tag 人工智能

標籤
貢獻960
1533
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_16213677 頭像

mob64ca140eb362 - springer link旗下的期刊怎麼看到審稿過程

年份：2020-10-26 論文鏈接： https://aclanthology.org/2020.coling-main.138.pdfhttps://drive.google.com/file/d/1UAIVkuUgs122k02Ijln-AtaX2mHz70N-/viewhttps://drive.google.com/file/d/1iwF

卷積 , word , 論文閲讀 , 架構 , 後端開發 , 人工智能 , 2d

收藏 評論

u_16655836 頭像

wx6603b05eb93d0 - 上游6666元教養殖，下游變神藥治百病！殺人蜂騙局兩頭割……

俗話説，人有多大膽，地有多大產！這句俗語，在賺錢這件事上，體現得尤為淋漓盡致。 比如，小柴看完今天的一個熱搜話題，感慨，你永遠想不到，殺人蜂這玩意，竟然也能成為暴利生意，而且還能做到兩頭收割的完美閉環。 這個熱搜話題是——央視曝光6666元包教包會養殺人蜂…… 可能看到這個話題，你就會覺得，這和當年教養蠍子的騙局有啥區別？但你要相信，騙局永遠是與時俱進的

人工智能 , 數據分析 , 社交媒體

收藏 評論

u_12218 頭像

棉花糖 - 學習筆記七：transformer總結（1）

《Transformer最強動畫講解》以“視覺化理論推演+PyTorch工程化落地”的教學範式，讓我實現了從“懂理論”到“通代碼”的進階，更收穫了一套高效的深度學習學習方法。 教程開篇錨定2017年奠基論文《Attention Is All You Need》，直擊傳統序列模型的兩大痛點：RNN及其變體受串行計算限制，長距離依賴捕捉能力弱且並行效率低；CNN雖能

歸一化 , Mask , 人工智能 , 深度學習

收藏 評論

u_16163442 頭像

datian1234 - 數智化轉型利器：揭秘數字企業模型與指標體系，引領行業新風向！

簡介 數智化轉型是一個非常有深度且緊跟當前企業管理與技術趨勢的話題。 區分“數字化”與“智能化”是理解當前企業轉型升級的關鍵起點。數智化轉型(Digital-Intelligent Transformation)則是二者的深度融合與演進，其中**「數字企業模型」與「指標體系」**構成了轉型的核心支柱。以下將系統闡述這些概念及其在企業中的應用。

redis , github , 產品經理 , 算法 , 知識圖譜 , 數據庫 , 人工智能

收藏 評論

u_16060192 頭像

HyperAI超神經 - 2026年將成中美AI競賽拐點？美國監管邏輯轉向背後，各巨頭算力豪賭未止

如果要用關鍵詞概括 2025 年，那麼這一年無可爭議地屬於人工智能：當 AI 發展不再止步於技術圈內部的競賽，而深度滲入內容生產、情感互動和公共討論，那麼它已經成為了塑造世界的真實力量。 人們對 AI 的評價也從未如此分裂。劍橋詞典發佈了 2025 年度詞「Parasocial（準社會關係）」，指出了人們與虛擬對象——包括 AI 聊天機器人——之間愈發普遍的單向情感連接。 「隨着與

插入圖片 , 人工智能 , 基礎設施 , 深度學習

收藏 評論

u_15641375 頭像

芯動大師 - 關於深度學習量化的操作

0. 簡介 深度學習中做量化提升運行速度是最常用的方法，尤其是大模型這類非常吃GPU顯存的方法。一般是高精度浮點數表示的網絡權值以及激活值用低精度（例如8比特定點）來近似表示達到模型輕量化，加速深度學習模型推理，目前8比特推理已經比較成熟。比如int8量化，就是讓原來32bit存儲的數字映射到8bit存儲。int8範圍是[-128,127]， uint8範圍是[0,255]

機器學習 , yyds乾貨盤點 , 最小值 , 數據 , 人工智能 , 非對稱

收藏 評論

u_17420180 頭像

合合信息解決方案 - 如何將公司內部知識庫（Word/PDF）接入大模型？

2025 年 12 月，OpenAI 正式發佈以 “職場效率革新” 為核心的 GPT-5.2 大模型，其在長文檔分析、多模態理解、專業場景推理等領域的突破性表現，為企業激活內部知識資產提供了全新可能。對於企業而言，GPT-5.2 的強大能力不至於通用問答—— 真正的核心需求，是讓這一先進大模型能夠 “讀懂” 公司內部海量的 Word 技術文檔、PDF 合同協議、Excel 數據報

