tag 人工智能

標籤
貢獻960
1420
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 - 【Triton 教程】矩陣乘法

Triton 是一種用於並行編程的語言和編譯器。它旨在提供一個基於 Python 的編程環境，以高效編寫自定義 DNN 計算內核，並能夠在現代 GPU 硬件上以最大吞吐量運行。 更多 Triton 中文文檔可訪問 →https://triton.hyper.ai/ 在本教程中，您將編寫一個非常簡短的高性能 FP16 矩陣乘法內核，其性能可以與 cuBLAS 或 rocBLAS 相媲美。 您將具體學

編程 , gpu , 人工智能 , 編譯器 , 深度學習

收藏 評論

mstech 頭像

微軟技術棧 - 2025 Microsoft Cloud & AI 技術峯會｜全棧驅動，邁向 Agentic AI 新時代

AI 風口已過，Agentic AI 時代降臨—— 一起重塑業務邊界與開發範式！在即將揭幕的 2025 Microsoft Cloud AI 技術峯會中，微軟全球及本土頂尖專家將聯袂揭示 Agentic AI 新時代的奧秘。 當“代碼女王”、 “K8s 之父”、 GitHub CEO 等業界大咖齊聚一堂，下一代智能革命的序幕已然拉開 —— 您準備好見證這一切了嗎？ 四天四大主題貫穿其中，乾貨密集

microsoft , 人工智能

收藏 評論

u_16099234 頭像

技術筆耕者 - 嵌入式ota寫emmc ext4分區

本週學習了進程間通信這一章,首先管道： 管道是基於文件描述符的通信方式，當一個管道建立時，它會創建兩個文件描述符 fds[0]和 fds[1]，其中 fds[0] 固定用於讀管道，而 fd[1]固定用於寫管道，如圖所示，這樣就構成了一個半雙工的通道。 無名管道，它具有如下特點。  它只能用於具有親緣關係的

機器學習 , 非阻塞 , 文件描述符 , 數據 , 人工智能 , 嵌入式ota寫emmc ext4分區

收藏 評論

u_15591470 頭像

ceshiren2022 - 測試腳本已過時？AI+Playwright正在重新定義自動化測試

在自動化測試領域，Playwright已成為端到端測試的優選方案，以其跨瀏覽器支持和高可靠性著稱。 然而，傳統測試腳本的編寫和維護依然是一項昂貴且對專業知識要求很高的工作。隨着大語言模型和AI智能體技術的發展，一個全新的範式正在興起：讓AI驅動Playwright完成測試任務。 Model Context Protocol在這一變革中扮演了關鍵橋樑的角色，它使得LangChain等AI應

人工智能 , 深度學習 , 自動化測試 , ui

收藏 評論

u_15493782 頭像

Python自動化辦公社區 - 我決定用AI重寫這個34.7萬次下載的Python庫

大家好，我是程序員晚楓。 今天想和大家分享一個重要的決定：我的開源項目 python-office（下載量34.7萬次），即將用AI編程技術進行全面重寫。 先説説python-office是什麼 3年前，我創建了python-office這個項目。它的初衷很簡單：用一行代碼，解決一個辦公自動化問題。 比如你想把PDF轉成W

後端開發 , 人工智能 , 開源 , 開發者 , harmonyos , Python

收藏 評論

u_17589471 頭像

AI數字人研究社 - AI數字人解鎖數字展廳的“智慧大腦”，展廳互動體驗煥新升級

在數字化轉型浪潮席捲全球的今天，展廳作為企業品牌展示、文化傳播與客户交互的核心場景，正經歷一場由“傳統陳列”到“智能交互”的深刻變革。傳統展廳依賴人力講解、靜態展板的方式已難以滿足現代觀眾對沉浸式體驗與高效信息獲取的需求。如何打破這一困局？波塔AI數字人系統，以AI技術為核心驅動力，為數字展廳注入“智慧大腦”，讓展廳從“被動展示”轉變為“主動服務”，重新定義參觀體驗。 痛點

