tag 人工智能

標籤
貢獻960
1534
06:37 AM · Oct 27 ,2025
deephub 頭像 u_13357275 頭像 pannideniupai 頭像 elhix0bg 頭像 rtedevcomm 頭像 xingxingshangdeliushu 頭像 tecdat 頭像 chaoshenjinghyperai 頭像 u_15591470 頭像 u_17579295 頭像 u_17512334 頭像 lab4ai 頭像

@人工智能 / 博客 RSS 訂閱

u_16213688 頭像

mob64ca14116c53 - stm32cubemx fmc W9825G6KH 200M 配置

/* USER CODE BEGIN Header */ /** ****************************************************************************** * @file : main.c * @brief : Main pro

機器學習 , include , stm32 , 嵌入式硬件 , 人工智能 , define , ide

收藏 評論

u_16671839 頭像

艾派森51CTO - 深度學習實戰-基於Vision Transformer的腦腫瘤MRI圖像識別

🤵♂️ 個人主頁：@艾派森的個人主頁 ✍🏻作者簡介：Python學習者 🐋 希望大家多多支持，我們一起進步！😄 如果文章對你有幫助的話， 歡迎評論 💬點贊👍🏻 收藏 📂加關注+ 目錄 1.項目背景 2.數據集介紹

數據集 , 人工智能 , transformer , 深度學習 , Image , Css , 前端開發 , HTML

收藏 評論

aloudata 頭像

Aloudata大應科技 - 不只是問數：如何利用 Aloudata Agent 的“智能報告”功能，生成周報、月報？

過去十年，企業對數據的信仰達到了前所未有的高度。“一切用數據説話”成了管理聖經，“BI 看板”成了標配。可諷刺的是，越是標榜“數據驅動”的組織，越深陷於一種隱秘的悖論：數據越來越多，但真正被理解、被使用、被轉化為行動的信息，卻越來越少。 週報、月報本應是這種轉化的關鍵載體。但在現實中，它們常常淪為三件事的混合體： ● 數據搬運（從系統 A 複製到文檔 B ） ● 格式表演（調字體、對齊

數據挖掘 , nosql , 自然語言處理 , chatgpt , 人工智能

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - 【NeurIPS2025】阿里雲 PAI 團隊動態數據調度方案 Skrull 入選

2025年12月，第39屆神經信息處理系統大會（NeurIPS：Annual Conference on Neural Information Processing System）在美國加利福尼亞州聖迭戈順利召開。NeurIPS是機器學習領域的頂級會議，與ICML、ICLR並稱為機器學習領域三大會議。阿里雲 PAI 團隊與中國科學院大學前沿交叉科學學院等單位合作的研究成果——輕量級動態數據調度方案

阿里雲 , 人工智能

收藏 評論

swiftcommunity 頭像

Swift社區 - 「AI 加持的高效架構」高併發場景下的服務器成本優化

摘要 在高併發場景下，服務器資源消耗巨大，導致運維成本飆升。本篇文章將探討限流、緩存、隊列等技術手段，並結合 AI 技術優化服務器負載，降低計算成本。通過具體案例分析，提供更經濟高效的高併發架構解決方案。 引言 高併發的挑戰 隨着互聯網業務增長，系統需要承受高併發請求，面臨以下挑戰： 瞬時流量激增：秒殺、搶購、熱門活動帶來的超高流量。 資源消耗巨大：數據庫、服務器、網絡帶寬壓力大，成本攀升。

人工智能 , redis集羣 , Python

收藏 評論

lab4ai 頭像

Lab4AI - 原來用聊天記錄就可以創造數字分身！WeClone項目在Lab4AI平台上的復現

01 | WeClone如何創造數字分身 擁有一個數字分身可能是很多人的一個願望。其實通過給大模型餵我們的聊天記錄，就可打造出我們的數字分身，當前爆火的Weclone項目採取的就是這種做法。先導出自己的聊天記錄，再把聊天記錄作為數據用來微調大模型，讓模型學習我們的語言風格和習慣，就能打造出專屬的數字分身。近期，有開發者在Lab4AI大模型實驗室成功復現WeClone項目，不需要準備繁瑣的環境，很容

