tag 人工智能

標籤
貢獻960
1398
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_16841336 頭像

火雲大軍 - 本地大模型編程實戰(39)MCP實戰演練

之前兩篇文章:MCP簡介和MCP能做什麼闡述了MCP的基本概念和原理。 本文將使用Visual Studio Code寫一個MCP服務端和MCP客户端，演示MCP的基本功能。 MCP版本迭代很快，能用把代碼順利跑起來並不是一件容易的事：） 準備運行環境 Windows 10 Visual studio code 1.104.3

llm , 私藏項目實操分享 , mcp , 人工智能 , 深度學習 , Python

收藏 評論

weixiaodehai_cywv9b 頭像

HelpLook - 聯盟 | HelpLook與象寄攜手，助力企業輕鬆實現知識內容本土化傳播

創建具有影響力的品牌視頻和內容文章，並將其精準地推向全球市場，是每個致力於出海企業的核心追求。然而，在內容創作與傳播道路上，語言障礙和文化差異，讓企業在推廣產品時倍感棘手，嚴重阻礙了產品的廣泛推廣與深入滲透。 為了幫助更多企業成功在海外市場站穩腳跟，AI知識庫工具 HelpLook 與象寄聯手，共同打造了一站式解決方案，藉助AI技術，助力企業的品牌視頻與內容輕鬆跨越語言的鴻溝，為跨境企業提供一站式

知識庫管理 , 電商網站 , 知識庫軟件 , 電商 , 人工智能

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI智慧司牧服務系統：讓複雜與緊急的車輛服務，變得像點外賣一樣簡單

想象一下：當你在高速公路上突然爆胎，不再需要慌張地搜索救援電話、反覆描述位置、焦急等待不確定的抵達時間。而是打開手機，一鍵按下，系統自動定位，智能調度最近的救援車，實時顯示技師資質、預計到達時間、維修進程和費用預估——這就是AI智慧司牧服務系統帶來的變革。它不僅是“道路救援”，更是覆蓋車輛全生命週期的“移動服務管家”。 這不是傳統呼叫中心，而是“出行服務大腦” 傳統的車輛服務模式

數據 , NLP , 推送 , 人工智能 , 計算機視覺

收藏 評論

u_13633 頭像

daleiwang - usb攝像頭的demo

前面的博客已經分析了USB攝像頭驅動程序的框架，我們知道了USB攝像頭驅動程序的重點在於1）描述符的分析；2）屬性的控制（通過VC來設置）；3）格式的選擇（通過VS來設置）；4）數據的獲得（通過VS的URB來獲得）。後面的博客就會從這4個方面進行深入的分析，本篇博客首先來看一下UVC驅動程序的描述符分析。 每一個USB設備都有一個設備描述符，設備描述符中有配置描述符，配置描

機器學習 , usb攝像頭的demo , include , Linux , 人工智能 , 描述符

收藏 評論

u_16773655 頭像

向量檢索 - 如何通過HTTP API刪除Collection

本文介紹如何通過HTTP API刪除一個已創建的Collection。 重要 刪除Collection後，該Collection所有數據將刪除且不可恢復，請謹慎操作 前提條件 已創建Cluster：創建Cluster。 已獲得API-KEY：API-KEY管理。 Method與URL HTTP

向量檢索 , 大數據 , yyds乾貨盤點 , 數據倉庫 , 數據庫 , 人工智能 , 大模型

收藏 評論

u_16970152 頭像

求知上進 - 深入學習 Python 函數：匿名函數

第一部分：匿名函數的定義與核心原理 1.1 什麼是匿名函數？ 匿名函數（Anonymous Function），在 Python 中稱為 Lambda 函數，是一種無需命名的函數表達式。它直接返回一個函數對象，可以賦值給變量或作為參數傳遞。 Lambda 函數的語法源於 Lambda 演算（Lambda Calculus），一種函數式編程的數學模型。Python

