tag 機器學習

標籤
貢獻433
446
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_16213645 頭像

mob64ca1407216b - Chrome Memory工具鏈Performance Monitor

如果你知道我在使用多少個Google工具，你就不會對Google成為世界第一的互聯網企業而感到奇怪了。 Google Analytics http://www.google.com/analytics/Google Analytics（分析）向您顯示人們如何找到和瀏覽您的網站以及您能如何改善訪問者的體驗。提高您的網站投資回報率、增

機器學習 , 資訊 , 工具 , RSS , google , Tools , 人工智能

收藏 評論

u_12968 頭像

davisl - emqx 登錄密碼重置

Shiro自定義realm實現密碼驗證及登錄、密碼加密註冊、修改密碼的驗證 一：先從登錄開始，直接看代碼 @RequestMapping(value="dologin",method = {RequestMethod.GET, RequestMethod.POST},produces="text/html;charset=UTF-8") @Respo

機器學習 , ViewUI , 數據庫 , 人工智能 , JAVA , emqx 登錄密碼重置 , Javascript

收藏 評論

deephub 頭像

deephub - 一份寫給數據工程師的 Polars 遷移指南：將 Pandas 速度提升 20 倍代碼重構實踐

在大數據處理領域，性能和效率始終是核心問題。 polars 作為新一代數據處理框架，通過利用Rust語言的底層實現和現代化的並行計算架構，在處理大規模數據集時展現出顯著的性能優勢。根據性能測試文章的數據顯示，在CSV文件讀取操作中， polars 的處理速度可達 pandas 的20倍。這種性能提升主要得益於其優化的內存管理機制和並行計算能力。 本文將系統地介紹如何從 pandas 遷移到 po

機器學習 , 人工智能 , pandas , Python

收藏 評論

huodadexiang 頭像

南瓜 - 面向課堂與自習場景的智能坐姿識別系統——從行為感知到可視化部署的完整工程【YOLOv8】

面向課堂與自習場景的智能坐姿識別系統——從行為感知到可視化部署的完整工程【YOLOv8】 一、研究背景：為什麼要做“坐姿識別”？ 在信息化學習與辦公環境中，久坐與不良坐姿已成為青少年與上班族普遍面臨的健康問題。長期駝背、前傾、低頭等坐姿行為，容易引發： 脊柱側彎、頸椎病 注意力下降、學習效率降低 視覺疲勞與肌肉勞損 傳統的坐姿管理主要依賴人工監督或簡單硬件傳感器，不僅成本高、實時性差，而

機器學習 , 人工智能 , 深度學習

收藏 評論

u_17607488 頭像

科技淇淇 - 智存未來，AI賦能：火藍全系龍芯網絡存儲器，驅動國產信創智能升級​

在人工智能浪潮席捲全球、數字經濟邁向智能化的關鍵時代，數據不僅是資產，更是驅動AI創新的核心燃料。保障這片“數據油田”的安全與主權，構建自主可控的智能算力底座，已成為實現科技自立自強、發展新質生產力的國家戰略要務。為此，火藍正式發佈全系搭載國產龍芯處理器的智能網絡存儲器產品矩陣，以全棧自主、型號齊備、場景覆蓋的硬核實力，為中國政企客户提供從數據存力到AI算力的堅實數據底座。

機器學習 , 虛擬化 , 數據 , 龍芯 , 人工智能

收藏 評論

u_16077014 頭像

wx643df9f1afa1d - iMetaMed | 温附一夏二傑組-預測乳腺癌5年生存率-可解釋機器學習模型

基於整合蛋白質組學和臨牀數據的可解釋機器學習模型預測乳腺癌5年生存率 iMetaMed主頁：https://onlinelibrary.wiley.com/journal/3066988x 研究論文 ●原文：iMetaMed ●英文題目：An Interpretable Machine Learning Model for

