收藏 / 列表

慧星雲 - 魔多 AI 支持 Wan 系列在線訓練 :解鎖視頻生成新高度

Wan 阿里巴巴通義實驗室推出的 Wan 系列模型憑藉突破性的技術架構與卓越的生成能力,成為行業關注的焦點。為助力開發者與創作者深挖視頻生成技術潛力,魔多 AI 社區正式宣佈全面支持通義萬相 Wan2.1 與 Wan2.2 兩款重磅視頻模型的訓練服務,為不同場景的創作需求提供專業級技術支撐。 Wan2.1Wan2.2 Wan2.1 Wan2.1 採用自研高效變分自編碼器(VAE)與

雲平台 , 雲計算 , 雲服務 , aigc

Fabarta - 強強聯合!楓清科技攜手麒麟OS發佈「雲邊端協同AI智能體聯合解決方案」

AI正加速成為企業業務創新與效率提升的核心動力,在國家政策推動下,AI與實體經濟的深度融合已成為趨勢,企業向“知識化、智能化”升級已成共識。但企業轉型中痛點顯著:一是知識資產分散孤島,難以整合為可共享且安全可控的企業級知識庫;二是AI應用落地難,企業知識呈多模態且結構複雜,難以解析並支撐AI應用。同時,個人辦公面臨 “知識過載”,與企業系統存在數據斷層。 11月20日,楓清科技

服務器端 , 企業級 , 人工智能 , 深度學習 , 解決方案

JavaEdge - 你的JAR包放對了嗎?​​後端開發必知的Linux目錄規範

本文已收錄在Github,關注我,緊跟本系列專欄文章,咱們下篇再續! 🚀 魔都架構師 | 全網30W技術追隨者 🔧 大廠分佈式系統/數據中台實戰專家 🏆 主導交易系統百萬級流量調優 車聯網平台架構 🧠 AIGC應用開發先行者 | 區塊鏈落地實踐者 🌍 以技術驅動創新,我們的征途是改變世界! 👉 實戰乾貨:編程嚴

yyds乾貨盤點 , 文件系統 , jar , 應用程序 , 人工智能 , 深度學習

fangpin - 從 0 搭建 LLM 不再難!這個 PyTorch 項目幫你吃透大模型底層邏輯

如果你曾想深入理解大語言模型(LLM)的 “五臟六腑”,卻被框架封裝的黑盒接口、複雜的源碼結構勸退;如果你希望親手實現 Transformer 的每一個組件,而非單純調用transformers庫 —— 那麼今天推薦的這個開源項目,絕對能成為你的 LLM 學習 “腳手架”。 它就是 GitHub 上的 llm-from-scratch(項目地址),一個基於 PyTorch、專為教育設

AIGC二三事 , llm , BPE , 人工智能 , transformer , 深度學習 , 大模型

求知上進 - 打造行星殖民地建設遊戲:StarForge Colony

技術準備 在開始編碼之前,我們需要準備開發環境和相關工具。以下是開發 StarForge Colony 所需的技術棧和資源。 1. 技術棧 編程語言:Python 3.x(推薦 3.8 或更高版本)。 核心庫: random:生成隨機事件、資源分佈和環境挑戰。 time:控制遊戲節奏和事件觸發。 json

遊戲開發 , 初始化 , ci , Json

HyperAI超神經 - 從乾洗店到伊麗莎白女王工程獎,李飛飛逆行硅谷技術神話,聚焦AI去人性化風險

2025 年春,普林斯頓大學物理學學士、加州理工學院計算神經科學博士李飛飛教授榮獲「伊麗莎白女王工程獎(Queen Elizabeth Prize for Engineering)」,這一獎項被視為「工程領域的諾貝爾獎」。評審團表彰了李飛飛在計算機視覺與深度學習中的奠基性工作,認為她的研究「讓機器第一次以接近人類的方式看見世界」。 「工程不止是算力與算法,更是責任與共情。」李飛飛在領

人工智能 , 深度學習

colddawn - 目標檢測識別電錶讀數

隨着可再生能源的重要性日益凸顯,光伏行業作為清潔能源的重要組成部分備受關注。在光伏發電系統中,防逆流檢測電能表技術被認為是未來發展的關鍵,它不僅可以提高光伏發電系統的效率,還可以保障電網安全穩定運行。本文將深入探討光伏防逆流檢測電能表技術的意義、原理以及未來發展趨勢。 開篇 光伏能源作為清潔能源的重要來源,正逐漸成為全球能源轉型的重要推動力量

