tag 機器學習

標籤
貢獻433
498
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_16099321 頭像

技術博客領航者 - dolphinscheduler 線上demo

Demand Media之所以吸引了我的眼球，除了月初它向美國證券交易委員會（SEC）提交了IPO申請，很有可能成為繼Google之後科技公司裏首個10億美元級的IPO，更重要的是它的商業模式。如果説Twitter以及SNS網站在某種程度上解決了信息傳播的問題，那麼，Demand Media則是從內容的生產以及組織入手去解決信息去噪音化的問題。 我們都知道，隨着互聯

機器學習 , seo , google , 人工智能 , Web

收藏 評論

qingfouai 頭像

青否Ai - 價值重構：從時間出賣者到價值創造者，凸顯ai員工的重要性！

"我每天工作10小時，週末還要加班，但感覺離財務自由越來越遠。 這正是傳統職場的最大陷阱：我們被訓練成"時間出賣者"，而非"價值創造者"。 在舊體系中，你的價值=工時×時薪。這種線性模型註定讓你陷入忙碌卻無法突破的困境。 而AI時代正在重構價值評估體系：你的價值=解決問題的能力×放大係數。 關鍵區別在哪裏？窮人的時間只賣給一個人，富人的時間通過產品化賣給成千上萬人。 一個案例（青否ai員工源頭v：

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

u_16099269 頭像

落筆成詩 - Dify中如何替換embedding

替換元素 和 非替換元素 替換元素就是平常 看到的 input img textarea select這些都是替換元素，之所以叫替換元素，他們都是沒有實際內容的，都是根據標籤和屬性來判斷渲染些什麼東西。 非替換元素就是 div p 這些，瀏覽器根據內容直接顯示出來。 行內替換元素和行內非替換元素的區別 行

屏幕寬度 , 機器學習 , 盒模型 , Dify中如何替換embedding , 人工智能 , 邊距

收藏 評論

u_16099355 頭像

數據挖掘者 - onnx轉rknn 三輸出

當許多人使用PNP和NPN時，他們認為這是同一類型。實際上，PNP和NPN之間有很多區別，那麼PNP和NPN之間有什麼區別？接下來就跟小編一起來學習一下吧。 1、定義不同 NPN型三極管由三個半導體組成，包括兩個N型和一個P型半導體，中間是P型半導體，兩側是兩個N型半導體。 NPN型三極管是電子電路中最重要的器件，其主要功能是電

電子電路 , 機器學習 , 電路圖 , onnx轉rknn 三輸出 , 三極管 , n型半導體和p型半導體的區別 , 人工智能

收藏 評論

u_16213693 頭像

mob64ca141275de - pem key 匹配

BM算法思想的本質上就是在進行模式匹配的過程中，當模式串與主串的某個字符不匹配的時候，能夠跳過一些肯定不會匹配的情況，將模式串往後多滑動幾位。 BM算法尋找是否能多滑動幾位的原則有兩種，分別是 壞字符規則 和 好後綴規則。 壞字符規則： 我們從模式串的末尾往前倒着匹配，當我們發現某個字符無法匹配時，我們把這個無法匹配的字符叫

機器學習 , 後綴 , 數組 , bc , 人工智能 , pem key 匹配

收藏 評論

u_16099317 頭像

錦繡前程未央 - zabbix支持telemetry嗎

前言 告警將重要信息發送給運維「或者其他相關人」，及時發現並且處理問題。在所有開源監控軟件裏面，Zabbix 的告警方式無疑是最棒的。告警的方式各式各樣，從 Email 告警到飛信、139/189郵箱、最後到微信甚至電話告警，接入存在各種問題以及困難，有沒有什麼軟件能夠將他們All In one呢？OneAlert

機器學習 , 微信 , MySQL , Time , 人工智能 , zabbix支持telemetry嗎

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 貝佐斯/比爾蓋茨/英偉達/英特爾等押注，NASA 工程師帶隊打造通用機器人大腦，公司估值達 20 億美元

在大模型可以從互聯網、圖像庫和海量文本中「無限生長」的今天，機器人卻被困在另一個世界——真實世界的數據極度稀缺、昂貴且不可複用。 Business Insider 曾發佈過一則看似輕巧卻又極具洞察力的報道，「AI 機器人面臨數據荒，一家初創公司找到了出人意料的解決方案」。 報道指出，相比語言和視覺模型幾乎取之不盡的訓練語料，機器人與現實世界交互所需的數據在規模、結構化程度和可遷移性上都遠遠不足，這

機器學習 , hyperai , 機器人 , 人工智能 , 深度學習

收藏 評論

u_16213677 頭像

mob64ca140eb362 - yii model email格式

郵件格式 電子郵件的標準格式是RFC822，一封郵件由信頭和主機組成 信頭包含和發信人、收信人等信息，信頭字段可分為兩類，一類由客户端郵件程序產生，一類是郵件通過SMTP服務器時被加上的。郵件的主體就是你發送給的數據。信頭和主體由一個空字符串分割。 電子郵件的標準格式（RFC822） http://www.5dmail.n

