tag 機器學習

標籤
貢獻433
442
05:25 PM · Oct 25 ,2025
deephub 頭像 tecdat 頭像 qingfouai 頭像 chaoshenjinghyperai 頭像 u_17420180 頭像 u_17061379 頭像 lab4ai 頭像 u_15214399 頭像 youyudetusi 頭像 aigoto 頭像 u_15690955 頭像 MrVolleyball 頭像

@機器學習 / 博客 RSS 訂閱

u_13521 頭像

cnolnic - 迴歸任務網絡可視化

回退（Rollback WorkItem） 回退是工作流參與者對自己“待辦任務”（實際是對工作項）的一種操作，即參與者主動回退待辦任務列表中的任務到已經執行過的人工節點。 為什麼要回退？ 參與者接受任務後，發現不應由自己辦理此任務或以前的執行者辦理有錯誤等情況後，需要將此接受的任務回退給以前某個節點的執行者重新辦理。

機器學習 , 迴歸任務網絡可視化 , 條件判斷 , 工作 , 人工智能 , 多實例 , 工作流引擎

收藏 評論

u_16213634 頭像

mob64ca14048514 - emqx 如何查詢發送了哪些消息

7． 發送短消息後，收到出錯信息+CMS ERROR 515 　　如果您的GSM MODEM在初始化期間或在指令執行過程當中GSM MODEM又接受新的指令，將會出現此錯誤。您必須等到初始化完成或指令執行完畢。 　　8． 如何才能知道您發送的短消息已被送達目的號碼 　　a） 採用文本格式發送 　　在您採用文本

機器學習 , ico , 串口 , 數據 , emqx 如何查詢發送了哪些消息 , 人工智能

收藏 評論

u_16099238 頭像

碼海探險家 - 重新定向cubemx的jre

重定向，將原本輸出到標準輸出的數據重定向到一個文件中，因為標準輸出(/dev/stdout)本身也是一個文件，我們將命令輸出導向另一個文件自然也是沒有任何問題的 $ echo 'hello shiyanlou' redirect $ echo 'www.shiyanlou.com' redirect $ cat redirect 簡單的重定向

機器學習 , 文件描述符 , 重新定向cubemx的jre , 重定向 , 人工智能 , 標準輸出

收藏 評論

u_16213640 頭像

mob64ca1405d568 - Emeditor增強宏腳本

VS2005宏腳本添加註釋模板 現 在的IDE越做越強大，為我等懶人省了不少。為了使用將來的代碼自己或別人能看懂，註釋這種東西必不可少。當為函數添加註釋時，格式是固定的。每個函數寫 一遍，或從別的函數處拷貝過來，即麻煩又容易出錯。這種重複勞動讓人心煩都有不想寫註釋的慾望了，這時VS的宏可以幹掉這些“髒、亂、累”的體力活。 看了一下，VS2005的宏腳本就是VB

機器學習 , 快捷鍵 , 註釋模板 , text , 人工智能 , Emeditor增強宏腳本

收藏 評論

u_16099318 頭像

墨染心語 - llama3支持embedding嗎

AMD正式公佈了第三代鋭龍台式機處理器家族的最新成員：鋭龍3 3100和鋭龍3 3300X處理器，AMD B550芯片組也同步亮相。全新的鋭龍3台式機處理器採用最新的7nm工藝製造，基於最新的Zen 2微架構，均為4核心8線程設計，同時還加入了同步多線程(SMT)技術的支持。

機器學習 , SMT , 芯片組 , 人工智能 , amd同步多線程 , 解決方案 , llama3支持embedding嗎

收藏 評論

u_16213631 頭像

mob64ca1403c772 - Collapse圖標居左elementui

Excel迷你圖支持三種類型：折線圖、柱形圖、盈虧圖；由於迷你圖只佔用了一個單元格的位置，非常小巧，所以非常適合數據量大、或者分析儀表盤中使用。 一、插入迷你圖 選擇將要在迷你圖中展示的數據，切換到【插入】功能頁籤，點擊“迷你圖”功能組的“折線圖”功能按鈕，將打開“創建迷你圖”窗口，剛才選擇的數據區域已經顯示在“數據範圍”中，光