能源 , 發展趨勢 , 目標檢測識別電錶讀數 , 人工智能 , 計算機視覺 , 分佈式 , 安全

IvorySQL - 在一台機器上搭建一體化 Ceph 存儲集羣

概述 Ceph 是一個開源的軟件定義存儲平台,它在單個分佈式計算機集羣上實現對象存儲,並提供對象級、塊級和文件級存儲的三合一接口。Ceph 存儲集羣由 Ceph 監視器、Ceph 管理器、Ceph 元數據服務器和 OSD 組成,它們協同工作來存儲和複製數據,供應用程序、Ceph 用户和 Ceph 客户端使用。Ceph 還提供了使用 PostgreSQL 來利用網絡存儲的選項。 在這篇文章中,我將指

ceph , 數據庫 , postgresql , 開源

HuiZhu - // TODO: 寫一封讓老闆秒回的郵件?試試這個AI提示詞模板

// 程序員寫郵件的日常 try { const email = writeEmail(); // 期望: 專業得體,重點突出 // 實際: 寫了刪,刪了寫,最後發出去像流水賬 } catch (error) { console.log("郵件焦慮綜合徵又犯了"); } 數據顯示,87%的程序員寫商務郵件需要30分鐘以上,其中63%的人會反覆修改超過3次。不是不會寫

generative-ai , 教程 , chatgpt , 人工智能 , prompt

PoloAPI - Windows 系統安裝與使用 Claude Code 全攻略

Claude Code 作為一款高效的 AI 編程輔助工具,深受開發者青睞,但由於其本身不支持 Windows 文件系統,在 Windows 系統上使用需要藉助 WSL(適用於 Linux 的 Windows 子系統)。下面為你詳細介紹在 Windows 系統上安裝和使用 Claude Code 的完整流程。 什麼是 WSL WSL(Windows Subsystem for Linux,適用於

編程 , 人工智能 , 深度學習 , 後端 , 前端

一點人工一點智能 - 《計算機算術實踐:習題與編程》

書籍:Computer Arithmetic in Practice: Exercises and Programming 作者:Sławomir Gryś 出版:CRC Press​ 編輯:陳萍萍的公主@一點人工一點智能 下載:書籍下載-《計算機算術實踐:習題與編程》 01 書籍介紹 這是一本面向本科及研究生階段、簡明易懂的入門讀物,專為在大學課程中希望理解計算機

編程 , 算術 , 人工智能 , 計算機

Aloudata大應科技 - Aloudata Agent 重磅功能發佈:“用户編排思路、AI 精準執行、可沉澱複用”的模塊化分析報告

自今年年初產品雛形推出以來, Aloudata Agent 保持着快速迭代,功能演進路徑清晰而堅定: 三階能力躍遷:8 月,Aloudata Agent 公開體驗版正式上線,形成了「AI 問數+智能歸因+深度報告」端到端智能分析閉環,結合“場景助手”構建了一個真正面向業務、服務於決策的分析智能體。 洞察深化:9 月,Aloudata Agent 實現了基於指標語義層的智能歸因分析能力升級,歸

chat , agent , 數據可視化 , 數據分析

MatrixOrigin - AI時代的數據管理新範式:Git for Data讓數據工程化

AI的發展速度,正在與企業的數據管理能力,形成一對日益尖鋭的矛盾。 一方面,算法模型日新月異,每天都有新的突破刷新認知。另一方面,企業內部的數據現狀卻不容樂觀:超過九成的數據沉睡在不同的系統中,格式雜亂、形態各異,形成一座座數據孤島。 這種割裂,讓AI開發者陷入了"巧婦難為無米之炊"的窘境。據麥肯錫調研,數據準備工作佔據了AI項目70%以上的時間。當算法的迭代以天為單位,數據準備的週期卻常常以周、

人工智能 , Git

mb691327edb400f - HR的下半場:不靠加班,而靠升級為AI指揮官

HR的下半場:不靠加班,而靠升級為AI指揮官 “再努力也招不到優秀的人”正在成為HR的共同焦慮。許多HR加班篩簡歷到深夜,卻仍錯過關鍵人才;安排面試滿滿一週,卻被候選人臨時放鴿子;做了大量流程工作,卻常常被質疑“招聘為什麼這麼慢、這麼不準”。 我們正在進入一個現實:人才不是稀缺,識別能力才是稀缺。 與此同時,市場變化、業務迭代、候選人體驗與僱主品牌競爭,

快速啓動 , 數據 , 人工智能 , 深度學習 , 迭代

美狐美顏SDK開放平台 - 從0到1開發直播美顏SDK:算法架構、模型部署與跨端適配指南

在短視頻與直播行業不斷加速的今天,美顏能力已經不再是“錦上添花”,而是直播間的基礎設施。無論是主播個人直播、電商帶貨,還是B端平台的直播工具,都離不開一個穩定、輕量、可擴展的美顏SDK。 很多開發者會把美顏理解成“磨皮、美白、瘦臉”這些基礎效果,但真正從0到1搭建完整SDK時,你會發現:它既是一場技術戰,也是一門產品學,更是一門跨端適配的“工程藝術”。 本篇文章,小編

視頻美顏sdk , 美顏api , 人工智能 , 直播美顏sdk , 計算機視覺 , 第三方美顏SDK , 在51CTO的第一篇博文 , 美顏SDK

短短同學 - 對象住哪裏?——深入剖析JVM內存結構與對象分配機制

對象住哪裏?—— 深入剖析 JVM 內存結構與對象分配機制 在 Java 程序運行時,我們創建的每一個對象(如new User())都需要佔用 JVM 內存,但這些對象究竟 “居住” 在哪個內存區域?為何有的對象很快被回收,有的卻能長期存活?要解答這些問題,必須先理清 JVM 的內存結構劃分,再深入對象從創建到銷燬的全生命週期分配邏輯 —— 這不僅是面試高頻考點,更是理解

