tag 人工智能

標籤
貢獻960
1567
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

chaoshenjinghyperai 頭像

超神經HyperAI - 【TVM教程】為 Mobile GPU 自動調優卷積網絡

Apache TVM 是一個深度的深度學習編譯框架，適用於 CPU、GPU 和各種機器學習加速芯片。更多 TVM 中文文檔可訪問 →https://tvm.hyper.ai/ 作者：Lianmin Zheng, Eddie Yan 針對特定設備的自動調優對於獲得最佳性能至關重要。本文介紹如何調優整個卷積網絡。 TVM 中 Mobile GPU 的算子實現是以 template 形式編寫的。該 te

編程 , 機器學習 , 人工智能 , 編譯器 , 深度學習

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI智能識別分析系統：不是“讀心術”，卻是幫你看透數據的“火眼金睛”

提到AI智能識別分析系統，很多人會想到“高大上”的技術名詞，但其實它早藏在我們的日常生活裏——手機拍照自動識別人臉打碼、外賣平台根據你的點餐記錄推薦菜品、智能客服一聽就知道你要問“退貨”，這些背後都是它在工作。簡單説，這個系統的核心就是幫機器“看懂、聽懂”信息，再“想明白”這些信息有什麼用，最後給人或其他系統反饋。 先説説它怎麼“看懂聽懂”，也就是“識別”環節。這一步像給機器裝了“感

機器學習 , 規則引擎 , 數據 , NLP , 人工智能

收藏 評論

deephub 頭像

deephub - Mosaic：面向超長序列的多GPU注意力分片方案

Transformer的"二次方注意力瓶頸"的問題是老生常談了。這個瓶頸到底卡在哪實際工程裏怎麼繞過去？本文從一個具體問題出發，介紹Mosaic這套多軸注意力分片方案的設計思路。 注意力的內存困境 注意力機制的計算公式： Attention(Q, K, V) = softmax(QKᵀ / √d) × V 問題出在 QKᵀ 這個矩陣上，它的形狀是 (序列長度 × 序列長度) 。 拿150

注意力 , 神經網絡 , 人工智能 , transformer , 深度學習

收藏 評論

u_17607032 頭像

Python灑灑水啦 - RocketMQ 的消息堆積問題如何解決？

一、先搞懂：消息堆積的核心原因 消息堆積本質是「生產速度 消費速度」，常見誘因： 消費端：消費線程數不足、業務邏輯耗時久、消費端故障 / 重啓、消費異常重試頻繁； 生產端：突發流量（如秒殺）導致消息量暴增； 集羣端：Broker 性能瓶頸（磁盤 IO / 網絡帶寬不足）、隊列數配置不合理、消息堆積閾值未監控。 二、應急處理：快

機器學習 , 業務邏輯 , 消息處理 , 人工智能 , JAVA

收藏 評論

yekai_620f63e12c172 頭像

葉開 - 隱語可信數據空間MOOC第41講筆記：跨企業數據查詢隱私計算案例

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... 詳細案例及代碼，可以查看文末的鏈接。 一、案例背景 場景描述： A公司（高科技企業）正在研發新型生物可降解材料，尚未公開或申請專利。 A希望向B公司查詢該材料是否已存在於B的歷史數據

機器學習 , 教程 , 知識 , 人工智能

收藏 評論

u_17580222 頭像

mb691327edb400f - 不懂AI的招聘官，正在被時代淘汰

不懂AI的招聘官，正在被時代淘汰 根據Deloitte《HR Reimagined: Agentic AI for HR》研究，60%以上的HR正在通過智能體AI優化全流程，16項核心HR能力與67個具體活動正在被AI重新定義。從招聘到績效管理，從員工體驗到流程優化，AI正從輔助工具升級為HR戰略的核心執行引擎。 然而現實是：傳統招聘仍存在三大痛點——篩選簡歷耗時長、