機器學習 , 預測模型 , 數據 , 模型預測 , 後端開發 , 人工智能 , Python

收藏 評論

u_16213656 頭像

mob64ca1409d8ea - rabbitTemplate創建交換機不用註解

一，Direct Exchange 處理路由鍵。需要將一個隊列綁定到交換機上，要求該消息與一個特定的路由鍵完全匹配。這是一個完整的匹配。如果一個隊列綁定到該交換機上要求路由鍵 “dog”，則只有被標記為“dog”的消息才被轉發，不會轉發dog.puppy，也不會轉發dog.guard，只會轉發dog。 二，Fanout Exc

機器學習 , 鍵值對 , 字符串 , rabbitmq , 消息分發 , 人工智能

收藏 評論

u_16099203 頭像

網絡安全守衞 - elementPlus 按鈕觸摸其中svg顏色變為白色

currentColor顧名思意就是“當前顏色”，準確講應該是“當前的文字顏色”，例如： .xxx { border: 1px solid currentColor; } currentColor表示“當前的標籤所繼承的文字顏色”，換種方式表示就是：currentColor = color的值。 凡事需要使用顏色值的地方，都可以使用curren

機器學習 , ico , 文字顏色 , 人工智能 , Css

收藏 評論

u_16099327 頭像

AI智行者 - ZYNQ部署機器學習

一、引言 ZYNQ 是來自 Xilinx 公司ZYNQ-7000 所有可編程片上系統的開發板，具有開發片上系統能力。 在 ZYNQ上，ARM Cortex-A9 是一個應用級的處理器，能運行完整的像 Linux 這樣的操作系統，而可編程邏輯是基於 Xilinx 7 系列的 FPGA ，兩部分之間採用標準 AXI接口實現了高帶寬、低延遲

機器學習 , 設計思想 , ip , ZYNQ部署機器學習 , ZYNQ , 人工智能 , 嵌入式SOC

收藏 評論

u_17586993 頭像

u_17586993 - 智譜MiniMax競速上市，字節新模型數學推理突破，清華開源視頻生成技術，AI監管政策出台

今天AI領域有多項重要進展，涵蓋大模型商業化、技術突破、政策監管、芯片競爭等多個方面。本文將重點關注大模型創業公司競速上市、字節在AI推理能力上的突破、AI視頻生成技術的普及、AI監管政策的出台等核心要點。 1. 智譜MiniMax競速上市，大模型商業化路徑分化 智譜與 MiniMax：大模型創業背後的隱秘真相！ 智譜和MiniMax正爭奪"首個大模型上市公司"頭銜，商業模式差異

機器學習 , 商業 , 人工智能 , 技術細節 , 開發者

收藏 評論

u_16099330 頭像

網絡小墨 - 域名 key和pem

現象： 在上雲過程中，向網絡組申請了一個域名來進行測試，接口測試都沒有問題，開始進行移動端測試，測試終端為微信小程序。發現訪問的內容不是域名應該的指向的這套環境A，而是指向了另外一套環境B 分析： 1、因為在域名指向的兩台機器上，都用nginx做了對後端服務的轉發，懷疑是某台nginx配置有誤，各種檢查，各種修改，對環境B的nginx也是各種檢查，各種修

機器學習 , 內網 , 域名 key和pem , 人工智能 , Nginx , 後端服務

收藏 評論

u_16099224 頭像

IT劍客之家 - systemverilog 宏加定義宏加法

　　這裏所説的宏是指通過一系列鍵盤組合鍵和可以插入自定義內容。下面介紹怎麼編寫一個自己的宏： 1、在Visual Studio 2010中按Alt+F11打開宏IDE： 2、打開後選擇添加模塊： 3、在彈出的窗口中輸入名稱後確定添加： 4、出現如下頁面即可進行編輯： 5、在Public

