tag 機器學習

標籤
貢獻433
451
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_16099281 頭像

雲端築夢師 - AssemblyLoadContext 插件和dll

手把手教你給VC++編寫插件 下午偶然注意到VC++6.0新建工程標籤頁下的DevStudio Add-in Wizard，沒有接觸過，看名字是給Developer Studio開發插件，心生喜感，於是百度之，發生百度檢索幾乎找不到一篇完整的文字講述這個wizard的使用，費盡周折下載了一個只有幾行實際代碼的demo，同時在MSDN提供的實例中看到了類似的dem

機器學習 , 工具條 , 人工智能 , 位圖 , Visual

收藏 評論

u_16099277 頭像

架構領航員 - vue 手機端PC端一體網頁demo

前言 我們在開發h5的時候需要適配不同的終端，例如：PC，移動端等場景。 那麼我們會有多種方案可以選擇 一：使用css3 判斷不同的終端顯示不同的樣式 1)好處是，只需要維護一套代碼即可，但樣式處理卻非常麻煩，當頁面結構比較複雜的時候，我們沒辦僅僅用css3 根據不同的終端做適配

vue 手機端PC端一體網頁demo , 機器學習 , vue.js , 人工智能 , Css , 前端 , Javascript

收藏 評論

u_16213392 頭像

mob64ca12e6f33c - llama pytorch tensorflow

在現代深度學習框架中，Llama模型的出現使得基於PyTorch和TensorFlow的模型開發和部署變得更加高效和靈活。作為開源的、可擴展的生成預訓練變換器，Llama模型展示了強大的文本生成能力，無論是在自然語言處理還是一般的機器學習應用中都有着廣泛的應用前景。下面，我們將深入探討Llama與PyTorch與TensorFlow的結合使用，分析它們的特點、差異和應用場景。 背景定

機器學習 , 電商平台 , aigc , 深度學習

收藏 評論

u_15996251 頭像

明日cto - 機器學習——期望與方差

期望、方差是統計學中的核心概念，廣泛應用於機器學習的模型評估、特徵分析、正則化方法等領域。以下是對它們的系統講解，包括定義、性質、計算方法及實際應用 一、期望（Expectation） 1. 定義 期望是隨機變量在大量實驗中的“平均值”，用於描述其中心趨勢。 離散隨機變量： 連續隨機變量：

機器學習 , yyds乾貨盤點 , 人工智能 , 正則化 , 方差

收藏 評論

u_16213706 頭像

mob64ca1415bcee - 模型自適應迴歸遷移學習

預訓練模型蒸餾 在前面的課程中，大家瞭解了自然語言處理領域中一些經典的模型，比如BERT、ERNIE等，它們在NLP任務中的強大之處是毫無疑問的，但由於預訓練模型的參數較多，體積龐大，在部署時對設備的運算速度和內存大小以及能耗都有着極高的要求。但當我們處理實際的產業應用需求時，比如將深度學習模型部署到手機上時，就需要對模型進行壓縮，在不影響性能的前

機器學習 , 卷積 , paddlepaddle , NLP , 自然語言處理 , 模型自適應迴歸遷移學習 , 人工智能

收藏 評論

u_14444 頭像

lgmyxbjfu - Sentry SourceMap 工具

1.Server.MapPath()介紹 Server.MapPath(string path)作用是返回與Web服務器上的指定虛擬路徑相對應的物理文件路徑。其參數path為Web 服務器的虛擬路徑，返回結果是與path相對應的物理文件路徑。但有時參數並非為虛擬路徑， 而是用户自定義的文件名。 Server.MapPath()的全名是System.Web.Htt

機器學習 , 文件路徑 , Sentry SourceMap 工具 , server , 人工智能 , Web

收藏 評論

u_15641375 頭像

芯動大師 - ROS 編程入門的介紹

2.1 創建 ROS 功能包 ROS（Robot Operating System）是一種開源的機器人軟件框架，廣泛用於機器人開發中。通過使用 ROS，開發者可以輕鬆創建和管理機器人應用程序。在本節中，我們將介紹如何創建一個 ROS 功能包並實現一些基本功能。 2.1.1 使用 ROS 主題 ROS 主題（Topic）是一種發佈/訂閲機制，允許節點之間進行通信。

機器學習 , 服務器 , yyds乾貨盤點 , xml , 客户端 , 人工智能

收藏 評論

u_16099251 頭像

雲中誰寄錦書來 - 支持向量機本身對偶共同點

前言 動筆寫這個支持向量機(support vector machine)是費了不少勁和困難的，原因很簡單，一者這個東西本身就並不好懂，要深入學習和研究下去需花費不少時間和精力，二者這個東西也不好講清楚，儘管網上已經有朋友寫得不錯了(見文末參考鏈接)，但在描述數學公式的時候還是顯得不夠。得益於同學白石的數學證明，我還是想嘗試寫一下，希望

