tag 深度學習

標籤
貢獻317
263
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_17580222 頭像

mb691327edb400f - AI賦能招聘：重塑HR工作新生態

AI賦能招聘：重塑HR工作新生態 在生成式AI重構商業邏輯的今天，4.4萬億美元的潛在價值正等待挖掘，但多數企業仍停留在AI應用的“試點困境”，中小企業尤為突出——“不會用、不敢用”的顧慮，讓組織間的“AI優勢鴻溝”持續擴大。對於人力資源管理而言，這場變革既是挑戰更是機遇：HR若能借AI之力突破傳統工作瓶頸，便能從繁瑣事務中抽身，迴歸戰略賦能的核心角色；反之，則可能成為組織

數據管理 , 數據 , ATS , 人工智能 , 深度學習

收藏 評論

u_17512334 頭像

疆鴻智能研發中心 - 水泥廠生產線改造記：當Modbus TCP遇上PROFIBUS

1 項目背景 去年夏天，我被派往晉北一家水泥廠，負責生產線控制系統的升級改造。廠裏的情況很典型：中控室去年新上的監控平台只支持Modbus TCP，而生產線上的關鍵設備——包括三台德國進口的立磨機、兩套窯尾預熱器控制系統和一套熟料冷卻系統——都採用老式PROFIBUS-DP通信。每次生產參數調整，都需要工人現場操作，效率低下且存在安全隱患。 更棘手的是，生產

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

收藏 評論

u_15675268 頭像

1艾一刀 - 全新鴻蒙二合一平板電腦！華為MatePad Edge 11月25日正式發佈

2025年11月25日，華為正式推出首款鴻蒙二合一平板電腦——MatePad Edge，憑藉形態創新、性能越級、生態交互融合與數據互通四大核心優勢，突破平板與電腦邊界，以融合形態打開用户辦公、生活的創新體驗，開啓移動設備融合新紀元。 鴻蒙二合一，真融合的二合一 二合一產品是電腦與平板行業發展歷程上的重要嘗試。鴻蒙二合一平板電腦並非簡單的平板與筆記本疊加，而是通

平板電腦 , 數據 , 人工智能 , 深度學習 , 液冷

收藏 評論

u_17512334 頭像

疆鴻智能研發中心 - 水泥廠“寶藏網關”：讓ETHERCAT和MODBUS“雙向奔赴”，效率拉滿！

水泥廠“寶藏網關”：讓ETHERCAT和MODBUS“雙向奔赴”，效率拉滿！ 在水泥生產的核心環節——原料處理過程中，破碎機、球磨機、立磨等關鍵設備的高效穩定運行直接關係到整條生產線的產能與品質。隨着工業自動化技術的飛速發展，如何實現不同協議設備間的無縫通信，成為企業提升智能化水平的重要挑戰。而ETHERCAT轉MODBUS協議轉換網關的出現，為這一問題提供了完美的解決方案

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

收藏 評論

u_16213690 頭像

mob64ca1411e411 - 批量處理 IOPaint 代碼

有些時候，我們不僅要對一張圖片進行處理，可能還會對一批圖片處理，有如下兩種方法： 通過循環來執行處理 調用程序自帶的圖片集合來處理 對於第二種方法，用到的圖片集合函數為 skimage.io.ImageCollection(load_pattern,load_func=None) 這個函

批量處理 IOPaint 代碼 , 批量操作 , 回調函數 , 灰度圖 , 人工智能 , 深度學習 , Python

收藏 評論

chenzhuodeyagao 頭像

沉着的牙膏 - 如何統一管理紛繁複雜的後端API？—— 解析API網關的關鍵作用

如何統一管理紛繁複雜的後端API？—— 解析API網關的關鍵作用 API網關是企業級應用架構中的關鍵組件，它作為所有客户端請求的統一入口，將複雜的後端服務封裝成簡單、統一的接口對外提供。下面我們從實際場景出發，理解它的必要性與核心作用。 假設你正在開發一個電商平台，後端由多個微服務組成，比如用户、商品、訂單、支付、推薦等。如果讓客户端直接對接這些服務，會面臨一系列問題：每個服務可能需要