機器學習 , 快捷鍵 , microsoft , text , 人工智能

收藏 評論

u_16213563 頭像

網絡安全守護先鋒 - systemV 共享內存和 posix 共享內存的區別

共享內存------總結 共享內存是允許兩個或多個進程共享一給定的區域。因為數據不需要在客户機和服務器之間複製，所以這是最快的一種IPC.使用共享內存的唯一訣竅就是多個進程對一定區域的同步存取。若服務器將數據放到共享內存區，則在服務器做完這一操作之前，客户機不應該去取這些數據。通常信號量被用來實現對共享內存存取的同步。 要使用一塊共享內存首先要分配他，隨後需要訪問這

機器學習 , 共享內存 , 人工智能 , memory , 鍵值

收藏 評論

tecdat 頭像

拓端tecdat - 2025電商行業全景洞察報告：直播電商、跨境佈局|附272+份報告PDF、數據、可視化模板彙總下載

原文鏈接：https://tecdat.cn/?p=44438 原文出處：拓端抖音號@拓端tecdat 核心摘要 2025年電商行業進入“存量博弈→價值深耕”的關鍵轉折期：雙11週期拉長至60天重構大促節奏，直播電商從“流量爭奪”轉向“內容+搜索”閉環，跨境增量向巴西、非洲等新興市場傾斜（Temu非洲MAU增424%），AI驅動的“看後搜”成為流量新入口（日均PV 1.1億）。行業呈現“B

機器學習 , 數據挖掘 , 算法 , 人工智能 , 深度學習

收藏 評論

u_16099185 頭像

夢想啓航吧 - memset清零結構體

首先要知道memset函數是對字節為單位進行賦值的； void *memset(void *s, int ch, size_t n); 函數解釋：將s中前n個字節 （typedef unsigned int size_t ）用 ch 替換並返回 s 。 其實這裏面的ch就是ascii為ch的字符；

機器學習 , 數據 , 初始化 , 賦值 , memset清零結構體 , 人工智能

收藏 評論

u_17420180 頭像

合合信息解決方案 - AI如何自動識別報銷單據信息

當財務人員每天面對堆積如山的報銷單據時，傳統手工錄入不僅效率低下，錯誤率更是居高不下。根據行業數據顯示，採用智能OCR票據識別系統的企業，財務處理效率平均提升了300%，錯誤率降低至0.1%以下。AI如何實現報銷單據的自動識別？合合信息基於文本智能技術打造的智能審核解決方案，正在為這一難題提供答案。 OCR技術：從圖像到數據的智能轉換 AI自動識別報銷單據的核心在於O

機器學習 , 字符識別 , 數據 , 人工智能 , 解決方案

收藏 評論

u_16213712 頭像

mob64ca14173efa - boosting算法用於迴歸任務 boosting算法進展

目錄 一個Snapshot 目標函數分析 初步認識目標函數 用泰勒展開來近似我們原來的目標： 樹的複雜度 改寫目標函數 最（極）值求解 收縮學習率和列採樣 打分函數計算示例 枚舉不同樹結構的貪心法 貪心法

機器學習 , 結點 , 複雜度 , 樹結構 , boosting算法用於迴歸任務 , 人工智能

收藏 評論

u_16827017 頭像

全棧技術開發者 - 二次型為什麼被放到線性代數中？如何通過基變換簡化矩陣？如何利用特徵值與特徵向量描述結構？二次型與內積空間理論有怎樣的內在聯繫？

在線性代數的體系中，矩陣、向量空間、線性映射以及特徵值與特徵向量構成了嚴密的邏輯網絡，為我們研究空間結構、變換性質和系統行為提供了統一語言。然而，當我們遇到“二次型”這一概念時，往往會感到困惑：二次型顯然涉及變量的平方組合，表面上看似脱離線性關係，為何卻被納入線性代數的核心內容？ 二次型的特殊之處在於，它不僅是一種代數表達形式，更是對向量空間結構的精確描述。通過矩陣表示，二

