tag 機器學習

標籤
貢獻433
473
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_16147706 頭像

火星情報 - 視覺重建新紀元：中國腦機接口首次為世界“添色”

近日，明視腦機（Mindtrix）宣佈在全球範圍內首次實現了對複雜圖形+多種顏色的視覺重建功能化交互驗證。該研究通過對枕葉視覺皮層進行顱內腦電記錄與電刺激，成功在人類患者身上完成了這一突破性實驗。 這項研究成果為視覺重建提供了無可替代的臨牀級數據，標誌着中國在高端腦機接口技術領域取得了引領全球的突破性進展，同時樹立了診療與前沿探索融合的倫理實踐範式。 視覺重建系統的工

機器學習 , 初級視覺 , 腦機接口 , 運動控制 , 人工智能

收藏 評論

u_12868 頭像

langrisser - ICEM打開IGS後沒有出現文件

Allegro PCB SI在仿真時需要將仿真模型都轉變成DML模型格式。這一操作通過cadence軟件組內的Model Integrity軟件完成。首先在對應控制器芯片和DDR芯片，flash芯片（需要仿真的驅動和被驅動端）官網找到對應的ibis模型。以本項目的控制器DSP6713，SST39VF800A，MT48LC2M32B2B5-6為例，在各自官網找到ibis模型文件，

機器學習 , ICEM打開IGS後沒有出現文件 , 連接點 , 微帶線 , 人工智能 , 官網

收藏 評論

openbayescom 頭像

OpenBayes - UI-TARS-1.5 實現多模態 GUI 自主操作；FrontierScience 構建專家級科學推理評測數據集

公共資源速遞 5 個公共數據集： Arena-Write 寫作生成評測數據集 IF-Bench 紅外圖像理解基準數據集 Soul-Bench 音頻驅動人體動畫評測數據集 FrontierScience 推理科研任務評測數據集 VideoRewardBench 視頻獎勵模型評測數據集 4 個公共教程： UI-TARS-1.5 多模態 Agent GLM-ASR-Nano 智譜語音

機器學習 , 自然語言處理 , 教程 , 人工智能 , 深度學習

收藏 評論

u_17588526 頭像

圍爐聊科技 - Ilya Sutskever在最近訪談中的關鍵觀點及對IT技術人員的啓示

Dwarkesh Patel 與 Ilya Sutskever 近期進行了深度對話，視頻以及英文原文可以參見https://www.dwarkesh.com/p/ilya-sutskever-2 ，個人及AI輔助整理核心觀點及啓示如下。 一、訪談核心觀點 Ilya Sutskever 作為 AI 領域的頂尖學者、SSI 公司創始人，在訪談中圍繞 AI

機器學習 , it , 數據 , 泛化 , 人工智能

收藏 評論

u_16213680 頭像

mob64ca140f67e3 - CUBEMX不定長

【C++11變長參數模板】 C++11 加入新的表示法，允許任意個數、任意類別的模板參數，不必在定義時將參數的個數固定。 　　 實參的個數也可以是 0，所以tuple someInstanceName這樣的定義也是可以的。 若不希望產生實參個數為 0 的變長參數模板，則可以採用以下的定義： 　　 【變長函數參

機器學習 , 函數參數 , 運算符 , 變長參數 , CUBEMX不定長 , 人工智能

收藏 評論

deephub 頭像

deephub - 別再浪費內存了：Python __slots__ 機制深入解析

Python 對象的靈活性大家都知道，可以隨時給對象添加屬性： class User: pass u = User() u.name = "Alice" u.age = 30 但這種靈活性的代價也很大，每個普通 Python 對象都有個 __dict__ 字典來存儲屬性，對象一多內存開銷就上來了，這時候 __slots__ 就派上用場。 slots 到底在幹什麼 __sl