User , jvm , 人工智能 , 深度學習 , 常量池

未聞花名AI - 構建AI智能體:十二、給詞語繪製地圖:Embedding如何構建機器的認知空間

我們理解“蘋果”這個詞,能聯想到一種水果、一個公司、或者牛頓的故事。但對計算機而言,“蘋果”最初只是一個冰冷的符號或一串二進制代碼。傳統的“One-Hot”編碼方式(如“蘋果”是[1,0,0,...],“香蕉”是是[0,1,0,...])無法表達任何語義,所有詞之間的關係都是相等且無關的。 如何讓機器真正“理解”含義?這就需要一種新的表示方法——Embedding。它就像一

中心詞 , NLP , 加載 , 人工智能 , 詞向量

數據小玩子 - 【零售電商數據驅動系列3】客户復購激活:如何打通線上線下會員,讓老客持續復購?

復購的核心是“全域會員分層+精準觸達”,只有整合線上消費、線下到店數據,才能摸清不同客户的需求偏好。藉助助睿BI按消費頻次、客單價、消費場景(線上/線下)自動分層高/中/低價值會員,拆解老客復購週期、偏好商品,幫零售電商針對性設計優惠券、上新提醒、門店專屬活動,不用盲目發券,復購率提升更高效。 助睿BI鏈接:https://www.zhurui.com/

數據挖掘 , bi , 人工智能 , 數據分析

思否編輯部 - AI推理硬件選型指南:CPU 與 GPU 的抉擇

AI基礎設施的建設不應追逐硬件潮流,而在於為任務選擇最合適的工具。 Akamai全球分佈式邊緣網絡能獨特地為實時應用提供可擴展、高性價比的AI推理服務。通過對CPU的戰略性使用,Akamai進一步降低了多種推理工作負載的成本與能耗,且無需犧牲性能。 如您所在的企業正在考慮構建和部署 AI 賦能應用程序,或您正在尋找合適的 AI 推理運行環境 點擊鏈接瞭解 Akamai AI 推理雲解決方案,

資訊 , gpu , 人工智能 , ai芯片 , cpu

鏡舟科技 - 數據湖典型架構解析:2025 年湖倉一體化解決方案

數據湖架構概述:從傳統模型到 2025 年新範式 數據湖作為存儲海量異構數據的中央倉庫,其架構設計直接影響企業數據價值的釋放效率。傳統數據湖架構主要關注數據的存儲和管理,而 2025 年的數據湖架構已經演變為更加智能化、自動化的綜合性數據平台。 數據湖本質上是一個存儲庫,允許企業以原生格式存儲各類數據,包括結構化、半結構化和非結構化數據。與傳統數據倉庫相比,數據湖採用“讀時模式”(schema-o

架構 , starrocks , 數據分析 , 數據湖 , 數據處理

愛聽歌的金針菇 - 國內CRM系統排名與全面對比測評,助你選擇合適的國產替代CRM

隨着企業數字化轉型加速,CRM(客户關係管理)系統已成為企業提升客户價值、優化業務流程的核心工具。國內CRM市場呈現百花齊放的態勢,其中珍客CRM、紛享銷客CRM、銷售易CRM、簡道雲CRM、銷幫幫CRM憑藉各自優勢佔據重要份額。本文將從核心功能、技術能力、行業適配、性價比等維度進行全面對比,為企業選型提供參考,並重點解析為何珍客CRM更值得優先選擇。 一、國內CRM市場現狀與選型核心標準

工具 , 系統 , crm系統 , crm

合肥自友科技 - 智慧校園平台選型指南:模塊化與可擴展性如何平衡?‌

在智慧校園建設中,平台選型是決定長期運營效率的關鍵一步。許多學校在初期容易陷入“功能越全越好”的誤區,但實際上,模塊化設計和可擴展性才是更值得關注的底層能力。 為什麼模塊化設計是智慧校園的剛需? 模塊化不是簡單的功能拆分,而是讓平台像積木一樣靈活組合。比如,有的學校先上線教務管理,後期再接入物聯網設備管理,模塊化設計能避免重複投入和系統衝突。這種設計還能降低後

數字化轉型 , 智慧校園管理系統 , 智慧校園服務商 , 智慧校園軟件 , 智慧校園建設 , 智慧校園選型

萬界星空科技 - 一文讀懂電子看板管理:生產看板到底管什麼?看什麼?

一、概念:什麼是電子看板管理? 電子看板管理是傳統物理看板在數字時代的進化形式。它利用物聯網、傳感器、顯示屏和看板管理軟件(通常集成在MES製造執行系統或ERP企業中),將生產指令、物料需求、狀態反饋和異常警報進行數字化、可視化和實時化傳遞。 二、分類:電子看板的類型 按功能分類(核心業務邏輯): 生產指令看板: 系統向工位終端或顯示屏發送電子生產指令,包含生產物

數字化轉型 , 工業互聯網 , 數據可視化 , 人工智能 , 製造業