tag 人工智能

標籤
貢獻960
1438
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_17512334 頭像

疆鴻智能研發中心 - 主打一個靠譜：當疆鴻智能PROFIBUS集線器在礦洞説“我隔離了，勿擾”

主打一個靠譜：當疆鴻智能PROFIBUS集線器在礦洞説“我隔離了，勿擾” 1 工廠背景：煤礦井下的輸送挑戰 山西某大型煤礦的井下主運輸巷道長達3.5公里，部署着12台皮帶輸送機組成的連續運輸系統。巷道環境極端——濕度常超85%、煤塵濃度高、電磁干擾嚴重。原有點對點PROFIBUS佈線故障頻發，單點中斷導致整條生產線停擺，平均每月因此損失生產時間達42小時。系統核心為

PROFIBUS集線器 , profibus , 工業通訊 , 變頻器 , 人工智能 , 深度學習 , 工業自動化

收藏 評論

u_17507674 頭像

網易雲信IM - 新國標之下，智能陪伴時代正當時

“AI玩具正成為推動產業高質量發展的新引擎” 近期，工業和信息化部舉行新聞發佈會，介紹GB 6675《玩具安全》系列強制性國家標準修訂情況。工業和信息化部消費品工業司司長何亞瓊明確提出： “在技術革命和消費升級的雙重驅動下 我國玩具產業正邁向智能化發展的全新階段。” 這也意味着整個行業發展的分

情感陪伴AI , ip , 智能陪伴 , aigc , 人工智能 , bard

收藏 評論

deephub 頭像

deephub - 機器學習超參數調優：十個實用的貝葉斯優化（Bayesian Optimization）進階技巧

貝葉斯優化（Bayesian Optimization, BO）雖然是超參數調優的利器，但在實際落地中往往會出現收斂慢、計算開銷大等問題。很多時候直接“裸跑”標準庫裏的 BO，效果甚至不如多跑幾次 Random Search。 所以要想真正發揮 BO 的威力，必須在搜索策略、先驗知識注入以及計算成本控制上做文章。本文整理了十個經過實戰驗證的技巧，能幫助優化器搜索得更“聰明”，收斂更快，顯著提升模型

機器學習 , 貝葉斯 , 人工智能 , 深度學習 , Python

收藏 評論

u_87634 頭像

新新人類 - CNN的神奇應用實例

Network In Network 是13年的一篇paper 引用：Lin M, Chen Q, Yan S. Network in network[J]. arXiv preprint arXiv:1312.4400, 2013. 文章的新點： 1. 採用 mlpcon 的結構來代替 traditional 卷積層；

機器學習 , 卷積 , 卷積核 , 人工智能 , 全連接 , CNN的神奇應用實例

收藏 評論

u_16213572 頭像

技術領航探索者 - poifsfilesystem 作用

使用 stdio.h 頭文件中的 fopen() 函數即可打開文件，它的用法為： FILE *fopen(char *filename, char *mode); filename為文件名（包括文件路徑），mode為打開方式，它們都是字符串。 fopen() 函數的返回值 fopen() 會獲取文件信息，包括文件名、文件狀態、當前

機器學習 , 數據 , include , 打開文件 , poifsfilesystem 作用 , 人工智能

收藏 評論

u_16213621 頭像

mob64ca14017c37 - defineModel的值為什麼TS推斷可能是undefined

# 編寫一個求平均值的函數 def f(*m): s = 0 lst = [] for i in m: while str(i).isnumeric(): s += i lst.append(i) else: print('輸入端內的內容包含有

機器學習 , 字符串 , 時間戳 , 人工智能 , Python

收藏 評論

u_17349038 頭像

煜見Ai未來 - 李斌砸180億被罵瘋了，沒想到用AI玩成了千億生意

180億的"笨功夫"，到底值不值？ 蔚來換電站：從重資產到護城河的轉變 本篇含算法、Ai、商業模式等硬核深度內容，只想看熱鬧的可以繞道。。。 從第1次換電到第1000萬次，蔚來用了整整1506天。 但從第8000萬次到第9000萬次？只用了100天。 作為一名蔚來創始版車主，看到這兩個數字的對比，我心裏其實挺感慨的。 還記得2018年，