深度學習

收藏 評論

quanzhikeji 頭像

全知科技 - 構築教育數據安全防線：從“靜態邊界”到“動態閉環”的防護躍遷

近日，湖南省湘西州某所高校因監控系統在互聯網上未設置任何安全防護措施，導致包含大量師生行為軌跡的敏感視頻數據完全暴露而被網信辦依法開出罰單。雖然這是湘西州首例針對教育機構數據安全的行政處罰，但數據安全監管的觸角早已深入基層教育單位，此次事件再一次為整個教育行業敲響了警鐘。在教育數字化轉型的過程中，數據具有高流動性和強關聯性，如今更是教學與科研活動的核心資產，涵蓋學生隱私信息、教學資源、科

深度學習

收藏 評論

huamingshixunkeji 頭像

華明視訊科技 - 火車集裝箱編號識別系統的全方位解決方案

在現代化物流體系中，鐵路運輸以其運能大、成本低、綠色環保的優勢，扮演着不可或缺的角色。然而，傳統依賴人工記錄和識別集裝箱編號的方式，不僅效率低下，還極易出錯，成為提升整體物流鏈效率的瓶頸。針對這一痛點，先進的火車集裝箱編號識別系統應運而生，通過智能化技術為鐵路物流裝上了“智慧之眼”。 系統核心價值：精準、高效、全自動 本解決方案旨在通過部署先進的計算機視覺和深度學習技術，對進出火車站的

數據挖掘 , 圖像識別 , 神經網絡 , 人工智能 , 深度學習

收藏 評論

deephub 頭像

deephub - BipedalWalker實戰：SAC算法如何讓機器人學會穩定行走

下肢假肢的控制系統設計一直是個老大難問題。傳統控制理論需要建立肢體和環境的精確數學模型，但現實世界可以不一樣，比如説地面摩擦力時刻在變，坡度各不相同，患者隨時可能絆一下。這就需要控制器具備自適應能力，能從失誤中恢復，還得在沒有顯式編程的情況下習得自然的步態模式。 強化學習給出了一條思路：讓假肢自己通過試錯"學會"走路。但是標準RL算法有個毛病，它太貪心了，找到一種能用的移動方式就死守着不放

強化學習 , 機器人 , 人工智能 , 深度學習

收藏 評論

huamingshixunkeji 頭像

華明視訊科技 - 選擇質量過硬的AI集裝箱號識別系統廠家三大要素

隨着全球貿易與智慧物流的深度融合，集裝箱號碼自動識別已成為衡量港口、碼頭及物流園區智能化水平的關鍵標尺。面對市場上眾多的AI集裝箱號識別系統廠家，如何做出明智選擇？ 01 技術實戰能力：識別率的關鍵在於極端環境 選擇AI集裝箱識別系統的首要考量，是它在真實作業環境中的穩定表現。許多廠家宣傳的99.9%識別率，可能只是在理想實驗室環境下的數據。 在實際運營中，集裝箱常面臨多重挑戰：

機器學習 , 圖像識別 , 神經網絡 , 人工智能 , 深度學習

收藏 評論

u_16283671 頭像

AUTO芯球 - 智己汽車11月銷售13,577台，連續三月創品牌歷史新高！

最新數據顯示，智己汽車11月銷量達13,577台，首次實現連續三月破萬，且接連三個月刷新品牌月銷紀錄。這一持續增長勢能的背後，是“恆星超級增程”技術賦能下的雙爆款——新一代智己LS6與上汽旗艦大六座智己LS9，以斷代領先的技術和最具誠意的價格權益，分別成為20萬級與30萬級新能源市場的熱門首選，在今年紅海的高端新能源汽車市場中殺出重圍。 作為今年唯一的800V大電池

英偉達 , 激光雷達 , 人工智能 , 深度學習 , 4D

收藏 評論

u_14682436 頭像

TwcatL - 深度學習的“黑箱”解決之路：可解釋性技術的核心價值與實踐探索

隨着深度學習在醫療、金融、司法等關鍵領域的廣泛應用，“黑箱”問題逐漸成為制約其進一步落地的核心瓶頸。一個模型能夠精準d預測結果，但我們卻無法解釋其決策依據——在癌症診斷中，模型為何判定患者為陽性？在信貸審批中，模型為何拒絕用户的貸款申請？這種不可解釋性不僅降低了用户對模型的信任度，還可能帶來合規風險。本文結合我的研究與實踐經歷，深入探討深度學習可解釋性的核心價值、主流技術方法、應

