tag 深度學習

標籤
貢獻323
333
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

u_16213690 頭像

mob64ca1411e411 - chatgpt在安卓手機上使用

據iafrica 網站4月24日報導，三星是國際上最受期待的安卓手機之一，它的旗艦手機上都有各種預裝軟件，從交際通訊類到聲控查找類，包羅萬象，可是這些軟件卻不受用户期待。 　　美國研討公司Strategy Analytics研討了超越250位三星Galaxy SIII 和Galaxy S4的用户，記載他們在一個月內

app , chatgpt在安卓手機上使用 , 3d , 人工智能 , 深度學習 , HTML

收藏 評論

ziwupython 頭像

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

一、介紹 寵物識別系統，本系統使用Python作為主要開發語言，基於TensorFlow搭建卷積神經網絡算法，並收集了37種常見的貓狗寵物種類數據集【'阿比西尼亞貓（Abyssinian）', '孟加拉貓（Bengal）', '暹羅貓（Birman）', '孟買貓（Bombay）', '英國短毛貓（British Shorthair）', '埃及貓（Egyptian Mau）', '緬因貓（Mai

圖像識別 , tensorflow , 深度學習

收藏 評論

u_16349720 頭像

短短同學 - 一個開發者對 Spring Security 攔截機制的深度追問

開發者對 Spring Security 攔截機制的深度追問 在 Spring 生態中，Spring Security 的攔截機制是保障系統安全的核心，但開發者在實際集成時，常會因對攔截流程、規則優先級、自定義邏輯的理解不深，出現攔截失效、權限衝突等問題。以下從開發者的視角，圍繞五個核心追問展開，拆解 Spring Security 攔截機制的底層邏輯與實踐要點。 一

優先級 , 自定義 , 人工智能 , 深度學習 , 開發者

收藏 評論

u_56701 頭像

hackernew - 提示詞（prompt）工程指南（一）：提示介紹_mb618b7a3518a5a的技術博客

寫在前面：要想做一個比較好RAG系統，我認為還是在數據收集和清洗上下一點功夫。因為要想檢索有效 - 你能提供給模型更有價值的信息。現有chunk的方法有很多，但是我試了很多種（包括一些基於大量規則的），最後發現很難適配多樣化的數據集（針對不同來源，比如論文、內部資料）。 基於這個思路，我想的是讓LLM本身來切分文檔。優點

oracle , 數據庫 , 後端開發 , 深度學習 , RAG , prompt , Python

收藏 評論

u_17513671 頭像

AI開發百寶箱 - 3 大核心產品 + 無侵入方案，助推國央企智能化升級

網易 CodeWave 以 CoreAgent、CoreBridge 等 3 大核心產品，通過無侵入式智能體集成，解決國央企 AI 落地難題，加速數智化轉型進程。 在 “十五五” 產業鏈協同創新發展的政策導向下，網易 CodeWave已成為國央企智能化轉型的核心技術夥伴。當前，多數國央企已度過 AI 理論探索與基礎建設階段，正從模型選型部署轉向場景落地實踐，但智能體與業務系

開發平台 , 低代碼 , 人工智能 , 深度學習 , 智能開發

收藏 評論

u_15591470 頭像

ceshiren2022 - 【乾貨】如何從軟件測試轉型為AI測試開發？這份面試題指南值得你一看！

你是軟件測試從業者，但想轉向人工智能測試開發崗位嗎？ AI 測試崗位不僅考察傳統測試技能，還要求你理解 AI/ML 模型特性、設計測試流程、編寫自動化腳本。 今天，我們整理了一份面試題，從基礎概念到實戰場景，幫你快速掌握 AI 測試面試要點。 一、基礎認知題：AI 面試入門必備 AI、ML、DL 的區別？ • ML 是 AI 的子集，通過數據學習規律； • DL 是 ML

面試題 , 數據 , 人工智能 , 深度學習 , 灰度 , ML

收藏 評論

u_16213713 頭像

mob64ca1417736e - copilot 進行單元測試

使用CppUnit 編寫unit測試 編寫unit測試，需要連接cppunitXX.lib，XX依據配置選擇後綴字母。CppUnit包含的路徑必須在include搜索的路徑中 可以通過下面方式添加 Project Settings/C++/Preprocessor/Additional include directories或 Too