函數式編程 , 匿名函數 , 賦值 , 人工智能 , 深度學習

收藏 評論

u_15690955 頭像

出手吧Glen - 字節出品，最強AI數字人，最新加強版！

大家好，我是立志替大家出手的AI區（最近繼續醖釀新東西）UP主Glen。 上次給大家安利了最新數字人“源神”威力加強版，今天繼續給大家分享它的最新加強1.5版！ 會説1、2、3、4就可以做數字人視頻了，你也能做出如下的短視頻！ LatentSync 1.5加強版 LatentSync就是個“口型同步大師”！

機器學習 , 視頻製作 , 數字人 , 人工智能 , 加強版

收藏 評論

u_15996251 頭像

明日cto - 機器學習——線性迴歸

線性迴歸是機器學習中最基礎、最常用的算法之一，主要用於預測連續數值（如房價、温度、銷售額等）。它通過建立一個線性關係模型，來擬合輸入特徵與目標變量之間的關係 一、基本概念 1.線性迴歸的定義 線性迴歸是一種監督學習算法，用於預測一個連續的目標變量（輸出）。 模型形式為： 其中： 是目標變量（預測值） 是輸入特徵

機器學習 , 線性迴歸 , yyds乾貨盤點 , 損失函數 , 人工智能 , 正則化

收藏 評論

u_16099325 頭像

數據小築 - 數據結構與算法 簡歷怎麼寫

　　在很多編程人員的潛意識裏總是覺得數據結構知識似乎沒什麼用，因為工作中似乎從來都沒有涉及到數據結構的什麼內容。我對這樣的認識只能報以呵呵~ 也難怪，其實有這些想法的同行在工作中的大部分都是如此走過來的：掌握幾種常用Web框架，比如SSH，然後不停的堆砌已有的API做一些對數據庫的增刪改查之類的簡單代碼設計，最後反正功能是實現了，是否設計無誤，效率又優，就幾乎沒有人去管了。也是，

結點 , 數據類型 , 數據 , 數據結構與算法 簡歷怎麼寫 , 人工智能 , 數據結構與算法

收藏 評論

u_16380863 頭像

未聞花名AI - 構建AI智能體：二十三、RAG超越語義搜索：如何用Rerank模型實現檢索精度的大幅提升

一、發軔之始 在工作和生活中，我們可能經常會遇到一些場景，我們在搜索引擎中輸入問題尋求解決方案，返回的卻是大量重複的、基礎性的、甚至是商業推廣的內容。無奈的反覆修正我們的檢索內容，就是找不到答案，這確實是一大困擾，由於算法的侷限性和商業干擾，導致搜索引擎算法傾向於流行度而非質量，商業利益常常凌駕於信息價值之上。我們得到的往往是最多人點擊的，而不是最正確的。

RAG應用 , Rerank , 數據挖掘 , yyds乾貨盤點 , 重排序 , 人工智能

收藏 評論

u_17589471 頭像

AI數字人研究社 - 數字展廳升級重點推薦方案：AI數字人+智慧大屏實現低成本高互動

隨着數字化浪潮席捲各行各業，傳統數字展廳面臨內容更新慢、交互性弱、觀眾參與度低等痛點。許多單位希望引入前沿科技提升展廳吸引力，但又受限於高昂的硬件改造成本和複雜的系統部署。如何在不“大動干戈”的前提下，實現展廳的智慧化躍升？ 很多展廳設計者提出了“AI數字人+智慧大屏”的解決方案，這一組合不僅硬件改動極小，還能快速構建可對話、可引導、可講解的沉浸式互動體驗空間，真正實現“低

智慧展廳 , 數字人 , 數字展廳 , 人工智能 , 計算機視覺 , 大模型

收藏 評論

openbayescom 頭像

OpenBayes - OpenBayes 教程上新丨字節開源 InfiniteYou 圖像生成框架，實現高保真面部特徵遷移

InfiniteYou（簡稱 InfU）是由字節跳動智能創作團隊近期推出的一款基於 Diffusion Transformers 的身份保持 (identity-preserved) 圖像生成框架。它通過先進的技術，能夠在生成圖像的同時保持人物身份的一致性，即在生成不同場景的圖片時能夠精準保留面部特徵。 作為該領域最早利用擴散 Transformer (DiTs) 的框架之一，InfU 系統性地解