機器學習 , 數據區 , 數據 , 座標軸 , 人工智能

收藏 評論

huodadexiang 頭像

南瓜 - 基於深度學習的YOLO框架實現金屬工業表面缺陷識別｜開箱即用系統級項目（源碼+模型+界面）

🛠️ 基於深度學習的YOLO框架實現金屬工業表面缺陷識別｜開箱即用系統級項目（源碼+模型+界面） 🧠 項目背景 在現代金屬製造與工業質檢流程中，金屬表面缺陷的及時識別與分級對保障產品質量至關重要。傳統的人工檢測不僅耗時耗力，而且容易受限於人眼疲勞、主觀判斷等問題，導致誤檢漏檢頻發。 本項目採用當前主流的深度學習目標檢測框架 YOLOv8，結合 圖形化界面（PyQt5），打造了一套完整的 金屬

機器學習

收藏 評論

fennudexiyang 頭像

中昊芯英 - DeepSeek-V3.2的DSA稀疏注意力技術：在TPU平台上的效能革命與適配實踐

9 月 29 日，DeepSeek 最新發布的DeepSeek-V3.2-Exp模型引入了自主研發的DeepSeek Sparse Attention（DSA）稀疏注意力機制，在幾乎不影響模型性能的前提下，實現了長文本訓練和推理效率的大幅提升。本文旨在深入解析 DSA 的技術原理，並重點探討中昊芯英「剎那®」TPU 平台如何憑藉其片上緩存與高度並行矩陣計算單元，在 Lightning Indexe

機器學習 , tensorflow , 神經網絡 , 自然語言處理 , 人工智能

收藏 評論

nizi_60e514d097c9a 頭像

MIAOYUN - MIAOYUN | 每週AI新鮮事兒（11.14-11.21）

本週全球AI領域創新密集，各大廠商競相推出新一代大模型與智能工具。基礎模型性能顯著提升，Google的Gemini 3、OpenAI的GPT-5.1、xAI的Grok 4.1等模型在多模態、代碼及情感理解方面取得突破。AI智能體與工具生態持續繁榮，微軟的Copilot、Google的SIMA 2、AI編程IDE Antigravity及螞蟻集團「靈光」等應用正重塑工作與創作方式。與此同時，開源操作

機器學習 , 資訊 , 圖像識別 , 自然語言處理 , 人工智能

收藏 評論

u_15434217 頭像

文傳商訊 - Airship研究：無代碼原生應用體驗使購買頻次翻倍（增長140%），為假日季盈利增長開闢新路徑

移動優先的客户體驗公司Airship今日發佈全新彙總數據分析結果，顯示無代碼原生應用體驗可顯著提高關鍵生命週期事件的轉化率，且能使購買頻次提升一倍以上。 Airship開展的“體驗影響力”(Experience Impact)研究分析了超過1000個零售類應用內體驗和17億次設備會話，量化了利用無代碼和AI驅動工具優化端到端客户旅程（而非僅發送信息

機器學習 , 原生應用 , 人工智能 , 客户體驗 , 移動優先

收藏 評論

deephub 頭像

deephub - 15個基本且常用Pandas代碼片段

Pandas提供了強大的數據操作和分析功能，是數據科學的日常基本工具。在本文中，我們將介紹最常用的15個Pandas代碼片段。這些片段將幫助簡化數據分析任務，從數據集中提取有價值的見解。 1、過濾數據 Pandas提供了多種方法來過濾數據。 import pandas as pd # Create a DataFrame data = {'Name': ['Alice', 'Bob',

機器學習 , 人工智能 , pandas , 數據分析

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI就業服務系統：讓求職招聘精準“對上暗號”

