tag 機器學習

標籤
貢獻433
480
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_16213661 頭像

mob64ca140b0bc8 - pacemarker 主備備是否可以單獨配置優先級切換

目錄 部署環境 部署規劃 主庫 備庫 守護進程規劃 數據準備 初始化實例 主庫 備庫 註冊服務 主庫 備庫 啓動主庫 配置歸檔 備份還原

sed , 機器學習 , 數據庫 , 人工智能 , SQL

收藏 評論

lab4ai 頭像

Lab4AI - 【論文復現上新】NeurIPS 2023! 經典論文！ DPO：你的語言模型，其實就是個獎勵模型 | 強化學習 | 微調策略

01 論文概述 論文名稱： Direct Preference Optimization: Your Language Model is Secretly a Reward Model —— DPO：你的語言模型，其實就是個獎勵模型 論文鏈接：https://arxiv.org/pdf/2305.18290 👉Lab4AI 鏈接： https://www.lab4ai.cn/paper/det

機器學習 , 神經網絡 , 教程 , 人工智能 , 深度學習

收藏 評論

u_14306318 頭像

咚咚王哲 - 人工智能之數據分析 numpy：第二章 簡介與安裝

人工智能之數據分析 numpy 第二章 簡介與安裝 (文章目錄) 前言 NumPy（Numerical Python 的簡稱）是 Python 中用於科學計算的核心庫之一。它提供了高性能的多維數組對象（ndarray）以及用於操作這些數組的工具，廣泛應用於數據分析、機器學習、圖像處理、物理模擬等領域。 一、NumPy 的主要特點

機器學習 , yyds乾貨盤點 , numpy , 後端開發 , Python

收藏 評論

tecdat 頭像

拓端tecdat - 2026年消費行業展望報告：智能科技、可持續發展與幼稚經濟|附750+份報告PDF、數據、可視化模板彙總下載

原文鏈接：https://tecdat.cn/?p=44679 原文出處：拓端抖音號@拓端tecdat 引言 消費行業真的陷入“增長困境”了嗎？消費者越來越理性，創業者找不到新賽道，品牌方在存量競爭中掙扎——這是當下很多從業者和投資者的共同困惑。但數據不會説謊，消費行業並非停滯不前，而是在經歷“結構性重構”：傳統品類承壓，新興賽道爆發，技術與情感成為新的增長雙引擎。 本報告洞察基於《交銀國

機器學習 , 數據挖掘 , 算法 , 人工智能 , 深度學習

收藏 評論

u_17349038 頭像

煜見Ai未來 - 馬斯克560億對賭背後：2026-2030，普通人最後的翻身窗口

凌晨又被社羣消息炸醒 😮💨 有人轉了馬斯克那個 560 億美金薪酬方案通過的新聞… 我當時就懵了。 4000 多億人民幣… 沙特一年 GDP 才 1 萬億… 這錢夠我買多少個 Claude 訂閲了??（省錢人的第一反應🤣） 好多人以為是獎勵過去的功勞… 害… 我熬夜看完那 3 小時訪談（開倍速都看不完，困死），背後涼颼颼的…這哪是發工資，這明擺着是梭哈啊 🎰

機器學習 , AIGC二三事 , 數據 , 產品經理 , 人工智能 , 原型圖

收藏 評論

u_17588526 頭像

圍爐聊科技 - 2025年開源圖生圖模型盤點：Kandinsky 5.0、Qwen-Image與Z-Image

2025年，開源圖生圖模型領域迎來爆發式增長，三大代表模型——Kandinsky 5.0、Qwen-Image和Z-Image——以截然不同的技術路線和參數規模，共同重塑了AI圖像生成的生態格局。這些開源模型不僅降低了創作門檻，更通過多語言支持、中文排版優化和輕量化設計等創新，填補了國內AI圖像生成領域的空白。與2024年相比，2025年的開源圖生圖模型在推理速度、分辨率支持和中

機器學習 , 人工智能 , Image

收藏 評論

u_16213663 頭像

mob64ca140b82e3 - ldapsearch 分頁查詢

1. Sharding-Sphere Sharding-JDBC 最早是噹噹網內部使用的一款分庫分表框架，到2017年的時候才開始對外開源，這幾年在大量社區貢獻者的不斷迭代下，功能也逐漸完善，現已更名為 ShardingSphere ，2020年4⽉16⽇正式成為 Apache 軟件基⾦會的頂級項⽬。 隨着版本的不斷更迭 ShardingSp