機器學習 , 圖像識別 , tensorflow , 人工智能 , 深度學習

收藏 評論

u_17061379 頭像

AI編程社區 - Qoder 提效實戰：數據開發工程師用 Qoder 提效50%

我是阿里雲的一名數據開發工程師，今天非常榮幸能分享Qoder在數據開發場景中的實戰經驗。本次分享將圍繞以下四個核心模塊展開。 Qoder在數據開發中的背景與需求 當前，我們正在構建一個阿里雲新產品的數據體系，從0到1搭建數倉架構。這一過程面臨三重挑戰： 時間緊迫：項目啓動時對產品邏輯完全陌生，需快速理解業務代碼並設計數倉架構。 資源有限：團隊規

機器學習 , 數據 , AI , 人工智能 , 解決方案 , SQL

收藏 評論

u_15690955 頭像

出手吧Glen - 一句話，AI自動生成視頻，炸穿！

前陣子阿里通義萬相Wan2.2 但相信大部分人看到需要 “30-50G 顯存”、“4090 起” 等配置要求，瞬間被澆滅了熱情。 沒關係，大家即將被Wan2GP狠狠拯救了！這款神仙工具直接把門檻踩碎在地：原本要 30-50G 顯存才能跑的頂級模型，現在 6G 顯卡就能流暢運行，老電腦也能原地復活，這波操作真的殺瘋了！ 先吹爆 W

機器學習 , AI 視頻 , 人工智能 , Image , 自媒體

收藏 評論

u_16827017 頭像

全棧技術開發者 - 什麼是「過擬合」，如何判斷，常見的原因是什麼？為什麼深度網絡在海量數據下仍可能過擬合？為什麼高次多項式迴歸容易出現過擬合？

在機器學習中，模型性能的評估不僅依賴於訓練數據上的表現，更取決於其在未見數據上的穩定性。訓練精度的提升固然令人欣喜，但若這種提升無法轉化為對新樣本的可靠預測，則表明模型可能已經偏離了學習的核心目標——從有限數據中提取普遍規律。過擬合正是這一偏離的體現，它揭示了模型複雜性、數據量、訓練策略與泛化能力之間的微妙平衡。 過擬合是統計學習理論中模型選擇與假設空間設計中不可避免的挑戰

機器學習 , 複雜度 , yyds乾貨盤點 , 數據 , 人工智能 , 過擬合

收藏 評論

cryptorzz 頭像

CryptoRzz - 印度股票數據API對接文檔

1. 接口概述 StockTV提供印度股票市場的實時行情數據接口，包括： 印度NSE和BSE交易所的股票實時行情 指數數據(Nifty 50, SENSEX等) 歷史K線數據 公司基本信息 IPO新股信息 漲跌排行榜 支持HTTP REST API和WebSocket兩種接入方式，毫秒級延遲，7×24小時穩定服務。 2. 獲取API Key 使用前需聯繫StockTV獲取API K

mongodb , mariadb , 數據庫 , postgresql , 人工智能

收藏 評論

u_16099248 頭像

mob6454cc6d3e23 - docxtemplater 獲取解析的變量

DOM解析XML文件 　　dom(Document Object Model) 文檔對象模型。 　　DOM中主要包括五個對象： 　　　　Document、Node、NodeList、Element、Attr下面對這五個元素一一分析： 　　1，Document對象代表了整個xml文檔，xml所有的node都按一定的順序在document對象中排列成樹結構，通