不管是求職者海投簡歷石沉大海，還是HR埋在簡歷堆裏找不到合適人選，“匹配錯位”都是就業市場的老大難。而AI就業服務系統就像一位智能“就業紅娘”，用技術打破信息壁壘，讓求職者精準對接崗位，讓招聘方高效鎖定人才，把求職招聘的“盲盒遊戲”變成“精準匹配”。 這個系統能實現“精準牽線”，核心靠三大技術撐場面。首先是自然語言處理（NLP）的“讀懂”能力——它能像人一樣拆解簡歷和崗位描述。比如求

機器學習 , 跨境電商 , NLP , 人工智能 , 行業趨勢

收藏 評論

openbayescom 頭像

OpenBayes - Open-AutoGLM 實現手機端自主操作；PhysDrive 數據集採集真實駕駛生理信號

公共資源速遞 5 個公共數據集： FirstAidQA 急救知識問答數據集 PhysDrive 駕駛員生理測試數據集 PolypSense3D 息肉尺寸感知數據集 Envision 多階段事件視覺生成數據集 Care-PD 帕金森三維步態評估數據集 8 個公共模型： SAM 3 Z-Image-Turbo Ovis-Image-7B Ministral-3-14B Lon

機器學習 , pytorch , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

u_16213614 頭像

mob64ca13ffd0f1 - sklearnLogisticRegression多分類

文章目錄 邏輯迴歸（分類） 1、基本原理 4、梯度下降法 4、sklearn實現邏輯迴歸 5、多分類問題 5.1多分類原理 5.2sklearn實現多分類 邏輯迴歸（分類） 1、基本原理 邏輯迴歸用於分類，是對樣本屬於某一類的概率進行預測，對數機率函數：

機器學習 , 多分類 , 雲計算 , 取值 , 雲原生

收藏 評論

u_16213680 頭像

mob64ca140f67e3 - 數據庫的 shema

ACID，是指在數據庫管理系統（DBMS）中事務所具有的四個特性：原子性（Atomicity）、一致性（Consistency）、隔離性（Isolation，又稱獨立性）、持久性（Durability）。 在數據庫系統中，一個事務是指由一系列數據庫操作組成的一個完整的邏輯過程。例如銀行轉帳，從原賬户扣除金額，以及向目標賬户添加金額，這兩個數據庫操作的總和構成一個完整的邏輯過

機器學習 , 數據庫的 shema , 持久性 , 數據庫 , 人工智能 , 日誌記錄

收藏 評論

u_16099169 頭像

編程夢想家 - PKC雷達目標檢測

本文作者：黃浴| 以前提到過此文（在想法中），WACV‘2021錄取：“CenterFusion: Center-based Radar and Camera Fusion for 3D Object Detection“ https://arxiv.org/abs/2011.04841 摘要：這是一個middle

機器學習 , PKC雷達目標檢測 , 人工智能 , 深度學習 , 計算機視覺

收藏 評論

u_14172 頭像

archangle - IAR Embeded Workbench IDE測邊框叉掉了怎麼打開

1..IWorkbench： workbench是eclipse用户界面中最底層的對象,它建立在 Display之上,包含一個或多個 IWorkbenchWindow,用於向終端用户呈現信息 當你的 workbench插件被激活的時候,eclipse平台將為之創建一個實例,在平台的整個生命週期中,只允許出現該 workbench的唯一實例 2

機器學習 , eclipse , 生命週期 , 終端用户 , 人工智能

收藏 評論

zhuifengdekaomianbao 頭像

張老師講數字孿生 - 數據整合太難？標準化中間件或是數字孿生落地關鍵

數字孿生技術的應用正從概念驗證走向規模化部署，但數據整合瓶頸成為制約其落地的主要障礙。面對多源異構的工業數據，傳統定製化集成方案成本高、效率低，而標準化中間件通過構建統一的數據交換層，正成為破解這一難題的技術關鍵。 數據整合的三大技術挑戰 在數字孿生實施過程中，數據整合面臨三大核心挑戰。數據源異構性首當其衝：企業系統中同時存在關係數據庫、時序數據庫、NoSQL等多種數據存儲形式，數據格式和

