博客 RSS 訂閱

yupi 頭像

程序員魚皮 - 剛剛 Cursor2.0炸裂發佈！這3大亮點必學

大家好，我是程序員魚皮。剛剛 Cursor 2.0 終於來了，絕對炸裂！ 下面我帶大家實操 Cursor 2.0 更新的幾大核心功能，看看怎麼用它大幅提高開發效率。 話不多説，點擊收藏，我們開始吧！ 本文對應視頻版：https://bilibili.com/video/BV12SyaBLEhN 一、實用特性 重大更新 Multi-Agents 多智能體 先問個問題，你覺得現在最火的 AI

AI綜合

收藏 評論

seatunnel 頭像

SeaTunnel - LLM 時代，DataAgent × WhaleTunnel 如何將數據庫變更瞬時 “轉譯” 為洞察？

在軟件世界中，用户的形態正在發生變化。 過去，軟件的使用者是工程師、分析師或運維人員；而如今，他們正在被一羣“數字化身”——Agent 所取代。AI 不再只是一個算法模型，而是逐漸演變為能理解業務語境、自動執行任務、並進行協同決策的智能體。 隨着大模型技術的快速成熟，這場以 “Agent 化” 為核心的軟件革命，正推動企業數據系統從傳統的自動化，走向真正的智能化。 在這一趨勢中，數據基礎設施的智

llm , 數據同步 , 大數據 , 開源 , seatunnel

收藏 評論

huaweiyun 頭像

huaweiyun - 【新特性】 版本速遞 | 華為雲Versatile智能體平台 新增特性介紹（2025年10月發佈）

本文分享自華為雲社區《【新特性】 版本速遞 | 華為雲Versatile智能體平台 新增特性介紹（2025年10月發佈）》，作者：Versatile運營小助手。 華為雲Versatile智能體平台 體驗入口華為開發者空間--開發平台--Versatile Agent（請在PC端打開） 版本概覽 Summary 華為雲Versatile智能體平台定位為一站式企業級智能體構建平台，倡導人人都能構

AI綜合

收藏 評論

lying7 頭像

躺柒 - 讀浪潮將至03寒武紀大爆發

1.寒武紀大爆發 1.1.技術是一系列不斷演變的思想 1.1.1.新技術在與其他技術的碰撞和結合中發展 1.1.2.同自然選擇一樣，有效的技術組合會留存下來，成為未來技術的新基石 1.1.3.已有的技術越多，它們就越能成為其他新技術的一部分 1.2.發明是一個不斷累積的、複合的過程，具有自我強化的特性 1.3.即將到來的浪潮是一個超級集羣，是一次進化式的飛

AI綜合

收藏 評論

MrVolleyball 頭像

MrVolleyball - 彩筆運維勇闖機器學習--多元線性迴歸（實戰）

前言 書接上文，上一小節簡單介紹了多元迴歸的基本原理、使用方式，本小節來實踐：qps與cpu、內存、磁盤io、網絡io之間的關係 獲取數據 參考一元線性迴歸的獲取方式 from flow import * from datetime import datetime start_time = datetime.strptime('2025-04-06 00:00:00', '%Y-%m-%d %H

機器學習

收藏 評論

MrVolleyball 頭像

MrVolleyball - 彩筆運維勇闖機器學習--最小二乘法的數學推導

前言 今天我們來討論一下回歸算法當中的數學實現。本人數學也是渣，大學時期概率論一直掛到清考才勉強通過，+_+ !!，如今勇闖機器學習，硬着頭皮重新學習了微積分和線代，也是為了記錄自己最近的狀態，避免過段時間忘記了。描述的時候有不周全的地方，請各位大佬們多擔待了 本節將會運用一些數學知識來解釋一下相關的迴歸算法的合理性，雖有些枯燥，但知其然也知其所以然，多瞭解一些總是好的 最小二乘法 最小二乘法的核

機器學習

收藏 評論

MrVolleyball 頭像

MrVolleyball - 彩筆運維勇闖機器學習：多項式迴歸

前言 在之前的討論中，討論的都是線性迴歸，自變量與結果可以通過一條直線來解釋。而今天討論的問題，自變量與結果可能需要曲線來擬合，也就是所謂的 \(x^n\)，n=2 開始探索 老規矩，先運行起來，再探索原理 1. scikit-learn import numpy as np from sklearn.preprocessing import PolynomialFeatures from skl