執行引擎 , 沉浸式 , 人工智能 , 輔助工具 , 深度學習

收藏 評論

alixitongruanjianjishu 頭像

阿里云云原生 - 如何利用 RocketMQ for AI 構建高效、可靠、可擴展的多智能體系統？

作者：稚柳 前言 在現代 AI 應用中，多智能體（Multi-Agent）系統已成為解決複雜問題的關鍵架構。然而，隨着智能體數量增多和任務複雜度提升，傳統的同步通信模式逐漸暴露出級聯阻塞、資源利用率低和可擴展性差等瓶頸。為應對這些挑戰，RocketMQ for AI 提供了面向 AI 場景的異步通信解決方案，通過事件驅動架構實現智能體間的高效協作。本文將探討和演示如何利用 RocketMQ 構建一

rocketmq , 阿里雲 , 人工智能 , 雲原生

收藏 評論

u_17609497 頭像

小小小趙02 - 智能體來了：拒絕當 AI 搬運工！手把手教你零基礎搭建 Coze 工作流，讓效率翻倍的終極秘籍！

在 AI 圈子裏，如果你只會和機器人“聊天”，那隻能算入門;但如果你學會了搭建 Coze 工作流（Workflow），你就相當於擁有了一支 24 小時待命的“數字特種部隊”。 很多新手一聽“工作流”就頭大，覺得那是程序員才懂的邏輯。其實，它就像樂高積木，只要你會連線，就能做出強大的 AI 插件。今天，我就把這套“保姆級”學習路徑分享給你！ 一、 什麼是工作流？（大白話版） 想象

邏輯判斷 , 搜索 , 生成器 , 人工智能 , 深度學習

收藏 評論

u_16099299 頭像

網絡智葉 - coremail服務器端郵件空間超過outlook一倍

同事打電話給我，説他電腦outlook2003看不了附件,即使轉發也看不了，而且似乎一整天也沒收到郵件了。 我趕到他那，打開outlook2003，讓其它同事試過幾郵件過來，咦~~能收到郵件啊，因為我看見有在收郵件，進度條還在那動着呢，可是進收件箱一看，沒發現新郵件啊，一個念頭從腦海閃過—莫非郵件規則設置出了問題，打開郵件規則一看，仔細檢查一遍，沒什麼問題啊，難道out

機器學習 , 文件系統 , 數據文件 , 文件複製 , 人工智能

收藏 評論

u_15879876 頭像

Aloudata - AI 數據分析產品推薦：更高效、更可控的智能報告解決方案

Aloudata Agent 自今年年初推出以來，始終保持着快速迭代的節奏，實現了從智能問數到決策建議的端到端分析閉環。當我們同越來越多客户進行共創，我們聽到了來自真實場景的需求： “每次月度經營會前，團隊都要通宵達旦地取數、做數據月報、調整格式。” “AI 生成的報告總差那麼點意思——要麼邏輯跳躍，要麼缺乏業

agent , 智能分析 , 人工智能 , 數據分析 , 智能問數 , chatbi

收藏 評論

u_17579295 頭像

mb6911caa73d1d1 - 數字孿生技術如何讓數據中心運維從"被動響應"邁向"主動管理"？

在當今數據驅動的時代，數據中心作為企業核心業務的基石，其穩定、高效運行至關重要。然而，傳統的運維模式往往依賴人工巡檢和事後補救，面對海量設備、複雜系統和突發故障，運維團隊常常疲於奔命。有沒有一種技術，能讓我們提前預見風險、優化資源、提升效率？答案是肯定的——數字孿生智能運營中心正以其強大的能力，為數據中心運維帶來革命性變革。 以某大型互聯網企業的數據中心為例，該中心承載着全

數據 , 運維 , 數據可視化 , 數據中心 , 人工智能 , 數字孿生

收藏 評論

u_15147453 頭像

全極世界 - 大頭針AI爆火背後：音樂創作平民化與華語樂壇的算法革命

近期，由酷狗音樂阿波羅聲音實驗室打造的AI虛擬歌手“大頭針”憑藉翻唱經典歌曲在抖音等平台爆火，單月漲粉超38萬。其現象級傳播不僅展示了生成式AI在音樂領域的強大能力，更引發了關於創作門檻崩塌、版權歸屬模糊及人類歌手價值存疑的深層爭議。這場由算法掀起的風暴，究竟是音樂產業的技術革命，還是藝術價值消解的預兆？ 單月漲粉超38萬，一個名為

