tag 深度學習

標籤
貢獻317
276
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

youqingyouyidejidan 頭像

底層邏輯探索 - 自動化、規模化、運維成本低的運營商行業數據分類分級最佳實踐與案例

一、概要 （提示：在強監管與高複雜度並存的運營商場景下，只有自動化、規模化的數據治理能力，才能真正降低長期運維成本。） 在5G與雲網融合持續深化的背景下，運營商正快速邁入以數據為核心驅動力的新階段。用户身份信息、通信記錄、位置軌跡等高敏感數據，成為支撐業務運行、網絡優化與新業務創新的關鍵資產。但與此同時，數據規模的指數級增長、系統架構的高度複雜化，也使傳統以人工為主的數據治理方式徹底失

深度學習

收藏 評論

lab4ai 頭像

Lab4AI - 【Github熱門項目】DeepSeek-OCR項目上線即突破7k+星！突破10倍無損壓縮，重新定義文本-視覺信息處理

當“8000 行代碼手搓 ChatGPT”的熱度還未褪去，大模型領域又迎來新驚喜——DeepSeek 團隊於 10 月 20 日開源的DeepSeek-OCR，以“上下文光學壓縮”為核心突破，重新定義了 OCR（光學字符識別）的效率邊界。這款僅 30 億參數量的模型，不僅能以 100 個視覺 token 超越傳統模型 256 個 token 的性能，更在單張 A100-40G 顯卡上實現每日 20

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

u_15591470 頭像

ceshiren2022 - 揭開帷幕：如何實現UI迴歸測試的全面自主化

在自動化測試領域，Playwright已成為端到端測試的優選方案，以其跨瀏覽器支持和高可靠性著稱。 然而，傳統測試腳本的編寫和維護依然是一項昂貴且對專業知識要求很高的工作。隨着大語言模型和AI智能體技術的發展，一個全新的範式正在興起：讓AI驅動Playwright完成測試任務。 Model Context Protocol在這一變革中扮演了關鍵橋樑的角色，它使得LangChain等AI應

服務器 , 人工智能 , 深度學習 , 自動化測試 , ui

收藏 評論

xingxingshangdeliushu 頭像

星星上的柳樹 - 嵌軟與RTOS精要

嵌入式軟件與實時操作系統（RTOS）是現代IC系統不可或缺的核心部分。無論是驅動層、API設計，還是實時調度，它們都直接影響IC的性能、可靠性和使用體驗。如果你渴望系統提升技術深度，不妨在 EDA Academy 探索豐富的網課資源，一起驅動你的專業成長。 1、嵌入式軟件開發：模塊+仿真高效並行 嵌入式軟件是硬件運行的“大腦”，從簡單控制到複雜處理，都離不開它。 模塊化編程：將

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

u_14405 頭像

fjfdh - 優化器(Optimizer)（SGD、Momentum、AdaGrad、RMSProp、Adam）_sgd優化器

一、動量優化器（Momentum） 1、核心思想 模擬物理中的 “動量” 概念，通過積累歷史梯度的 “慣性” 來加速收斂，減少震盪。 解決 SGD（隨機梯度下降）在溝壑區域（梯度方向頻繁變化）收斂慢、震盪大的問題。 2、公式 （1）動量變量（積累歷史梯度） （2）參數更新 其中，γ為動量因子（通常

自適應 , 一階矩 , 人工智能 , 深度學習 , 稀疏數據 , 前端開發 , Javascript

收藏 評論

tecdat 頭像

拓端tecdat - 專題：2025半導體行業核心趨勢與市場動態報告：AI驅動、先進封裝|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=44426 原文出處：拓端抖音號@拓端tecdat 引言 全球半導體行業正站在“技術突破與地緣博弈”的十字路口：AI驅動的算力需求催生指數級增長，而產業鏈分工重構與技術壁壘形成雙重約束，行業正從規模擴張向“高質量突圍”轉型。從材料器件的國產替代攻堅，到資本支出的全球分化，從企業盈利的結構性增長，到產業鏈環節的協同爆發，每個維度都暗藏“增長

機器學習 , 數據挖掘 , 人工智能 , 深度學習

收藏 評論

u_15591470 頭像

ceshiren2022 - 無代碼開啓AI測試：字節Coze助力測試效率倍增實戰指南

關注 霍格沃茲測試學院公眾號，回覆「資料」, 領取人工智能測試開發技術合集 最近團隊裏的測試任務越來越繁重，特別是那些重複性的功能驗證和測試數據準備，幾乎佔用了我們大部分時間。直到上個月，我偶然接觸到了字節跳動的Coze平台，這個零代碼的AI工具徹底改變了我們的測試工作流程。 從手動到自動的轉變 還記得那天下午，我面對着一個需要測試的登錄功能，不僅要驗證正常登錄場景，還要測試數十

coze , AI , 人工智能 , 深度學習 , 自動化測試

收藏 評論

u_13357275 頭像

上海拔俗網絡 - 給工廠裝上“數字大腦”：安全生產智能AI系統開發

大家好！我是李工，在製造業幹了十五年的產品經理。今天想和大家聊一個聽起來有點技術，但其實特別貼近我們生產安全的話題——安全生產智能AI系統。你可以把它想象成給工廠裝上一個“數字大腦”，讓它能24小時不眨眼地守護着每一位工人的安全。 一、這個“大腦”如何“看見”危險？ 傳統安全管理主要靠人盯人、定期檢查，但人總會疲勞、會分心。我們的AI系統則不同，它在工廠里布設了無數雙“眼睛”——

