tag 機器學習

標籤
貢獻433
467
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_16213560 頭像

數據小探 - 前端大屏適配rem函數

談談移動端屏幕適配的幾種方法 移動端web開發相對於PC端web開發，我們可以慶幸不用兼容那麼多瀏覽器了，但是隨之而來的卻是各種屏幕尺寸的適配，個人覺得，比PC端還要費精力。在使用了騰訊優測進行軟件測試後，問題得到了有效解決。 響應式佈局 簡而言之，就是頁面元素的位置隨着屏幕尺寸的變化而變化，通常會用百分比來定位，而在設計上需要預留一些可被“壓縮”的空間。

機器學習 , 縮放 , 寬高 , 前端大屏適配rem函數 , 人工智能 , 屏幕尺寸

收藏 評論

u_16213725 頭像

mob64ca141a683a - systemPath 正確格式

反射先了解 一：system.Type 獲取基本信息： Type.Name //類名 Type.FullName //完整路徑 Type.Namespace //空間名 public class student { public int Id { set; get; }

機器學習 , Public , 值類型 , System , systemPath 正確格式 , 人工智能

收藏 評論

love51 頭像

GhostLover - docxtemplater 單選框

在企業中有許多表單需要填寫，例如“請假單”、“問卷調查”、“反饋表”等，通常情況下，這些表單製作完成後需要打印出來，然後讓員工進行填寫，但是這樣的工作過程難以統計和管理表單的填寫情況。 通過Microsoft Word 2003的窗體設計，便可以實現在線的電子表單填寫了。設計Word表單的操作步驟如下： （1）首先，利用Word創建一個可供填寫信息的表單文檔，如圖1所

機器學習 , word , 表單 , docxtemplater 單選框 , 人工智能 , 工具欄

收藏 評論

u_13250 頭像

flybirdfly - 雙重機器學習效應分解

網絡的功能和優點： 數據和應用程序 資源 網絡存儲 備份設備 網絡的特徵： 速度 成本 安全性 可用性 可擴展性 可靠性 拓撲 開放系統互聯OSI： 三種通訊模式： 　　　　　　　　unicast　　　　　　　　　

機器學習 , 雙重機器學習效應分解 , 網卡驅動 , ip , 人工智能 , 路由表

收藏 評論

u_16099334 頭像

AI領域佈道師 - systemtick寄存器

1.寄存器 用於暫時存放二進制數據的器件，由觸發器組成； LOAD控制端：負責數據的裝入控制； CLK同步時鐘信號：在其邊沿時刻完成動作； ENB輸出允許信號：允許數據輸出。 寄存器特點 用於暫存數據。不同於存儲器，數量少，速度快。 寄存器分類 緩衝寄存器（Buffer Register）：暫存數據。

機器學習 , 存儲單元 , 數據 , systemtick寄存器 , 嵌入式硬件 , 人工智能 , 寄存器

收藏 評論

u_16147706 頭像

火星情報 - 量化血流動力學新時代：以數據驅動重構臨牀決策的精準與高效

血流動力學監測是重症醫學、心血管疾病診療等領域的“生命線”——通過評估心臟功能、血管阻力、組織灌注等核心指標，為疾病診斷、治療方案制定及預後判斷提供關鍵依據。然而，傳統血流動力學監測手段長期面臨“主觀性強、操作複雜、依賴經驗”的痛點，制約着臨牀決策的精準度與效率。隨着量化技術的突破，以“客觀數據”替代“主觀判斷”的量化血流動力學新時代已到來，其核心價值在於通過標準化、可量化的指標

機器學習 , 數據 , 定性描述 , 人工智能 , 數據驅動

收藏 評論

u_16213648 頭像

mob64ca1407d5aa - outlook郵件下載eml

outlook臨時文件保存 This might be more of an Outlook tip, but I get a lot of Excel attachments in my Outlook email messages. Most of those files have to be saved, and i

csv , 機器學習 , windows , qt , outlook郵件下載eml , excel , 人工智能

收藏 評論

u_15957839 頭像

MinionPy - Vibe Coding：當編程不再需要敲代碼

你是否曾想過，只需要對電腦説出你的需求，它就能幫你寫出完整的程序？這聽起來像是科幻電影中的場景，但今天，這已成為了現實。一種名為 Vibe Coding（氛圍編程）的全新編程方式正在改變我們創建軟件的方式。 什麼是Vibe Coding？ Vibe Coding，中文常譯為"氛圍編程"或"即興編程"，是由人工智能專家安德烈·卡帕西在2025年初提出的概念。它是一種基於