機器學習 , 觀點 , 算法 , 人工智能 , 深度學習

收藏 評論

u_16099289 頭像

編程小匠人傳奇 - 第945期機器學習日報(2017-04-20)_ai100

目錄 摘要 Abstract 一、優化目標 二、K-means算法的直觀理解 總結 摘要 今天深入學習了K-means算法的數學原理和優化過程。通過分析成本函數的構成，我理解了算法如何通過交替優化聚類分配和中心位置來最小化平方距離。具體來説，第一步是將每個點分配到最近的聚類中心，第二步是重新計算聚類中心為所屬點的

機器學習 , 聚類 , 最小化 , 人工智能 , Css , ci , 前端開發 , HTML

收藏 評論

u_16213631 頭像

mob64ca1403c772 - 波士頓數據集 迴歸 百度的波士頓矩陣分析

產品的生命週期分為起步期、發展期、成熟期和衰退期（見下圖），不同時期的產品價值和意義有所不同。產品在起步期如初生的嬰兒，如果有良好的環境就會茁壯成長，但這個時期的產品也要不斷調整和升級以適應外部環境；發展期的產品猶如青年人，身強體壯、精力充沛，各方面的機能都處於最優狀態，這個時期的產品要繼續發揮優勢、佔領市場；成熟期的產品猶如中年人，處於人生巔峯，同時也

機器學習 , 生命週期 , 智能家居 , 市場份額 , 波士頓數據集 迴歸 , 人工智能

收藏 評論

u_16060192 頭像

HyperAI超神經 - 在線教程｜ 騰訊混元開源端側翻譯工具HY-MT1.5，1.8B模型僅需1G內存

在機器翻譯領域，傳統的高性能模型往往面臨兩個核心難題。對於主流語言，閉源商業模型效果出眾但調用成本高，模型參數量動輒百億級別，需要高昂的算力支持，難以在手機等消費級設備上部署。另一方面，對於數據稀缺的低資源小語種，以及包含專業術語、文化特定表達的文本，模型翻譯質量常常不佳，容易出現幻覺問題或語義偏差。這導致用户在日常和移動場景下，常常在高質量、高成本的雲端服務與本地化、輕量化但效果不足的

機器學習 , 多語言 , 機器翻譯 , AI , 人工智能 , 深度學習

收藏 評論

openbayescom 頭像

OpenBayes - SAM3 重塑場景分割邊界；X-Dance 解鎖圖像驅動舞姿生成新難度

公共資源速遞 5 個公共數據集： 3EED 語言驅動三維理解數據集 X-Dance 圖像驅動舞蹈動作數據集 PhysToolBench 物理工具任務數據集 OST-Bench 時空場景理解基準數據集 Astrophysical Objects Image 天體物理物體圖像數據集 4 個公共教程： SAM3：視覺分割模型 FLUX.2-dev：圖像生成與編輯模型 Superto

機器學習 , 資訊 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

u_16213711 頭像

mob64ca1416f1ef - GDEMV3 30M 分塊數據DEM拼接

分塊算法總結 　　分塊，就是一種暴力算法，不過複雜度優於暴力，是基於足夠的預處理和合理可行的維護操作進行優化時間， 　在預處理+維護的耗時上與暴力處理的耗時上找到一種平衡，於是出了這個優美的算法 　　標誌：查詢某一區間內元素種類數，查詢某一區間大於等於某一元素的數的個數（即排名 　　為了查詢大於等於C的個數，可以排序，用區間長度-C的排名就是 答案數。

機器學習 , 複雜度 , include , 人工智能 , define

收藏 評論