機器學習 , yyds乾貨盤點 , 特徵值 , 人工智能 , 線性代數 , 對稱矩陣

收藏 評論

u_16099262 頭像

信息流星 - CompositeItemWriteListener使用

當我寫到這裏的時候，我自己都吃了一驚。 環境、存儲這些比較讓人耳熟的還沒講到，continuation先出來了。 維基百科裏對continuation的翻譯是“延續性”。 這翻譯看着總有些違和感而且那個條目也令人不忍直視。 總之continuation似乎沒有好的中文翻譯，彷彿中國的計算機科學裏沒有continuation這個概念似的。 Continuation這個概念相當

機器學習 , 尾遞歸 , 調用棧 , 遞歸 , 人工智能

收藏 評論

puxiaoke6 頭像

一點人工一點智能 - 《控制理論中的時間：概念、度量與應用》

書籍：Time in Control Theory: On Concepts, Measures and Uses 作者：Blas M. Vinagre 出版：Springer​ 編輯：陳萍萍的公主@一點人工一點智能 下載：書籍下載-《控制理論中的時間：概念、度量與應用》 01 書籍介紹 控制理論是工程與數學的交叉學科，研究動態系統在受到外部激勵時的行為，以及如何通

機器學習 , 數學 , 控制器 , 人工智能

收藏 評論

carl_kaeraigongfang 頭像

卡爾AI工坊 - 下一代AI心理產品，會長什麼樣？

下一代AI心理產品，會長什麼樣？ 本文共 1903 字，閲讀預計需要 3 分鐘。 你認為的下一代 AI 心理產品會是什麼樣？ 很多人會先想到：更會聊、更像人，然後按小時、按次數收費。 這條路能走，但不算**“下一代”。** 真正的分歧在於： 人類諮詢按小時計費，核心原因是稀缺；而 AI 不稀缺。 它的價值不該被鎖在“你開口説話的一小時”，而應該發生在你不説話的時候。 衝突：為什麼“更會聊+按小時收

機器學習 , 觀點 , 數據挖掘 , 人工智能 , 深度學習

收藏 評論

u_16213578 頭像

智能探索者之家 - xtem開啓pc端窗口

telnet 默認在開啓之後 監聽23端口。最近在嘗試使用這個服務 雖然很多機器默認是不開啓telnet這個服務的 但是 萬一能夠碰到 也是為了自己以後能夠熟練起來咯。 telnet有服務器跟客户端之分，如果你只是希望鏈接別人的telnet 只需要開啓telnet客户端即可；如果希望能夠被人連接telnet 則可以開啓服務器端。 大綱： 1.win7 使用tel

機器學習 , xtem開啓pc端窗口 , 服務器 , 客户端 , 人工智能 , 用户名

收藏 評論

deephub 頭像

deephub - 分類模型校準：ROC-AUC不夠？用ECE/pMAD評估概率質量

如果一個項目的核心不是分類準確率，而是概率估計的質量。換句話説，需要的是一個校準良好的模型。這裏校準的定義是：如果模型給一批樣本都預測了25%的正例概率，那這批樣本中實際的正例比例應該接近25%。這就是校準。 解決這個校準問題單看ROC-AUC不夠，要用Brier score或者Log-loss來保證校準質量。 我們先介紹一下我們一般使用的的幾個指標： ROC-AUC衡量的是模型區分正負樣本的排序

機器學習 , 分類算法 , 人工智能 , Python

收藏 評論

u_16099210 頭像

數據分析大師 - 破局“內存牆”，存算一體路線分析

空間計算作為融合物理世界與數字世界的發展方向之一，已經有自動駕駛和虛擬現實的兩大領域支撐。然而，海量三維空間數據的實時處理帶來了巨大的算力與功耗問題。 存算一體（Computing-in-Memory, CIM）通過將計算單元與存儲單元融合，從根本上減少了數據搬運，本文將從硬件設計、底層算力架構及能效比三個維度，深入探討存算一體如何賦能空間計算，並結合英

機器學習 , 存算一體 , 架構 , 後端開發 , 人工智能 , 空間計算 , Python

收藏 評論