強化學習 , yyds乾貨盤點 , 數據 , 負載均衡 , 數據可視化 , 人工智能

收藏 評論

fabarta 頭像

Fabarta - 六問「大模型落地」— 如何打通企業智能化轉型最後一公里？

作者：張紅兵 楓清科技（Fabarta）合作人 ChatGPT 2022年底出現以來，大模型熱度持續不減，尤其是今年年初DeepSeek的爆火，更讓大模型走入更多人的視野。大模型除了在C端（個人用户）廣泛應用，在B端（企業）也有越來越多的企業在做落地。2025年8月26號， 國務院發佈《關於深入實施“人工智能+”行動的意見》，更將以大模型為主的人工智能技術放到更加突出的位置。“

開源軟件 , 數據 , 人工智能 , 深度學習

收藏 評論

u_12196 頭像

footballboy - kubemark壓測

Wrk壓測工具安裝使用 官方源碼：https://github.com/wg/wrk 安裝步驟： wrk只支持linux環境不支持windows環境， 安裝git，並配置git環境變量， 克隆源碼git clone https://github.com/wg/wrk 進入到源碼的

機器學習 , wrk , kubemark壓測 , 壓測 , 測試 , 人工智能 , 性能

收藏 評論

u_16099165 頭像

編程小達人 - 輕量化transformer實現圖像生成

MobileNet v2是對MobileNet v1的改進，也是一個輕量化模型。 MobileNet v1遺留下的問題 1）結構問題 MobileNet v1的結構非常簡單，是一個直筒結構，這種結構的性價比其實不高，後續一系列的ResNet，DenseNet等結構已經證明通過複用圖像特徵，使用Concat/Eltwise+等操作進行特徵融合，能極大提升網

點乘 , 人工智能 , 深度學習 , 複用 , ide

收藏 評論

u_17579295 頭像

mb6911caa73d1d1 - 從“看得見”到“看得懂”：數字孿生如何重塑城市公共安全新格局

作為一名在城市公共安全領域深耕多年的從業者，我深知傳統安防系統的痛點：數據孤島林立、應急響應遲緩、決策依賴經驗。直到我們引入了數字孿生智能運營中心—孿易IOC，才真正實現了從“被動應對”到“主動防控”的跨越。今天，我想通過幾個真實場景，分享這項技術如何讓城市安全“活”起來。 一、當消防警鈴響起時，我們看到了什麼？ 過去，接到火警報警後，我們需

數據 , 自定義 , 數據可視化 , 插件庫 , 人工智能 , 數字孿生

收藏 評論

u_16213649 頭像

mob64ca14082604 - 最新Python學習路線發佈，值得收藏 - 編程叫獸的個人空間 -

假設你是一個外賣騎手，每天穿梭在城市的大街小巷，風吹日曬，收入卻並不穩定。2025年的外賣行業競爭激烈，平台算法不斷優化，騎手的接單效率直接影響收入。你意識到，掌握編程技能不僅能提升工作效率，還可能打開新的職業機會。於是，你決定利用業餘時間學習Python，從零開始轉型。 一、學習動機：為什麼外賣騎手要學Python？ 優化配送效率

實踐項目 , 人工智能 , 前端開發 , Javascript , Python , Web

收藏 評論

u_16099296 頭像

mob6454cc73e9a6 - cubemx中dma的adc配置

申請和釋放DMA緩衝區 1、申請和釋放DMA緩衝區 內存中用於與外設交互數據的一塊區域被稱作DMA緩衝區，在設備不支持scatter/gather（SG，分散/聚集）操作的情況下，DMA 緩衝區必須是物理上連續的。 對於ISA設備而言，其DMA操作只能在16MB以下的內存中進行，因此，在使用k