數字人 , 數字展廳 , 展廳設計 , 人工智能 , 計算機視覺 , 大模型

收藏 評論

mirrorship 頭像

鏡舟科技 - 從 SQL 到自然語言，下一代 Lakehouse 為何必須「AI 優先」

過去三十年，OLAP 引擎的發展核心始終圍繞結構化數據的處理與分析，當然也取得了顯著的進步，比如分佈式架構、存算分離及 cloud native、查詢性能大幅提升等。然而，隨着大模型（LLM）技術的爆發，數據分析的範式正在發生根本性重構。行業預測顯示，未來五年內，非結構化數據（文本、圖像、音視頻等）在企業數據資產中的佔比將達到 80%。 未來的數據形態將趨於多模態，分析需求將更加複雜，查詢方式也將

大數據 , 人工智能 , ai-agent , 物化視圖 , olap

收藏 評論

pannideniupai 頭像

雨大王 - 智能工藝革新：製造業數字化轉型的核心驅動力

在當前全球製造業競爭日益激烈的背景下，企業面臨着從研發到生產的全鏈路效率提升和質量保障的雙重挑戰。傳統工藝流程往往依賴人工經驗，導致設計變更響應滯後、圖紙校核效率低下、工藝文件標準化不足等問題，這些問題不僅增加了企業的運營成本，還限制了其快速響應市場需求的能力。為破解這一困局，智能工藝革新成為製造業數字化轉型的關鍵路徑，它通過人工智能技術與工業知識的深度融合，實現了從設計到生產的全流程自動化與智能

人工智能

收藏 評論

yingjundeqianbi 頭像

SaaS知識庫 - 從業10年，嘔心分享搭建基於AI大模型的企業知識庫技巧

引言 作為一名在知識管理領域從業10年的老兵，我深知搭建一個高效的企業知識庫對企業的重要性。隨着AI大模型的崛起，企業知識庫的構建方式正在經歷一場革命。今天，我將結合我的經驗和實踐，深入剖析如何藉助AI大模型的力量，打造一個卓越的企業知識庫。 一、知識庫的價值：企業知識的黃金礦藏 企業知識庫，如同企業的知識寶庫，它集中存儲、組織和分享着企業的各類知識和信息。一個高效的知識庫，不僅能夠

企業應用 , 知識管理 , 人工智能 , 知識體系 , 知識庫

收藏 評論

u_17423871 頭像

美狐美顏SDK開放平台 - 面具素材如何製作並接入美顏sdk？開發者必看的技術流程與工具鏈

在直播與短視頻產業高速發展的當下，“面具（Mask）特效”已經從炫酷玩法變成了內容平台的標配。無論是直播中的動態貼紙、美顏中的主題濾鏡，還是小紅書、抖音上的創意視頻素材，其背後都離不開一條核心能力：面具素材的製作與美顏sdk的接入流程。 許多開發者在做項目時常常遇到兩類困惑： 第一，面具素材到底怎麼做？需要美術嗎？工具是不是很複雜？ 第二

視頻美顏sdk , 美顏api , 美狐美顏sdk , 人工智能 , 直播美顏sdk , 計算機視覺 , 在51CTO的第一篇博文 , 美顏SDK

收藏 評論

dataondemand 頭像

德昂數據吧 - 好的BI看板會自己講故事

在數據驅動決策的時代，商業智能（BI）圖表與看板早已不是簡單的數字展示工具。它們是企業洞察力的窗口，是跨部門溝通的語言，更是推動行動的催化劑。一張精心設計的BI看板，不需要冗長解釋，就能讓管理者迅速抓住業務脈搏；一個結構清晰的交互式儀表盤，能讓一線團隊快速定位問題、調整策略。關鍵在於：它不僅要準確，更要可讀、可用、可感。 一、從數據堆砌到信息提煉 許多BI看板

儀表盤設計 , 商業智能 , 看板優化 , 數據可視化 , 人工智能 , BI圖表

收藏 評論

u_15214399 頭像

u_15214399 - 基於華為開發者空間-雲開發環境（容器）結合Versatile Agent，構建AI輕量級智能辦公助手

最新案例動態，請查閲《基於華為開發者空間-雲開發環境（容器）+ Versatile Agent，構建AI輕量級智能辦公助手》。小夥伴快來領取華為開發者空間進行實操吧！ 一、概述 1. 案例介紹 華為雲開發者空間為開發者提供一個免費的雲開發環境，開發者可以將計算密集型任務交給性能強大的雲開發環境，同時可以在本地Windows或者MacOS設備上編寫代碼，在遠程的鯤

