tag 人工智能

標籤
貢獻960
1570
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_15677700 頭像

EasyV數字孿生可視化 - 訂單管理一團亂？我用「駕駛艙」實現了全局可視和效率翻倍

在線上競爭日益激烈的今天，各行各業都面臨着雙重壓力：一邊要應對互聯網平台憑藉便捷服務與豐富選擇對客户的強勢吸引，一邊要應對因市場需求複雜、信息分散而導致的訂單管理困境。對中小企業而言，能否提升運營效率、優化項目流程、升級經營理念，已成為競爭突圍的關鍵。在此背景下，一個能夠打通數據、監控全程、直觀呈現業務狀態的可視化系統，已不再是“加分項”，而是關乎效率與生存的“必需品”。

鏈路 , yyds乾貨盤點 , 數據 , 數據可視化 , 人工智能 , HTML

收藏 評論

youyacao 頭像

卓伊凡 - 卓伊凡 · 從技術底層拆解AI音樂檢測各個參數的作用和意義以及檢測原理

卓伊凡 · 從技術底層拆解AI音樂檢測各個參數的作用和意義以及檢測原理 以目前最主流的AI檢測工具 AI Song Checker結果為例 卓伊凡 · 從技術底層拆解 AI 音樂檢測工具，到底在“檢測什麼” 我們先把你給出的檢測結果完整擺出來： Detail: Duration: 212 seconds Spectral a

頻譜分析 , 權重 , 人工智能 , 數據分析 , Pure

收藏 評論

u_17605237 頭像

yuer2025 - 為什麼企業級 AI 的第一需求，不是“更聰明”，而是“可控”

過去兩年，很多企業在 AI 項目上經歷了一個相似過程： Demo 階段：效果驚豔 POC 階段：局部可用 準備上線時：卡死在風險與責任上 這並不是企業“保守”，而是一個非常現實的問題： 一旦 AI 進入生產系統， 出事誰負責？誰簽字？誰兜底？ 一、企業真正害怕的，從來不是 AI 不準

NLP , 人工智能 , 可控ai , AI Agent

收藏 評論

z6nq94vp 頭像

博睿數據 - 喜報 | 博睿數據榮獲第七批國家專精特新“小巨人”企業稱號！

喜報 | 博睿數據榮獲第七批國家專精特新“小巨人”企業稱號！ 近日，北京市經濟和信息化局正式公示第七批專精特新“小巨人”企業名單，博睿數據憑藉在應用性能管理及可觀測性領域的深厚積澱、突出創新能力及優質市場表現，成功斬獲這一國家級殊榮。這不僅是對博睿數據技術硬實力的肯定，更意味着其已躋身“國家重點培育的戰略力量”梯隊。專精特新“小巨人”企業需同時滿足“專、精、特、新、鏈、品”六大方面指標，代

運維 , 人工智能

收藏 評論

u_16099211 頭像

笑傲江湖求敗 - fastrcnn權重

算法發展： R-CNN：把2000個建議框，分別送入網絡 Fast-RCNN：把圖片送入網絡中，再把2000個建議框映射到網絡訓練出來的feature map上 Faster-RCNN：利用RPN選取300建議框，加入ROI層，ROI pooling層能實現訓練和測試的顯著加速，並提高檢測的正確率。 算法框架:

機器學習 , fastrcnn權重 , 寬高 , 人工智能 , ios , ide

收藏 評論

qiangjiandeludeng 頭像

EmilyLi - 量化實盤總跑偏？創業踩坑後才懂：選錯財經 API 等於白忙活

創業做量化交易工作室這些年，我們常和高校金融系的講師們交流實操教學的痛點 —— 不少學生打磨的外匯量化策略，回測報告做得漂漂亮亮，一到實盤就 “水土不服”，尤其是高頻、日內交易場景，幾毫秒的延遲，就能讓策略收益和回測結果差出一大截。我們踩過無數坑後才發現，比起反覆優化策略邏輯，選對財經 API 反而更能直接決定實盤效果。 一、踩坑案例：回測滿分的策略，實盤卻虧了錢 記得去年幫某高校金融

