tag 深度學習

標籤
貢獻317
273
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_16213684 頭像

mob64ca14106f2f - pid的偏差

其實要用PID調節的話，最好是使用帶有編碼器的比較高端一點的直流減速電機，但是因為它價格有點貴，所以我們一般做智能小車就會選用普通的直流電機，但是普通的直流電機也是可以使用PID調節的，雖然它的效果沒有帶編碼器得到直流減速電機的好，但是我們也可以在調節的過程中慢慢地深刻的理解PID調節的含義。今天先來分享一下我剛剛涉及的PID中的P調節。 P就是比

串口 , 數據 , 人工智能 , 深度學習 , pid的偏差 , 系統對

收藏 評論

u_16213670 頭像

mob64ca140d2323 - AIGC與多模態AI區別 多模態算法

本週論文包括Meta AI提出了一種名為 data2vec 的自監督學習新架構，在多種模態的基準測試中超越了現有 SOTA 方法；谷歌、MIT 等提出分類器可視化解釋方法 StylEx等。 目錄 data2vec: A General Framework for Self-supervised Learning in Speech,

sed , 算法 , pytorch , AIGC與多模態AI區別 , 人工智能 , 深度學習

收藏 評論

huodadexiang 頭像

南瓜 - 面向課堂與自習場景的智能坐姿識別系統——從行為感知到可視化部署的完整工程【YOLOv8】

面向課堂與自習場景的智能坐姿識別系統——從行為感知到可視化部署的完整工程【YOLOv8】 一、研究背景：為什麼要做“坐姿識別”？ 在信息化學習與辦公環境中，久坐與不良坐姿已成為青少年與上班族普遍面臨的健康問題。長期駝背、前傾、低頭等坐姿行為，容易引發： 脊柱側彎、頸椎病 注意力下降、學習效率降低 視覺疲勞與肌肉勞損 傳統的坐姿管理主要依賴人工監督或簡單硬件傳感器，不僅成本高、實時性差，而

機器學習 , 人工智能 , 深度學習

收藏 評論

ziwupython 頭像

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

一、介紹 鳥類識別系統，通過TensorFlow搭建卷積神經網絡算法，數據集使用經典的加利福尼亞大學CUB-200-2011鳥類數據集，對其進行多輪迭代訓練，最後得到了一個精度較高的模型，並搭建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： 在生態保護與

圖像識別 , tensorflow , 深度學習

收藏 評論

u_16349720 頭像

短短同學 - 正則表達式進階用法：從基礎到實戰的全場景指南

正則表達式（Regular Expression，簡稱 Regex）是文本處理的 “瑞士軍刀”，它通過簡潔的語法規則，實現對字符串的匹配、提取、替換與驗證。在前文哈希機制的學習中，我們瞭解到 “映射” 是核心邏輯；而正則表達式的核心，則是 “模式定義”—— 用特定語法描述目標文本的結構，再通過解釋器執行匹配操作。本文將從基礎語法拓展到進階技巧，結合 10 + 實戰場景，帶你掌握正

正則 , bc , 人工智能 , 深度學習 , 正則表達式

收藏 評論

u_15469972 頭像

mb61c46a7ab1eee - 【完整源碼+數據集】武器刀具數據集，yolov8武器刀具檢測數據集 4098 張，武器刀具識別數據集，安防監控武器刀具識別系統實戰教程 - 教程

一、武器刀具識別數據集介紹 【數據集】yolov8武器刀具檢測數據集 4098 張，目標檢測，包含YOLO/VOC格式標註，訓練、驗證、測試集已劃分。 數據集中標籤包含2種分類：names: ['guns', 'knife']，代表槍械、刀具。 檢測場景為道路、商場、辦公大樓、公園、槍械軍工廠等場景，可用於交通樞紐與重點場所安檢、公共場

數據集 , redis , xml , 數據庫 , 深度學習

收藏 評論

u_15675190 頭像

冰淇淋紅茶Q - AI輔助開發大屏案例詳解：基於smardaten開發港口作業分析大屏

一、需求背景 隨着港口運營規模的不斷擴大與信息化水平的提升，傳統的數據報表與分散監控方式已難以滿足實時感知、智能分析與高效決策的管理需求。港口管理部門亟需一種能夠集中展示作業動態、實時監測異常情況、直觀反映運營效率的數據可視化大屏解決方案。港口作業數據量大、指標多樣、關聯複雜，因此需要通過可視化手段，構建一個集數據整合、智能預警與交互分析於一體的運營指揮大屏。 二、大