機器學習

收藏 評論

MrVolleyball 頭像

MrVolleyball - 彩筆運維勇闖機器學習--擬合

前言 今天我們來討論擬合的問題 在之前的篇幅，主要討論的是線性迴歸的問題，不管是一元、多元、多項式，本質都是線性迴歸問題。線性迴歸在機器學習中屬於“監督學習”，也就是使用已有的、預定義的“訓練數據”集合，訓練系統，在解釋未知數據時，也能夠很好的解釋 而模型訓練完成之後，可能會有3中狀態：“欠擬合”、“最佳適配”、“過擬合”。本小節就來消息討論一下，怎麼判斷訓練出來的模型處於什麼樣的狀態 過擬合 老

機器學習

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的石頭剪刀布手勢識別系統演示與介紹(YOLOv12/v11/v8/v5模型+Pyqt5界面+訓練代碼+數據集)

​ 視頻演示 基於深度學習的石頭剪刀布手勢識別系統演示與介紹_嗶哩嗶哩_bilibili 1.前言 隨着人機交互技術的快速發展和智能設備的廣泛應用，自然、直觀的手勢交互已成為提升用户體驗的重要方向。石頭剪刀布作為一種經典的手勢遊戲，其識別任務融合了計算機視覺與模式識別的核心技術，對實時性和準確性提出了雙重挑戰。高效的石頭剪刀布手勢識別系統不僅能為人機交互提供新穎的交互方式，還可

機器學習

收藏 評論

MrVolleyball 頭像

MrVolleyball - 彩筆運維勇闖機器學習--邏輯迴歸

前言 從本節開始，我們的機器學習之旅進入了下一個篇章。之前討論的是迴歸算法，迴歸算法主要用於預測數據。而本節討論的是分類問題，簡而言之就是按照規則將數據分類 而要討論的邏輯迴歸，雖然名字叫做迴歸，它要解決的是分類問題 開始探索 scikit-learn 還是老規矩，先來個例子，再討論原理 假設以下場景：一位老哥想要測試他老婆對於抽煙忍耐度，他進行了以下測試 星期一

機器學習

收藏 評論

zhaoweiwei 頭像

weiwei22844 - NVIDIA Kernel級性能分析工具Nsight Compute入門詳解

1 功能初體驗 1.1 分析實例 仍以之前的vectorAdd程序為分析目標，在新建的工程中只指定編譯好的可執行文件及其輸出report文件，其他部分都保持默認，然後直接點擊“Launch”進行分析。 圖1 Launch界面 運行完畢後生成如下分析結果： 先整體介紹下report結果： 1. 基礎信息（頂部欄） 首先是內核名稱：vectorAdd，向量加法內核；接下來是核函數的執行Size，G

機器學習

收藏 評論

kohler21 頭像

愚生淺末 - 機器學習基本理論

目錄 機器學習基本理論 機器學習三要素 機器學習方法分類 建模流程 特徵工程 什麼是特徵工程 特徵工程有什麼 特徵選擇 特徵轉換 特徵構造 特徵降維 常用方法 模型評估和模型選擇

機器學習

收藏 評論

MrVolleyball 頭像

MrVolleyball - 彩筆運維勇闖機器學習--決策樹

前言 決策樹是一種常用的機器學習模型，用於分類和迴歸任務，它通過模擬“樹”的結構來對數據進行決策。本節我們詳細討論的是決策樹中的分類任務 開始探索 scikit-learn 假設以下運維場景 CPU 低：40% 中：40%~70% 高：70% 內存 低：60% 中：60%~85% 高：85% 磁盤I/O 低：40%

機器學習

收藏 評論

qichengxiaoqi 頭像

柒城小柒 - Transformer通俗講解（大白話版）

温馨提示：本文共有8472個字，平均閲讀時間約為34分鐘 大家可以快速查看自己感興趣的內容點擊下面的目錄： 目錄 模型簡介 整體架構 Encoder結構 輸入階段 輸入嵌入（Input Embedding） 位置編碼（Position Encoding） 輸入向

機器學習

收藏 評論

MrVolleyball 頭像

MrVolleyball - 彩筆運維勇闖機器學習--隨機森林

前言 隨機森林的出現，是為了解決決策樹對訓練數據過擬合的問題而出現的。決策樹在訓練的工程中，可以讓每一個葉子節點的不確定性降為0（即熵或者基尼指數為0），這樣做可能把訓練數據中的偶然性、異常值或噪聲也當成了“規 律”去學習了 對於複雜高維的數據，隨機森林的算法可以更好的泛化能力 開始探索 scikit-learn 老規矩，先上代碼，看看隨機森林的用法 from sklearn.ensemble i

