tag 機器學習

標籤
貢獻433
457
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_14120 頭像

温柔一刀 - metal tile memory 用於 compute

如果單從初衷和預想的價值來看，還是很誘人的。在馮諾依曼體系中，cpu計算和memory存儲是分離的，而兩者之間的data movement會造成高延遲和高耗能。 關於PIM類似的思想在50年前曾有人提出過，比如1969年WILLIAM H. KAUTZ發表的論文Cellular Logic-in-Memory Arrays和1970年在斯坦

機器學習 , google , 人工智能 , memory , 浮點數

收藏 評論

u_14844 頭像

definitely - TVFEMD算法 具體步驟

TVM介紹 為解決深度學習框架和硬件後端適配問題，華盛頓大學的陳天奇等人提出了TVM. TVM是一個端到端的全棧編譯器，包括統一的IR堆棧和自動代碼生成方法，其主要功能是優化在CPU、GPU和其他定製AI芯片上執行的AI模型，通過自動轉換計算圖，實現計算模式的融合和內存利用率最大化，並優化數據佈局，完成從計算圖到算子級別的優化，提供從前端框架到AI芯片、端

機器學習 , 手機端 , TVFEMD算法 具體步驟 , 深度神經網絡 , 人工智能 , 深度學習

收藏 評論

u_15641375 頭像

芯動大師 - 對深度學習概念的基礎理解與認識

一、神經網絡的組成 人工神經網絡（Artificial Neural Networks，簡寫為ANNs）是一種模仿動物神經網絡行為特徵，進行分佈式並行信息處理的算法數學模型。 這種網絡依靠系統的複雜程度，通過調整內部大量節點之間相互連接的關係，從而達到處理信息的目的，並具有自學習和自適應的能力。神經網絡類型眾多，其中最為重要的是多層感知機。為了詳細地描述神經網絡，我們

機器學習 , yyds乾貨盤點 , 神經網絡 , 人工智能 , 深度學習 , 數據結構與算法

收藏 評論

u_16909639 頭像

小馬過河R - 編寫第一個MCP Server之Hello world

(目錄) 引言 上一篇《在Cline上調用MCP服務之MCP實踐篇》我們講到如何調用MCP服務，這次我們就來自己寫一個MCP服務。 在動手自己編寫MCP Server之前建議還是先認真看一遍MCP官網的介紹。 參考官方教程，我們計劃編寫一個名為“Echo”的MCP Server作為我們的MCP Server Hello world。 一、檢查環境並初始化項目 首

機器學習 , agent , NLP , mcp , 人工智能 , 在51CTO的第一篇博文

收藏 評論

u_14306318 頭像

咚咚王哲 - 人工智能之數據分析 numpy：第一章 學習鏈路

人工智能之數據分析 numpy 第一章 學習鏈路 (文章目錄) 前言 本文主要學習人工智能的整體鏈路，相當於數據分析模塊的開端，學習整體思維導圖，有利於更加清晰的知道後面需要學習什麼，達到什麼樣的程度，對於單一的ai繪圖短劇小説等也是當前的熱門方向之一。掌握基礎有利於更加靈活的創造和應用解決問題的能力。 一、頂層設計：理解人工智能全景圖

機器學習 , 數據 , 後端開發 , Python

收藏 評論

u_16213712 頭像

mob64ca14173efa - blazemeter官網在哪下載

不少介紹Blazor網站包括微軟自己的文檔網站，對Blazor採用的認證/授權機制有詳細的介紹，但是往往給出的是Identity Server的例子。搜索引擎可以找到的如： https://chrissainty.com/securing-your-blazor-apps-introduction-to-authentication-with-blazor/ http

服務端 , 機器學習 , 客户端 , 人工智能 , blazemeter官網在哪下載 , ide

收藏 評論

u_15690955 頭像

出手吧Glen - 地表最強馬賽克去除神器，來了！

大家好，我是立志替大家出手的AI區UP主格倫Glen。 友友們，咱平時刷視頻，是不是常碰到那種人臉模糊、滿是馬賽克的片段，急得人抓耳撓腮；或是回顧珍貴的老視頻影像，但模糊人臉簡直就是 “攔路虎”。 現在，救星來了！一款號稱 “地表最強馬賽克去除神器” 的AI工具橫空出世，專門攻克視頻人臉超分辨率難題，接下來就帶大家好好認識認識它。

視頻播放 , 機器學習 , 文件名 , 馬賽克去除 , 中文字符 , 人工智能

收藏 評論

u_17586993 頭像

u_17586993 - 大模型榜單週報（2026-01-04）

1. 本週概覽 DeepSeek在市佔率方面表現突出，份額增加顯著。同時，通義實驗室開源了GUI智能體MAI-UI，涵蓋從端側小模型到雲端大模型的多個尺寸版本。此外，DeepSeek提出了名為「mHC（流形約束超連接）」的新架構，能夠在增加極少訓練時間開銷的情況下實現顯著性能提升。 2. 重點關注事件 通義實驗室於12月26日開源GUI智能體MAI-UI，提供從2B端

code , 機器學習 , google , 人工智能 , 大模型

收藏 評論

u_16099344 頭像

風華正茂的AI - 高中迴歸直線方程去掉離羣點

已知橢圓 \(C:\dfrac{x^2}{a^2}+\dfrac{y^2}{b^2}=1(ab0)\) 的左、右焦點分別為 \(F_1,F_2\) ，以 \(F_1F_2\) 為直徑的圓過橢圓的上、下頂點，長軸長為 \(4\) (1) 求橢圓 \(C\) (2) 設橢圓 \(C\) 的左右頂點分別為 \(A,B\) ，點 \(P(4,t)(t\neq0)\) ，過點