機器學習 , 自然語言 , 人工智能 , 開發者

收藏 評論

u_12855 頭像

西門吹雪 - svn提交提示Node remains in conflict

原文：http://developer.51cto.com/art/201006/203185.htm 本節向大家簡單描述一下SVN錯誤，在學習SVN的過程中如何避免SVN錯誤，SVN錯誤如何解決(locked conflict 文件不存在）這是大家最關心的問題，本節就和大家一起來學習一下，希望通過本節的介紹大家對SVN錯誤有深刻的理解。 這段時間做項目也學到了很多，

機器學習 , 服務器 , server , svn , 人工智能

收藏 評論

u_16213661 頭像

mob64ca140b0bc8 - 公眾號文章Scheme

老婆公司的需求，公司給了一個星期的時間。讓她每天去複製粘貼。然後就有了如下代碼： 先説實現吧 一、抓包 打開Charles , 配置好SSL Proxy 。 編輯 證書OK後，配置允許抓取系統資源： 編輯 啓動抓包即可，簡單又方便： 編輯

抓包 , 機器學習 , 人工智能 , 公眾號 , 公眾號文章Scheme , Git

收藏 評論

qingfouai 頭像

青否Ai - 電商平台數字人主播直播間激增，虛擬主播如何重塑電商生態？

直播間裏，主播“羅永浩”連續激情澎湃地解説了6個小時，依然精神飽滿、對答如流，而這一切背後，竟無一人真人蔘與。（青否數字人源頭v：zhibo175） 當直播時長逼近6個小時、大多數電商主播顯露疲態時，百度直播間裏的主播“羅永浩”和搭檔“朱蕭木”仍然情緒飽滿地回答觀眾提問，時不時還能講兩句“段子”吸引觀眾下單。 這並非真人主播的超常發揮，而是百度藉助劇本驅動多模協同數字人技術打造的數字人主播。

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

u_16213575 頭像

墨舞青雲 - ddddocr和cnnxruntime版本對應關係

工作有些年頭了一直在搬磚，下定決心從零開始寫一套領域模型的項目 把知道的東西變成會的，把會的東西融會貫通 最終能不能用無所謂，總要留點什麼東西 Github 倉庫地址 每一篇文章對應一個 tag 這版代碼定義了 　　領域模型中需要那些層 　　層與層之間的基本引用 　　使用.NET Core 內置的依賴注入框架，對各層之間進行

機器學習 , orm , Domain , 領域模型 , 人工智能

收藏 評論

u_12868 頭像

langrisser - themeleaf src取動態參數

一、動態參數(不定長參數)def func(*args): 形參: 3種 動態參數 args元組,他包含了你所有的位置參數. *args 動態參數,不定長參數 **kwargs 他包含了關鍵字動態參數 *rarge用法

機器學習 , 命名空間 , 作用域 , 人工智能 , themeleaf src取動態參數 , 名稱空間

收藏 評論

alijishu 頭像

阿里雲開發者 - 展心展力 metaapp：基於 DeepRec 的稀疏模型訓練實踐

1 背景 推薦場景大模型在國內的使用很早，早在 10 年前甚至更早，百度已經用上了自研的大規模分佈式的 parameter server 系統結合上游自研的 worker 來實現 TB 級別的萬億參數的稀疏模型。後來，各家平台也陸續基於這種方案，開發了自己的分佈式訓練系統，普遍特點是大量使用 id embedding，因此參數量巨大，模型大小也非常誇張。當然，隨着開源訓練工具 TensorFlow

機器學習 , 大數據 , 人工智能 , meta , 模型

收藏 評論

u_14555 頭像

blueice - Emotiv14通道edf數據

1.簡介 Segnet、FCN都是基於VGG16的，但VGG16本身就是一個很大的網絡，參數多，故inference時運行慢，無法運用到實時場景。本文提出ENet分割算法，它在精確率和運行時間上作了權衡，能夠運用在移動端的實時分割任務中。 個人感覺ENet的思想跟GoogLeNe有點類似，就是本質都是為了解決參數過於密集（參數太多），而引入稀疏性，降低參