機器學習 , yii model email格式 , 服務器 , office , 人工智能 , access , Internet

收藏 評論

u_17491820 頭像

呆個大頭鬼 - 光影交織：基於Rokid AI眼鏡的沉浸式影視劇情互動體驗開發實戰

摘要 本文深入探討如何利用Rokid CXR-M SDK開發影視劇情互動體驗應用，通過藍牙/WiFi連接、自定義界面場景、AI交互等技術，打造沉浸式劇情體驗。文章詳細解析SDK核心功能，提供完整代碼實現，涵蓋設備連接、界面定製、劇情分支控制、多媒體同步等關鍵技術，為開發者提供從架構設計到性能優化的全流程指導，助力構建下一代AR影視互動應用。 目錄 1. 引言：重新定義

機器學習 , 數據 , 初始化 , 人工智能 , ide

收藏 評論

youyudetusi 頭像

憂鬱的吐司 - 青否AI員工提升客户體驗：讓服務更智能、更人性化！

在現代企業中，客户體驗已經成為競爭力的重要指標。客户期待快速、精準、個性化的服務，而人工服務往往受限於效率和精力。AI員工的出現，讓企業服務煥然一新，它不僅能高效執行任務，更能讓服務變得智能而人性化。 AI員工能夠實時理解客户需求，從諮詢到解決問題，完成整個業務流程的閉環交付。比如，當客户提出修改訂單或查詢服務狀態時，AI員工會快速識別信息、調用系統執行操作，並及時反饋結果。 整個過程中，客户不再

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

comehope 頭像

comehope - AI實戰：用 HuBERT 識別樂曲風格

摘要 本項目的目標是使用深度學習來識別樂曲風格，如一首歌曲是流行樂還是搖滾樂。 我們將把樂曲特徵轉換為圖像數據，再利用 HuBERT 進行訓練，生成的模型可以存儲到你自己的 Hugging Face 帳號中。 本教程的 Jupyter 文件地址： https://openbayes.com/console/public/tutorials/ODwKxev36xS 本教程的視頻地址： h

機器學習 , tensorflow , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

u_17588526 頭像

圍爐聊科技 - Orchestrator-8B：近期HuggingFace上火熱的小型模型

在AI技術日新月異的2025年，英偉達與香港大學聯合發佈了一項令人矚目的技術突破——Orchestrator-8B，近期在HuggingFace上保持着相當高的熱度。 這個只有80億參數的小型模型，通過巧妙的強化學習訓練和工具調度策略，在人類最後的考試(HLE)基準測試中以37.1%的準確率超越了GPT-5的35.1%。Orchestrator-8B的誕生

機器學習 , 基準測試 , 多目標 , 英偉達 , 人工智能

收藏 評論

u_16099356 頭像

IT智行領袖 - bevformer簡單復現

©作者|杜偉、陳萍 微軟亞洲研究院升級了 Swin Transformer，新版本具有 30 億個參數，可以訓練分辨率高達 1,536×1,536 的圖像，並在四個具有代表性的基準上刷新紀錄。 在不久之前公佈的 ICCV 2021 論文獎項中，來自微軟亞洲研究院的研究者憑藉論文《Swin Transformer: Hierarchic

機器學習 , bevformer簡單復現 , 人工智能 , 深度學習 , 計算機視覺

收藏 評論

u_15690955 頭像

出手吧Glen - AI繪圖封神王炸！Z-Image-Turbo圖生圖最新版！

前幾天谷歌Nano Banana Pro剛發佈，朋友圈就被刷爆了——4K畫質的寫真説生成就生成，連複雜的中文標語都能精準渲染，不少人直呼"行業天花板"。 可興沖沖去查使用方式的人，很快就被潑了冷水：不僅得特殊網絡環境，每月還得掏幾十刀會員費，普通用户根本碰不着。 （谷歌Nano Banana Pro生成） 沒關係，阿里通義實驗室悄悄扔出了

機器學習 , AI 繪畫 , 文件名 , 人工智能 , Image , 加強版

收藏 評論

u_16213640 頭像

mob64ca1405d568 - HAO 人 物體 動作預測 計算機視覺任務

作者|VVingerfly 3D人體姿態和形狀估計在最近幾年是一個重要的研究熱點，但大部分工作僅僅關注人體部分，忽略了手部動作，港中文聯合Facebook AI研究院提出了一種從單張圖片同時估計人體姿態和手部動作的新方法，展示效果好似科學怪物。 如下圖左下和右下所示，易看出本文提出的方法姿態估計效果更好。