機器學習 , 知識 , Python

收藏 評論

u_12891 頭像

gjnet - TensorFlow訓練怎麼進行數據標註

製作自己的數據集（使用tfrecords） 為什麼採用這個格式？ TFRecords文件格式在圖像識別中有很好的使用,其可以將二進制數據和標籤數據(訓練的類別標籤)數據存儲在同一個文件中,它可以在模型進行訓練之前通過預處理步驟將圖像轉換為TFRecords格式,此格式最大的優點實踐每幅輸入圖像和與之關聯的標籤放在同一個文件中.TFRecord

機器學習 , 文件名 , 字符串 , 人工智能 , 對象序列化

收藏 評論

u_16099258 頭像

代碼工匠大師 - st語言IMPLEMENTS

介紹 •中斷控制器支持 19 個外部中斷/事件請求，線 0~15 對應外部 IO 口的輸入中斷（每個中斷 線對應相同數字的 GPIOx），線 16 連接到 PVD 輸出，線 17 連接到 RTC 鬧鐘事件，線 18 連接到 USB 喚醒事件。 •因為中斷線每次只能連接到 1 個 IO 口，所以需要配置中斷線

機器學習 , 單片機 , stm32 , st語言IMPLEMENTS , 嵌入式硬件 , 引腳 , 人工智能

收藏 評論

openbayescom 頭像

OpenBayes - Depth-Anything-3 打開全視角空間感知；CytoData 還原細胞級顯微宇宙！

公共資源速遞 5 個公共數據集： Netflix 電影電視目錄數據集 CytoData 血液細胞圖像數據集 VERA 語音推理能力評測數據集 UNO-Bench 全模態評測基準數據集 EditReward-Bench 圖像編輯評測數據集 3 個公共教程： PixelReasoner-RL：像素級視覺推理模型 VibeThinker-1.5B：小模型也可以有大智慧 Depth-A

機器學習 , 自然語言處理 , 教程 , 人工智能 , 深度學習

收藏 評論

u_15214399 頭像

u_15214399 - 【案例共創】基於開發者空間使用Kotaemon開源RAG UI和華為雲Maas搭建本地/私人AI知識庫

最新案例動態，請查閲【案例共創】基於開發者空間使用Kotaemon開源RAG UI和華為雲Maas搭建本地/私人AI知識庫。小夥伴們快來領取華為開發者空間進行實操吧！ 本案例由開發者：雲聰明提供 1 概述 1.1 案例介紹 ModelArts Studio作為一款先進的大模型即服務平台，集成了高效便捷的模型開發工具鏈，支持企業對大模型進行深度定製開

機器學習 , 人工智能 , 開發者 , Docker

收藏 評論

u_16099252 頭像

架構領航博主 - 迴歸分析為什麼要測DW值

本篇是針對經典教材《機器學習》及DataWhale小組出版的配套工具書《機器學習公式詳解》的學習筆記，主要以查缺補漏為主，因此對於一些自己已經熟悉的概念和內容不再進行整理。由於水平實在有限，不免產生謬誤，歡迎讀者多多批評指正。 本篇是針對經典教材《機器學習》及DataWhale小組出版的配套工具書《機器學習公式詳解》的學習筆記，主要以查缺補漏為主，因此對於一些自己已經熟悉的

機器學習 , 線性迴歸 , 線性模型 , 人工智能 , 迴歸分析為什麼要測DW值

收藏 評論

aigoto 頭像

逐夢AI - 金屬外表多種生鏽檢測數據集（1200張圖片已劃分）｜面向工業巡檢的目標檢測數據集

金屬外表多種生鏽檢測數據集（1200張圖片已劃分）｜面向工業巡檢的目標檢測數據集 在工業設備智能運維、基礎設施安全評估與城市大型金屬結構全生命週期管理不斷推進的背景下，金屬鏽蝕的自動化識別與精確定位已成為工業視覺領域的重要研究與落地方向。 傳統依賴人工巡檢的方式，不僅效率低、主觀性強，而且在高空、狹小空間、高危環境中存在明顯安全隱患。 本文將圍繞一個 已完成標註與劃分的金屬外表生鏽目標檢測數

