tag 人工智能

標籤
貢獻960
1334
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

zq812193195 頭像

碼農張思壯 - 使用 AI 編碼將路書 GPX 文件導入高德地圖生成路線的嘗試

最近在讀《30 歲人生開掛 7 步法》，其中提到，所有的賺錢活動大致可以歸為兩種： 讓對方舒服 讓對方幸福 解決別人的需求，能讓人感到舒服或者幸福。恰巧在上次騎車時，我也發現了一個這樣的需求。 我本來想在元旦騎一個 2025 蛇年的路書，最初的嘗試是把路書導入碼錶，但實際騎行時碼錶不斷提示偏航。之後我嘗試了行者 APP，但可能由於手機放在騎行服後兜裏，導航方向也不準確。而我平時使用的高德

人工智能 , 地圖 , Python

收藏 評論

u_16213631 頭像

mob64ca1403c772 - 迴歸任務的決策擬合

一.寫在前面 　　本節主要講的是上一節學習圖中的按目標分類的橙色方塊中的regression，即所要解決的問題的解為數值。本節由一個案例貫穿，即預測神奇寶貝進化後的戰鬥力，挺有趣的一個案例。本節略長，請耐心看，相信會有收穫的，做我們這行的最重要的就是要有耐心。 二.案例説明 　　所要研究的案例是想要預測神奇寶貝進化後的戰鬥力用cp值表示，具體案例描述如下圖2-1

機器學習 , 迴歸任務的決策擬合 , 梯度下降 , 數據 , 損失函數 , 人工智能

收藏 評論

u_16213676 頭像

mob64ca140e76c8 - 深度學習 水位尺識別 yolo

1、應保持儀表垂直安裝。在安裝超聲波液位計時，要保證換能器的發射面和被測的平面平行，這樣可以保證垂直髮射到被測物體表面的聲波以最大的能量返回。 2、實際安裝時，如果現場工況有蒸汽，易有水珠附着在探頭表面，並且探頭的量程比實際要測量的距離大很多，這時可以傾斜3°左右，以避免水珠結水的影響。 3、在安裝時，應注意超聲波液

深度學習 水位尺識別 yolo , 人工智能 , 深度學習

收藏 評論

yekai_620f63e12c172 頭像

葉開 - 隱語可信數據空間MOOC第43講筆記：醫療健康數據安全協作的架構與實踐

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... 一、案例全景概覽 案例 行業場景 核心隱私技術 數據協作模式 關鍵目標 新冠重病預測 醫療健康 橫向聯邦學習 樣本跨

機器學習 , 教程 , 知識 , 人工智能

收藏 評論

u_16970152 頭像

求知上進 - 深入學習 Python 函數：非局部變量

第一章：非局部變量的誕生史——Python 閉包的“補完計劃” 1.1 Python 2 的悲情時代：沒有 nonlocal 的閉包殘缺之痛 # Python 2 時代開發者內心的吶喊 def counter(): count = 0 def inc(): count += 1 # UnboundLocalErr

狀態機 , 人工智能 , 深度學習 , 局部變量 , Python

收藏 評論

danxiaodeyanjing 頭像

MemTensor - MindDock 正式內測！讓所有 AI 都記得同一個你

MemOS-MindDock 內測正式開啓！ 每次換平台、開新對話，都得重新介紹自己？想讓 ChatGPT、Gemini、DeepSeek 都能持續理解你？從今天起，你的 AI 將真正「擁有記憶」。 🎥 一段視頻，帶你認識全新的 AI 體驗 還在為 AI 的「健忘」而苦惱？ 現在，所有平台的 AI 都能共享相同的記憶。 點擊下方視頻，瞭解 MemOS-MindDock 是如何定義

agent , 算法 , 人工智能

收藏 評論

aws_aidevcommunity 頭像

亞馬遜雲開發者 - 快時尚電商行業智能體設計思路與應用實踐（六）實現智能體極速研發

概述 在快時尚電商行業，產品生命週期短、上新節奏快、營銷活動高頻、用户諮詢激增且多樣化。這對智能體的研發效率提出了極高要求，系統必須能快速迭代、即時上線、穩定支撐大規模交互場景。然而在實際開發中，智能體研發團隊往往面臨： 傳統依賴大量查閲與理解產品文檔的研發模式，會顯著拉低迭代效率，難以滿足快時尚電商對業務敏捷性的要求 集成多個服務（如模型、工具、知識庫）時 部署與配置複雜、極易出錯 為了