機器學習 , System , xml , 人工智能 , JAVA

收藏 評論

u_16060192 頭像

HyperAI超神經 - 200億美元豪賭！xAI單押馬斯克巨注叫板OpenAI，未來商業續航成最大問號

2025 年 10 月，多家媒體援引投行消息稱，馬斯克旗下的 xAI 正在推進一筆規模約 200 億美元的新融資，或將躋身全球融資規模最大的 AI 初創公司之一。 知情人士透露，該輪融資包含約 125 億美元的結構化債務，並與 NVIDIA 產品採購協議綁定，意味着 xAI 將以未來算力交付與長期供貨為抵押，鎖定芯片的獲取優先級。 在融資結構中引入大比例債務，無疑是馬斯克以個人主導方

人工智能 , 深度學習 , xAI

收藏 評論

teayear 頭像

學技術贏未來 - 氣象預報與基因測序的高性能計算實戰案例.AI運維工程師

在科學研究與產業創新的前沿領域，高性能計算（HPC）是突破數據處理與模擬仿真瓶頸的核心支撐。華為鯤鵬 HPC 憑藉 “自主可控硬件底座 + 全棧優化軟件生態” 的獨特優勢，在氣象預測、生命科學等計算密集型場景中實現性能躍升，以下結合兩大行業標杆案例，拆解其技術落地邏輯與核心價值。 一、行業案例 1：區域氣象數值預報 —— 精準預測的算力加速革命 項目背景 某省級氣象部門需升級區域天氣預報

數據 , 指令集 , 人工智能 , 深度學習 , 多核

收藏 評論

u_16099358 頭像

月光傾城美 - Demura算法總結

1 - 緒論 Lua是一種為支持有數據描述機制的一般過程式編程語言而設計的擴展編程語言。它同樣可以對面向對象語言、函數式程序設計（Functional Programming，如Lisp）以及數據驅動編程（data-driven programming）提供很好的支持。它的目標是被用作一種強大的、輕型的配置語言。Lua目前已經被實現為一個擴展庫，是用clea

機器學習 , 字符串 , lua , 賦值 , Demura算法總結 , 人工智能

收藏 評論

u_16213640 頭像

mob64ca1405d568 - 機器學習多元線性迴歸梯度下降法代碼 多元線性迴歸梯度下降python

本文主要講了梯度下降法的兩種迭代思路，隨機梯度下降（Stochastic gradient descent）和批量梯度下降（Batch gradient descent）。以及他們在python中的實現。 梯度下降法 梯度下降是一個最優化算法，通俗的來講也就是沿着梯度下降的方向來求出一個函數的極小值。那麼我們在高等數學中學過，對於一些我們瞭解

機器學習 , 人工智能 , 數據結構與算法 , 迭代 , 機器學習多元線性迴歸梯度下降法代碼 , Python

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI智能樣本信息科研分析系統：科研數據的“智能解碼官”

在臨牀、生物、材料等科研領域，樣本信息是研究的核心基石——從血液、組織樣本的理化指標，到實驗樣本的動態變化數據，都需要精準分析以挖掘科研價值。傳統樣本分析依賴人工錄入、Excel統計，不僅要耗費大量時間整理多維數據，還易因人工計算誤差、數據關聯遺漏導致分析結果失真，難以適配海量樣本和複雜研究需求。AI智能樣本信息科研分析系統的出現，用智能技術重構樣本分析流程，成為科研人員的“高效數據助手

分析工具 , 數據 , NLP , 自定義 , 人工智能

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI輔助檔案管理系統：從“堆文件”到“找答案”

提到檔案管理，很多人腦海裏會浮現出堆滿紙箱的倉庫、密密麻麻的文件夾，還有翻半天找不到文件的崩潰場景。傳統檔案管理就像“盲人摸象”——存得多、找得慢、用得難，尤其是紙質檔案數字化後，海量電子文件又變成了新的“信息迷宮”。而AI輔助檔案管理系統的出現，就像給檔案管理裝了“智慧大腦”，把繁瑣的整理工作變成了高效的價值挖掘。 AI能搞定檔案管理的核心，靠的是三個“硬核技術法寶”。第一個是OC

文件名 , NLP , 可編輯 , 實時監控 , 人工智能

收藏 評論