人工智能

收藏 評論

u_13259 頭像

kekenai - 開放世界目標跟蹤

目前大多數使用的尋路算法有哪些？ 目前市面上大部分遊戲的尋路算法是A*，或者B*。 A*通常所説的是最優算法也就是尋找最短路徑。 B*碰撞式算法也就是，也就是不斷的去碰撞能走就走，不管是不是繞路。 當然以上都是我的理解。 我這裏只描述一下A*算法的一部分。 通常A*算法分為四方向和八方向計算。 現目前的遊戲方式來看

List , 尋路 , Math , 人工智能 , 計算機視覺 , 開放世界目標跟蹤

收藏 評論

vipstone 頭像

Java中文社羣 - 保姆級教程：3分鐘帶你輕鬆搭建N8N自動化平台！(內附視頻)

今天帶大家幹一件大事——在本地部署自動化神器 n8n。 很多同學想用 n8n 做工作流自動化，但又擔心數據安全或者不想付訂閲費。沒關係，咱們直接部署在自己電腦上，數據自己通過 MySQL 掌握，穩得很！ 廢話不多説，直接開整，保姆級教程走起。 視頻教程 https://www.bilibili.com/video/BV11pSjBLEAi/ 第一步：搞定 Docker Desktop n8n 的

人工智能

收藏 評論

ziwupython 頭像

子午 - 【車型識別系統】Python+TensorFlow+Vue3+Django+人工智能+深度學習+卷積網絡+resnet50算法

一、介紹 車型識別系統，基於TensorFlow搭建卷積神經網絡算法，通過對6種常見的車型車輛圖片數據集（'SUV', '吉普車', '家用轎車', '巴士', '貨車', '麪包車'）進行訓練，最後得到一個識別精度較高的模型，然後搭建Web可視化操作平台。 前端: Vue3、Element Plus 後端：Django 算法：TensorFlow、卷積神經網絡算法 具體功能： 系統分為管理員

圖像識別 , 人工智能 , 深度學習

收藏 評論

u_16099181 頭像

數碼悟透 - stm32mp157 emmc啓動

STM32啓動文件簡單分析（STM32F10x.s適用範圍）定時器, 型號, 名字在STM32不完全手冊裏面，我們所有的例程都採用了一個叫STM32F10x.s的啓動文件，裏面定義了STM32的堆棧大小以及各種中斷的名字及入口函數名稱，還有啓動相關的彙編代碼。STM32F10x.s是MDK提供的啓動代碼，從其裏面的內容看來，它只定義了3個串口，4個定時器。實際上STM32的系列產

機器學習 , 串口 , stm32mp157 emmc啓動 , 人工智能 , 啓動文件 , 啓動代碼

收藏 評論

u_12219 頭像

誤會一場 - matplotlib庫的數據可視化實驗心得體會

pyecharts介紹 一. 簡介 pyecharts 是一個用於生成 Echarts 圖表的類庫。Echarts是百度開源的一個數據可視化 JS 庫。 用 Echarts 生成的圖可視化效果非常棒，pyecharts 是為了與 Python 進行對接，方便在 Python 中直接使用數據生成圖。 官網：http://pye

數據可視化 , pyecharts繪圖 , matplotlib擴展、 , 人工智能 , 數據分析 , HTML

收藏 評論

huizhudev 頭像

HuiZhu - 拒絕"自嗨式"產品設計：用AI生成專業調研問卷，專治各種"偽需求"