機器學習 , 自然語言處理 , 人工智能

收藏 評論

u_16970152 頭像

求知上進 - 深入學習Python函數：函數註解

第一章：函數註解的基礎概念 1.1 函數註解的起源與演變 函數註解的誕生可以追溯到Python 3.0。那時，Guido van Rossum（Python之父）在PEP 3107中提出了這個想法，目的是為函數參數和返回值添加任意的元數據。最初，它被設計為一個通用的機制，而不是專為類型提示服務。例如，你可以用它來附加文檔字符串、默認值或其他自定義信息。 在Pyt

List , 字符串 , 人工智能 , 深度學習 , Python

收藏 評論

u_17567677 頭像

沃觀態勢感知 - 評估海外媒體監測平台數據質量與採集能力的三個關鍵

隨着企業加速全球化佈局，海外媒體監測平台成為品牌洞察市場動態、獲取用户反饋和進行輿情管理的重要工具。然而，面對市場上眾多監測平台，企業在選型過程中往往關注功能豐富度，卻忽視了數據質量與採集能力，這實際上是平台能否為決策提供有效支撐的核心因素。本文從三個關鍵維度解析如何科學評估海外媒體監測平台的數據質量與採集能力，幫助企業做出明智選擇。 一、數據源的

數據源 , 數據 , 數據質量 , 人工智能 , 數據分析

收藏 評論

deephub 頭像

deephub - 別再往一個智能體裏塞功能了：6種多智能體模式技術解析與選型指南

一個 AI 智能體在簡單任務上跑得很順，加了幾個功能之後突然開始胡説八道、忽略指令、選錯工具、丟失上下文。這就是所謂的"單體智能體牆"：單個智能體從可用變成不可用的臨界點。 Anthropic 的研究數據表示當智能體掛載超過 10-15 個工具後性能就會斷崖式下跌。但企業級系統動輒需要上百個功能接口就不可能用單體架構撐住。 而且很多開發者還會堆智能體，當第一個智能體有問題的時候就往上加第二

llm , agent , 神經網絡 , 人工智能 , 深度學習

收藏 評論

u_15214399 頭像

u_15214399 - 【案例共創】基於機器學習的鑽石電商定價策略優化：數據驅動的精準價格預測

最新案例動態，請查閲【案例共創】基於機器學習的鑽石電商定價策略優化：數據驅動的精準價格預測。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：天津師範大學協同育人項目–翟羽佳提供 1 概述 1.1 案例介紹 年複合增長率達 12.4%。然而，鑽石作為高客單價、非標品類的代表，其價格受多維度因素影響（如 4C 標準、市場供需），傳統定價模式

機器學習 , 數據 , 人工智能 , 開發者 , Python

收藏 評論

danxiaodeyanjing 頭像

MemTensor - MemOS 重構智能體認知底座，開啓記憶原生 AI 時代

11 月 27 日，“Build with Memory”記憶張量產品發佈會在滬成功舉辦。本次發佈會匯聚了來自商湯科技、築夢島、Unity、工商銀行、魔搭社區、同濟大學、浙江大學、Datawhale 等產學研界的頂尖專家與開發者，共同見證了記憶張量旗下 MemOS 新產品的重磅發佈。 發佈會圍繞“AI 記憶”這一核心命題，深入探討了如何通過系統級創新，解決大模型在走向智能體（Agent）時代的“

算法 , 人工智能

收藏 評論

weidejianpan 頭像

商湯萬象開發者 - LazyLLM教程 | 第19講：高階RAG：基於知識圖譜的RAG

一、前言 "知識圖譜作為結構化知識的代表，正在深刻改變我們獲取和利用信息的方式。” 在本文中，我們將從基礎概念出發，首先解析知識圖譜的本質——它如何以『實體-關係-屬性』的形式組織海量信息，使機器能夠像人類一樣理解世界的關聯性。 接着，我們將探討知識圖譜在搜索引擎中的應用，看看它如何幫助Google實現從『關鍵詞匹配』到『語義理解』讓搜索更智能、更精準。 而在當今大模型時代，知識圖譜與RAG（

