tag 機器學習

標籤
貢獻433
462
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_16213567 頭像

數碼墨魚 - jemter提取authorization

前言 上一個接口返回的token作為下個接口的入參，除了前面一篇講到的用json提取器提取，也可以用正則提取。 json提取器只能提取json格式的數據，正則可以匹配任意的返回。 我現在有一個登陸接口A,登陸成功後返回一個token值。有一個獲取綁定卡號的接口B，但是接口B必須要先登錄後傳登錄的token才能訪問 A接口登錄接口文檔

機器學習 , 正則 , 人工智能 , 正則表達式 , Json

收藏 評論

u_15214399 頭像

u_15214399 - 【案例共創】從0開始使用華為雲開發者空間搭建房價預測模型

最新案例動態，請查閲【案例共創】從0開始使用華為雲開發者空間搭建房價預測模型。小夥伴們快來領取華為開發者空間進行實操吧！ 本案例由：梅科爾工作室提供 1 概述 1.1 案例介紹 華為雲開發者空間，華為云為每個新生態開發者免費提供一台雲主機，每位開發者每年可享有數百小時的使用時長。雲主機預集成CodeArts IDE、代碼倉及JDK、Python等運

機器學習 , 雲主機 , 人工智能 , 開發者 , ci

收藏 評論

u_15690955 頭像

出手吧Glen - 免費，無限，批量AI換臉！支持直播！

大家好，我是立志替大家出手的AI區（最近在醖釀一個新東西，更新慢一點）UP主Glen。 寶子們，今天給大家帶來一個超酷的AI換臉神器——Roop-Unleashed，它簡直就是換臉界的“變形金剛”，功能強大到讓你驚掉下巴！ Roop-Unleashed到底有多厲害？ Roop是AI換臉領域的鼻祖級項目，但因為一些不可抗力，原作者停更了。

機器學習 , 換臉 , 人工智能

收藏 評論

u_16099232 頭像

夢斷藍橋魂 - arcgis把dem轉點

一：本博客的脈絡 （1 ）做了例如以下更正：之前在網上搜到的結果是：arcmap座標點生成線和麪 ------注意該功能在ArcGIS10中沒有了，當時自己也沒有多想就轉載了，再此做一下更正或者叫做總結 （2 ）ArcGIS10 1.0.1中是這個功能不是沒有了，是更換了工具而已，這個能夠查看arcgis 10.1的官方幫助文件。 （3

機器學習 , 圖層 , arcgis把dem轉點 , 數據 , 數據格式 , 人工智能

收藏 評論

u_13539 頭像

jowvid - readmemh讀取失敗

一、read——讀操作 1.原函數 表頭文件 #include "unistd.h" 定義函數 ssize_t read(int fd,void *buf, size_t count); 函數説明 read()會把參數fd 所指的文件傳送count個字節到buf指針所指的內存中 fd——

機器學習 , 字節數 , include , C語言 , Linux , 人工智能 , readmemh讀取失敗

收藏 評論

u_17420180 頭像

合合信息解決方案 - RAG 技術如何讓大模型更好地處理私有文檔？

2025 年 12 月，OpenAI 正式發佈 GPT-5.2 大模型，以 “職場效率革新” 為核心，推出三版本細分策略，在編程、長文檔分析、多模態處理等專業知識工作場景中實現顯著突破，進一步推動大模型在企業級場景的深度應用。而隨着大模型在科研輔助、金融建模、內部知識庫搭建等私有文檔處理場景的需求激增，RAG（檢索增強生成）技術作為解決大模型私有數據訪問、降低幻覺風險的關鍵方案，

機器學習 , 人工智能 , 文檔解析 , 文檔處理 , 結構化

收藏 評論

u_16213702 頭像

mob64ca1414c613 - spring mongotemplate 強制讀主

枚舉類會隱式的繼承Enum類，無法再繼承其它類（單繼承機制） 一、無實參枚舉類型： 1、定義： /** * 1、無實參枚舉類型 */ public enum NoParamTypeEnums { SPRING, SUMMER, AUTUMN, WINTER; NoParamTypeEnums() {

機器學習 , System , 人工智能 , 對象名 , 枚舉類型

收藏 評論

u_16213616 頭像

mob64ca14005461 - DEMO和SDK哪個更準確

目錄 CMOS DMOS 區別 CMOS CMOS（Complementary Metal Oxide Semiconductor,互補金屬氧化物半導體）是把NMOS和PMOS製造在同一個芯片上組成集成電路，CMOS工藝製程技術是利用互補對稱電路來配置連接PMOS和NMOS從而形成邏輯電路，這個電路的靜

sed , 機器學習 , 學習 , 開關電源 , DEMO和SDK哪個更準確 , 人工智能 , 工作原理

收藏 評論

u_16827017 頭像

全棧技術開發者 - 支持向量機是怎樣應用到數據預測中的？SVM主要是應用於數據分類，它在數據預測中起到了什麼作用？其凸二次規劃為何保證全局最優解？

在現代科學與工程領域中，數據預測已成為理論研究與實際應用的核心任務之一。隨着信息技術的發展，數據規模呈指數級增長，系統變量間的關係呈現高度非線性和複雜耦合特徵。傳統的線性迴歸或統計模型在面對高維、非線性以及噪聲干擾的數據時，往往難以提供穩定且高精度的預測結果。在這一背景下，支持向量機（Support Vector Machine, SVM）作為一種基於統計學習理論的算法，憑藉其數