"我覺得用户會喜歡"——這是產品經理最昂貴的錯覺 你是否經歷過這樣的場景： 團隊熬了兩個通宵上線的新功能，滿心歡喜地盯着後台數據，結果點擊率寥寥無幾。 覆盤會上，大家面面相覷：“上線前我們不是問過幾個用户嗎？他們都説挺需要的啊。” 問題恰恰就出在這個“問”字上。 大多數非專業出身的產品經理或創業者，在做用户調研時容易陷入“誘導性提問”的陷阱： ❌ “如果我們上線這個功能，你會用嗎？”（用

generative-ai , chatgpt , 人工智能 , prompt , 用户體驗

收藏 評論

u_1150085 頭像

I_am_Alex - 標題：AI 工程化落地：企業智能化轉型的挑戰、策略與未來展望

當大模型技術以 “每天上新模型” 的速度迭代，當企業 80% 的 AI 投入僅覆蓋 3% 的核心流程，當傳統組織架構與 10 倍生產力的 AI 工具格格不入 ——AI 工程化落地正站在 “冰火兩重天” 的十字路口。2026 年初，由【Yolanda科技見聞】與【矩陣起源】聯合主辦的 “AI + 數據時代技術戰略與組織進化” 第三期“智能規劃 —— 如何制定一份AI時代的技術戰略藍

組織架構 , 機器學習 , 指尖人生 , 數據 , 人工智能 , 迭代

收藏 評論

u_17420180 頭像

合合信息解決方案 - 中小企業如何選擇適合的財務單據處理工具

語義概念 財務單據處理工具是指基於AI技術，針對企業財務場景中各類單據（如發票、銀行回單、合同等）提供智能採集、解析、分類、信息抽取及審核等一體化服務的數字化工具。其核心價值在於替代傳統人工處理模式，通過自動化手段提升財務單據處理的效率與準確性，保障財務數據合規，為企業成本核算、税務申報、資金管理等核心工作提供可靠支撐。這類工具高度適配中小企業財務管理需求，能夠解決單據處理

機器學習 , 數據 , 單文檔 , 自定義 , 人工智能

收藏 評論

xuexishiwokuaile_612449e36bade 頭像

凌覽 - 2025年，我和AI合夥開發了四款小工具

年終倒計時的鐘聲已經敲響，剛好借這個節點，把2025年我折騰過的那些事兒一次性覆盤。 這一年，我把 AI 當成副業合夥人，偷偷攢了 4 款小工具： 密碼管家——替你記住所有“記不住”的密碼 桌面萌寵——電腦桌面添加一個桌寵 去水印下載鴨——一鍵解析某音、小某書、某手等主流的平台無水印視頻、圖片 小易拼豆——拼豆豆圖紙生成器，手工圈的新外掛 它們不是什麼改變世界的核彈，卻讓我在下班後的

人工智能 , 後端 , 前端

收藏 評論

u_16213713 頭像

mob64ca1417736e - qt父控件的mousemoveevent是否可以在子控件生效

C++中只要有一個new就必須要有一個delete與之對應 但是Qt中的對象之間有特殊的關係 Qt 對象間的父子關係 每一個對象都保存有它所有子對象的指針 每一個對象都有一個指向其父對象的指針 parent裏面有個鏈表 鏈表的每一個元素都是就是指向子對象的 指針 類似的每一個子對向都保存了一個指向父對象的指針

機器學習 , include , qt , 人工智能 , 鏈表

收藏 評論

huikaichedemianbao 頭像

合合技術團隊 - 文檔圖像矯正任務的前沿進展：引入Transformer框架、極座標的思路

在《文檔數字化採集與智能處理：圖像彎曲矯正技術概述》一文中，我們介紹了文檔圖像矯正技術的發展沿革與代表性方案。隨着文檔智能處理的需求逐步升級，文檔圖像去畸變技術也在不斷探索新的可能性。 今天，我們將討論近年來文檔圖像矯正任務的前沿進展，分享一些我們正在關注的方向，歡迎與我們共同探討、交流進步。 Transformer 架構下的文檔矯正探索 代表性工作 DocTr: Document Image T

