tag 深度學習

標籤
貢獻321
328
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 chenzhuodeyagao 頭像 u_17580222 頭像 youqingyouyidejidan 頭像 chaoshenjinghyperai 頭像 ziwupython 頭像 u_16970152 頭像

@深度學習 / 博客 RSS 訂閱

huodadexiang 頭像

南瓜 - 從人工目檢到 AI 質檢-YOLOv8 驅動的 PCB 缺陷檢測系統【完整源碼】

從人工目檢到 AI 質檢-YOLOv8 驅動的 PCB 缺陷檢測系統【完整源碼】 一、項目背景與研究意義 在電子製造領域，PCB（Printed Circuit Board，印製電路板）缺陷檢測是保障產品質量的核心環節之一。傳統的人工目檢或規則算法存在以下問題： ❌ 效率低：人工檢測難以滿足大規模流水線需求 ❌ 一致性差：不同檢測人員經驗差異明顯 ❌ 規則泛化能力弱：傳統圖像算法難以應對

機器學習 , 人工智能 , 深度學習

收藏 評論

u_17569005 頭像

wx6906fb3f9b17a - 智能掃碼刷卡或臉梯控系統集成RFID、QR與AI，適用於智慧社區和辦公樓，具備高效安全的門禁管理功能

智能QR二維碼刷IC卡人臉AI識別梯控系統設備清單及詳情，整合了關鍵信息並補充了部分功能説明，使其更清晰和完整。 系統模塊 設備名稱

智能梯控 , 梯控 , 智能派梯 , IC卡電梯 , 人工智能 , 深度學習 , 電梯門禁

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 【TVM教程】為 Mobile GPU 自動調優卷積網絡

Apache TVM 是一個深度的深度學習編譯框架，適用於 CPU、GPU 和各種機器學習加速芯片。更多 TVM 中文文檔可訪問 →https://tvm.hyper.ai/ 作者：Lianmin Zheng, Eddie Yan 針對特定設備的自動調優對於獲得最佳性能至關重要。本文介紹如何調優整個卷積網絡。 TVM 中 Mobile GPU 的算子實現是以 template 形式編寫的。該 te

編程 , 機器學習 , 人工智能 , 編譯器 , 深度學習

收藏 評論

u_16756731 頭像

KlipC小助手 - 英偉達Q3超預期財報，能否擊破“AI泡沫論”？

KlipC報道：當地時間11月19日，市場高度期待的英偉達三季度財報如期公佈，公司再度交出遠超預期的成績單。 財報顯示，英偉達三季度營收達到570億美元，同比增長62%；淨利潤319億美元，同比暴增65%；調整後每股收益（EPS）為 1.30美元，全面超出市場預估。同時，給出了超預期的四季度指引，預計營收將達到650億美元，上下浮動2%。 值得注意的是，英偉達最重要的業務板塊數據中心表現

英偉達 , 數據中心 , 人工智能 , 深度學習

收藏 評論

u_16213666 頭像

mob64ca140c3859 - 深度學習中如何確定缺陷面積

軟件或程序中存在的各種問題及錯誤 一、軟件缺陷的定義 二、軟件缺陷的判定標準 三、軟件缺陷產生的原因 四、軟件缺陷產生的根源 五、軟件缺陷信息 1、 缺陷的基本內容 2、缺陷的狀態 3、缺陷的嚴重程度 4、缺陷的優先級 一、軟件缺陷的定義

軟件測試 , 優先級 , 管理工具 , 軟件缺陷 , 人工智能 , 深度學習中如何確定缺陷面積 , 深度學習

收藏 評論

u_16349720 頭像

短短同學 - 一文吃透HTTP協議:從基礎原理到深度細節

一文吃透 HTTP 協議：從基礎原理到深度細節 HTTP（HyperText Transfer Protocol，超文本傳輸協議）是支撐萬維網運行的核心協議，所有瀏覽器與服務器的交互、App 的接口請求、靜態資源加載，本質都是 HTTP 協議的通信過程。掌握 HTTP 不僅是開發者排查接口問題、優化性能的基礎，更是理解 Web 架構的關鍵。本文從 “基礎定義→核心組成→進階

服務器 , HTTP , 緩存 , 人工智能 , 深度學習

收藏 評論

tecdat 頭像

拓端tecdat - 專題：2025全球遊戲產業趨勢洞察報告 | 附130+份報告PDF、數據、可視化模板彙總下載

原文鏈接：https://tecdat.cn/?p=44307 原文出處：拓端抖音號 @拓端 tecdat 1983年任天堂FC紅白機把遊戲搬進家庭客廳，2016年《Pokémon GO》用AR讓玩家走出家門，2025年AI能自動生成30%的遊戲場景、雲平台支撐全球千萬玩家同步聯機——三十多年裏，遊戲產業從“小眾娛樂”長成了規模1890億美元的數字娛樂支柱。這背後不只是設備的升級，更是玩家需求從

數據挖掘 , 算法 , 人工智能 , 深度學習

收藏 評論

infodator 頭像

容智信息 - 錨定GCAO核心原則，讓企業智能體建設精準落地、高效產出

不少B端企業在智能體建設中陷入困局：投入了技術資源，落地的智能體卻要麼偏離業務核心目標，要麼決策脱離實際場景，最終淪為“演示工具”而非“生產力引擎”。問題的核心，在於缺乏一套系統、可落地的構建原則——而容智信息提出的GCAO框架，為破解這一困局提供了一套專業方法論，讓智能體建設從“盲目試錯”轉向“價值導向”。 智能體建設的首要誤區，是將“自動化”等同於“價值化”，導致工具落

資訊 , 機器人 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 【TVM 教程】用 TEDD 進行可視化

Apache TVM 是一個端到端的深度學習編譯框架，適用於 CPU、GPU 和各種機器學習加速芯片。更多 TVM 中文文檔可訪問 → https://tvm.hyper.ai/ 作者：Yongfeng Gu 本文介紹使用 TEDD（Tensor Expression Debug Display）對張量表達式進行可視化。 張量表達式使用原語進行調度，單個原語容易理解，但組合在一起時，就會變得複雜。

編程 , 機器學習 , 人工智能 , 編譯器 , 深度學習

收藏 評論

u_15675190 頭像

冰淇淋紅茶Q - 十月第一篇【AI落地應用實戰】基於 Amazon Bedrock、Agents、Rekognition 構建家庭智慧安防方案

一、引言 近年來，人工智能（AI）技術的飛速發展為智能家居和安全防護領域帶來了前所未有的機遇。隨着人們對居住環境安全性和智能化水平需求的不斷提升，如何利用AI的強大能力，豐富家居攝像頭、智能門鎖、智能安防監控等產品的核心功能，並顯著提升其智能化和自動化水平，已成為業界關注的焦點和創新的前沿。 基於這一背景，本方案主要由兩大場景構成：家庭環境智能監控和人臉檢測及校驗。

數據 , 智能家居 , amazon , 人工智能 , 深度學習

收藏 評論

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