機器學習 , 物理地址 , 人工智能 , 虛擬地址 , ci , cubemx中dma的adc配置

收藏 評論

openbayescom 頭像

OpenBayes - OpenBayes 一週速覽｜快來生成你的專屬聲音鈴聲、Wikipedia 維基百科數據集上線

公共資源速遞 3 個數據集： Wikipedia 維基百科數據集 FMA 音樂分析數據集 RJUA-QA 首箇中文醫療專科問答推理數據集 2 個模型： Yi-34B-Chat-GGUF Falcon-7B 2 個教程： *用GPT-SoVITS 音頻合成在線 Demo *[Stable Diffusion]()在線教程 小貝快訊： *全網最簡單的 AI 聲音克隆+So

資訊 , ai開發 , 人工智能 , 開源 , 資源

收藏 評論

u_16213682 頭像

mob64ca140fd7c1 - pytorch搭建PyQt5界面實戰：ResNet-18實現CLFAR-10圖像分類，並利用PyQt5進行人機界面顯示

文章目錄 前言 1.為什麼需要殘差網絡？ 1.1梯度消失 / 梯度爆炸 1.2深度退化現象 2.ResNet 的核心創新：殘差塊與殘差連接 2.1 什麼是 “殘差”？ 2.2. 殘差塊的兩種結構 2.2.1恆等映射殘差塊

卷積神經網絡 , 後端開發 , 分類算法 , 人工智能 , 深度學習 , 1024程序員節 , Python

收藏 評論

secretflow 頭像

隱語SecretFlow - 隱語1.0正式發佈｜MVP部署體驗包、資源調度框架Kuscia全新亮相！

2023 年 7 月 ７ 日，在世界人工智能大會組委會辦公室指導下，隱語開源社區攜手螞蟻集團和機器之心共同主辦的數據要素與隱私計算論壇在上海世博會議中心舉行。論壇上，螞蟻集團隱私計算部總經理、隱語社區負責人王磊發佈了隱語 1.0 版本，並對隱語 1.0 版本框架拓展與升級進行了整體介紹。隱語 1.0 版本不僅進一步擴大了開源範圍，還對整體架構進行了調優拓展，核心內容涉及產品層、資源層、互聯互通等

大數據 , 隱私 , 人工智能 , 計算機科學

收藏 評論

u_16213708 頭像

mob64ca14163a4f - SecureCRT Ymodem 文件名格式

SecureCRT是一款ssh client工具， 我通過SecureCRT遠程管理我的linux服務器。 根據個人習慣，首先想到的是修改SecureCRT 默認難看的外觀，在SecureCRT菜單欄位選擇"選項（O）"- "常規" - "默認會話"-"編輯默認設置（S）" - "終端" -"外觀" - 顏色方案："白/黑" 標準字體："Courie

機器學習 , 文件名 , linux服務器 , 上傳 , 人工智能

收藏 評論

fabarta 頭像

Fabarta - 楓清科技出席AI4S創新論壇——生態共建，智驅AI+科研新體系

12月26日，智驅科研·賦能未來——AI4S創新論壇在北京隆重召開。活動從垂域大模型到多Agent科研提效的全棧AI for Science平台，聚焦化工材料、生物醫藥核心科研需求，構建“領域模型+科研支撐”的智能化服務體系。北京市科學技術委員會、中關村科技園區管理委員會、石景山區政府及抖音集團、楓清科技等多家企業代表出席此次大會。 石景山區AI for Science平台上線發佈儀式在會

人工智能

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - 阿里雲 Elasticsearch 的 AI 革新：高性能、低成本、智能化的搜索新紀元

