tag 機器學習

標籤
貢獻433
444
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_16099177 頭像

雲端小夢 - f_opendir返回FR_NO_FILESYSTEM

printf()的返回值為其輸出字符串常量的字符數（注意字符數與字數的區別）注意計數針對所有的打印字符，包括空格和不可見的換行字符（不包括字符串的空字符）。 scanf（）函數返回成功讀入的項目的個數。即在下面程序中scanf的返回值為1。如果沒有讀取任何項目（如它期望一個數字但是出入了一個非數字字符），它會返回值0。當它檢測到“文件結尾”時，它返回EOF（EO

機器學習 , 字段 , 長整數 , 人工智能 , 堆棧

收藏 評論

yekai_620f63e12c172 頭像

葉開 - 隱語可信數據空間MOOC第45講筆記：隱語在汽車流通領域的深度賦能

筆記內容來自隱語Mooc，歡迎一起來學習。Mooc課程地址：https://www.secretflow.org.cn/community/bootcamp/2narwgw4ub8r... 📘 8.7 隱語在汽車流通領域的深度賦能 主講人：楊興兵 | 中汽數源信息科技（北京）有限公司 CTO 一、汽車流通行業痛點與機遇 1. 行業市場概況（2024年） 汽車流通行業首次超越房地產，成為

機器學習 , 教程 , 知識 , 人工智能

收藏 評論

u_16099212 頭像

智慧編織者 - markdown 中的memaid 是什麼意思

Markdown 是目前互聯網上最流行的寫作語言，它使用一些簡單的符號（* / ` [] () #）來標記文本格式，其簡潔的語法、優美的格式以及強大的軟件支持深受廣大網友的喜愛。 維基百科上對 Markdown 的描述： ” Markdown 是一種輕量級標記語言，創始人是約翰·格魯伯（John Gruber）。它允許人們 “使用易讀易寫的純

機器學習 , word , 人工智能 , 團隊協作 , Markdown

收藏 評論

u_15690955 頭像

出手吧Glen - 地表最強AI換臉神器，Facefusion3.3.2版整合包來啦！

最強換臉AI工具Facefusion軟件在近期更新了3.3.2，這次更新相當強大，快隨我一起去看看吧~ Facefusion新版本介紹 FaceFusion 3.3.2 版本更新亮點：總的來説，就是換臉更加準確，更加清晰，更加快速了！ 本次新增HyperSwap換臉模型，並修復

機器學習 , 換臉 , 新版本 , 離線 , 英偉達 , 人工智能

收藏 評論

u_16099232 頭像

夢斷藍橋魂 - 化合物極性 chemdraw

如何來衡量分子是否有極性？ 偶極矩是衡量分子極性大小的物理量。物理學中，把大小相等符號相反彼此相距為d的兩個電荷(+q和－q)組成的體系稱為偶極子，其電量與距離之積，就是偶極矩(μ)。μ=q·d。極性分子就是偶極子。因為，對分子中的正負電荷來説，可以設想它們分別集中於一點，叫做正電荷中心和負電荷中心，或者叫分子的極(正極或負極)。極性分子的偶極矩等

機器學習 , 人工智能 , H2 , 分子偶極矩大小如何判斷 , 化合物極性 chemdraw

收藏 評論

u_17061379 頭像

AI編程社區 - 邁向智能編輯的下一代演進：Qoder NEXT 模型與 ActionRL 偏好對齊實踐

引言： 從“代碼補全”到“編輯預測” 在過去的兩年中，大語言模型（LLMs）從根本上重塑了軟件開發的工作流程。“智能體編碼”（Agentic Coding）等新範式使開發者能夠根據高層指令快速生成整個代碼倉庫級別的代碼，顯著提升了開發速度。然而，社區中逐漸流行起一個説法——“AI 善後工程師”：Agentic Coding 雖能迅速完成 80%的任務，但剩下的 20%

