柱，John Jumper博士畢業7年拿諾獎，開啓蛋白摺疊新時代

「我以為我只有 10% 的機會獲得諾貝爾化學獎」，得知獲獎消息後，John Jumper 在電話採訪中笑着説道。他的語氣中帶着謙遜與感慨，而這份殊榮的背後，則是 AlphaFold2 帶來的科學革命，徹底改變了蛋白質結構預測的方式。 截至目前，已有來自 190 個國家的 200 多萬人使用這一工具，它不僅加速了新藥研發和疾病研究，也為基礎科學探索提供了前所未有的支持，深刻影響了生命科學的未來發展。

機器學習 , 強化學習 , google , 人工智能 , 深度學習

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 【vLLM 學習】歡迎來到 vLLM!

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 →https://vllm.hyper.ai/ vLLM 是一個快速且易於使用的庫，專為大型語言模型 (LLM) 的推理和部署而設計。 vLLM 的核心特性包括： 最先進的服務吞吐量 使用 PagedAttention 高效管理注意力鍵和值的內

機器學習 , llm , 框架 , 人工智能 , 深度學習

收藏 評論

deephub 頭像

deephub - TorchOptimizer：基於貝葉斯優化的PyTorch Lightning超參數調優框架

超參數優化是深度學習模型開發過程中的一個核心技術難點。合適的超參數組合能夠顯著提升模型性能，但優化過程往往需要消耗大量計算資源和時間。本文介紹TorchOptimizer，這是一個基於貝葉斯優化方法的超參數優化框架，專門用於優化PyTorch Lightning模型的超參數配置。 TorchOptimizer是一個集成了PyTorch Lightning框架和scikit-optimize貝葉斯

機器學習 , pytorch , 人工智能 , 深度學習 , 優化

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 甲骨實物高保真數據歸國，AI助力古文釋讀，發現甲骨新圖像

「明年我們去法國接甲骨文回家」，2024 年 12 月下旬，安陽師範學院甲骨文信息處理教育部重點實驗室的研究人員遠赴法國，與法國國家圖書館等 4 家甲骨文收藏機構簽訂合作協議，將以數字化形態將已經遠離故土許久的甲骨文文化遺產「接回家」。 2024 年 8 月 5 日，「全球甲骨數字迴歸計劃」正式啓程，實驗室主任劉永革帶領團隊成員張展、李邦、郭安、龔慕凡飛往韓國，於 8 月 13 日帶回了 7 片甲

機器學習 , llm , 3d , 人工智能 , 深度學習

收藏 評論

puxiaoke6 頭像

一點人工一點智能 - 書籍-《正則表達式謎題與AI編碼助手》

書籍：Regular Expression Puzzles and AI Coding Assistants: 24 puzzles solved by the author, with and without assistance from Copilot, ChatGPT and more 作者：David Mertz 出版：Manning​ 編輯：陳萍萍的公主@一點

機器學習 , 人工智能 , 深度學習 , 正則表達式

收藏 評論