tag 機器學習

標籤
貢獻433
471
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

mankeji 頭像

曼孚科技 - 多模態AI自主研究：現在走到哪了？

當前生成式人工智能的發展正處於關鍵的範式轉型節點。 以大型語言模型（Large Language Models, LLM）為代表的智能系統，在封閉領域的單輪問答任務中已展現出優異性能，但其“單模態表徵”與“任務被動響應”特性構成了深層次桎梏。 這一桎梏使得現有模型難以應對現實世界中普遍存在的、需主動規劃並融合文本、圖像、視頻等多源異構信息開展深度推理與驗證的複雜問題。 為突破此瓶頸，多模態深度研究

機器學習 , 算法 , 人工智能 , 深度學習 , 大模型

收藏 評論

u_16099230 頭像

歲月如歌甚好 - linux自簽證書pem

賽題介紹： 實現一個Linux下的二進制簽名和驗證程序，用於在國產Linux操作系統進行應用的標識和管理，提升應用程序的可追溯性和安全性鑑別能力。 場景： 流程要求開發者需對自己開發的應用進行簽名，以保證二進制的安全性（非篡改），因此需要一款可以對二進制進行簽名和驗證的程序。 需求分析： 對於Linux下給定的ELF可執行程序、自行開發簽名工具對程序

機器學習 , 數據 , 簽名驗證 , 人工智能 , linux自簽證書pem , 可執行程序

收藏 評論

u_16099220 頭像

數碼精靈abc - 範圍查詢索引會失效麼

在計算機科學中，k-d樹（k-dimensional的縮寫）是一種空間劃分數據結構，用於組織k維空間中的點。主要應用於多維空間關鍵數據的搜索（如：範圍搜索和最近鄰搜索）。k-d樹是空間二分樹（Binary space partitioning ）的一種特殊情況。 索引結構中相似性查詢有兩種基本的方式： 一種是範圍查詢（range s

機器學習 , 範圍查詢索引會失效麼 , 大數據 , 搜索 , 算法 , 數據倉庫 , 子節點

收藏 評論

u_16060192 頭像

HyperAI超神經 - 【Triton 教程】triton.language.advance

Triton 是一種用於並行編程的語言和編譯器。它旨在提供一個基於 Python 的編程環境，以高效編寫自定義 DNN 計算內核，並能夠在現代 GPU 硬件上以最大吞吐量運行。 更多 Triton 中文文檔可訪問 →triton.hyper.ai/ 推進 1 個塊指針。 參數**：** base- 要推進的塊指針。 offsets- 要推進的偏移量，

編程 , 機器學習 , AI , 人工智能 , 深度學習

收藏 評論

u_17195309 頭像

Maverick1218 - DIEN相關概念

Transformer多頭自注意力相關 QKV投影及反向傳播更新參數（∂loss/∂W_q，∂loss/∂W_k，∂loss/∂W_v） ∂loss/∂W_q：鏈式法則層層傳遞梯度，最終告訴 W_q：往這個方向更新，可以減少損失函數（達到優化模型效果） 其他可訓練參數也都是求損失函數對這個參數的偏導數，然後朝着損失函數值降低的方向改變參數值（即權重值）達到優化模

機器學習 , DIEN相關概念 , 人工智能

收藏 評論

u_14400036 頭像

東沃電子 - 車用穩壓二極管BZT52B2V4-AEC完美替代BZT52-B2V4-Q

近期，東沃電子（DOWOSEMI）接收到大量客户關於TVS、ESD、二極管、三極管及MOS管等元器件替換需求，涉及安世（Nexperia）、威世（VISHAY）、安森美（ON）、力特（LITTLEFUSE）、Semtech、PROTEK、ST等多個國際知名品牌。承蒙廣大新老客户的信任與支持，東沃電子始終致力於提供高可靠性、高性能的半導體產品與解決方案，持續助力客户優化供應鏈並提升

機器學習 , 車用穩壓二極管替代 , 人工智能

收藏 評論

u_16099298 頭像

墨守成規de網工 - system和init

從 sysvinit 到 systemd 近年來，Linux 系統的 init 進程經歷了兩次重大的演進，傳統的 sysvinit 已經淡出歷史舞台，新的 init 系統 UpStart 和 systemd 各有特點，而越來越多的 Linux 發行版採納了 systemd。本文簡要介紹了這三種 init 系統的使用和原理，每個 Linux 系統管理員和系統軟件開發者都應該瞭