數據 , 物聯網 , NLP , 人工智能 , 深度學習

收藏 評論

duoqingdeqingwa 頭像

多情的青蛙 - 月更GPT-5.1：AI巨頭為何開始“內卷”？

距離GPT-5發佈僅三個月，OpenAI再度推出升級版本GPT-5.1，創下其大模型迭代速度新紀錄。這背後，是日趨白熱化的行業競速賽。 2025年11月，OpenAI正式發佈GPT-5.1。這距離其8月推出革命性GPT-5尚不足百天，距離其去年11月發佈GPT-4 Turbo剛好一年。如此高頻的版本更新，在OpenAI歷史上實屬罕見。 競爭格局的劇變是首要驅動力。 就在OpenAI快

chatgpt , 人工智能 , 深度學習

收藏 評論

u_16970152 頭像

求知上進 - 深入學習Python函數：屬性訪問

第一章：屬性訪問的基礎原理 1.1 屬性訪問的起源與Python演進 屬性訪問的概念源於1990年代的Smalltalk動態屬性系統，它強調對象的統一接口。Python的@property由Guido van Rossum在Python 2.2中通過描述符協議正式引入，當時旨在簡化getter/setter的 boilerplate代碼。到Python 3起，prop

生成器 , 人工智能 , 深度學習 , 描述符 , Python

收藏 評論

u_17512334 頭像

疆鴻智能研發中心 - 智能裝卸新紀元：MODBUS轉PROFIBUS網關如何喚醒煙草廠“機械巨龍”

智能裝卸新紀元：MODBUS轉PROFIBUS網關如何喚醒煙草廠“機械巨龍” 在傳統煙草廠的裝卸區，工人推着叉車穿梭於貨堆間，汗水與煙塵交織。而今天，一條鋼鐵巨龍正悄然改變這幅畫面——機械臂精準抓取煙箱，AGV小車無聲穿梭，這一切都由PROFIBUS轉MODBUS協議轉換網關在幕後指揮。 案例直擊：當德國精密遇見工業通用語 某中型

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

收藏 評論

u_17562481 頭像

思考的袋鼠 - 構建數據庫安全新範式：以規範為基石，實現精確與實時動態防護

概要： （提示：當防護邊界逐漸模糊，數據自身的“行為軌跡”成為新的安全焦點。） 在數字經濟的核心結構中，數據庫不再僅是支撐業務的技術組件，而是企業數字資產的“原礦”。金融機構的交易流水、互聯網平台的用户畫像、醫療系統的病歷檔案——所有這些關乎隱私、業務與監管的數據，都以數據庫為載體在組織內流轉與沉澱。但隨着數據量與訪問頻率呈指數級增長，傳統以“靜態防護”為核心的數據庫

數據 , 數據庫 , 數據庫安全 , 人工智能 , 深度學習

收藏 評論

u_15591470 頭像

ceshiren2022 - 裁員潮下的測試人：真正聰明的人正在做這三件事

上週和老同事聚會，原本輕鬆的飯局突然安靜了下來。 “我們組裏三個測試，上個月走了一個半。”老王悶了口酒，“半個人”是他帶的實習生，沒轉正就被優化了。 小陳接口：“我們更徹底，整個QA團隊架構調整，外包全撤，只留了幾個核心崗。” 這樣的對話，最近半年幾乎成了測試圈的固定背景音。但有意思的是，同樣在這半年，我認識的兩位測試朋友卻逆勢升職加薪了。一位去了某車聯網公司做測試架構師，另

技術棧 , playwright , 人工智能 , 深度學習 , selenium

收藏 評論

u_15476544 頭像

天鯤科技 - 同盾科技：構建高安全移動金融架構

摘要：本白皮書以金融科技企業同盾為例，系統闡述其在移動端安全架構升級過程中的核心挑戰、技術選型與實施路徑。通過引入AWS原生安全服務與定製化增強機制，同盾成功構建了一套具備動態憑證管理、細粒度訪問控制與自動化安全修復能力的高可用架構，實現了零憑證泄露、用户級S3數據隔離與合規審計缺口大幅縮減，為金融行業移動應用安全提供了可複製的成功範式。】 關於客

移動端 , Pod , AWS , 人工智能 , 深度學習

收藏 評論

u_13127751 頭像

異步社區 - 豆瓣收藏數最高的10本計算機圖書

以下這十本在豆瓣上備受矚目、收藏數居高不下的計算機圖書，不僅代表了當前計算機科學領域的頂尖水平，更凝聚了作者們的智慧結晶與無數讀者的共同認可。它們將引領你穿越技術的迷霧，領略計算機科學的無限魅力與廣闊前景。 1、代碼整潔之道 本書提出一種觀念：代碼質量與其整潔度成正比。乾淨的代碼，既在質量上較為可靠，也為後期維護、升級奠定了良好基礎。