人工智能

收藏 評論

xingfudenaozhong 頭像

幸福的鬧鐘 - 前端程序員應該往全棧方向發展嗎?還是堅守前端?

​作者：寒蟬（知乎） 順便吆喝一聲，技術大廠，內推撈人，前/後端or測試←感興趣 要求學歷：全日制統招本科（非學院派即可）： --加班偶爾較多，但週末加班兩倍工資。 --15-35K，工資在一線城市屬於一般，但二線城市很可以。 前端幹了有四年多了，在我有限的認知內（認知就這麼點，不要槓我，槓就是你對）和能力範圍內所觸及到的崗位種類中，前端這個崗位在我看來是最難堅守的。 大多

人工智能 , 全棧工程師 , 程序員 , 後端 , 前端

收藏 評論

u_12855 頭像

西門吹雪 - 正則化損失函數代碼 pytorch

前言 L1、L2在機器學習方向有兩種含義：一是L1範數、L2範數的損失函數，二是L1、L2正則化 L1範數、L2範數損失函數 L1範數損失函數： L2範數損失函數： L1、L2分別對應損失函數中的絕對值損失函數和平方損失函數 區別： 分析： robust: 與L2相比，L1受異常點影響比較小，

稀疏矩陣 , pytorch , 損失函數 , 人工智能 , 正則化損失函數代碼 pytorch , 權值

收藏 評論

huggingface 頭像

HuggingFace - 在 Transformers 中使用對比搜索生成可媲美人類水平的文本 🤗

1. 引言 自然語言生成 (即文本生成) 是自然語言處理 (NLP) 的核心任務之一。本文將介紹神經網絡文本生成領域當前最先進的解碼方法 對比搜索 (Contrastive Search)。提出該方法的論文 “A Contrastive Framework for Neural Text Generation” 最初發表於 NeurIPS 2022 (論文、官方實現)。此後， “Contrasti

人工智能 , transform

收藏 評論

u_17398435 頭像

zhanghada - 免費薅國產旗艦 LLM！GLM-4.7+MiniMax-M2.1

引言：國產大模型的“工程落地元年”已至 在大語言模型（LLM）落地應用中，“AI Ping” 早已不是單純的網絡連通性檢測 —— 而是衡量模型響應效率、內容質量、資源消耗的綜合探測體系！現在 AI Ping 平台重磅上新兩款國產旗艦模型，全程免費調用，無任何隱藏限制：智譜 AI GLM-4.7 與 MiniMax-M2.1！ 不用跨平台註冊、不用反覆申請密鑰，僅需在

API , Max , 人工智能 , 深度學習 , Json

收藏 評論

u_17579295 頭像

mb6911caa73d1d1 - 城市公共安全：數字孿生如何構建"可計算"的智慧防線

當夜幕降臨，城市燈火通明，數百萬人的安全如何保障？傳統模式下，指揮中心的大屏幕上閃爍着密密麻麻的監控畫面，值班人員需要同時關注數十個系統界面——交通流量、警力分佈、消防狀態、突發事件……信息過載與決策延遲成為常態。 數字孿生-孿易IOC技術的出現，正在悄然改變這一局面。它不只是簡單的三維可視化，而是構建了一個可計算、可模擬、可預測的城市安全數字模型。對於致力於城市公共安全領