機器學習 , yyds乾貨盤點 , 數據 , 泛化 , 最小化 , 人工智能

收藏 評論

u_16099333 頭像

煙雨江南的秋 - maltab 怎麼樣stem

 Mat不僅是非常有用的圖像容器類，也是一個通用的矩陣類  創建Mat對象可有以下方法： 方法一：使用Mat()構造函數  例子如下： Mat M(2, 2, CV_8UC3, Scalar(0, 0, 255)); 在Mat類定義中該構造函數的原型為： Mat(int rows, int cols, i

機器學習 , 初始化 , 構造函數 , 人工智能 , 對象創建 , maltab 怎麼樣stem

收藏 評論

youyudetusi 頭像

憂鬱的吐司 - AI數字員工來了，你準備好了嗎？打造高效的AI數字員工團隊！

“代碼成就萬世基積沙鎮海，夢想永在凌雲意意氣風發”，從這句阿里雲早期工程師們書寫的對聯中，不知大家能否看出那種歷史使命式的雄心。 悉聞，數年前阿里雲辦公室上的這副對聯，正在演化成為阿里雲的種種未來。上個月（8月），有幸隨着《培訓》雜誌直達號——阿里雲智能集團標杆參訪活動，親眼見識這副名聯。 這次參訪和交流機會是難得的，感悟是頗豐的，震撼是顯然的。 任何執拗都會成為過往，只有時間會告訴你對錯。（青否

機器學習 , 人工智能

收藏 評論

u_16099281 頭像

雲端築夢師 - 瀏覽器訪問activemq

關鍵詞 LoadRunner 軟件測試 localhost 同一局域網 手機訪問電腦本地項目 背景描述 主要為LoadRunner測試所用。 前提 服務器和客户機都在同一個局域網內（連接同一個wifi，或者使用校園網） 步驟 1.開放端口，分別設置入站規則和出站規則 步驟如下： 1）打開控制面板

機器學習 , 服務器 , ip , 瀏覽器訪問activemq , 人工智能 , HTML

收藏 評論

u_16213560 頭像

數據小探 - 經典CNN與經典Transformer相結合用於時間序列預測

經典網絡 (Classic Networks) 這節課，我們來學習幾個經典的神經網絡結構，分別是LeNet-5、AlexNet和VGGNet，開始吧。 首先看看LeNet-5的網絡結構，假設你有一張32×32×1的圖片，LeNet-5可以識別圖中的手寫數字，比如像這樣手寫數字7。LeNet-5是針對灰度圖片訓練的，所以為什麼圖片的大小隻有32

機器學習 , 卷積 , 人工智能 , 深度學習 , 池化 , 全連接

收藏 評論

u_16213702 頭像

mob64ca1414c613 - dify plugin_daemon 5003 端口

鏈接和會話的區別： 鏈接為傳輸層概念，會話為應用層的概念，通過AVP Session-Id來標識，兩者之前沒有聯繫。如下圖： +--------+ +-------+ +--------+ | Client | | Relay | | Serve

機器學習 , 服務器 , 人工智能 , 主鍵 , 路由表

收藏 評論

u_16099350 頭像

架構設計師 - 微信小程序中js可以使用getelementbyid

一.首先，這個接口會返回一個對象實例。 var obj=wx.createSelectorQuery(); 下面的就是返回的對象實例 obj 的所有內容。 返回的 obj 有五個方法： obj.in(component)：沒用過這個方法，多用於組件的

機器學習 , 選擇器 , 自定義屬性 , 小程序 , css選擇器 , 人工智能 , Javascript

收藏 評論

u_17483758 頭像

mb688aca45159a6 - 一鍵禁用系統更新【Windows系列】！Windows Update Blocker - 徹底關閉Win10/Win11更新工具

軟件介紹 Windows Update Blocker 是一款專門用於關閉 Windows 10 和 Windows 11 系統自動更新的小工具。 對於普通電腦用户來説，Windows 系統的自動更新常常帶來困擾。以往可以通過禁止更新服務、設置本地組策略來禁止系統更新，但現在的 Windows 系統會自動檢查更新，簡單的禁止方法已經失效。 Windows Upd

機器學習 , windows , github , 自動更新 , 前端開發 , Javascript , Python

收藏 評論

u_16099323 頭像

架構魔法師 - 區域迴歸網絡

摘要：憑藉對雙向上下文進行建模的能力，與基於自迴歸語言建模的預訓練方法相比，基於BERT的基於自動編碼的預訓練實現了更好的性能。然而，依賴於對輸入使用掩碼，BERT忽略了屏蔽位置之間的依賴性，並且受到預訓練 - 微調差異的影響。根據這些優點和缺點，我們提出了XLNet，一種廣義自迴歸預訓練方法，它（1）通過最大化分解階的所有排列的預期