機器學習 , sharding jdbc , 分庫分表 , ldapsearch 分頁查詢 , 人工智能 , JAVA , Database

收藏 評論

u_16213713 頭像

mob64ca1417736e - 對比度增強測量eme

1. 功能簡介 亮度是指發光體（反光體）表面發光（反光）強弱的物理量；對比度指的是一幅圖像中明暗區域最亮的白和最暗的黑之間不同亮度層級的測量；透明度是描述光線透過的程度 柵格數據增強控制主要是通過對亮度、對比度、透明度三個數值進行調整，從而達到數據顯示的增強，顯示不同的圖像效果。 PIE SDK中設置屬性值時，亮度、對比度為0~100之間的

機器學習 , 圖層 , 柵格 , 百度雲 , 對比度增強測量eme , 人工智能

收藏 評論

u_13250 頭像

flybirdfly - knn近鄰分類算法k值大值

k-近鄰算法原理 K-近鄰算法採用測量不同特徵值之間的距離方法進行分類。 • 優點：精度高、對異常值不敏感、無數據輸入假定。 • 缺點：時間複雜度高、空間複雜度高。 適用數據範圍：數值型和標稱型。 工作原理 存在一個樣本數據集合，也稱作訓練樣本集，並且樣本集中每個數據都存在標籤，即我

機器學習 , 數據集 , 樣本集 , 數據 , 算法 , knn近鄰分類算法k值大值 , 人工智能

收藏 評論

wenzhibinbindebinglin 頭像

FrostyHec - 線性模型-初步教學

閲讀指南： 1. 省流總結部分直接記錄了博客的takeaway，適合快速確認是否適合閲讀本文章 or 後續快速温習 2. 博客正文從省流總結部分後開始 省流總結 數學分析部分 數學概念 線性模型可以看作對輸入特徵的一次 仿射變換 (affine transformation)。 仿射變換由兩部分組成： 線性變換：對特徵施加一個線性映射 (權重矩陣／向量) 平移：再加上一個

機器學習 , 知識 , 人工智能

收藏 評論

u_14306318 頭像

咚咚王哲 - 人工智能之數據分析 Matplotlib：第一章 簡介和安裝

人工智能之數據分析 Matplotlib 第一章 簡介和安裝 (文章目錄) 前言 Matplotlib 是 Python 中最常用的數據可視化庫之一，用於創建靜態、動態和交互式的圖表。它功能強大、靈活，並且與 NumPy、Pandas 等科學計算庫無縫集成，廣泛應用於數據分析、機器學習、科研和工程等領域。 一、Matplotlib 簡介

機器學習 , 人工智能 , 數據分析 , 深度學習 , Python

收藏 評論

u_16213652 頭像

mob64ca1408d5ff - 處理可變長度輸入強化學習

固定長度的數據結構很簡單，大家每天都在用。 可變長度數據結構，都可以通過內嵌對象的形式，轉化成固定長度的數據結構，大家每天也都在用，例如： struct person { int id; string name; string address; }; 每個 person 對象的長度是固定的，但是，其

機器學習 , 字段 , 處理可變長度輸入強化學習 , 數據 , 數據結構 , 人工智能

收藏 評論

u_15641375 頭像

芯動大師 - ROS 編程入門的介紹

2.1 創建 ROS 功能包 ROS（Robot Operating System）是一種開源的機器人軟件框架，廣泛用於機器人開發中。通過使用 ROS，開發者可以輕鬆創建和管理機器人應用程序。在本節中，我們將介紹如何創建一個 ROS 功能包並實現一些基本功能。 2.1.1 使用 ROS 主題 ROS 主題（Topic）是一種發佈/訂閲機制，允許節點之間進行通信。

機器學習 , 服務器 , yyds乾貨盤點 , xml , 客户端 , 人工智能

收藏 評論

u_16099278 頭像

代碼工匠傳奇 - thyemleaf模板注入

Thymeleaf模板註釋分為標準HTML/XML註釋、解析層註釋、原型註釋三種。 一、註釋説明 1、標準HTML/XML註釋 直接通過瀏覽器打開，不顯示，Thymeleaf模板引擎解析也不處理，但查看網頁源代碼，註釋有在裏面。 語法： !-- 內容 -- 瀏覽器界面不顯示，查看瀏覽器網頁源碼有顯示； 2、解

機器學習 , User , 人工智能 , JAVA , thyemleaf模板注入 , HTML

收藏 評論

u_16213655 頭像

mob64ca1409970a - find_element最新用法

find是一個強大的文本搜索工具,有很多選型可以根據用户,時間,尺寸,路徑,權限,文件類型等選項查找,也可以指定路徑,最後還能對找到的文件進行處理 . 下面主要介紹find的四個方面: 一:find與locate的比較 二:find的常見用法及其語法

find_element最新用法 , 機器學習 , 文件名 , find命令 , hadoop , 人工智能

收藏 評論

u_16163453 頭像

嘴巴吃糖了 - RAG知識庫構建：文檔處理的核心原則與實踐！

簡介 RAG知識庫構建中，文檔處理是根基，但不應機械套用固定流程。知識庫本質是為大模型服務，實現精確檢索才是核心。處理文檔需根據業務需求靈活進行：結構化數據應提取元數據；非結構化數據需合理分段，保留原始內容用於增強生成，提取核心內容用於精確檢索。同時需進行文檔清洗，過濾無效內容。最終處理方式應基於實際業務需求調整，而非照搬他人流程。