機器學習 , 高中迴歸直線方程去掉離羣點 , Big , 人工智能 , 斜率

收藏 評論

u_16099268 頭像

碼海探險先鋒 - 中國雲產業聯盟辦大獎賽挖大數據人才 - 靈玖lingjoin的個人空間 -

在自動駕駛、機器人導航等領域，3D場景的感知與生成一直是研究熱點。然而，傳統方法通常將這兩個過程分離：生成模型僅僅作為數據增強工具，為下游感知任務提供合成數據。這種方法不僅靈活性有限，生成的場景也往往缺乏對感知任務有價值的細節。 近日，上海交通大學與寧波數字孿生研究院聯合團隊提出了一種名為OccScene的創新範式，將細粒度3D感知與高質量場景生成

機器學習 , 3d , 目標跟蹤 , 人工智能 , 深度學習 , jquery , 前端開發

收藏 評論

u_13303 頭像

colddawn - runmemtestpro 內存測試報錯信息

1.應用程序測試代碼 測試代碼如程序清單 1.1所示： 程序清單 1.1 #include stdio.h int main (int argc, char **argv) { sleep(2); volatile int *a = (int *)0x40; //設置物理地址 printf("value = %x\n",*a); //讀取物

機器學習 , 物理地址 , 測試程序 , 反彙編 , 人工智能 , Python

收藏 評論

u_16099239 頭像

夢裏憂鬱 - render_template可以打開新頁面嗎

在DAtaGroup，SkinnableDataContainer或它們的子類中定義自己的項目渲染器可以控制數據項的顯示外觀，數據項的外觀包括字體、背景色、邊界和其他的可視方面。項目渲染器也可以在和用户進行交互的時候指定要顯示的外觀。例如，用户鼠標移動到數據項上時顯示一種外觀，當用户點擊時顯示另一種外觀。Spark項目渲染器的基類ItemRenderer已經內置支持了所有用户要進

機器學習 , 渲染器 , 數據項 , xml , 人工智能

收藏 評論

u_12935 頭像

doscommand - 李宏毅深度學習教程 pdf

本文是2016 台灣資料科學年會前導課程“一天搞懂深度學習”的全部講義PPT（共268頁），由台灣大學電機工程學助理教授李宏毅主講。作者在文中分四個部分對神經網絡的原理、目前存在形態以及未來的發展進行了介紹。深度學習的每一個核心概念在文中都有相關案例進行呈現，通俗易懂。一天的時間搞懂深度學習？其實並不是沒有可能。 深度學習 ( De

機器學習 , 神經網絡 , 人工智能 , 李宏毅深度學習教程 pdf , 深度學習

收藏 評論

u_17588526 頭像

圍爐聊科技 - 開源黑科技：AutoMV讓AI自動生成專業級全曲MV，成本直降99%

對於獨立音樂人或中小創作團隊來説，製作一支專業MV始終是道難題：需要導演、攝影、剪輯等多個崗位協同，耗時數月不説，成本動輒上萬美元。而現有的AI視頻生成工具，要麼只能生成幾秒的短片段，要麼畫面與音樂節拍、歌詞完全脱節，甚至出現人物"變臉"的尷尬情況。 就在2025年底，這一困境被一款開源系統徹底打破——由M-A-P研究組織聯合北京郵電大學、南京大學、倫敦瑪麗女王大學等機構研

機器學習 , 人工智能

收藏 評論

u_15214399 頭像

u_15214399 - 【案例共創】使用HarmonyOS NEXT和MaaS快速開發鴻蒙AI應用

最新案例動態，請查閲【案例共創】使用HarmonyOS NEXT和MaaS快速開發鴻蒙AI應用。小夥伴們快來領取華為開發者空間進行實操吧！ 一、概述 1. 案例介紹 鴻蒙（HarmonyOS）是華為開發的面向萬物互聯時代的分佈式操作系統，支持手機、平板、智能穿戴等全場景設備，實現硬件互助、資源共享。該系統基於組件化設計，具備內核層自主可控、一次開發多端部署等特性

機器學習 , API , HTTP , 人工智能 , 開發者

收藏 評論

deephub 頭像

deephub - Pandas數據合併：10種高效連接技巧與常見問題

在數據分析工作中，我們經常需要處理來自多個來源的數據集。當合並來自20個不同地區的銷售數據時，可能會發現部分列意外丟失；或在連接客户數據時，出現大量重複記錄。如果您曾經因數據合併問題而感到困擾，本文將為您提供系統的解決方案。 Pandas庫中的merge和join函數提供了強大的數據整合能力，但不恰當的使用可能導致數據混亂。基於對超過1000個複雜數據集的分析經驗，本文總結了10種關鍵技術，幫助您