後綴 , 搜索 , copilot 進行單元測試 , 人工智能 , 深度學習 , 導出函數

收藏 評論

u_16099178 頭像

雲端小悟空 - whisper測試集

接口測試概念 接口測試是測試系統組件間接口的一種測試。接口測試主要用於檢測外部系統與系統之間以及內部各個子系統之間的交互點。測試的重點是要檢查數據的交換，傳遞和控制管理過程，以及系統間的相互邏輯依賴關係等。 環境準備 （1）安裝python https://www.python.org/downloads/下載你想用的版本（本文介紹的版本是3.4的版本）

環境變量 , 人工智能 , 深度學習 , 接口測試 , whisper測試集 , Python

收藏 評論

deephub 頭像

deephub - DeepSeek-R1 與 OpenAI o3 的啓示：Test-Time Compute 技術不再迷信參數堆疊

過去2年，整個行業彷彿陷入了一場參數競賽，每一次模型發佈的敍事如出一轍：“我們堆了更多 GPU，用了更多數據，現在的模型是 1750 億參數，而不是之前的 1000 億。” 這種慣性思維讓人誤以為智能只能在訓練階段“烘焙”定型，一旦模型封裝發佈，能力天花板就被焊死了。 但到了 2025 年，這個假設徹底被打破了。 先是 DeepSeek-R1 證明了只要給予思考時間，Open-weight

llm , 人工智能 , 深度學習

收藏 評論

openbayescom 頭像

OpenBayes - DiffVox 打造下一代聲效模型；面部情感識別數據集讓 AI 讀心術成真！

公共資源速遞 6 個公共數據集： Freebayes_Benchmark 基準測試集 DiaMoE-TTS 多方言語音表音數據集 APEX 人工智能生產力評測基準數據集 BWA_Benchmark（SBC）基準測試集 DeePMD-kit_Example 勢能模型示例數據集 Facial Emotion Recognition 面部情感識別數據集 5 個公共教程 ： DiffV

機器學習 , 圖像識別 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

chenzhuodeyagao 頭像

沉着的牙膏 - 2025年國內多層級、全景式、全鏈路的數據安全建設平台推薦

隨着《數據安全法》《個人信息保護法》《網絡數據安全管理條例》的不斷深化，數據安全已從“合規要求”正式走向“生產能力”，成為數字經濟時代的企業基礎設施。2025 年的市場呈現出明顯的結構性變化：平台化整合替代工具化割裂、AI 成為智能運營標配、全生命週期治理能力決定平台競爭力。基於行業實踐、權威報告（IDC、Gartner）及一線項目經驗，本文圍繞技術演進、廠商推薦、選型策略等維度展開系統分析。

深度學習

收藏 評論

u_15591470 頭像

ceshiren2022 - 大廠熱門測試基礎設施揭秘：Dify工作流引擎的設計哲學與最佳實踐分析

當今軟件開發領域，測試基礎設施的效率和可靠性直接關係到產品的交付質量與速度。隨着AI技術的普及，如何將智能能力深度融入測試流程成為各大廠面臨的共同挑戰。 Dify作為一款開源的大模型應用開發平台，通過其強大的工作流引擎，正被越來越多的大廠選為核心測試基礎設施，將AI應用系統整合週期從平均12周縮短至3-4周，整合效率提升高達70%。 本文將深入解析Dify工作流引擎的設計哲學，並分享在大

人工智能 , 基礎設施 , 深度學習 , dify , 工作流引擎

收藏 評論

daniusdk 頭像

音視頻牛哥 - AI 重塑軟件版圖後，音視頻的下一站在哪裏？未來五年的五次關鍵進化

前言 過去十年，音視頻技術的演進幾乎都圍繞同一個方向： 在有限資源下榨出更高畫質、更低延遲和更強穩定性。 我們在帶寬中擠空間、在協議中摳時延、在設備差異裏尋求兼容性。 但到了 2025 年，這條傳統進化路徑正在顯露疲態。 H.266 的壓縮效率提升開始進入“邊際衰減”，WebRTC 的交互

音視頻 , yyds乾貨盤點 , gemini3生成代碼 , chatgpt生成代碼 , 人工智能 , AI人工智能 , 深度學習

收藏 評論

u_17580222 頭像

mb691327edb400f - AI面試智能體

培訓預算削減的背後，是時候重新審視招聘的真正成本。 年底覆盤，不少HR對着培訓報表愁眉不展：預算花了近百萬，員工滿意度剛過及格線，業務部門還抱怨“培訓沒用”。降本增效的要求之下，培訓預算首當其衝被壓縮。問題真的出在培訓本身嗎？或許，根源在於招聘環節——選錯人，才是企業最大的成本浪費。 01 培訓無效的背後：選錯人是最昂貴的成本 當業務部門抱怨“培訓沒用”時，他們