字段 , 無代碼 , 數據 , 低代碼 , 柱狀圖 , 人工智能 , 深度學習

收藏 評論

u_17582161 頭像

成都古河雲科技 - 用電安全管理系統的三大系統架構

當我們談論能源危機和碳中和時，有一個被忽略的真相正潛伏在每個開關背後——超過三分之一的工業火災與重大安全事故，都始於那些看似温順的電流。傳統用電安全如同在黑暗中摸索，而智能用電安全管理系統，正在為這張無形的能量網絡點亮第一盞燈。 當安全停留在“保險絲時代” 大多數場所的用電安全邏輯，至今仍停留在保險絲和空氣開關的物理層面——一種在故障發生後切斷電路的被動防禦。

故障特徵 , 管理系統 , 系統架構 , 人工智能 , 深度學習

收藏 評論

tecdat 頭像

拓端tecdat - 2025電商行業全景洞察報告：直播電商、跨境佈局|附272+份報告PDF、數據、可視化模板彙總下載

原文鏈接：https://tecdat.cn/?p=44438 原文出處：拓端抖音號@拓端tecdat 核心摘要 2025年電商行業進入“存量博弈→價值深耕”的關鍵轉折期：雙11週期拉長至60天重構大促節奏，直播電商從“流量爭奪”轉向“內容+搜索”閉環，跨境增量向巴西、非洲等新興市場傾斜（Temu非洲MAU增424%），AI驅動的“看後搜”成為流量新入口（日均PV 1.1億）。行業呈現“B

機器學習 , 數據挖掘 , 算法 , 人工智能 , 深度學習

收藏 評論

duoqingdeqingwa 頭像

多情的青蛙 - 技術實測榜：2025各賽道標杆GEO優化服務商

摩根士丹利最新報告顯示，2025年生成式AI行業正式跨過盈虧平衡線，創造510億美元毛利，其中GEO（生成式引擎優化）作為品牌搶佔AI流量的核心工具，市場規模同比增長210%。但實測發現，73%的企業因選錯GEO優化服務商導致投入ROI不足1:2。為此，我們以“賽道適配性”為核心，選取6大賽道30家企業開展為期3個月的實測，輸出這份分類賽道GEO優化服務商擇優指南，為企業提供權威參考。 一、實測説

觀點 , 資訊 , 人工智能 , 深度學習

收藏 評論

u_15591470 頭像

ceshiren2022 - n8n 與 Coze 怎麼選？低代碼集成與AI智能體的自動化路線對比

在現代軟件開發和運維中，“自動化”已經成為提升效率、減少重複工作的利器。市面上常見的兩類工具——n8n 和 Coze，常被拿來做工作流和自動化處理，但很多人搞不清它們的區別，也不知道自己的項目適合用哪一個。今天，我們就來拆解這兩款工具的特性、適用場景，以及實操建議。 1. 為什麼要關注 n8n 和 Coze？ 自動化不僅僅是“省時間”，更是提高數據準確性、降低人為操作風險的關鍵手

coze , n8n , 智能體 , 人工智能 , 深度學習

收藏 評論

u_14587 頭像

bugouhen - 機械臂路徑規劃 深度學習 模型

二連桿機械臂角度解算 本文采用極座標的平移變換公式或者餘弦定理的方法在定座標點的情況下去解算二連桿機械臂兩個關節處應該旋轉的角度。由於餘弦定理更容易理解且極座標的平移變換公式和餘弦定理推導出來的角度解算結果公式一致，接下來會用餘弦定理去推導最終公式。 我們要解決的問題是已知一個目標點座標(x，y)，已知兩個連桿的長度OA，AB，我們