數據爆炸、多模態融合、實時智能推理的浪潮，正在重塑企業的搜索需求——它們需要的不僅是“找到信息”，還要更快、更準、更智能地理解和響應複雜的業務場景。 一、AI搜索的背景與趨勢 在AIGC技術席捲全球的當下，搜索技術正迎來前所未有的升級窗口。電商平台通過多模態搜索精準理解用户需求，酒旅行業借力智能體Agent進行行程規劃與住宿推薦，傳統企業則利用獨有知識庫和RAG技術賦能售前售後服務——搜索能力的智

搜索 , 阿里雲 , 人工智能

收藏 評論

writers 頭像

思否編輯部 - 奇績創壇2024秋季路演，這60個AI創業項目拿到錢了

2024 年 12 月 1 月下午，奇績創壇在北京中關村國際創新中心舉辦了 2024 年秋季創業營路演日，共有 60 家奇績投資並加速的公司參與了路演。 本屆項目概覽： 前沿創新信號：大模型（49 家），多模態（28 家），數據（24 家），具身智能（14 家），仿真（4 家）。 創始人平均年齡 29 歲，64%碩士及以上學歷，12% 為女性創始人。 錄取率 1%。 2024 年秋季入

創業 , 人工智能

收藏 評論

u_13873498 頭像

IT陳工 - 大模型基本概念

定義 我們可以把大模型類比生活場景中的各種“模具”：我們在生活中會使用到很多模具，比如製作雪糕的模具、蛋糕模具、愛心煎蛋的心形模具等等。我們是可以使用這些模具來更加簡單便捷且快速地完成最終要製作的成品。 如果將其映射到數學上，就像是我們聽到過的數學建模：比如，一位老師想計算班級100位同學的期末總成績，那麼根據學校本學期的要求，考試成績佔總成

機器學習 , 分支大模型 , 大模型應用 , 在線大模型 , 人工智能 , 大模型

收藏 評論

u_16827017 頭像

全棧技術開發者 - 深度學習與傳統機器學習有什麼關係？反向傳播算法在深度學習訓練中為何如此關鍵？深度學習中的非凸優化問題如何影響模型收斂性？

在人工智能的發展歷程中，機器學習一直是研究的核心方向。自上世紀中葉以來，研究者致力於通過數學模型和算法，從數據中發現規律、預測結果並實現智能決策。這一過程不僅涉及統計學、優化理論和計算方法的深度結合，也推動了計算科學和信息理論的持續發展。傳統機器學習方法，如迴歸分析、支持向量機、決策樹和集成方法，為理解數據結構和建立預測模型提供了穩固的理論基礎，其理論體系清晰，模型可解釋性強，並

機器學習 , yyds乾貨盤點 , 數據 , 人工智能 , 深度學習

收藏 評論

xuejianqiang 頭像

xuejianqiang - 新政下少兒編程機構怎麼選？

新政下少兒編程機構怎麼選？4類坑別踩，5個問題篩出靠譜機構 一、先劃紅線：這4類編程機構，再便宜也別碰 二、合規機構的3個新特徵：從“教代碼”到“做實踐搭檔” 1. 課程和學校“同頻共振” 2. 課堂搬進“真實場景” 3. 從“賣課程”到“送資源” 三、避坑只需5個問

少兒編程 , 青少年編程 , 機器人 , 人工智能 , 前端開發 , Javascript , Python

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI智能體圖文管理系統：用技術讓圖文處理“更聰明、更高效”

傳統圖文管理裏，找文件靠翻文件夾、改圖片靠手動調參數、文字提取靠逐字敲、分類歸檔靠記標籤，不僅費時間，還容易出錯。而AI智能體圖文管理系統的出現，把AI核心技術融入每一個操作環節，讓圖文采集、處理、檢索、歸檔全流程自動化、智能化，徹底告別“瞎忙活”。 這個系統的核心技術邏輯是“智能感知-自動處理-精準應用”的閉環，就像給圖文管理裝了個“會思考的幫手”，每一項功能都藏着實打實的技術支撐

上傳 , NLP , 自然語言處理 , 人工智能 , 核心技術

收藏 評論