機器學習 , 數據 , 人工智能 , 原始數據 , 迭代

收藏 評論

u_16756731 頭像

KlipC小助手 - 英偉達Q3超預期財報，能否擊破“AI泡沫論”？

KlipC報道：當地時間11月19日，市場高度期待的英偉達三季度財報如期公佈，公司再度交出遠超預期的成績單。 財報顯示，英偉達三季度營收達到570億美元，同比增長62%；淨利潤319億美元，同比暴增65%；調整後每股收益（EPS）為 1.30美元，全面超出市場預估。同時，給出了超預期的四季度指引，預計營收將達到650億美元，上下浮動2%。 值得注意的是，英偉達最重要的業務板塊數據中心表現

英偉達 , 數據中心 , 人工智能 , 深度學習

收藏 評論

u_16213666 頭像

mob64ca140c3859 - 深度學習中如何確定缺陷面積

軟件或程序中存在的各種問題及錯誤 一、軟件缺陷的定義 二、軟件缺陷的判定標準 三、軟件缺陷產生的原因 四、軟件缺陷產生的根源 五、軟件缺陷信息 1、 缺陷的基本內容 2、缺陷的狀態 3、缺陷的嚴重程度 4、缺陷的優先級 一、軟件缺陷的定義

軟件測試 , 優先級 , 管理工具 , 軟件缺陷 , 人工智能 , 深度學習中如何確定缺陷面積 , 深度學習

收藏 評論

u_16349720 頭像

短短同學 - 一文吃透HTTP協議:從基礎原理到深度細節

一文吃透 HTTP 協議：從基礎原理到深度細節 HTTP（HyperText Transfer Protocol，超文本傳輸協議）是支撐萬維網運行的核心協議，所有瀏覽器與服務器的交互、App 的接口請求、靜態資源加載，本質都是 HTTP 協議的通信過程。掌握 HTTP 不僅是開發者排查接口問題、優化性能的基礎，更是理解 Web 架構的關鍵。本文從 “基礎定義→核心組成→進階

服務器 , HTTP , 緩存 , 人工智能 , 深度學習

收藏 評論

jizaodebangbangtang 頭像

文心快碼 - 我用文心快碼開發了一款「積木工坊」：用AI讓每個孩子都成為小小建築師

作者簡介 詹林峯，全棧開發工程師，積極擁抱 Vibe Coding，專注探索 AI IDE 與全棧開發全流程的深度融合 —— 從前端界面實現、移動端適配到後端邏輯開發、數據庫優化，將 AI 賦能提效落地於每一個環節。作品「積木工坊」入圍“CCF程序員大會碼力全開：AI加速營”活動決賽，並獲得“最佳商業價值獎” 。 初衷：在這個數字化的時代，我想做一件有意義的事——讓每一個孩子都能平等地獲得

教程 , 知識 , 人工智能 , 後端 , 前端

收藏 評論

feibendemaojin 頭像

飛奔的毛巾 - 【實踐分享】厭倦了固定劇本，我嘗試用Prompt構建一個動態戀愛遊戲

傳統遊戲本質上是有限狀態機，劇情和交互邊界明顯。我一直好奇，利用LLM能否創造一個真正“活”的、動態敍事的遊戲世界。 通過一個超長Prompt，為AI構建了一套底層世界規則，充當遊戲大師（GM）。核心機制包括： 動態好感度系統： 非線性變化，與特定事件強關聯。 情感博弈模型： 引入NPC間的“嫉妒”參數，行為會互相影響。 高隨機性事件： 核心交互成功率被設定為10%，強制生成意外

遊戲ai , 遊戲 , 遊戲開發 , 人工智能 , prompt

收藏 評論

u_16213683 頭像

mob64ca14101b2f - 隨機效應迴歸代碼

１．邏輯迴歸相比線性迴歸，有何異同？ 區別： 線性迴歸假設響應變量服從正態分佈，邏輯迴歸假設響應變量服從伯努利分佈 線性迴歸優化的目標函數是均方差（最小二乘法)，而邏輯迴歸優化的是似然函數（交叉熵） 線性迴歸要求自變量與因變量呈線性關係，而邏輯迴歸研究的是因變量取值的概率與自變量的概率 邏輯迴歸處理的是分類問