舵機 , 機械臂 , 機械臂路徑規劃 深度學習 模型 , 人工智能 , define , 深度學習

收藏 評論

congweibiaobaidemalingshu 頭像

小白獅ww - 中科院團隊發佈首個國產類腦脈衝大模型 SpikingBrain-1.0，推理效率達百倍提速

當全球 AI 競賽仍在為更大的算力和數據量內卷時，中國科學院自動化研究所突破性地提出了「內生複雜性」的解題思路。其最新發布的「瞬悉1.0（SpikingBrain-1.0）」類腦脈衝大模型，借鑑大腦神經元的工作機制，成功繞過了傳統 Transformer 架構的能效瓶頸，為長序列處理這一業界難題提供了全新的解決方案。 瞬悉1.0 推理時具備常數級複雜度，處理百萬級長度序列時比傳統模型快 26

圖像識別 , 自然語言處理 , 教程 , 人工智能 , 深度學習

收藏 評論

carl_kaeraigongfang 頭像

卡爾AI工坊 - 下一代AI心理產品，會長什麼樣？

下一代AI心理產品，會長什麼樣？ 本文共 1903 字，閲讀預計需要 3 分鐘。 你認為的下一代 AI 心理產品會是什麼樣？ 很多人會先想到：更會聊、更像人，然後按小時、按次數收費。 這條路能走，但不算**“下一代”。** 真正的分歧在於： 人類諮詢按小時計費，核心原因是稀缺；而 AI 不稀缺。 它的價值不該被鎖在“你開口説話的一小時”，而應該發生在你不説話的時候。 衝突：為什麼“更會聊+按小時收

機器學習 , 觀點 , 數據挖掘 , 人工智能 , 深度學習

收藏 評論

u_15368275 頭像

AI科技觀察者 - 2025年企業知識管理系統推薦：6款融AI產品深度測評與選型指南

在數字化轉型持續深入的2025年，知識已成為企業運營的核心資源。根據IDC最新報告，中國知識管理軟件市場規模已突破50億元，並保持20%以上的年增長率，其中AI驅動的知識庫是最主要的增長點。隨着大語言模型（LLM）的廣泛應用，企業對知識管理的需求已從傳統的"存儲檢索"模式升級為"智能理解與生成"模式，推動知識庫從效率工具向戰略資產的價值躍遷。本文將從技術架構、核心能力與企業適配度

大數據 , 知識管理 , 人工智能 , 深度學習 , 模態 , 大模型

收藏 評論

u_16213697 頭像

mob64ca14137e4f - 深度學習數據歸一化 負值

歸一化的主要公式 1.將數據歸一到[0,1]： 其中和分別是數據的最大值和最小值。 2.將數據歸一化到[-1,1]： 其中是數據的均值。 3.將數據歸一化到均值為0，標準差為1的標準正態分佈上： 其中和分別是數據的均值和標準差。 4.將數據歸一化到[a,b]： 計算係數：

機器學習 , 深度學習數據歸一化 負值 , 神經網絡 , 數據歸一化 , 人工智能 , 深度學習

收藏 評論

lab4ai 頭像

Lab4AI - AAAI2025！北理工團隊提出FBRT-YOLO：面向實時航拍圖像更快更好的目標檢測 |計算機視覺|目標檢測

01 論文概述 論文名稱：FBRT-YOLO: Faster and Better for Real-Time Aerial Image Detection —— 更快更好：面向實時航拍圖像的目標檢測 👉一鍵直達論文 👉Lab4AI大模型實驗室論文 🌟 簡介 航拍圖像目標檢測在城市監控、災害響應和農業管理等領域至關重要。然而，這一任務面臨着獨特的挑戰：物體尺寸變化劇烈、小目標密集、背景複

機器學習 , 圖像識別 , 知識 , 人工智能 , 深度學習

收藏 評論

u_16776161 頭像

天潤融通科技 - 天潤融通ZENAVA讓家居售後進入全自動時代

在家居行業，售後服務往往決定着用户的最終體驗，直接影響品牌口碑和復購率。過去，許多企業為了讓服務更細緻周到，不得不投入大量人力，但高成本背後依然難以兼顧效率與體驗。 如今，隨着對話式AI的普及，情況正在發生改變。 以天潤融通的 ZENAVA 為例，已經在多個家居品牌的售後環節全面落地。數據顯示，ZENAVA每天能夠獨立完成超過5000通客户回訪電話，並處理3000+