指尖人生 , 權重 , 模塊化 , 深度學習 , jquery , 前端開發

收藏 評論

u_16054295 頭像

百能雲芯 - 三星品牌存儲“雙9”黃金搭檔真爆款┃百能雲芯

　1、三星T9移動固態硬盤高效影像存儲 視頻以豐富的表現力和更高效的觀看方式，成為當下最受歡迎的內容呈現形式，而社交網絡的蓬勃發展也讓每個人都能成為自己的導演。但隨着拍攝的影像素材分辨率不斷增長、數量的不斷增加，如何能高效地存儲和備份這些視頻素材就是個很嚴肅的問題，而大容量、高效能三星T9固態硬盤就是非常理想的選擇。

三星 , 人工智能 , 深度學習 , 百能雲芯

收藏 評論

u_17512334 頭像

疆鴻智能研發中心 - 告別“脆皮”網絡！水電廠疆鴻智能PROFIBUS靠集線器“支稜”起來了

告別“脆皮”網絡！水電廠疆鴻智能PROFIBUS靠集線器“支稜”起來了 一、行業背景與現場環境 我國西南地區某大型水力發電站，裝機容量達850MW，承擔着區域電網調峯調頻的重要任務。電站控制系統採用西門子S7-400系列PLC作為主控制器，構建了基於PROFIBUS-DP的分佈式控制系統。然而，在實際運行中面臨着獨特挑戰：廠區設備分佈跨越多個樓層和廠房，最遠設備距離

PROFIBUS集線器 , 集線器 , profibus , 工業通訊 , 人工智能 , 深度學習 , 工業自動化

收藏 評論

u_16175479 頭像

mob649e815f494b - stable diffusion 數組越界

在使用 Stable Diffusion 生成圖像或文本時，開發者可能會遇到數組越界這類問題。數組越界通常指的是試圖訪問數組中不存在的元素，這可能導致程序崩潰或出現不穩定的行為。以下是如何解決 Stable Diffusion 數組越界問題的詳細過程。 背景定位 在機器學習和深度學習的應用中，Stable Diffusion 是一種廣泛使用的生成模型。根據技術文獻： “Stabl

生成模型 , 數組越界 , aigc , 深度學習

收藏 評論

u_17569005 頭像

wx6906fb3f9b17a - AGV/AMR/ 機器狗乘梯控制系統通過 **"感知 - 控制 - 通信"** 三層架構，實現了機器人與電梯的無縫協同，可擴展至閘機、各類門控設備，構建完整的智能通行生態

前言：AGV/AMR/機器狗乘梯控制系統方案，該系統通過梯控與電梯門禁集成實現自動化設備無人化乘梯。核心功能包括自主呼梯、樓層切換及多場景門禁擴展，支持RS-485、MQTT等多種通訊協議。方案詳細説明了乘梯流程、特殊場景處理及電梯改造要點，強調需保持電梯無休眠狀態，並確保電氣隔離。系統採用"感知-控制-通信"架構，可擴展至閘機等門控設備，構建智能通行生

梯控 , 機器人 , AMR , 機器狗 , 人工智能 , 深度學習 , AGV

收藏 評論

u_15591470 頭像

ceshiren2022 - AI引領天貓測試流程變革：從人工操作到智能化的實踐經驗與落地案例

在AI時代，天貓技術質量團隊不斷探索如何在測試全流程中引入AI，提升效率、保障質量，並實現可管理化、可溯化的測試流程。本文將結合實踐經驗，分享AI在測試鏈路中的落地方案和技術架構思路。 1️⃣ 測試體系變革：從人工到AI自動化 傳統測試工作鏈條主要包括五大核心階段： 需求解析 → 用例生成 → 測試數據構造 → 執行驗證 → 對比校驗 AI的引入目標：通過自然語言理解和大模型驅動

AI , 測試數據 , 人工智能 , 深度學習 , 自動化測試

收藏 評論

congweibiaobaidemalingshu 頭像

小白獅ww - 32B 參數還能本地跑？Flux.2-dev 這次是真的把「大模型」玩明白了

過去的開源圖像模型有點像一櫃子分科工具：這一個負責生成，那一個負責編輯，想讓角色不崩還得再上個微調模型，流程又長又碎。而Flux.2-dev的出現就像突然給你塞了一把真正能幹活的 AI 瑞士軍刀——一句話能畫圖，一張圖能修改，幾張參考圖還能自動融合成統一風格，整套流程一個模型就走通了，再也不用東拼西湊。 更讓人驚訝的是，它明明有 32B 參數，卻因為量化和推理優化做得非常激進，居然能在 RT