機器學習 , 數據 , 人工智能 , 開發者 , 結構化

收藏 評論

u_13446 頭像

imking - 系統用户temp

用户界面不僅提供了輸入機制，使得用户可以“告知”計算機自己的需求，還提供了輸出機制，即對用户的操作給於一定的反饋。人們利用鍵盤，鼠標，觸摸屏和麥克風等工具，通過用户界面與計算機進行交互。 最佳設計經驗與準則 輕量化設計 遵循80/20原則，即只設計最好的20%的功能。 選擇具有社絕美感的顏色和佈局。 為用户界面的

機器學習 , 系統用户temp , 用户界面 , 應用程序 , 簡潔性 , 人工智能

收藏 評論

u_17583606 頭像

視頻孿生 - 從語言到世界：空間智能與視頻孿生開啓AI新徵程

11月10日，斯坦福大學教授、World Labs聯合創始人李飛飛發表長文《From Words to Worlds: Spatial Intelligence is AI’s Next Frontier》（從語言到世界：空間智能是AI的下一個前沿）。李飛飛認為，當前以大型語言模型為代表的AI雖然擅長處理抽象知識，卻如同在“黑暗中行走”，缺乏對物理世界的真實理解。而空間智能——即

機器學習 , 空間智能與視頻孿生 , 語言模型 , 人工智能

收藏 評論

u_13270164 頭像

數據與後端架構提升之路 - TeleTron項目技術優化原理之上下文並行技術

前言 TeleTron是基於Megatron-LM二開的項目主要對視頻訓練做了大量優化 1.Ulysses Context Parallel （上下文並行）原理 下面的例子主要展示的是 Image Tokens（最複雜的部分）。 TeleTron 中 DiT 模型處理長序列的核心機制：如何通過 SeqAllToA

機器學習 , 訓練平台 , 數據 , MySQL , 表數據 , 數據庫 , 人工智能

收藏 評論

u_15214399 頭像

u_15214399 - 【案例共創】開發者空間配合華為AskO3構建造數小程序​​

最新案例動態，請查閲【案例共創】開發者空間配合華為AskO3構建造數小程序。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：banjin提供 1 概述 1.1 案例介紹 華為開發者空間是華為云為全球開發者打造的專屬開發空間，匯聚昇騰、鴻蒙、鯤鵬、GaussDB、歐拉等各項根技術的開發資源及工具，致力於讓每一位開發者擁有一台雲主機，基於華為根生態

機器學習 , 雲主機 , 數據庫 , 人工智能 , 開發者

收藏 評論

u_12190 頭像

藍月亮 - 如何實現快遞物流軌跡展示 demo

隨着公司的發展，越來越多的文件和物品都要來回郵寄，整理大量的快遞單又成為我們的一大噩夢。如果您的公司是電商企業，那就更不用説痛苦的程度了。對於這些問題，傳統的excel表格記錄+網頁查詢的方法已經不能滿足業務展開。 電商企業需要發送大量的快遞。這些快遞不出問題還好，一旦一個訂單出現問題客服可能就要逐張找到對應的快遞單號，然後在查詢快遞信息。加大了工

機器學習 , saas , 超級表格 , 人工智能 , 在線表格 , 多人協作 , 如何實現快遞物流軌跡展示 demo

收藏 評論

u_16213721 頭像

mob64ca14196783 - MemTotal 和 SwapTotal 含義

make-to-stock, 為庫存進行的生產，生產的成品或者半成品在系統中建有BOM,開工單生產後記入庫存，銷售是直接減少庫存。這樣的情況對於每一個要生產銷售的物料都必須有自己的BOM, 即使兩個物料之間差別很少。 make-to-order,為訂單進行的生產，首先產生銷售訂單，要銷售的物料會建成Configurable的類型，在銷售訂單創建時選擇此次該料號的