人工智能 , 深度學習

收藏 評論

rivers_chaitin 頭像

百川雲開發者 - 2025年AI Wiki軟件大比拼：PandaWiki、ChatWiki、MaxKB誰更勝一籌？

大家好，我是老張，一個在互聯網行業摸爬滾打了十年的技術老鳥。今天想和大家聊聊一個特別實用的話題——AI Wiki軟件。作為一個經常需要整理文檔、管理知識庫的"文檔狗"，我深知一個好用的Wiki工具能帶來多大的效率提升。 為什麼你需要一個AI Wiki？ 記得去年我們團隊接了個大項目，各種需求文檔、技術方案、會議記錄滿天飛。最誇張的時候，光是找一份兩週前的會議紀要，就花了我們半個多小時！更別提那些重

人工智能 , 深度學習

收藏 評論

u_16349720 頭像

短短同學 - JAVA面試框架篇(SSM)

Java 面試框架篇：SSM 框架高頻面試題（含參考答案） SSM（Spring+SpringMVC+MyBatis）是 Java 後端面試的核心考點，面試官通常從 “框架定位、核心原理、實戰問題、版本兼容” 四個層面提問。以下整理高頻面試題，結合你之前關注的 jar 包配置、分頁、測試等實戰場景，提供條理清晰的參考答案。 一、基礎理論類：框架定位與核心概念 1

xml , 人工智能 , 深度學習 , SQL , mvc

收藏 評論

deephub 頭像

deephub - JAX 核心特性詳解：純函數、JIT 編譯、自動微分等十大必知概念

JAX 是 Google 和 NVIDIA 聯合開發的高性能數值計算庫，這兩年 JAX 生態快速發展，周邊工具鏈也日益完善了。如果你用過 NumPy 或 PyTorch，但還沒接觸過 JAX，這篇文章能幫助你快速上手。 圍繞 JAX 已經涌現出一批好用的庫：Flax 用來搭神經網絡，Optax 處理梯度和優化，Equinox 提供類似 PyTorch 的接口，Haiku 則是簡潔的函數式 API，

jax , 知識 , 人工智能 , 深度學習 , Python

收藏 評論

u_17512334 頭像

疆鴻智能研發中心 - MODBUS TCP轉PROFIBUS網關：助力日化洗滌劑生產線智能升級，解決設備互聯難題

去年夏天，我站在華東某大型日化廠新建的洗滌劑生產線控制室裏，面對着一個典型的工業通訊難題。這條投資數千萬元的全自動生產線，核心控制採用了一套支持MODBUS TCP協議的DCS系統，而現場層卻部署着十幾台來自德國、沿用PROFIBUS-DP接口的專用設備——高精度反應釜温控模塊、粘度在線檢測儀、自動灌裝閥組。兩種協議如同説不同語言的兩羣人，生產線調試因此

profibus , 協議轉換網關 , 上位機 , 人工智能 , 深度學習 , MODBUS TCP , Modbus

收藏 評論

u_16970152 頭像

求知上進 - Python 字典推導式：從入門到精通

1. 字典推導式概述 1.1 什麼是字典推導式？ 字典推導式是 Python 提供的一種語法糖，用於在一行代碼中創建字典。它基於列表推導式（List Comprehension）的概念，允許開發者通過循環和條件邏輯快速生成鍵值對。字典推導式結合了 Python 的動態性和簡潔性，特別適合數據轉換、過濾和映射任務。 基本語法： {key_expr:

鍵值對 , List , 初始化 , 人工智能 , 深度學習

收藏 評論

u_16213589 頭像

mob64ca13f9a97c - vs studio怎麼跑深度學習模型

教程來自巨頭微軟官方機翻 動手完成全部內容大約需要半小時 完成整個教程的效果圖:(本人使用vs2015 C++) 正文: 開始調試多線程應用程序 (C#，Visual Basic、 c + +) Visual Studio 提供多種工具和用户界面元素，用於調試多線程應用程序。 本教程演示如何使用線程標記、“並行堆棧”窗口、“並行監視

vs studio怎麼跑深度學習模型 , 應用程序 , 人工智能 , 多線程 , 深度學習 , 右鍵

收藏 評論