機器學習 , 大數據 , MySQL , 算法 , 架構 , 數據庫 , 人工智能

收藏 評論

qingfouai 頭像

青否Ai - 獲客+引流+銷售全流程，實現ai超級員工：企業降本增效的未來工作模式！

在當今快速發展的數字化時代，企業面臨着日益複雜的市場環境和競爭壓力。為了在激烈的市場競爭中立於不敗之地，企業必須不斷提高效率，降低成本。AI（人工智能）、RPA（機器人流程自動化）和AI Agent（人工智能代理）的結合，為企業提供了一種全新的解決方案——定製化的數字員工。這種未來工作模式不僅能夠顯著提升企業的運營效率，還能有效地降低企業的運營成本。本文將探討這一創新模式的實現路徑及其在企業中的應

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

u_16459925 頭像

wx6583a3b0b06d1 - ComfyUI Docker 鏡像部署指南

一、項目簡介 ComfyUI 是一款基於節點工作流的 Stable Diffusion 圖形界面，支持通過可視化方式組合複雜的圖像生成流程。 ComfyUI-BOOT 基於官方 ComfyUI 構建，內置： Python 運行環境 PyTorch（按 CUDA / 架構區分） ComfyUI 本體 啓動與下載腳本

機器學習 , ComfyUI部署文檔 , ComfyUI部署 , ComfyUI , 人工智能 , Docker , CUDA

收藏 評論

u_14256 頭像

laojean - lemma prop

定義(definition): 描述一個概念，並區別於其他相關概念的表述。 命題(proposition): 用於判斷真假的陳述句。 引理(lemma): 為了取得某個更好的結論而作為步驟被證明的命題，其意義並不在於自身被證明，而在於為達成最終目的作出貢獻。引理和定理沒有嚴格界限。 公理(axiom): 經過人類長期反覆

機器學習 , 學習 , google , lemma prop , 人工智能 , ci , 百度

收藏 評論

u_16099178 頭像

雲端小悟空 - lda主題分析確定主題數量 lda主題分析用什麼 軟件

前言 gamma函數 0 整體把握LDA 1gamma函數 beta分佈 1 beta分佈 2Beta-Binomial 共軛 3 共軛先驗分佈 4 從beta分佈推廣到Dirichlet 分佈 Dirichlet 分佈

機器學習 , lda主題分析確定主題數量 , 主題模型 , 二項分佈 , 人工智能 , 概率分佈

收藏 評論

u_13539 頭像

jowvid - 瀏覽器內置pem

認識web 認識網頁 瀏覽器 web標準 認識網頁 網頁主要是由文字，圖片和超鏈接等元素構成。除了這些元素，網頁中還可以包含音頻，視頻以及Flash等。 瀏覽器 什麼是瀏覽器？ 瀏覽器是網頁顯示，運行的平台，常用的瀏覽器有IE，火狐瀏覽器（Firefox），谷歌瀏覽器（Ch

機器學習 , 瀏覽器內核 , 谷歌瀏覽器 , Web標準 , 人工智能 , 瀏覽器內置pem

收藏 評論

u_13317 頭像

liutao988 - scratch 軟件可以擴展機器學習模塊嗎

我們可能經常需要觀察變量值的變化。例如，某段腳本的運行結果與你所想不一致時，你可能想跟蹤某些變量值是否正確。變量值顯示器便能完成這項任務。選中變量名積木前的複選框即可顯示或隱藏變量值顯示器，如下圖示。 你還可以在腳本中使用積木進行控制。如下圖示 變量值顯示器可作為讀數或者控件之用。換言之，它可以顯示或者控制變量的值。雙擊舞台中

機器學習 , 變量名 , 人工智能 , 滑塊 , 局部變量

收藏 評論

u_14499 頭像

coolfengsy - mybatis plus怎麼使用PreparedStatement

目錄 wrapper介紹： CURD接口 Mapper CRUD接口 Service CURD接口 構造器方法 常用方法 修改指定值 查找不為空 查詢為某列為空或等於某值/查詢A列等於某值或B列等於某值 根據時間區間查詢 and or

機器學習 , User , List , 區間查詢 , 人工智能

收藏 評論