機器學習 , 深度學習

收藏 評論

u_16099321 頭像

技術博客領航者 - Windows 系統使用 RemoteFx 重定向 USB 設備

1、shell重定向概念：shell重定向包含輸出重定向和輸入重定向 何為輸入輸出方向？何為標準輸入輸出方向？ 標準輸入方向：從鍵盤讀取用户輸入的數據，然後再把數據拿到程序（C語言程序、Shell 腳本程序等）中使用；這就是標準的輸入方向，也就是從鍵盤到程序。 標準輸出方向：相反，程序運行產生的數據一般都是直接呈現到顯示器上，這就是標準的輸出方向，也就是從程

機器學習 , 錯誤信息 , 文件描述符 , 重定向 , 人工智能

收藏 評論

u_16213618 頭像

mob64ca1400bfa8 - LDA是獨熱編碼嗎

1 為什麼要進行特徵編碼？ 我們拿到的數據通常比較髒亂，可能會帶有各種非數字特殊符號，比如中文。下面這個表中顯示了我們最原始的數據集。而實際上機器學習模型需要的數據是數字型的，因為只有數字類型才能進行計算。因此，對於各種特殊的特徵值，我們都需要對其進行相應的編碼，也是量化的過程。 2 特徵編碼類型 本篇，我們主要説一下分類型特徵的編碼方式。對於分類型數據

機器學習 , 編碼方式 , 數據 , 特徵值 , LDA是獨熱編碼嗎 , 人工智能

收藏 評論

u_16099193 頭像

落花有意飛花 - 火山引擎語音合成安卓sdk demo

當露營成為年輕人的一種全新生活方式後，連帶着户外野營帳篷、可摺疊桌椅、卡式爐、多人趣味桌遊等露營周邊市場都迎來新一輪增長。 受限於户外環境，年輕人在露營期間可供選擇的集體娛樂消遣方式更偏向於桌遊、垂釣、燒烤等，到了晚間，集體“刷”綜藝、電視劇則成了主要消遣之一，但手機、平板電腦、筆記本電腦等設備受限於屏幕大小與音量音質體驗，很難滿足三人以上的集體觀

機器學習 , 火山引擎語音合成安卓sdk demo , 數據 , 人工智能 , 用户需求 , 歷史數據

收藏 評論

deephub 頭像

deephub - Pandas 2.1發佈了

2023年3月1日，Pandas 發佈了2.0版本。6個月後（8月30日），更新了新的2.1版。讓我們看看他有什麼重要的更新。 更好的PyArrow支持 PyArrow是在Panda 2.0中新加入的後端，對於大數據來説提供了優於NumPy的性能。Pandas 2.1增強了對PyArrow的支持。官方在這次更新中使用最大的高亮字體宣佈 PyArrow 將是 Pandas 3.0的基礎依賴，這説明P

機器學習 , pandas , Python

收藏 評論

deephub 頭像

deephub - PyCausalSim：基於模擬的因果發現的Python框架

做 A/B 測試或者分析轉化率的時候，經常會碰到那個老生常談的問題： “這數據的波動到底是干預引起的，還是僅僅是相關性？” 傳統的分析手段和機器學習擅長告訴你什麼能預測結果，但預測不等於因果。而在做決策，不管是干預、優化還是調整業務邏輯時，我們需要的是因果關係。 今天介紹一下 PyCausalSim，這是一個利用模擬方法來挖掘和驗證數據中因果關係的 Python 框架。 問題：相關性好找，

機器學習 , 人工智能 , Python

收藏 評論

u_16213708 頭像

mob64ca14163a4f - emeditor編輯器打開文本亂碼

説明 1、EditPlus是Windows的文本編輯器，具有內置的FTP，FTPS和sftp功能。雖然它可以作為一個很好的記事本替代品，但它也為網頁作者和程序員提供了許多強大的功能。 2、語法高亮顯示HTML，PHP，Java，C / C ++，CSS，ASP，Perl，JavaScript，VBScript，Python和Ruby on Rails。此外，它可以基於