機器學習 , 卷積 , 複雜度 , Emotiv14通道edf數據 , 人工智能 , ide

收藏 評論

u_16099240 頭像

陌陌香閣 - Stagemonitor 使用實例

在一些新框架的代碼中，常基於es6/7標準來書寫代碼。鑑於這些標準被沒有被瀏覽器廣泛支持，我們一般使用babel來將使用e6/7標準書寫的代碼降級編譯(或者説轉譯)為瀏覽器可解析的es3/5代碼。 以.babelrc文件配置babel為例，presets預設編譯規則(預設的編譯插件集合)可以設置stage-0 至 stage-3， stage-0包含了stage-1 至 s

機器學習 , 執行順序 , 全局變量 , Stagemonitor 使用實例 , API , 人工智能

收藏 評論

u_16213559 頭像

時光機3號 - 組播 add membership

MAC地址是以太網二層使用的一個48bit（6字節十六進制數）的地址，用來標識設備位置。MAC地址分成兩部分，前24位是組織唯一標識符（OUI, Organizationally unique identifier），後24位由廠商自行分配。 MAC地址有單播、組播、廣播之分。單播地址(unicast address)表示單一設備、節點，多播地址

機器學習 , 單播 , 組播 , 組播 add membership , 人工智能 , define

收藏 評論

u_13416 頭像

detailtoo - 如何將節點加入ldap

APDL代碼實現link180單元的使用 由於不知道怎樣使用LINK180單元，故按照相關的教程和理解，整理了一下比較完整的APDL的代碼。其中包含的圖片的保存和背景顏色的改變。 標籤：'LINK180' ' APDL' 目錄 APDL代碼實現link180單元的使用 結果圖片 AP

機器學習 , 未定義 , 人工智能 , 如何將節點加入ldap , 模態 , 代碼實現

收藏 評論

u_16099303 頭像

碼海航行俠 - tinymce如何導入indent2em

如何做到 ueditor批量上傳word圖片？ 1、前端引用代碼 !DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd" html xmlns="ht

機器學習 , php , 人工智能 , HTML , Javascript

收藏 評論

u_16099345 頭像

智能開發先鋒 - 通過電腦訪問平板system分區

目錄: 1.樹莓派Odroid等卡片式電腦上搭建NAS教程系列1-Ubuntu系統安裝 2.樹莓派Odroid等卡片式電腦上搭建NAS教程系列2-SSH連接訪問 3.樹莓派Odroid等卡片式電腦上搭建NAS教程系列3-掛載HDD硬盤+節電設置 4.樹莓派Odroid等卡片式電腦上搭建NAS教程系列4-FTP安裝 5.樹莓派Odroid等卡片式電腦上

機器學習 , d3 , 通過電腦訪問平板system分區 , 人工智能 , sqlite , 樹莓派

收藏 評論

u_16213579 頭像

雲端築夢工匠 - emu8086中cs什麼意思

百度定義： CSM是Customer Success Manager（客户成功經理）的縮寫。CSM作為人才管理系統應用專家，陪伴戰略客户（MVP）對其招聘、績效、人才測評等產品的全程使用，以主動服務和技術支持，幫助 MVP 更好地應用系統、解決使用中的問題、提供最新產品升級信息，從而支持人才管理系統的成功使用。 什麼是客户成功？ 如下圖

機器學習 , emu8086中cs什麼意思 , 管理系統 , 人工智能 , 客户體驗 , 解決方案

收藏 評論

u_16380863 頭像

未聞花名AI - 構建AI智能體：六十一、信息論完全指南：從基礎概念到在大模型中的實際應用

一、理解信息論 想象一下這樣的場景，我們每天出門都會查看天氣預報，如果預報總是説"今天晴，氣温25度"，久而久之你會覺得這信息索然無味，因為太確定了。但如果預報説"今天有80%概率下雨"，我們就會格外留意，甚至帶傘出門，這種不確定性反而讓信息更有價值。 這正是信息論的精髓所在，就像收拾行李箱時，把所有物品整齊分類（低熵）比胡亂塞進去（高熵）更容易找到想要的東西。在大語

機器學習 , AIGC二三事 , 信息論 , 人工智能 , 信息熵 , 概率分佈

收藏 評論