機器學習 , 人工智能 , pandas , 數據分析 , Python

收藏 評論

u_11659620 頭像

爾等氏人 - PostgreSQL機器學習集成

引言 隨着人工智能和機器學習技術的快速發展，將機器學習能力直接集成到數據庫系統中已成為一種重要趨勢。傳統的數據分析流程通常需要將數據從數據庫導出到專門的機器學習平台進行處理，這種分離的架構不僅增加了系統複雜性，還帶來了數據傳輸開銷和一致性問題。PostgreSQL作為領先的開源關係型數據庫，通過各種擴展和工具，提供了強大的機器學習集成功能，使數據分析和模型訓練能夠在數據庫內部完成，這

機器學習 , redis , 數據庫 , SQL

收藏 評論

u_16213633 頭像

mob64ca1404476b - 通過attemptId查詢mapreduce任務日誌

mapreducer編程模型是一種八股文的代碼邏輯，就以用户行為分析求流存率的作為例子 1.map端來説:必須繼承hadoop規定好的mapper類：在讀取hbase數據時，已經有現成的接口 TableMapper，只需要規定輸出的key和value的類型 public class LoseUserMapper exte

機器學習 , List , text , 人工智能 , ci

收藏 評論

tecdat 頭像

拓端tecdat - Python可口可樂股票交易數據分析：KMeans-RF-LSTM多模型融合聚類、隨機森林迴歸價格預測與交易模式識別

全文鏈接：https://tecdat.cn/?p=44707 原文出處：拓端數據部落公眾號 關於分析師 在此對Yichen Tang對本文所作的貢獻表示誠摯感謝，他完成了數據科學與大數據技術專業的碩士學位，專注數據科學與大數據技術領域。擅長Python、C、SQL、機器學習、數據庫、數據分析。 Yichen Tang曾參與多個數據分析與機器學習相關項目，在股票數據挖掘

機器學習 , 數據挖掘 , 人工智能 , 深度學習

收藏 評論

u_17588526 頭像

圍爐聊科技 - 租用共績算力4090實測龍貓圖片編輯

本人實測發現，本地配備的 16GB 顯存顯卡無法運行 LongCat-Image（龍貓圖片編輯）項目，即便開啓 CPU offloading（CPU 卸載）功能緩解顯存壓力，依然因顯存不足導致運行失敗。 為此，我在網上尋找共享算力資源，最終選擇租用 4090 顯卡進行測試，所使用的算力平台為【共績算力】（官網：https://www.gongjiyun.com/）。

機器學習 , 雲主機 , 人工智能 , Image , Python

收藏 評論

u_16054295 頭像

百能雲芯 - 電子元器件核心品牌調價潮來襲┃百能雲芯

近期電子元器件行業調價潮密集來襲，百能雲芯作為國內領先的電子元器件第三方服務平台，已第一時間追蹤行業核心品牌調價動態，助力上下游企業提前佈局採購策略。平台憑藉覆蓋超百萬SKU的供應鏈整合能力，針對此次調價潮重點梳理出800款核心料號的庫存與價格變動信息，為超10萬家合作客户提供精準的貨源保障與選型支持。 　　01 ADI（亞德諾半導體）成為此次調價潮的核心焦點

機器學習 , Broadcom , Kemet , 人工智能 , 亞德諾半導體 , 泰科電子 , 松下

收藏 評論

u_16060192 頭像

HyperAI超神經 - 在線教程丨 David Baker 團隊開源 RFdiffusion3，實現全原子蛋白質設計的生成式突破

近年來，利用生成式深度學習方法在新功能蛋白質設計方面取得了顯著進展。目前包括 RFdiffusion（RFD1）和 BindCraft 在內的大多數方法，均採用氨基酸殘基水平的蛋白質表示，已能夠成功設計蛋白質單體、組裝體以及蛋白質-蛋白質相互作用體系，但其分辨率仍不足以精確設計與非蛋白質組分（如小分子配體與核酸）發生特異性側鏈相互作用的結構。 RFdiffusion2（RFD2）雖然

機器學習 , DNA , AI , 人工智能 , 深度學習

收藏 評論

u_16213678 頭像

mob64ca140ee96c - gensim word2vec 説明文檔 gensim訓練word2vec

Gensim（http://pypi.python.org/pypi/gensim）是一款開源的第三方Python工具包，用於從原始的非結構化的文本中，無監督地學習到文本隱層的主題向量表達。 主要用於主題建模和文檔相似性處理，它支持包括TF-IDF，LSA，LDA，和word2vec在內的多種主題模型算法。Gensim在諸如獲取單詞的詞向量等任務中非常有用。 1. gen

機器學習 , 默認值 , 人工智能 , 詞向量 , 迭代 , 自然語言處理NLP

收藏 評論