數據 , API , 數據可視化 , 人工智能 , 數字孿生 , 開發者

收藏 評論

u_16213682 頭像

mob64ca140fd7c1 - postgis授權其它schema

剛剛裝完了PostgreSql與pgadmin，現在又要裝PostGIS。説實話，現在還不知道它是幹嗎用的。據説，是個類似處理地理信息數據的增強包。可以有更豐富的函數調用。也有人叫擴展。（今天剛接觸，説的不對的，歡迎批評指正。後期，我瞭解了再更改見解吧）。不扯閒篇，下面就介紹安裝過程。 首先，還是借鑑前人的經驗，參考文獻：； 安裝上面的

機器學習 , 配置文件 , postgresql , 人工智能 , 安裝過程 , postgis授權其它schema

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - 阿里雲AI搜索年度發佈：開啓Agent時代，重構搜索新範式

AI搜索年度發佈——AgenticSearch創新、雲原生搜索引擎進化、AI搜索產品融合升級_ 年初大模型技術的爆發式發展，使得傳統用户搜索場景被顛覆，據某權威研究機構數據顯示，超58%的美國用户使用Google時不再點擊搜索結果，傳統搜索流量逐漸轉向AI驅動工具，這一轉變背後將重構用户搜索的交互邏輯、數據形態與技術架構。 9月26日杭州舉行的雲棲大會AI搜索專場上，阿里雲智能集團計算平台事業部A

雲棲大會 , 搜索 , 阿里雲 , 人工智能

收藏 評論

u_17420180 頭像

合合信息解決方案 - 傳統OCR識別有什麼侷限性

在企業數字化轉型的浪潮中，文檔處理效率直接影響業務運轉速度。然而，許多企業在使用傳統OCR工具時，常常遭遇“識別了文字卻用不了數據”的尷尬局面——掃描件變成了亂碼文本，財務報表的表格結構全部丟失，合同條款被錯誤拆分。這些問題的根源，恰恰暴露了傳統OCR技術難以逾越的技術鴻溝。 圖像質量依賴症：模糊就“失明” 傳統OCR對圖像質量的要求近乎苛刻。當文檔出現模糊、光照不均

機器學習 , 數據 , 手寫體 , 人工智能 , 結構化

收藏 評論

u_16099327 頭像

AI智行者 - 當writeMode配置成update時updateColumn不配置會生效嗎

摘要: 下文講述updatetext的功能及舉例説明 實驗環境:sql server 2008 R2 updatetext關鍵字功能及語法説明 updatetext功能説明: updatetext的功能為:更新當前的text,ntext,image字段, 當我們可以使用updatetext更新列中的部分數據 updatetext語法簡介:

機器學習 , 字段 , 數據 , 人工智能 , SQL

收藏 評論

u_16163480 頭像

bugyinyin - 收藏必備！DeepSeek+本地知識庫搭建全攻略，小白也能輕鬆上手

前言 本文將詳細介紹如何搭建和使用 DeepSeek + 本地知識庫！ 我們會從兩種主流的搭建方案入手，分別是基於 Cherry Studio 和基於 AnythingLLM 的搭建方法。每一種方案都有其獨特的優勢和適用場景，我們將通過詳細的步驟和實際操作，幫助你快速上手，讓你也能擁有一個屬於自己的智能知識庫。幾分鐘帶你學會~ 為什麼選

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

openkylin 頭像

openKylin - 攜手共建中國操作系統根社區，openKylin單位會員破百家！

開放、協作、共享的開源模式已成為全球軟件技術和產業創新的主導，也為信息技術國產自主化提供了強大助力。據不完全統計，超過90%的廠商在使用開源軟件。2021年,開源首次寫入“十四五”規劃，在軟件定義未來世界，開源決定軟件未來的當下，開源理念在國內已被足夠重視。6月24日，中國首個桌面操作系統開源根社區openKylin正式發佈，以聚焦桌面操作系統根技術為核心、以孵化相關領域關鍵項目為目標、以佈道開源