機器學習 , 註冊碼 , 人工智能 , emeditor編輯器打開文本亂碼 , HTML , 工具欄

收藏 評論

u_16147706 頭像

火星情報 - 南京旅遊酒店管理有限公司承諾於 2026 年實現 30% 的菜單為植物性餐食

南京旅遊酒店管理有限公司近日宣佈與專注於食品可持續發展的諮詢公司力矩中國合作，推出最新餐飲可持續發展目標：到2026年，集團將實現旗下管理的10家酒店的菜單中，至少30%為植物性餐食。該舉措不僅彰顯了南京旅遊酒店管理公司對環境可持續發展的高度重視，也體現了其對中國消費者飲食健康的高度關注與社會責任感。 南京旅遊酒店管理有限公司於2025年正式宣佈成立，成立後一直深化佈局酒店

機器學習 , 項目經理 , 發展趨勢 , 人工智能

收藏 評論

u_16099170 頭像

編程小匠人之魂 - windows defender節點所有者為system

雖然精靈是建立遊戲時使用的最重要的元素，Sprite Kit還提供了許多其他的節點類。這些節點類中的大部分都提供可視化的內容，類似的SKSpriteNode類。剩下的則不直接繪製自己的內容，而是修改它們在節點樹的後代的行為。表6-1列出了所有由Sprite Kit提供的節點類，包括你已經熟悉的SKScene和SKSpriteNode類。 表

機器學習 , 官方 , 人工智能 , apple , ios , Sprite Kit , 翻譯

收藏 評論

u_16213609 頭像

mob64ca13fe9c58 - keras 多層CNN搭建

一.輸入層 　　1.用途 　　　　構建深度神經網絡輸入層，確定輸入數據的類型和樣式。 　　2.應用代碼 　　　　input_data = Input(name='the_input', shape=(1600, 200, 1)) 　　3.源碼 def Input(shape=None, batch_shape=None,

機器學習 , keras 多層CNN搭建 , 卷積 , 人工智能 , 池化 , ide

收藏 評論

tecdat 頭像

拓端tecdat - 專題：2025-2026醫藥健康行業消費趨勢白皮書：數字化全景洞察|附180+份報告PDF、數據可視化模板彙總下載

**原文鏈接：https://tecdat.cn/?p=44379 原文出處：拓端抖音號@拓端tecdat** 當“脆皮打工人”在小紅書搜索“情緒養生方案”，當銀髮族在社區體驗智能監測設備，當跨境品牌通過AI優化健康產品出海鏈路——後疫情時代的醫藥健康行業，已從“被動治療”全面轉向“主動數字化管理”。這場變革中，消費需求從單點功能延伸至生活場景，技術革新重構行業效率，場景擴容打破傳統邊界，

機器學習 , 數據挖掘 , 算法 , 深度學習

收藏 評論

u_16213688 頭像

mob64ca14116c53 - em78P156

筆者在某智能水錶開發中使用了EM78P447芯片，對EM78系列芯片有了較深認識，在實踐中總結了一些開發此類芯片應注意的問題，同時給出了應用中的編程技巧。 市面上常見的介紹EM78系列的參考書中，都給出了一些應用實例，但這些實例一般程序代碼量較小，功能單一。雖然這些實例對於新手確實起到了很好的作用，但一個產品可能功能很複雜，程序可能達到幾千行，這就

機器學習 , 單片機ofeh , 子程序 , 數據 , 單片機 , 人工智能 , em78P156

收藏 評論

digitalocean 頭像

DigitalOcean - 利用騰訊開源 Hunyuan3D 2.1：在 DigitalOcean GPU Droplet 上快速搭建 3D 模型

你是否曾幻想將腦海中的創意或精美的 2D 圖像，瞬間轉化為能在虛擬世界中使用的 3D 模型？ 在人工智能逐漸成為創意“引擎”的今天，我們見證了圖像和視頻生成模型（如 Flux、Hi-Dream、Wan 等）帶來的巨大飛躍，它們讓“所思即所得”成為可能。然而，對於渴望將這些概念帶入遊戲、動畫、元宇宙或其他三維項目的創作者而言，“如何跨越 2D 到 3D 的鴻溝” 仍是一個巨大的挑戰。 長久以來，將

機器學習 , 圖像識別 , 深度學習

收藏 評論