教程 , 知識 , 人工智能 , 開源 , llama

收藏 評論

pannideniupai 頭像

雨大王 - 現代工業研發管理需要哪些關鍵技術工具支持？

工業研發管理正經歷深刻變革，已不再侷限於傳統的設計與實驗環節。當前製造企業普遍面臨研發與市場脱節、生產成本過高、開發週期過長等問題，亟需通過系統化的管理升級提升整體效率。以某汽車零部件供應商為例，其原有研發流程中存在部門壁壘：設計、工藝與生產環節銜接不暢，導致產品開發耗時長達18個月，錯失市場先機。此類問題凸顯出傳統研發模式難以適應快速變化的市場環境。 為應對這一挑戰，數字化轉型成為關鍵路徑

人工智能

收藏 評論

deephub 頭像

deephub - Google Code Wiki：GitHub代碼庫秒變可交互文檔

Google發佈的這個Code Wiki項目可以在代碼倉庫之上構建動態知識層的工具，或者説可以"自動生成文檔"。 第一層是結構解析：Code Wiki使用Tree-sitter對代碼進行語法樹分析，將源碼拆解成類、函數、方法、導入語句和依賴項。Tree-sitter是一個增量解析庫支持多種編程語言，能夠生成抽象語法樹（AST）。這比純文本處理要精確得多，因為系統真正"看懂"了代碼的語法結構

llm , 神經網絡 , 人工智能

收藏 評論

harusamei 頭像

harusamei - Nvidia ACE , NIM ，NGC傻傻分不清

看文檔時被幾個詞弄得雲山霧罩的， 梳理一下 不要跟新手拽術語好不好 ACE： Avatar Cloud Engine， 其目標是如何快速構建一個可對話、可表情、可交互的數字人 它是一套能力組合，通常包含：Audio2Face（表情），ASR（語音識別），TTS（語音合成），LLM（對語言模型），情緒 / 意圖控制，數字人行為編排 NIM： NVIDIA Inference Micr

avatar , 人工智能

收藏 評論

qcloudcommunity 頭像

騰訊雲開發者 - 架構師如何與 AI 共生進化？2025 騰訊雲架構師峯會來揭曉！

引言 架構師正站在技術變革的最前沿。面對大模型等技術的快速演進，傳統架構設計方法和思維難以應對複雜的業務需求和不斷進化的技術棧。智能時代，架構師如何與 AI 共同進化，尋找更多未來發展機遇？ 7 月 19 日，由騰訊雲架構師技術同盟與騰訊雲 TVP 聯合主辦的「智涌雲端，與 AI 共生」2025 騰訊雲架構師峯會將在上海夢之龍大酒店 · 四樓翡翠宴會廳舉行。峯會齊聚數十位企業領袖、技術管理者、資

人工智能 , 架構師

收藏 評論

qingfouai 頭像

青否Ai - 從數字人小白到直播達人：青否數字人直播系統30天體驗全記錄 ！

作為一名電商創業者，我一直在尋找能夠提升直播效率的解決方案。經過多方比較，最終選擇了青否數字人平台。30天的深度體驗讓我徹底告別了傳統直播的種種困擾，今天就來分享這段從入門到精通的真實體驗。（青否數字人源頭v：zhibo175） 初識數字人：打破傳統直播的認知邊界第一次接觸數字人直播時，我內心是充滿疑慮的。畢竟市面上號稱"實力強的智小小數字人平台"不少，但真正能做到"售後完善的數字人服務商"