人工智能 , 用户信息 , 數據分析 , 開發環境 , 開發者

收藏 評論

u_16099205 頭像

架構思維大師 - 無人駕駛深度強化學習訓練的代碼在哪裏跑 無人駕駛 體驗

4 月 17 日消息等了 5 個多月，車物品總算在極狐阿爾法 S上感受到華為公司的批量生產版“L4”級無人駕駛系統軟件。 從華為上海研究室考慮，大家搭乘這台阿爾法 S 在上海金橋區的市政道路里行車了 12 千米，歷經了十幾個交通信號燈後回到到起點。 一樣的線路，車物品累計感受了 3 趟（2次晚間一次大白天），中途全部安全駕駛實際操作均

機器學習 , 無人駕駛深度強化學習訓練的代碼在哪裏跑 , 數據 , 自動駕駛 , 系統軟件 , 人工智能 , 點到點

收藏 評論

pannideniupai 頭像

雨大王 - 能耗管理系統在整車製造中的應用：從數據驅動到綠色轉型

在當今全球製造業面臨碳中和壓力的背景下，整車製造企業正加速採用能耗管理系統（Energy Management System, EMS）來應對能源消耗高、成本波動大和環保合規的多重挑戰。回想一下，傳統汽車生產模式中，能源往往被視為“副產品”，而不是核心資源——這意味着企業容易在不自知的情況下浪費大量電力和燃氣，尤其是在焊接、塗裝和裝配這些高能耗環節。舉個例子，假設一個汽車工廠的衝壓車間長時間運行卻

人工智能

收藏 評論

u_16213651 頭像

mob64ca14089531 - ad直接使用自己搭建的ldap

AIDL背景 在Android平台上，一個進程通常無法訪問另一個進程的內存，所以想要跨進程訪問的話，需要將要傳遞的數據分解為系統可以支持和識別的基本單元，有序的經過進程的邊界。因為這個操作十分繁瑣，所以Android使用AIDL來解決這個問題。AIDL就是用於生成兩個進程間進行進程間通信的（IPC）代碼，面向開發簡化這個過程。 注：

機器學習 , 通信 , ad直接使用自己搭建的ldap , Android , 人工智能 , aidl

收藏 評論

lu952450497 頭像

lu952450497 - 近鄰類算法

一、什麼是最近鄰類算法 最近鄰類算法（Nearest Neighbor, NN） 的核心問題是： 在給定空間中，找到與目標樣本“距離最近”的一個或多個樣本。 形式化描述： 已知數據集：( D = {x_1, x_2, ..., x_n} ) 給定查詢點：( q ) 定義距離函數：( dist(x, q) ) 目標：

複雜度 , 搜索 , 人工智能 , 數據結構與算法 , 暴力法

收藏 評論

zengjingaiguodekaomianbao 頭像

曾經愛過的烤麪包 - 2025刷屏事件背後：一場正在席捲每個人的“能力革命”

當AI一夜之間撼動美股，機器人登上春晚舞台，你我的未來，其實早已被重新書寫。 時光飛逝，2025年僅餘最後一月。回望這一年，從DeepSeek的技術突破到《哪吒2》的文化出圈，從春晚機器人扭秧歌到神舟凱旋的家國自豪——每一次刷屏，都是時代車輪滾過的深深印跡。 這些瞬間不只停留在熱搜，它們共同拼貼出一個正在加速運轉的世界。而在所有宏大敍事的背後，一場關乎每個人職業生涯的“能力革命”，已悄然拉開序幕。

pytorch , 機器人 , 人工智能 , 深度學習 , 後端

收藏 評論

u_13446 頭像

imking - emphasis echarts 正常值

node/使用命令： https://nodejs.org/zh-cn/ npm install -g @vue/cli npm install ts-node -g npm init -y npm install @types/node -D npm install express -S npm install @types/