沉浸式 , 一對一 , 人工智能 , 深度學習

收藏 評論

u_14405 頭像

fjfdh - 03_人工智能基礎_matplotlib

人工智能之數據分析 Matplotlib 第三章 基本屬性 文章目錄 人工智能之數據分析 Matplotlib 前言 一. 繪圖標記 二. 繪圖線 三. 軸標籤和標題 四. 網格線

機器學習 , matplotlib , 人工智能 , 數據分析 , 深度學習 , jquery , 前端開發

收藏 評論

ziwupython 頭像

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

一、介紹 水果識別系統，基於TensorFlow搭建Resnet50卷積神經網絡算法，通過對5種常見的水果圖片數據集（'聖女果', '梨', '芒果', '蘋果', '香蕉'）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

圖像識別 , 人工智能 , 深度學習 , Python

收藏 評論

uname67 頭像

ufdf - Python實現的簡單數字識別程序

這裏我們使用全連接神經網絡（MLP） 實現的 MNIST 數字識別代碼，結構更簡單，僅包含幾個線性層和激活函數。 簡易代碼 模型定義代碼，model.py import torch.nn as nn # 定義一個簡單的 CNN 模型 class SimpleModel(nn.Module): def __init__(self): super(SimpleModel, s

cnn , 深度學習

收藏 評論

u_16391614 頭像

老艾的AI世界 - 白嫖最新ChatGPT和主流AI大模型，國內無限制使用

本文介紹8個免費使用ChatGPT等一眾頂尖大模型的網站，因為涉及到技術限制等因素，正文中不直接給出網址 GPT網站獲取及加速方法：網盤分享 1.網站一 用郵箱註冊後即可使用，支持Deepseek、ChatGPT、Google Gemini、Grok、Claude等主流大模型，並且支持聯網搜索

yyds乾貨盤點 , deepseek , AI大模型 , AI , chatgpt , 人工智能 , 深度學習

收藏 評論

u_12995 頭像

kcoufee - 深度學習模型儀表讀取

目錄 前言 課題背景和意義 實現技術思路 一、錶盤區域定位算法 二、Mask R-CNN 網絡模型分析 三、錶盤區域定位算法改進與實現 實現效果圖樣例 最後 前言 📅大四是整個大學期間最忙碌的時光,一邊要忙着備考或實習為畢業後面臨的就業升學做準備,一邊要為畢業設計耗費大量精力。近幾

課程設計 , 算法 , 人工智能 , 深度學習 , 深度學習模型儀表讀取 , Javascript

收藏 評論

u_17583190 頭像

fangpin - AI Agent 設計原則與最佳實踐

Agent 設計準則 三大準則： 透明：讓用户感知 Agent 的存在，以及其行為 可控：用户可以設置 agent的偏好，並對 Agent 進行指令，以及監控其行為 一致性：Agent 行為保持一致，避免用户對 Agent 行為產生困惑 透明性設計 透明性要求 Agent 在交互過程中清晰表達其意圖、能力和限制： 身份標識：Agent

agent , langgraph , langchain , 人工智能 , 深度學習 , deep agent

收藏 評論

openbayescom 頭像

OpenBayes - 教程上新丨基於AI手勢識別，僅用CPU即可定製形態多變的3D聖誕樹

裝飾聖誕樹幾乎成了每個家庭迎接節日時不可或缺的一環，彩燈一圈圈繞上樹枝，掛件、照片慢慢填滿空隙，燈亮起的那一刻，節日的氛圍也隨之到位。 隨着聖誕節臨近，小貝也為大家置辦了一棵「賽博聖誕樹」。3D Christmas Tree 是由 moleculemmeng020425 開源的一個基於 React, Three.js（R3F）和 AI 手勢識別 Web 應用。 基於 AI 手勢識別，用户可以輕鬆用

圖像識別 , 自然語言處理 , 教程 , 人工智能 , 深度學習

收藏 評論

JavaEdge 頭像

JavaEdge - Gemini 3 開啓智慧新時代

近兩年前，我們開啓了 Gemini 時代，這是公司史上規模最大的科學與產品計劃之一。自那時起，看到大家如此喜愛它，實在令人振奮。“AI 總覽”如今每月有 20 億活躍用户。Gemini 應用程序每月活躍用户超過 6.5 億，超過 70% 的雲客户正在使用我們的 AI，更有 1300 萬名開發者利用我們的生成式模型進行開發——而這僅僅是我們的影響力之一隅。 得益於我們在 AI

yyds乾貨盤點 , google , 應用程序 , 人工智能 , 深度學習 , 開發者

收藏 評論