圖像識別 , 圖像處理 , 人工智能 , transformer

收藏 評論

u_16163442 頭像

datian1234 - 【收藏必備】AI Agent完全指南：從第一性原理到多Agent協作，程序員入門必學大模型基礎

前言 在本文中，我們將深入探討AI Agent的理論支撐以及其背後的第一性原理，回顧和分析第一性原理的發展軌跡，現階段AI Agent所具備的能力，並探討其在各個領域中的應用。接着，我們會展望AI Agent未來的發展方向，特別是在多Agent協作中的潛力和挑戰。最後，我們將探討Agent的未來技術發展及其廣泛應用前景，為讀者提供一個全面且深入的視

大模型教程 , MySQL , AI大模型 , 數據庫 , 人工智能 , 大模型入門 , 大模型學習

收藏 評論

tecdat 頭像

拓端tecdat - 專題：2025年遊戲市場洞察報告：市場規模、用户行為、投資趨勢|附320+份報告PDF、數據、可視化模板彙總下載

原文鏈接：https://tecdat.cn/?p=44531 原文出處：拓端抖音號@拓端tecdat 引言 當遊戲行業告別“躺贏式增長”，項目延期、成本高企的挑戰與雲遊戲、生成式AI的機遇碰撞時，從業者該如何錨定方向？玩家圈層從Z世代向銀髮羣體延伸，又該如何適配全人羣需求？投資者面對紛繁賽道，怎樣捕捉真正的增長紅利？ 遊戲早已不是“小眾娛樂”，而是覆蓋30億+玩家、融合技術與文化的

機器學習 , 數據挖掘 , 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 - GUI builder使用emwin

zz Platform Builder編譯過程 經過前兩次的邊做邊學，我們已經創建並可以自由修改自己的平台了，這次我平來補充一點理論知識，以便加深對CE生成過程的瞭解。在此之前，需要説明的是CE的目錄結構是很龐大而複雜的，在以後的工作中很多事情會取決於你對目錄結構的瞭解程度，在此，CE5的文件夾結構未發生大的改變，因此想了解此部分內容的朋友可直接參閲本人的《WinCE實驗

機器學習 , 文件合併 , 頭文件 , 編譯過程 , 人工智能 , GUI builder使用emwin

收藏 評論

u_12226 頭像

小蝌蚪 - 安卓的system_service

近期項目中，白色無下劃線的鏈接在iphone中變成了藍色有下劃線，明顯iphone不支持該鏈接的css，趕緊google、百度一下，發現了不少css樣式iphone居然不支持。 解決方法：多加一個div標籤，對a標籤定義顏色和下劃線，注意a標籤不能有背景圖片 li 　　div style="background: url(/resources/main/im

安卓的system_service , 機器學習 , 人工智能 , a標籤 , 預加載 , Css

收藏 評論

fulade 頭像

弗拉德 - 【Python 1-16】Python手把手教程之——類Class的繼承、父類、子類

作者 | 弗拉德 來源 | 弗拉德（公眾號：fulade_me) 繼承 編寫類時，並非總是要從空白開始。如果你要編寫的類是另一個現成類的特殊版本，可使用 繼承。一個類繼承另一個類時，它將自動獲得另一個類的所有屬性和方法;原有的類稱為父類， 而新類稱為子類。子類繼承了其父類的所有屬性和方法，同時還可以定義自己的屬性和方法。 子類的方法__init__() 創建子類的實例時，Python首先需要

python3 , python2.7 , 人工智能 , 深度學習 , Python

收藏 評論

codists 頭像

codists - 翻譯：《實用的Python編程》01_05_Lists

目錄 | 上一節 (1.4 字符串) | 下一節 (1.6 文件) 1.5 列表 本節介紹 Python 原始數據類型列表（list）。 列表是一種有序的集合。 創建列表 使用方括號 [] 來定義列表字面量。 names = [ 'Elwood', 'Jake', 'Curtis' ] nums = [ 39, 38, 42, 65, 111] 有時候，列表也可以通過其它方法創建。例如：使用字符串

網頁爬蟲 , 人工智能 , 數據結構與算法 , 後端 , Python

收藏 評論