機器學習 , 預訓練 , 建模 , 區域迴歸網絡 , XLNET , 人工智能 , BERT

收藏 評論

u_16213701 頭像

mob64ca14147fe3 - 電視機emmc燒錄

EMC包括兩個方面的要求：一方面是指設備在正常運行過程中對所在環境產生的電磁干擾不能超過一定的限值；另一方面是指器具對所在環境中存在的電磁干擾具有一定程度的抗擾度，即電磁敏感性。所謂電磁干擾是指任何能使設備或系統性能降級的電磁現象。而所謂電磁干擾是指因電磁干擾而引起的設備或系統的性能下降。 EMC包括EMI(電磁干擾)及EMS(電磁耐受性)

機器學習 , 電磁干擾 , 電視機emmc燒錄 , 開關電源 , 人工智能 , EMC

收藏 評論

u_15957839 頭像

MinionPy - 金融數據獲取利器：Tushare全面解析與應用指南

在量化投資和金融數據分析領域，獲取高質量、結構化的金融數據是進行研究與決策的基礎。Tushare作為國內知名的開源金融數據接口包，為Python用户提供了便捷的財經數據獲取方案，成為眾多金融從業者和數據科學家的首選工具。 什麼是Tushare？ Tushare是一個著名的免費、開源的Python財經數據接口包。其官網主頁為：TuShare -財經數據接口包。該接口包如今提供了大量

機器學習 , 數據接口 , 數據 , 初始化 , 人工智能

收藏 評論

u_15147453 頭像

全極世界 - 5分鐘快速瞭解：大模型智能體RAG原理3步拆解-從檢索到生成，如何根治AI幻覺？

檢索增強生成（RAG）技術通過為大模型引入外部知識庫，已成為解決其知識侷限與幻覺問題的核心方案。本文將聚焦於RAG在大模型智能體中的應用，系統解析其從數據準備、智能檢索到答案生成的核心工作流程。文章將探討Agentic RAG如何通過自主決策優化傳統流程，並分析其在企業級應用中的實際價值與面臨的性能挑戰。 如果，你重金聘請的AI專家

機器學習 , 數據 , 數據庫 , 人工智能 , 迭代

收藏 評論

goody 頭像

goody - 智慧公廁 大屏 html demo

公共廁所是城市公共服務基礎設施，公廁乾淨和整潔直接影響城市的舒適度。智慧廁所概念得到政府的大力推進。廁所問題是城鄉文明建設的重要方面，城市、景區、農村公廁都應重視起來，智能公廁控制系統開始逐漸普及。   智能公廁控制系統具備一鍵報警、自動上鎖、環境監測、自動沖水、水量設備使用監測等功能。數據通過計訊物聯工業dtuTD210上傳雲平台分析處理，反饋給公廁顯示屏、公廁APP或者

機器學習 , 雲平台 , 智慧公廁 大屏 html demo , 數據 , 控制系統 , 人工智能

收藏 評論

u_17400586 頭像

程序員愛釣魚 - Python 編程實戰：常用第三方庫清單

在 Python 編程實戰中，除了掌握語言基礎和標準庫，熟悉一些常用的 第三方庫 能極大提升開發效率。本文將從數據處理、科學計算、網絡編程、爬蟲、Web 開發、自動化、機器學習等幾個方向，為你整理一份高效實用的第三方庫清單。 1. 數據處理與分析 Python 在數據處理方面非常強大，這類庫主要用於數據清洗、分析、處理和可視化。 Pandas：數據

機器學習 , 後端開發 , Python , Web

收藏 評論

u_15950621 頭像

中國英茂科工 - yolo自主控制運動的原理與實現

YOLO（You Only Look Once）實現自主控制運動的核心邏輯，是以實時目標檢測為感知核心，結合控制算法完成 “感知 - 決策 - 執行” 的閉環。其原理與實現可概括為兩大關鍵環節。​ 原理層面，YOLO 通過單次卷積神經網絡（CNN）對圖像進行全局特徵提取，直接預測目標的邊界框座標、類別概率及置信度，突破傳統檢測算法的多階段瓶頸，實現毫秒級響應 —— 這是自主運動的核心前提

機器學習 , 金字塔結構 , 數據 , 機械臂 , 人工智能

收藏 評論

u_16213608 頭像

mob64ca13fe62db - 若以如何講system中的類應用到common模塊中

前面的博文中我們討論瞭如何使用Business Connectivity Services對象模型欄獲取已部署在SharePoint BCS中的外部內容類型。本文中我們將學習如何獲取一個ECT的BCS方法集合。並且還要通過Business Connectivity Services對象模型執行其中的Finder方法和SpecificFinder方法。請先按照上一次文章中的

機器學習 , 標識符 , 對象模型 , 人工智能 , Business

收藏 評論