機器學習

收藏 評論

MrVolleyball 頭像

MrVolleyball - 彩筆運維勇闖機器學習--梯度下降法

前言 彩筆運維勇闖機器學習，今天我們來討論一下梯度下降法 梯度 首先要搞明白什麼是梯度，那就要先從導數説起 導數 函數\(y=f(x)\)的自變量\(x\)在一點\(x_0\)上產生一個增量\(\Delta x\)時，函數輸出值的增量\(\Delta y=f(x_0 + \Delta x)-f(x_0)\)與自變量增量\(\Delta x\)的比值在\(\Delta x\)趨於0時的極限\(a\)

機器學習

收藏 評論

MrVolleyball 頭像

MrVolleyball - 彩筆運維勇闖機器學習--lasso迴歸

前言 彩筆運維勇闖機器學習，今天我們來討論一下lasso迴歸，本期又是一起數學推理過程展示 座標下降法 目標找到一組參數，使目標函數值最小。比如\(f(x,y)=3x^2+5xy+10y^2\)，要找到\(x,y\)使得\(f(x,y)\)取值最小 \[x_j^{(k+1)} = \arg \min_{x_j} f(x_1^{(k+1)}, \dots, x_{j-1}^{(k+1)}, x_j

機器學習

收藏 評論

MrVolleyball 頭像

MrVolleyball - 彩筆運維勇闖機器學習--GBDT

前言 本文討論的GBDT算法，也是基於決策樹 開始探索 scikit-learn 老規矩，先上代碼，看看GBDT的用法 from sklearn.datasets import load_iris from sklearn.ensemble import GradientBoostingClassifier from sklearn.model_selection import train_tes

機器學習

收藏 評論

wang_yb 頭像

wang_yb - 讓YOLO飛起來：從CPU到GPU的配置指南

最近在配置YOLO（You Only Look Once）進行物體檢測和圖像分割任務時，發現默認安裝的情況下，YOLO使用的是CPU進行計算。 這對於需要處理大量圖像或實時檢測的任務來説，效率明顯不足。 本文將詳細介紹如何將YOLO從CPU模式切換到GPU模式，顯著提升運行效率。 1. 配置步驟 1.1. 檢查當前PyTorch是否支持GPU 首先需要確認當前安裝的PyTorch是否支持GPU。打

機器學習

收藏 評論

xiaoxi666 頭像

xiaoxi666 - 神經網絡常見的40多種激活函數（應用場景+數學公式+代碼實現+函數圖象）

什麼是激活函數 激活函數，屬於神經網絡中的概念。 激活函數，就像神經元的開關，決定了輸入信號能否被傳遞，以及以什麼形式傳遞。 為應對不同的場景，激活函數不斷髮展出了各種實現。它們存在的意義，就是為信號傳遞賦予不同種類的“非線性”特徵，從而讓神經網絡能夠表達更為豐富的含義。 本文旨在梳理常見的 40 多種激活函數（也包含少量經典的輸出層函數）。 説明 本文將簡要介紹激活函數的概念和使用場景，並列出其

機器學習

收藏 評論

MrVolleyball 頭像

MrVolleyball - 彩筆運維勇闖機器學習--KNN算法

前言 彩筆運維勇闖機器學習：KNN算法，它也是分類中的一種 開始探索 scikit-learn import numpy as np import matplotlib.pyplot as plt from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler

機器學習

收藏 評論

qlhh 頭像

qlhh - pytorch的矩陣操作分類

PyTorch 的矩陣操作 注意： 無論是torch.f()還是tensor.f()，都是返回新的Tensor，不會修改原始的tensor 單個tensor 初始化 empty 用於創建一個未初始化的張量，其值是隨機的 與torch.randn的區別在於，torch.randn是從正態分佈中採樣的 torch.empty(*size, *, out=None, dtyp

機器學習

收藏 評論

MrVolleyball 頭像

MrVolleyball - 彩筆運維勇闖機器學習--孤立森林

前言 孤立森林，一種非常高效快速的異常檢測算法 開始探索 scikit-learn import numpy as np import matplotlib.pyplot as plt from sklearn.ensemble import IsolationForest rng = np.random.RandomState(0) X_train = 0.3 * rng.randn(100

機器學習

收藏 評論

zgm1 頭像

明月之歌 - 初識目標檢測

一．目前我校主要研究方向就是目標檢測，所以首先應對目標檢測有初步瞭解。目標檢測屬於計算機視覺中的一個熱門方向，主要應用於物體、人、動物識別、動作識別等。結合我校農業研究方向，通過目標檢測，可以用來檢測瓜果、蔬菜的成熟度、可以用來識別花卉、土壤營養分析、蔬菜採摘等。我國為農業大國，通過在農業工程中運用人工智能技術，可以有效降低人力投入、經濟成本。 人工智能研究方向分類如下圖： 傳統目標

機器學習

收藏 評論