機器學習 , 字段 , 主數據 , sap , 人工智能

收藏 評論

u_15996251 頭像

明日cto - 機器學習——降維算法

降維算法是機器學習中用於減少數據特徵數量的技術，目的是在保留重要信息的同時，簡化數據結構，提高計算效率，降低模型複雜度，並有助於可視化和避免過擬合 一、降維的基本概念 1.降維的定義 降維（Dimensionality Reduction）是從高維數據中提取出低維表示，同時保留儘可能多的信息。 降維分為線性降維和非線性降維。

機器學習 , yyds乾貨盤點 , 數據 , 人工智能 , 降維算法

收藏 評論

u_15641375 頭像

芯動大師 - 基礎的點雲轉換

對於點雲處理而言，最簡單也逃不過的就是點雲轉換了，我們就從點雲轉換開始，來一步步完成點雲加速的學習。點雲基礎轉換是3D點雲處理中的一個重要步驟。它的主要目的是將點雲從一個座標系轉換到另一個座標系中，通常是為了方便後續處理或者顯示。在實際應用中，點雲基礎轉換通常包括平移、旋轉、縮放等操作。這裏對應了pcl::transformPointCloud這種方法 1. CUDA與Th

機器學習 , yyds乾貨盤點 , 數據 , 點雲 , include , 人工智能

收藏 評論

u_15690955 頭像

出手吧Glen - AI免費無限換臉！FaceFusion最新3.5炸了！

作為常年玩AI換臉的老玩家，我對FaceFusion的期待從來沒落空過——從3.4.1的HyperSwap模型解決側臉、遮擋問題，到這次3.5.0直接把“換臉+修圖”打包整合。 親測完只想説：以後做創意視頻再也不用換三四款軟件了！關鍵是，離線懶人包已經備好，解壓點兩下就啓動，小白也能直接拿捏。 最香的3個新功能，直接解決老痛點 之前用換臉

機器學習 , 換臉 , 批量處理 , Source , 離線 , 人工智能

收藏 評論

u_17061379 頭像

AI編程社區 - Qoder CLI 終端裏的智能夥伴

凌晨兩點，你在遠程服務器上調試一個緊急 Bug，開發環境無法連通線上環境，Web IDE 操作卡頓。 此時你只需要一行命令——qodercli，1 秒內一個輕量級 AI 編程助手已在終端就位。 它能讀代碼、寫邏輯、Review 提交、自動拆解任務，甚至主動問你：“這個需求是不是要加權限校驗？”。 這是Qoder CLI——一個完全自研、僅百兆內存、啓動快過泡麪的命令行

機器學習 , 自然語言 , 企業級 , 人工智能 , 開發者

收藏 評論

u_16213610 頭像

mob64ca13feda16 - windows qt uvc xu 擴展協議demo

1.VTK庫在三維可視化顯示方面（醫學圖像、地質、氣象等領域）具有廣泛的應用，調用該庫的傳統方式是通過VS，結合Cmake文件進行編譯。 2.Qt在界面設計、編譯方面具有良好的優勢，如果能使用Qt進行VTK庫的調用，這既利於發揮VTK的優勢進行算法的研究，又利於發揮Qt的優勢進行工程的進展。 3.然而，目前這方面的參考教程較少或不詳細（之所以這樣説是因為 目前網上的教

機器學習 , 下載文件 , qt , 人工智能 , 下載地址

收藏 評論

gexia_com 頭像

閣下AI - 閣下AI平台：工具生成效率的實際觀察

\# 閣下AI平台：工具生成效率的實際觀察 在我們實際使用閣下AI平台的過程中，其工具生成效率確實給我們留下了深刻印象。它能夠將傳統需要數週甚至數月的手工開發工作，壓縮到以分鐘或小時計算，並且生成結果的成功率和質量都保持在線。以下是我們結合真實使用情況整理的一些數據與觀察。 \## 一、生成需要多長時間？ | 任務類型 | 閣下AI平台大致耗時 | 補充説明 | | 簡單工具 （例如文案生