機器學習 , 面試題目 , 線性迴歸 , 隨機效應迴歸代碼 , 二分類 , 算法 , 人工智能

收藏 評論

c9eulmav 頭像

coding進階 - 一文彙總開源大語言模型，人人都可以擁有自己的ChatGPT

前言 OpenAI發佈的ChatGPT火爆全球以來，全球互聯網大廠陸續跟進，紛紛宣佈了自家的Chat產品，如Google的Bard，百度的文心一言，阿里的通義千問等等。 這些Chat產品背後都是依賴的大語言模型(Large Language Model)。 如果是做一個垂直領域的Chat產品，有2種方案： 直接使用商業化產品，前提是商業化產品支持對模型做fine-tune(微調)。比如Open

自然語言處理 , chatgpt , openai , 人工智能 , meta

收藏 評論

tecdat 頭像

拓端tecdat - 專題：2025全球遊戲產業趨勢洞察報告 | 附130+份報告PDF、數據、可視化模板彙總下載

原文鏈接：https://tecdat.cn/?p=44307 原文出處：拓端抖音號 @拓端 tecdat 1983年任天堂FC紅白機把遊戲搬進家庭客廳，2016年《Pokémon GO》用AR讓玩家走出家門，2025年AI能自動生成30%的遊戲場景、雲平台支撐全球千萬玩家同步聯機——三十多年裏，遊戲產業從“小眾娛樂”長成了規模1890億美元的數字娛樂支柱。這背後不只是設備的升級，更是玩家需求從

數據挖掘 , 算法 , 人工智能 , 深度學習

收藏 評論

aipaobudexiangjiao_cktinz 頭像

愛跑步的香蕉_cKtiNz - AI招聘：HR領域的智能化變革與行業趨勢

AI招聘：HR領域的智能化變革與行業趨勢 若企業仍沿用傳統招聘模式，依賴人工篩選簡歷、組織面試、主觀打分，且需通過多輪複試與多位面試官協同完成招聘流程，那麼在人力資源管理數字化轉型的浪潮中，可能已處於落後狀態。 當前，人力資源管理的數字化轉型呈現明顯的“兩極分化”特徵：大型企業憑藉充足的預算支持與紮實的數據基礎優勢，已率先邁入數字化與智能化管理階段；而大量中小企業受限於成本壓力、數據基

人工智能

收藏 評論

u_16655836 頭像

wx6603b05eb93d0 - 華杉掃廁所上熱搜！羅永浩送的潑天流量華與華接住了……

羅永浩的錄音至今沒有公佈，華與華華杉在社交媒體上卻異常活躍。 昨日，華杉在社交媒體上開炮，稱覺得蜜雪冰城紅色設計low，是思想絕症華與華華杉怒懟質疑：覺得蜜雪冰城紅色設計low是思想絕症…… 他表示：紅色是顏色之王，確實是我最喜歡，也使用最多的顏色。紅配黃更好！那是國旗的顏色。 「但是，因為紅色顯得普通，好像顯不出自己“品位”，反而被一些人指為“LOW”

ip , 人工智能 , 數據分析 , 社交媒體

收藏 評論

u_87851 頭像

人類新新 - C#人臉識別入門篇-STEP BY STEP人臉識別—靜態照片人臉檢測 - feishixin的個人空間 -

C#使用Yolo其實簡單。相較於Python方案，C# 31 MB單文件以可以單文件獨立發佈或以AOT編譯徹底剝離解釋器與運行時依賴，CPU推理性能良好。而且YOLO11n模型權重與原生推理代碼一體嵌入，免除Python環境、版本衝突及數百兆依賴包部署，實現零配置、零維護、單文件分發，可以顯著降低現場實施與售後成本，滿足嚴肅場景對穩定性、一致性與封閉的剛

縮放 , yolo , 加載 , 人工智能 , 數據結構與算法 , c

收藏 評論

u_16099314 頭像

技術極客 - STM32CUBEMX I2C 配置教程

一、環境介紹 編程軟件:keil5 操作系統: MCU型號: STM32編程方式: 寄存器開發 (方便程序移植到其他單片機) IIC總線: 模擬時序更加方便移植到其他單片機，通用性更高，不分MCU；硬件時序效率更高，單每個MCU配置方法不同，依賴硬件本身支持。 目前器件： 完整的工程源碼下載地址,下載即可編

機器學習 , 嵌入式 , AT24C02 , 單片機 , stm32 , 人工智能 , IIC

收藏 評論