機器學習 , 數據 , 人工智能 , 配置項 , ios

收藏 評論

mianlengxincidehongjiu 頭像

中煙創新 - 中煙創新連續兩年被認定為國家級科技型中小企業

在科技創新深度重構產業競爭格局、驅動轉型升級的當下，權威的國家級資質認定已成為客觀評判企業研發體系成熟度、核心技術儲備與可持續成長潛力的關鍵性標尺與系統性評估框架。北京中煙創新科技有限公司（簡稱：中煙創新）憑藉其在技術研發與創新實踐方面的紮實積累與持續投入，連續兩年被認定為國家級科技型中小企業。其創新能力再獲官方權威認定，這一成績不僅是對企業自身創新實力的高度認可，也是其積極響應國家創新驅動發展戰

人工智能

收藏 評論

keaidelanqiu 頭像

可愛的籃球 - 全面掌握AI視頻

國風AI視頻即將起飛？👇🏻ke程：shanxueit點com/11587/技術突破與創作風口雙重解析 凌晨三點的北京出租屋，屏幕藍光映照着90後創作者“貓大人”疲憊卻專注的臉。他剛用AI調試完《燕赤霞》的第37版打鬥鏡頭，水墨氤氲間，道袍翻飛的弧度終於趨於自然。這個場景並非個例——當《花木蘭》《貓將軍》等國風水墨AI短片接連引爆全網，單作播放量破千萬，業內開始真切感知：國風AI視頻的時代

人工智能

收藏 評論

huikaichedemianbao 頭像

合合技術團隊 - 【論文解讀】transformer小目標檢測綜述

一、簡要介紹 Transformer在計算機視覺領域迅速普及，特別是在目標識別和檢測領域。在檢查最先進的目標檢測方法的結果時，我們注意到，在幾乎每個視頻或圖像數據集中，transformer始終優於完善的基於cnn的檢測器。雖然基於transformer的方法仍然處於小目標檢測（SOD）技術的前沿，但本文旨在探索如此廣泛的網絡所提供的性能效益，並確定其SOD優勢的潛在原因。小目標由於其低可見性，

人工智能 , transform , 深度學習

收藏 評論

JavaEdge 頭像

JavaEdge - TornadoVM 2.0 為 Java 帶來自動 GPU 加速與LLM支持

TornadoVM 2.0 為 Java 帶來自動 GPU 加速與大語言模型（LLM）支持 TornadoVM 項目近日發佈了 2.0 版本，這是這個 開源項目 的一個重要里程碑。該項目旨在為 Java 提供一個可在異構硬件上運行的執行環境，這次更新對在 JVM 上開發大語言模型（LLM）解決方案的團隊尤其有吸引力。 TornadoVM 可以讓 Java 程序自動在多

yyds乾貨盤點 , OpenCL , API , 人工智能 , JAVA , 深度學習

收藏 評論

aipaobudexiangjiao_cktinz 頭像

愛跑步的香蕉_cKtiNz - 判斷AI招聘系統成熟度的3個硬指標

判斷AI招聘系統成熟度的3個硬指標 很多企業在選擇AI面試系統、AI招聘系統時，核心疑問都聚焦於“準不準”。但在真正成熟的人才系統中，這個籠統問題已被拆解為更具體、可驗證的三個核心指標： 1.面試結果能否直接進入決策鏈條：若AI面試系統的打分僅能“供參考”，無法在錄用、淘汰、排序中實際應用，本質上仍只是輔助工具，而非能支撐招聘全流程的系統； 2.評分是否具備穩定性與可覆盤性：單次

人工智能

收藏 評論

u_16380863 頭像

未聞花名AI - 構建AI智能體：五十九、特徵工程：數據預處理到特徵創造的系統性方法

一、何謂特徵工程 特徵工程是數據科學中的關鍵環節，其核心目標是將原始的、雜亂的數據轉化為機器學習模型能夠有效理解和利用的格式。這個過程可以類比於將生鮮食材烹飪成美味佳餚的完整流程。 想象一下，您從市場採購回各種生鮮食材：帶泥的土豆、未處理的豬肉、整根的大葱、未開封的調味料。如果直接將這些東西端給客人，他們根本無法食用。同樣地，原始數據對機器學習模型而言就如同這些未處理

AIGC二三事 , pytorch , 特徵工程 , 人工智能 , 機器學習模型

收藏 評論