機器學習 , 發行版 , 初始化 , 運行模式 , 人工智能 , system和init

收藏 評論

u_16213664 頭像

mob64ca140bbb8b - BGA100EMMC定義圖

電路框架 如上。 UJA1169是一款微型高速CAN系統基礎芯片（SBC），包含符合ISO 11898-2：201x（即將合併的ISO 11898-2 / 5/6）的HS-CAN收發器和集成的5 V或3.3 V 250 mA微控制器和/或其他負載的可擴展電源（V1）。它還具有看門狗和串行外圍設備接口（SPI）

機器學習 , 看門狗 , 引腳 , 人工智能 , 寄存器 , BGA100EMMC定義圖

收藏 評論

u_16213618 頭像

mob64ca1400bfa8 - optisystem中光接收機叫什麼

備註： 這些是常用的調制解調器命令。 某些命令可能並不適用於所有的調制解調器。 如果遇到問題，請參見調制解調器的有關文檔，或與調制解調器製造商的技術支持部門聯繫。 所有命令（有兩個例外）均必須以字符 AT 開始。 這兩個例外的命令是轉義序列 (+++) 和重複命令 (A/)。 命令行前綴（字母 AT）和隨後的命令序列，可以按大寫或小寫輸入（用於舊型號調制解調器），但一般情況下不要

機器學習 , 命令行 , 修飾符 , 命令模式 , 人工智能 , optisystem中光接收機叫什麼

收藏 評論

u_16099287 頭像

數據科學探索者 - ARDregression參數

機器學習中的參數估計方法 本文主要介紹文本分析的三類參數估計方法-最大似然估計MLE、最大後驗概率估計MAP及貝葉斯估計，以及三者之間的區別。 1、最大似然估計MLE 首先回顧一下貝葉斯公式 這個公式也稱為逆概率公式，可以將後驗概率轉化為基於

機器學習 , 雲計算 , ARDregression參數 , 最大似然估計 , 雲原生 , 參數估計

收藏 評論

u_15690955 頭像

出手吧Glen - 幹翻谷歌Banana？阿里出品最強AI繪圖來了（整合包）

谷歌近期發佈了Nano Banana Pro，號稱“最強AI繪圖”，4K畫質、支持中文、效果炸裂！但谷歌Nano Banana Pro存在特殊網絡環境與月度會員雙重門檻，普通用户難以觸及。 （谷歌Nano Banana Pro生成） 沒關係，阿里通義實驗室最新發布的Z-Image-Turbo做到了最強平替，效果不輸谷歌

機器學習 , AI 繪畫 , 文件名 , 普通用户 , 人工智能 , Image

收藏 評論

u_16099334 頭像

AI領域佈道師 - Emmagee 性能測試工具

1、性能測試工具的使用原理 軟件系統中客户端向服務端發送請求，服務端將結果返回，這個過程通過協議進行交流。 性能測試工具就像一個代理服務器（proxy server），把客户端的行為通過腳本複製下來，通過腳本運行，模擬客户端向服務器發送請求。 壓力服務器（負載機）。性能測試工具是通過向服務器產生壓力，達到監測性能的目的。要模擬多個客户端併發請求時，性能測試工具就

機器學習 , 服務器 , 性能測試工具 , 人工智能 , 迭代 , Emmagee 性能測試工具

收藏 評論

u_12192 頭像

angel - dbeaver如何設置ldap

數據庫 laravel操作數據庫所使用的擴展 pdo，一定要開啓pdo擴展 提供了DB facade(原始查找)、*查找構造器、Eloquent ORM三種操作方法 在laravel中修改連接數據庫的文件有兩處 Ø修改 .env文件 Ø修改config/database.php文件。 通過配置後，發現，如果我們的數據表有前綴的話，在.env文