機器學習 , 數據 , php , 面試 , 支持向量機本身對偶共同點 , 人工智能

收藏 評論

u_16213607 頭像

mob64ca13fe1aa6 - template 內怎麼進行判斷

一、簡介 字符串置換操作。 　　何謂“簡化”？我們可以先想一下我們之前比較常用的有關字符串的“置換”操作有哪些：一種是利用%操作符實現，另外一種是格式化字符串format實現。那麼，相比於這兩種方法，string.Template究竟簡化在何處呢？ 　　那我們就以下面的代碼為例簡單説明一下string.Template的用法與上述兩種方式的區別：

機器學習 , 字符串 , 操作符 , 取值 , 人工智能 , template 內怎麼進行判斷

收藏 評論

tech 頭像

青雲交技術圈 - Java 大視界 -- Java 大數據機器學習模型在電商用户流失預測與留存策略制定中的應用

(centerJava 大視界 -- Java 大數據機器學習模型在電商用户流失預測與留存策略制定中的應用/center) 引言： 嘿，親愛的 Java 和 大數據愛好者們，大家好！我是CSDN（全區域）四榜榜首青雲交！在《大數據新視界》和《 Java 大視界》專欄的探索之旅中，我們已見證 Java 大數據在多個領域的驚豔表現。如今，在競爭白熱化的電商戰場，用户流失成為企業利潤的

機器學習 , spark , 隨機森林 , 大數據 , yyds乾貨盤點 , 留存策略 , 電商用户流失

收藏 評論

u_16099344 頭像

風華正茂的AI - TV demura 算法

文章目錄 基本概念 實例 Python實現 測試代碼 基本概念   要理解Tarjan算法，必須瞭解以下兩個概念，發現時間戳discovery time與低連接值low-link value。   發現時間戳這個很容易理解，K

機器學習 , jar , 算法 , 時間戳 , 人工智能 , TV demura 算法 , Python

收藏 評論

deephub 頭像

deephub - Pandas GroupBy 的 10 個實用技巧

很多人把 groupby 理解成單純的求和、計數這類操作，比如説算算總收入、數數用户量，然後就沒了。實際上它的應用場景要廣得多：計算組內特徵、數據標準化、構造滾動指標、合併不同維度的統計結果，甚至處理一些複雜的嵌套數據結構。 所以本文將介紹10個實際工作中比較有用的技巧，文章的代碼都是可以直接拿來用。 1、一次性應用多個聚合函數 import pandas as pd df = p

機器學習 , 人工智能 , pandas , Python

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI故障預測系統：給機器裝上“預知未來”的智慧眼睛

工廠裏的數控機牀突然停機、數據中心的服務器無故崩潰、風力發電機的葉片轉速異常……這些設備故障輕則耽誤生產，重則造成經濟損失。傳統故障排查依賴人工巡檢和事後維修，就像“生病了才知道吃藥”——往往為時已晚。如今，AI故障預測系統就像給機器裝上了“預知未來”的智慧眼睛，能在故障發生前“嗅到苗頭”，提前預警並採取措施，讓設備運行更可靠、生產更高效。 一、傳統故障管理的痛點：被動又昂貴 過

機器學習 , 數據 , 物聯網 , NLP , 人工智能

收藏 評論

u_12187 頭像

karen - 收縮msdb和tempdb

熱縮管的外層材料具有絕緣防蝕、耐磨等特點，而內層有低熔點、防水密封和高粘接性等優點，常被應用於線纜等的密封、絕緣和防護。本文詳細全面地介紹了熱縮管選型中需要關注的的關鍵參數、正確測量方法，以及使用注意事項，並舉例介紹如何利用Digi-Key網站完成熱縮管的產品選型。 熱縮管的外層材料具有絕緣防蝕、耐磨等特點，而內層有低熔點、防水密封

機器學習 , 更換參數長度為零 , 服務號 , 電子工程 , 人工智能 , 官網 , 收縮msdb和tempdb

收藏 評論

deephub 頭像

deephub - 使用Pandas進行數據清理的入門示例

數據清理是數據分析過程中的關鍵步驟，它涉及識別缺失值、重複行、異常值和不正確的數據類型。獲得乾淨可靠的數據對於準確的分析和建模非常重要。 本文將介紹以下6個經常使用的數據清理操作： 檢查缺失值、檢查重複行、處理離羣值、檢查所有列的數據類型、刪除不必要的列、數據不一致處理 第一步，讓我們導入庫和數據集。 # Import libraries import pandas as pd # Re

機器學習 , 數據清洗 , pandas , Python

收藏 評論

u_16099193 頭像

落花有意飛花 - EMMC VDDI解耦電容

1）去藕 （電源端） 去耦電容一般是接在正負電源之間，濾波作用.（也是一個牛人）説過在對電源佈線的時候，優先讓電源導線經過去耦電容。去耦電容在集成電路電源和地之間的有兩個作用：一方面是本集成電路的蓄能電容，另一方面旁路掉該器件的高頻噪聲(c對高頻阻力小，將之瀉至GND)。 1.數字電路中，當電路從一個狀態轉換為另一種狀態時，就會在