機器學習 , 神經網絡 , 人工智能 , 深度學習 , 計算機視覺

收藏 評論

huodadexiang 頭像

南瓜 - 基於 YOLOv8 的交通標識與設施識別系統（含完整源碼）

基於 YOLOv8 的交通標識與設施識別系統（含完整源碼） 一、研究背景：為什麼要做交通標識智能識別？ 在智慧城市與智能交通體系不斷髮展的背景下，道路交通場景對感知能力提出了越來越高的要求。 無論是： 🚗 自動駕駛輔助系統 📷 道路監控與違章識別 🚦 智能信號控制 🏙 城市道路數字化管理 都離不開對 交通標識與基礎設施的精準識別。 傳統基於圖像處理和規則的方法，在面對以

機器學習

收藏 評論

u_16213611 頭像

mob64ca13ff28f1 - pfx 轉換pem

其實我對微軟出的Linq to Sql，以及Linq to Entity這兩個產品興趣都不大，不太喜歡那種開發模式，主要原因如下： 1:自動生成的那堆代碼，不利於平時的分層模式，將實體以及存儲邏輯混合在一起總覺的不是那麼回事； 2:對於編寫測試用例不是那麼友好，全部邏輯都在一起，無法拆分測試，比如只想測試代碼邏輯，不需要連接真正的數據庫等。

機器學習 , List , pfx 轉換pem , EF , 人工智能 , ui

收藏 評論

tecdat 頭像

拓端tecdat - MATLAB奧運會獎牌預測—CNN神經網絡、邏輯迴歸、Liang-Kleeman信息流及隨機森林模型的因果關聯與概率預測

全文鏈接：https://tecdat.cn/?p=44748 原文出處：拓端數據部落公眾號 關於分析師 在此對Xinpeng Wang對本文所作的貢獻表示誠摯感謝，他在浙江財經大學完成了應用統計學專業的學士學位，專注老年教育調查數據分析、奧運獎牌預測模型建立領域。擅長R語言、Python、數據預處理、統計分析、統計建模。曾參與老年教育調查數據的清洗與分析工作，主導完成奧運獎牌預測

機器學習 , 數據挖掘 , 算法 , 人工智能 , 深度學習

收藏 評論

goody 頭像

goody - 如何查看vue3項目中是否可以用rem

筆者工作也有一些時間，需要用vue寫項目時也總是項目組長已經把項目搭建好了， 偶爾心血來潮想試着自己搭建一個vue項目 我們搭建vue項目呢主要是用到了vue-cli來搭建，但是前提是必須要已經安裝好了node和npm 如果你還沒安裝這些東西，就先去安裝再來學習搭建vue項目吧 一、安裝vue-cli 1. 開啓命令行，輸入指

機器學習 , 命令行 , windows , 如何查看vue3項目中是否可以用rem , 項目搭建 , 人工智能

收藏 評論

u_16099277 頭像

架構領航員 - LDAvis可視化圖分析調參數nameta

本文系統性分享了 NebulaGraph Explorer 在 3D 圖數據展示上的一些應用。 前言圖數據可視化是現代 Web 可視化技術中比較常見的一種展示方式，NebulaGraph Explorer 作為基於 NebulaGraph 的可視化產品，在可視化圖數據領域，尤其是在圖形渲染性能等領域積累了較豐富的經驗。本文將系統性分享 NebulaG

機器學習 , 數據 , 3d , 人工智能 , 圖形渲染

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 【TVM教程】設計與架構

本文檔適用於想要了解 TVM 架構或積極開發項目的開發者。本文檔組織結構如下： 整體編譯流程示例：概述 TVM 如何將一個高級模型描述轉換為可部署模塊的各個步驟。建議首先閲讀本節以瞭解基礎流程。 簡要介紹 TVM 棧中的關鍵組件。您也可以參考TensorIR 深度解析和Relax 深度解析，瞭解 TVM 棧中兩個核心部分的詳細內容。 本指南提供了架構的一些補充視圖。首先研

機器學習 , 人工智能 , 深度學習

收藏 評論

u_16099328 頭像

墨染青絲 - sentry在哪看sourcemap

一、開發前的準備 1.在裝有Windows 2000或者Windows XP Professional的機器上安裝.Net Framework SDK、Visual Studio.Net、Visual Source Safe6C。（如果用户操作系統是Windows .Net Server，則無須安裝.Net Framework SDK，.Net Server自帶的IIS 6

機器學習 , sentry在哪看sourcemap , 數據庫 , 人工智能 , Visual , Web

收藏 評論

u_16099169 頭像

編程夢想家 - flyway_schema_history 怎麼寫

Flyway 是什麼：如果説git是代碼的版本控制，那麼flyway就是數據庫的版本控制 解決問題： 正如git解決協作開發的問題，flyway一樣解決了多人協同設計數據庫的問題 修改或修復數據庫結構 修復錯誤數據 工作方式(https://flywaydb.org/getstarted/how)，

機器學習 , 後綴 , 數據庫 , 人工智能 , SQL

收藏 評論