emacs , github , 人工智能 , 深度學習 , Git

收藏 評論

u_16213412 頭像

mob64ca12ebb57f - AIGC課程

AIGC課程是指利用人工智能生成內容（AIGC）相關的課程，它主要面向幫助學生和從業者理解和應用人工智能技術以生成內容的方法。本文將詳細記錄解決“AIGC課程”相關問題的過程，涵蓋環境準備、分步指南、配置詳解、驗證測試、優化技巧和擴展應用等六個部分。 環境準備 在開展AIGC課程前，需要確定合適的軟硬件要求。以下是針對不同操作系統和軟件版本的兼容性矩陣表：

aigc , 人工智能 , Python

收藏 評論

akamai 頭像

Akamai - BlackstoneOne 實現業務十倍增長：IT安全服務商依託Akamai雲平台，為更多客户提供創新解決方案與功能

"在我們發展的每個階段，Akamai始終相伴。從可預測的定價到區域技術支持，再到便捷的使用體驗，它已成為我們讓中小企業也能享受高效IT安全服務這一征程中不可或缺的夥伴。" ——BlackstoneOne 合夥人兼高級開發工程師 Jacob Honoré 為中小企業簡化IT安全防護 BlackstoneOne致力於革新中小企業的IT安全防護，提供先進的漏洞管理與攻擊面管理解決方案。2019年

雲計算 , 雲服務 , 人工智能

收藏 評論

u_14587 頭像

bugouhen - service如何配置流量權重

一，配置報表查看權限 　　方法一：使用dynamic365添加用户組管理 　　　　參考教程：https://www.pianshen.com/article/25031937531/ 　　方法二：配置訪問目錄和用户角色 　方法三：如果數據源是SQL，通過SQL AS實現人員或者部門級的權限控制 　　方法

數據集 , 數據 , 用户權限 , 人工智能 , 深度學習 , service如何配置流量權重

收藏 評論

deephub 頭像

deephub - Lux 上手指南：讓 AI 直接操作你的電腦

Lux 要是一個專門用於計算機操作的基礎模型。和那些只會生成文字的 AI 不同，Lux 能看懂屏幕內容並理解自然語言描述的任務目標，然後實時操控計算機完成工作。 比如説你對電腦説"打開瀏覽器，訪問 xxx"，然後它就真的執行了：鼠標移動、圖標點擊、網址輸入、頁面滾動，整個過程和真人操作沒什麼區別。 Lux 的技術實現 Lux 不依賴 API 接口所以能在任何應用中工作：瀏覽器、編輯器、郵件

llm , agent , 神經網絡 , 人工智能 , 深度學習

收藏 評論

u_16459925 頭像

wx6583a3b0b06d1 - LocalAI Docker 容器化部署指南

概述 LocalAI 是一款免費開源的OpenAI替代方案，作為兼容OpenAI API規範的REST API服務，它允許用户在本地或企業內部環境中運行大型語言模型（LLMs）、生成圖像和音頻等AI功能。該項目無需GPU支持，可在消費級硬件上運行，支持多種模型家族，為開發者和企業提供了本地化AI推理的靈活解決方案。 LocalAI 的核心優勢在於其兼容性和部署靈活性：

LocalAI部署 , LocalAI , API , openai , 人工智能 , 深度學習 , Docker

收藏 評論

u_16099361 頭像

16099361 - 數據可視化任務是

導讀：其實工作中我們並不需要作出很炫酷的視覺呈現，數據可視化主要旨在藉助於圖形化手段，清晰有效地傳達與溝通信息，有效地傳達思想概念，通過直觀地傳達關鍵的方面與特徵，從而實現對於相當稀疏而又複雜的數據集的深入洞察。因此在設計過程中：每一個選擇，最終都應落腳於讀者的體驗，而非圖表製作者個人。 一、不得不注意的圖表製作小

交互設計 , 數據可視化 , 人工智能 , 數據可視化任務是 , 可視化 , HTML

收藏 評論