機器學習 , 表名 , 字段 , 數據 , 人工智能 , dbeaver如何設置ldap

收藏 評論

u_12868 頭像

langrisser - 30m DEM來源

原先使用windows 2003 server和IIS6，默認限制為4m，可以通過如下方式解決 修改web.cofing文件，在system.web標籤中添加 httpRuntime maxRequestLength="2097151" executionTimeout="36000"/

機器學習 , 只讀屬性 , IIS , server , 人工智能 , 30m DEM來源

收藏 評論

u_16213593 頭像

mob64ca13faa4e6 - 獲取dem 一片區域內的最高位置

1、jQuery獲取元素的寬高：a：width()：設置或返回元素的寬度 　　　　　　　　　　　　 b：height()：設置或返回元素的高度 　　　　　　　　　　　　a：innerWidth()：返回元素的寬度，包括內邊距 　　　　　　　　　　　　 b：innerHeight()：返回元素的高度，包括內邊距 　　　　　　　　　　　　 a：outerWid

機器學習 , 內邊距 , 獲取dem 一片區域內的最高位置 , 絕對定位 , 動畫效果 , 人工智能

收藏 評論

u_19261 頭像

戀上一隻豬 - Using temporary優化方向

本文介紹的常數優化方法能使代碼加速到原來的一半甚至更快 使用union類 定義 union是一種特殊的類，定義方法如下（定義在main內或main外都可以） union Union{ int a; double b; char c; }; Union u; 互斥的特性 union的所有成員存儲在同一個地址上，因此在任意時

機器學習 , 運行時間 , 數組 , Using temporary優化方向 , 人工智能 , 多維數組

收藏 評論

u_16213711 頭像

mob64ca1416f1ef - 基線數據不齊分析邏輯迴歸分析

　　基線的本意是指立體視覺系統中兩攝像機光心之間的距離。依據拍攝兩幅圖 像的視點位置關係可將對應點匹配問題分為寬基線(Wide Baseline)和窄基線匹配(Short Baseline)。寬基線一詞用於匹配時，泛指兩幅圖像有明顯不同的情況下的匹配。產生這種情況的原因有可能為攝像機之間的位置相差很大，也有可能由於攝像機旋轉或焦距的變化等因素產生的。

機器學習 , 鄰域 , 對應點 , 基線 , 基線數據不齊分析邏輯迴歸分析 , 人工智能

收藏 評論

deephub 頭像

deephub - 4個解決特定的任務的Pandas高效代碼

在本文中，我將分享4個在一行代碼中完成的Pandas操作。這些操作可以有效地解決特定的任務，並以一種好的方式給出結果。 從列表中創建字典 我有一份商品清單，我想看看它們的分佈情況。更具體地説：希望得到唯一值以及它們在列表中出現的次數。 Python字典是以這種格式存儲數據的好方法。鍵將是字典，值是出現的次數。 這裏可以使用value_counts和to_dict函數，這項任務可以在一行代碼中完成

機器學習 , 人工智能 , pandas , Python

收藏 評論

u_16099178 頭像

雲端小悟空 - 批量加域組到windows remote desktop users

羣加域P處理 簡介： 在域環境下如果有多台PC機要同時加域的話，如果是要域管理員一台台的去把PC機添加到域，這樣不僅費時而且又費力，做事效率也不高。 那有什麼方法可以同時把多台PC加入到域了，這個技術有點難度，不過不要緊，我們可以用到Window server 2003 自帶的工具Netdom工具，用這個工具可以把PC機加入到域（默認情況下，這個工具沒有安裝），

機器學習 , ip , 客户端 , 人工智能 , 用户名

收藏 評論

u_17420180 頭像

合合信息解決方案 - 金融機構AI中台建設典型案例

熱點背景 當前，銀行業數字化轉型已從“業務線上化”的初級階段，邁入“運營智能化”與“能力平台化”的深水區。監管層面持續倡導金融科技賦能，推動銀行業通過技術創新優化運營流程、防控金融風險、提升服務質量。然而，傳統分散式的AI能力建設模式，普遍存在技術標準不統一、資源重複投入、數據互通困難等頑疾，嚴重製約了數字化轉型的深化推進。在此背景下，構建統一、高效、智能的AI中台，將孤立

機器學習 , 字段 , 人工智能 , 文檔處理 , 迭代

收藏 評論