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

u_16099280 頭像

編程小達人之心 - stm32 HAL_I2C_Mem_Read_DMA 不工作

這一期，我們接着上一期的內容，來看看ADC實驗與DMA實驗在實際的應用中的結合使用。就比如我們可以使用在自制遙控器的搖桿值的獲取和傳輸上。 下面舉例一個兩個搖桿的遙控器的搖桿獲取的代碼的ADC配置部分。 ADC_InitStructure.ADC_Mode = ADC_Mode_Independent; //獨立模式 ADC_InitStruc

機器學習 , 數據 , 單片機 , 搖桿 , stm32 , 嵌入式硬件 , 人工智能

收藏 評論

u_12196 頭像

footballboy - FRDdemo默認數據庫

Ø 何為關係模式？ 1.關係的描述稱為關係模式（RelationSchema） 2.它可以形式化地表示為：R（U，D，dom，F），其中R為關係名，U為組成該關係的屬性名集合，D為屬性組U中屬性所來自的域，dom為屬性向域的映象集合，F為屬性間數據的依賴關係集合。 3.通常簡記為：R(U)或R(A1，A2，…,An) 4

機器學習 , 第二範式 , FRDdemo默認數據庫 , 人工智能 , 三範式 , 第一範式

收藏 評論

u_16099213 頭像

編程思想者 - AI智能寫作軟件寫作狐，快速生成偽原創、摘要提取、字體轉化、內容相似度檢測等等

寫論文邏輯混亂，文獻綜述無從下手，開題報告一籌莫展？別慌！懂你！無論你是正在為畢業論文頭疼的大學生，還是在為碩士論文、博士論文絞盡腦汁的研究生，或是為了職稱評定而努力撰寫期刊論文、會議論文的科研人員，AI寫論文工具都能為你提供強大的支持。掌橋科研等多款AI生成論文軟件，覆蓋了從AI寫畢業論文到AI寫課程論文，再到AI寫科普文章、AI寫開題報告、AI寫文獻綜述，甚至是AI生成畢業論

自動生成 , 自然語言處理 , 參考文獻 , 人工智能 , 數據結構與算法

收藏 評論

u_16213622 頭像

mob64ca1401b651 - 基於模型預測控制MPC的光伏併網系統設計|太陽能發電|模型預測控制_fcs-mpc

💥💥💞💞歡迎來到本博客❤️❤️💥💥 🏆博主優勢：🌞🌞🌞博客內容儘量做到思維縝密，邏輯清晰，為了方便讀者。 ⛳️座右銘：行百里者，半於九十。 📋📋📋本文內容如下：🎁🎁🎁

支持向量機 , 算法 , 控制策略 , 模塊化 , 人工智能 , 數據結構與算法

收藏 評論

pannideniupai 頭像

雨大王 - 汽車製造生產數字平台：技術解析與實戰應用

汽車製造生產數字平台的定義與核心價值 在當今全球製造業的浪潮中，汽車行業正經歷一場前所未有的數字化革命，而生產數字平台作為這一轉型的核心引擎，扮演着越來越重要的角色。它不僅僅是技術的堆砌，更是企業通過數據連接和智能分析來應對日益複雜的生產挑戰的一種方式。回想一下，過去汽車製造依賴於傳統的流水線模式，那些大規模、標準化的生產過程雖然高效，卻往往缺乏靈活性和適應性，特別是在面對定製化需求和快速迭

人工智能

收藏 評論

youyudetusi 頭像

憂鬱的吐司 - 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

aws_aidevcommunity 頭像

亞馬遜雲開發者 - Strands Agents SDK 助力翰德 Hudson 實現智能招聘新突破

前言 在 AI 人才爭奪日益白熱化的今天，傳統招聘模式面臨着效率低下、精準度不高、難以應對海量候選人等挑戰，急需一種創新的智能招聘解決方案來提升招聘效能。翰德 Hudson 作為全球人力資源服務領域的領軍企業，一直將科技創新視為發展的引擎，並持續探索招聘效率優化的前沿解決方案。此前，翰德 Hudson 與亞馬遜雲科技合作基於 Model Context Protocol（MCP）開發了智能招聘解

sdk , 人工智能

收藏 評論