機器學習 , 旁路 , EMMC VDDI解耦電容 , 旁路電容 , 開關噪聲 , 人工智能

收藏 評論

u_16213634 頭像

mob64ca14048514 - 工作流中的system怎麼寫

控制流程類型活動 Code活動：執行關聯的代碼，關鍵屬性“ExecuteCode”。 Sequence：允許按順序執行一組Activity。 IfElse：根據指定的條件執行包含的活動。 While：按指定的迭代次數執行包含的Activity。 Policy：根據一組關聯的規則執行操作。 ConditionedActivityGroup

code , 機器學習 , 工作流程 , 容器類 , 工作流中的system怎麼寫 , 人工智能

收藏 評論

u_16213695 頭像

mob64ca1412ee79 - qemu啓動debian

新功能 - 動態調度程序：SPDK輕量級線程現在可以動態地調度到SPDK事件框架中的reactor上。調度程序會重新平衡空閒線程，調整CPU頻率，並將空閒的reactor切換到中斷模式。有關詳細信息，請參見https://www.spdk.io/doc/scheduler.html。此功能目前是實驗性的。 - vfio-user用户 NVMe

機器學習 , js , Linux , 人工智能 , JAVA , qemu啓動debian , Python

收藏 評論

u_16099234 頭像

技術筆耕者 - 嵌入式ota寫emmc ext4分區

本週學習了進程間通信這一章,首先管道： 管道是基於文件描述符的通信方式，當一個管道建立時，它會創建兩個文件描述符 fds[0]和 fds[1]，其中 fds[0] 固定用於讀管道，而 fd[1]固定用於寫管道，如圖所示，這樣就構成了一個半雙工的通道。 無名管道，它具有如下特點。  它只能用於具有親緣關係的

機器學習 , 非阻塞 , 文件描述符 , 數據 , 人工智能 , 嵌入式ota寫emmc ext4分區

收藏 評論

puxiaoke6 頭像

一點人工一點智能 - 書籍-《使用TensorFlow和Keras的神經網絡》

書籍：Neural Networks with TensorFlow and Keras: Training, Generative Models, and Reinforcement Learning 作者：Philip Hua 出版：Apress​ 編輯：陳萍萍的公主@一點人工一點智能 下載：書籍下載-《使用TensorFlow和Keras的神經網絡》 01 書

機器學習 , tensorflow , 神經網絡 , 深度學習

收藏 評論

u_16099205 頭像

架構思維大師 - 無人駕駛深度強化學習訓練的代碼在哪裏跑 無人駕駛 體驗

4 月 17 日消息等了 5 個多月，車物品總算在極狐阿爾法 S上感受到華為公司的批量生產版“L4”級無人駕駛系統軟件。 從華為上海研究室考慮，大家搭乘這台阿爾法 S 在上海金橋區的市政道路里行車了 12 千米，歷經了十幾個交通信號燈後回到到起點。 一樣的線路，車物品累計感受了 3 趟（2次晚間一次大白天），中途全部安全駕駛實際操作均

機器學習 , 無人駕駛深度強化學習訓練的代碼在哪裏跑 , 數據 , 自動駕駛 , 系統軟件 , 人工智能 , 點到點

收藏 評論

u_16213651 頭像

mob64ca14089531 - ad直接使用自己搭建的ldap

AIDL背景 在Android平台上，一個進程通常無法訪問另一個進程的內存，所以想要跨進程訪問的話，需要將要傳遞的數據分解為系統可以支持和識別的基本單元，有序的經過進程的邊界。因為這個操作十分繁瑣，所以Android使用AIDL來解決這個問題。AIDL就是用於生成兩個進程間進行進程間通信的（IPC）代碼，面向開發簡化這個過程。 注：

機器學習 , 通信 , ad直接使用自己搭建的ldap , Android , 人工智能 , aidl

收藏 評論

deephub 頭像

deephub - 20個改善編碼的Python異常處理技巧，讓你的代碼更高效

異常處理是寫好代碼的一個重要的方面，雖然許多開發人員都熟悉基本的try-except塊，但是有很多更深入的知識可以使異常處理更高效、更可讀和更python化。所以本文將介紹關於Python異常的20個可以顯著改善編碼的Python異常處理技巧，這些技巧可以讓你熟練的掌握Python的異常處理。 Python中的異常是在程序執行期間發生的破壞了程序指令的正常流程的事件。與其他編程語言一樣，Pytho

機器學習 , 異常處理 , Python

收藏 評論

u_13446 頭像

imking - emphasis echarts 正常值

node/使用命令： https://nodejs.org/zh-cn/ npm install -g @vue/cli npm install ts-node -g npm init -y npm install @types/node -D npm install express -S npm install @types/

機器學習 , 數據 , 人工智能 , 配置項 , ios

收藏 評論