機器學習 , 人工智能

收藏 評論

u_15214399 頭像

u_15214399 - 【案例共創】在開發者空間快速開發MQTT客户端實現硬件仿真上雲

最新案例動態，請查閲【案例共創】在開發者空間快速開發MQTT客户端實現硬件仿真上雲。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：DS小龍哥提供 1 概述 1.1 背景介紹 隨着物聯網技術的不斷髮展，越來越多的設備和應用依賴於實時數據交換和遠程控制。在物聯網生態系統中，設備與雲平台之間的通信是核心環節之一，然而對於許多開發者來説，進行

機器學習 , 客户端 , 人工智能 , 開發者 , Layout

收藏 評論

u_16099361 頭像

16099361 - Alink使用入門，基於flink的機器學習

你是否曾經為機器學習項目的複雜部署而頭疼？面對海量數據時，傳統機器學習框架的性能瓶頸是否讓你感到沮喪？今天，我將為你介紹一個能夠解決這些痛點的強大工具——Alink，這個基於Flink的機器學習平台將徹底改變你的開發體驗。 Alink是由阿里巴巴計算平台PAI團隊精心打造的開源機器學習算法庫，它完美融合了Flink的高性能流處理能力和豐富的機器學習算法，讓數據科學家

機器學習 , 數據 , 後端開發 , 機器學習算法 , Python

收藏 評論

u_12196 頭像

footballboy - vue2 自定義指令中使用createElement

在 Vue 中，自定義指令可以讓你在模板中使用 v-directiveName 這樣的語法來調用自己定義的指令。自定義指令可以用來操作 DOM 元素，給元素綁定事件監聽器，或者進行其他自定義操作。 Vue.directive 函數來註冊一個指令。該函數接受兩個參數，第一個參數是指令的名稱，第二個參數是一個對象，用來定義指令的行為。 下面是一個自定義指令的例子：

鈎子函數 , 機器學習 , vue.js , 自定義指令 , 人工智能 , 前端 , Javascript

收藏 評論

lab4ai 頭像

Lab4AI - 【Github熱門項目】DeepSeek-OCR項目上線即突破7k+星！突破10倍無損壓縮，重新定義文本-視覺信息處理

當“8000 行代碼手搓 ChatGPT”的熱度還未褪去，大模型領域又迎來新驚喜——DeepSeek 團隊於 10 月 20 日開源的DeepSeek-OCR，以“上下文光學壓縮”為核心突破，重新定義了 OCR（光學字符識別）的效率邊界。這款僅 30 億參數量的模型，不僅能以 100 個視覺 token 超越傳統模型 256 個 token 的性能，更在單張 A100-40G 顯卡上實現每日 20

機器學習 , 圖像識別 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

u_13360 頭像

level - KNN 方法構建圖模型中計算節點之間距離

樹模型 樹模型在機器學習中至關重要，它不僅本身具有較好的性能，也可以用於優化其他的算法。 我們在本節將要介紹優化算法的樹模型以及決策樹。 一、的數據結構 在KNN算法中我們要找到測試點的最近的K個鄰居，但是這需要我們求解所有點與測試點之間的距離（我們稱這個過程為線性掃描），在數據集很大時這顯然是不合理的，為此我們需要在

機器學習 , 數據集 , 決策樹 , 算法 , 座標軸 , 人工智能

收藏 評論

u_17061379 頭像

AI編程社區 - 我為什麼從眾多 AI 編程工具裏選擇 Qoder JetBrains插件？

個人一直在使用各種AI工具，因為使用習慣的原因，即便使用Cursor等工具，還是會回到IDE中進行代碼編寫和Review。 在有AI之前，很多人都問過VS Code和JetBrains IDE的區別，主要如下： 1、出色的開發語言支持：目前來説，雖然VS Code有眾多的插件，但是諸如Java/Kotlin/Python等語言的支持，還是不如JetBrains IDE

code , 機器學習 , 人工智能 , 開發者 , jetbrains , ui

收藏 評論