算法 , 自然語言處理 , 教程 , 人工智能 , 深度學習

收藏 評論

deephub 頭像

deephub - mmBERT：307M參數覆蓋1800+語言，3萬億tokens訓練

mmBERT是一個純編碼器架構的語言模型，在1800多種語言、3萬億tokens的文本上完成了預訓練。它的架構設計借鑑了ModernBERT，但又加入了不少創新點，比如逆掩碼比率調度和逆温度採樣。而且研究團隊還把1700多種低資源語言放在了衰減階段加入訓練，這個策略帶來了相當不錯的效果提升，充分利用了那些數據量本身就不大的語言資源。 模型架構 整體架構和ModernBERT保持一致，但換成

bert-language-model , 神經網絡 , 人工智能 , 深度學習

收藏 評論

u_15654855 頭像

此星光明 - NLDAS 主要強迫數據 L4 小時 0.125 x 0.125 度 V2.0 (NLDAS_FORA0125_H) 位於 GES DISC

NLDAS Primary Forcing Data L4 Hourly 0.125 x 0.125 degree V2.0 (NLDAS_FORA0125_H) at GES DISC 簡介 本數據集包含北美陸地數據同化系統（NLDAS-2）第二階段的主要逐時強迫數據“文件 A”。數據採用 1/8 度網格間距，時間範圍從 1979 年 1

機器學習 , 數據 , 人工智能 , 深度學習 , 插值 , Css , 前端開發 , HTML

收藏 評論

u_16060192 頭像

HyperAI超神經 - 跨學科創新遠超人類？AI科學家提假設/做實驗/發頂會開啓科學研究新範式

2024 年 8 月，由 Transformer 論文作者之一 Llion Jones 創立的 Sakana AI 公司宣佈推出全球首位「AI 科學家（AI Scientist）」， 通過自主生成研究想法、設計實驗、編寫代碼、執行實驗乃至撰寫論文，並藉助「AI 審稿人」對結果進行評審與改進，形成了完整閉環的科研生態系統。今年 3 月，該系統產出的一篇計算機科學論文通過了 ICLR 202

AI , 人工智能 , 深度學習

收藏 評論

pannideniupai 頭像

雨大王 - 工業互聯網工廠大腦：如何從數據混沌到智能協同？

在現代化工廠裏，每天產生的數據量簡直能嚇人一跳。想象一下，一座大型汽車工廠在一天之內，可能就積累了上億條來自設備、生產線、供應鏈等各個系統的數據。這些數據看似龐大，卻往往像散落的拼圖一樣，格式不一、標準缺失，難以形成統一的分析框架。這種情況，就是所謂的“數據混沌”，也是全球製造業數字化轉型中普遍存在的難題。而解決這一問題的關鍵，正是讓數據從“雜亂無章的原材料”轉變為“可直接使用的工業語言”。

人工智能 , 深度學習

收藏 評論

u_16970152 頭像

求知上進 - Python函數中的關鍵字詳細介紹

1.前言 1.1 關鍵字參數的概念與核心價值 在Python函數設計中，關鍵字參數是一種強大而靈活的參數傳遞機制，它允許調用者使用參數名稱來指定值，而非依賴於參數在函數定義中的位置順序。這種設計極大提升了代碼的可讀性和維護性，尤其在處理具有多個可選參數的函數時。關鍵字參數的核心價值在於提供一種明確、意圖-driven的參數綁定方式，避免了位置參數可能帶來的混淆和錯誤。

默認參數 , 人工智能 , 深度學習 , ide , Python

收藏 評論

gpustack 頭像

GPUStack - GPUStack v2：推理加速釋放算力潛能，開源重塑大模型推理下半場

2025 年是大模型推理技術發展的關鍵之年。自年初 DeepSeek R1 發佈引發全民關注以來，推理框架加速需求暴漲，推理優化的戰場驟然升温。以 vLLM、SGLang、MindIE 為代表的高性能推理引擎，以及 FlashInfer、FlashAttention、ATB 等底層加速庫不斷突破性能瓶頸，相比年初，部分前沿框架的推理性能提升已達 3 到 4 倍以上。 隨着 Agent 應用的爆發和

generative-ai , llm , 容器 , 人工智能 , 深度學習

收藏 評論