MySQL , 數據庫 , 編程語言 , 人工智能 , 深度學習 , 程序員

收藏 評論

ziwupython 頭像

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

一、介紹 植物識別系統，基於TensorFlow搭建Resnet50卷積神經網絡算法，通過對6種常見的植物樹葉圖片數據集（廣玉蘭、杜鵑、梧桐、樟葉、芭蕉、銀杏）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：

圖像識別 , 人工智能 , 深度學習 , Python

收藏 評論

u_12897 頭像

jordana - 深度學習 矩陣逐元素相乘

矩陣運算、求導、激活函數、梯度下降算法、反向傳播算法等 1、矩陣運算 如果矩陣${{\mathop{\rm A}\nolimits} = {\left( {{a_{ij}}} \right)_{m \times n}}}$，其轉置矩陣${{\mathop{\rm B}\nolimits} = {\left( {{b_{ji}}} \right)_{n \times m

梯度下降算法 , 反向傳播算法 , 人工智能 , 深度學習 , 深度學習 矩陣逐元素相乘 , 迭代

收藏 評論

u_16099186 頭像

技術極客領袖 - 為什麼實際圖像的主點座標與理想狀態下主點的座標會產生偏差

虛數i 虛數是什麼？ 為什麼要承認虛數？ 虛數怎麼就表示旋轉了？ 其實，人們建立複數理論，並不是因為人們有時需要處理根號裏是負數的情況，而是因為下面這個不可抗拒的理由：如果承認虛數，那麼 n 次多項式就會有恰好 n 個根，數系一下子就如同水晶球一般的完美了。 但複數並不能形象地反映在數軸上，這不僅是因為實數在數軸上已經完備了，還有另外一個原因：沒有什

多項式 , 線性變換 , 人工智能 , 深度學習 , 線性代數

收藏 評論

u_16213669 頭像

mob64ca140ce312 - 生成對抗網絡判別器輸入

生成對抗網絡(Generative Adversarial Networks, GAN)是一種深度學習模型，是近年來複雜分佈上無監督學習最具前景的學習方法之一。 GAN 主要包括了兩個部分，即生成器 generator 與判別器 discriminator。生成器主要用來學習真實圖像分佈從而讓自身

tensorflow , 生成對抗網絡判別器輸入 , 損失函數 , 生成器 , 人工智能 , 深度學習

收藏 評論

u_16099164 頭像

碼海舵手 - 極智AI | 變形金剛大家族 Transformer ViT CLIP BLIP BERT 模型結構_51CTO博客

文章目錄 轉載 以下是博客原文 以合理的規模訓練 ViT 自蒸餾 DeiT 模型概覽 Pyramid 視覺 Transformer（PVT）的總體架構 視覺 Transformer 的自監督訓練：DINO DINO 多注意力頭可視化 MLP-Mixer 架構 多尺度視

卷積 , 數據 , MySQL , 數據庫 , 人工智能 , transformer , 深度學習

收藏 評論

u_17609497 頭像

小小小趙02 - 智能體來了：AI運營總監親授價值月薪3W的智能體Prompt底層邏輯

我是某AI智能體公司的運營（打工人版）👩🏻‍💻。 最近面試了很多想轉行做AI運營的小夥伴，發現大家有一個超級大的誤區： 以為寫智能體（Agent）的提示詞，就是在跟ChatGPT聊天。 ❌ 大錯特錯！ 👉 做Agent，本質上是在用自然語言給AI“寫SOP（標準作業程序）”！ 在Coze/釦子平台上捏了幾百個Bot後，我總結了一套“HR招聘法”，直接把大模型當員工

工作流程 , 人工智能 , 深度學習 , 輸出格式 , Markdown

收藏 評論

u_17512334 頭像

疆鴻智能研發中心 - 這網關太“寶藏”！ETHERCAT轉Modbus，穩定生產是“穩穩的幸福”

這網關太“寶藏”！ETHERCAT轉Modbus，穩定生產是“穩穩的幸福” 在機械製造與加工領域，高速連續化生產已成為企業提升競爭力的關鍵。拉絲機、輥道、皮帶機等設備對運動控制的穩定性和精度要求極高，而不同設備間的協議差異往往成為技術集成的瓶頸。ETHERCAT轉MODBUS協議轉換網關的出現，為這一問題提供了高效解決方案。 案例解析

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

chenzhuodeyagao 頭像

沉着的牙膏 - 數據脱敏：在數據價值與隱私安全之間構建平衡

在大數據與數字化轉型的浪潮中，數據已成為機構與企業最核心的資產之一。然而，隨着數據的集中與流動，隱私泄露風險也日益加劇。如何在充分利用數據價值的同時，確保個人敏感信息與商業機密的安全？數據脱敏作為一種關鍵的數據安全技術，正是解決這一矛盾的重要橋樑。 一、 數據脱敏：定義與核心目標 數據脱敏，是指通過特定的技術手段，對敏感數據進行變形、替換或遮蔽，以降低其敏感級別的過程。其核心目標並非簡

深度學習

收藏 評論