機器學習 , 上傳 , 人工智能 , 文檔解析 , 結構化

收藏 評論

puxiaoke6 頭像

一點人工一點智能 - 書籍-《計算機科學中的離散數學》

書籍：Essential Discrete Mathematics for Computer Science 作者：Harry Lewis，Rachel Zax 出版：Princeton University Press​​ 編輯：陳萍萍的公主@一點人工一點智能 書籍下載-《計算機科學中的離散數學》 01 書籍介紹 離散數學是計算機科學許多領域的基礎，從算法和自動機

離散數學 , 人工智能 , 計算機科學

收藏 評論

u_17061379 頭像

AI編程社區 - 零基礎上手 Qoder，我的一些感悟分享

最近機緣巧合參加了內部 AI 分享會上財務同學的介紹後，看到一個之前沒怎麼接觸過編程的同學，也能在短時間內生成一個像模像樣的小工具，那一刻確實有被 AI Coding 的能力震撼到。AI生成代碼的能力，無疑會大大降低編程的門檻，提升編程的效率。 好奇心驅使，結合目前團隊的需求，在這一個月裏，我對 Qoder 進行了深度使用，並完成了兩個初步可用的小系統，目前這兩個系統已穩定

機器學習 , 專家經驗 , 人工智能 , 安全資訊 , 代碼實現

收藏 評論

u_16349720 頭像

短短同學 - 對象住哪裏?——深入剖析JVM內存結構與對象分配機制

對象住哪裏？—— 深入剖析 JVM 內存結構與對象分配機制 在 Java 程序運行時，我們創建的每一個對象（如new User()）都需要佔用 JVM 內存，但這些對象究竟 “居住” 在哪個內存區域？為何有的對象很快被回收，有的卻能長期存活？要解答這些問題，必須先理清 JVM 的內存結構劃分，再深入對象從創建到銷燬的全生命週期分配邏輯 —— 這不僅是面試高頻考點，更是理解

User , jvm , 人工智能 , 深度學習 , 常量池

收藏 評論

u_15996251 頭像

明日cto - 機器學習——可視化工具

機器學習中，可視化工具用於幫助理解數據分佈、模型性能、訓練過程以及結果分析。以下是一些常用的可視化工具及其詳細講解 一、Matplotlib 作用：基礎的繪圖庫，適用於各種靜態、動態和交互式圖表。 主要功能： 繪製折線圖、柱狀圖、散點圖、直方圖等 自定義圖表樣式、座標軸、圖例等 示例： pythoni

機器學習 , yyds乾貨盤點 , 人工智能 , 可視化工具 , Python

收藏 評論

yuanfang_648a85b26d85e 頭像

farfarcheng - 邁入大模型時代的深度學習：使用 Flash Attention 技術讓 Transformer 起飛

Transformer 是 ChatGPT 等大語言模型的核心技術之一，而注意力機制是其的關鍵部分。但是，標準的注意力實現具有二次時間和內存複雜度，使其在長序列任務上變慢並消耗大量顯存。這限制了 Transformer 能夠建模的上下文長度，同時使得大尺度模型的訓練和推理時間延長。 FlashAttention: Fast and Memory-Efficient Exact Attention

機器學習 , Flash , 人工智能 , transformer , 深度學習

收藏 評論

youyudetusi 頭像

憂鬱的吐司 - 數字人帶貨狂攬 23 億！數字人主播成電商新寵，直播帶貨迎來全新時代？

2025 年雙十一，數字人帶貨交出了震撼行業的成績單：京東平台數字人直播總成交額突破 23 億元，1.7 萬商家通過虛擬主播實現 24 小時不間斷開播，帶動平台整體轉化率提升 30%。（青否數字人源頭v：zhibo175） !從凌晨三點仍在滔滔不絕的國貨彩妝虛擬主播，到創下 5500 萬單場 GMV 的羅永浩 AI 分身，數字人正從直播帶貨的 “補充角色” 躍升為 “核心生產力”，引發行業對 “無

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

u_12195 頭像

jojo - qnx裏面執行system需要增加的權限

折騰了一天 看了很多文章 加上和HB的討論 口乾舌燥的我們 終於差不多弄清楚了 keil option 的配置，換句話説就是scatter文件的配置。 網上都有的 我就不寫了。 重點是 scatter的作用 scatter 是 指定我將要加載的地址（加載域,r

機器學習 , scatter arm , 加載 , 人工智能 , 編譯器 , 啓動過程

收藏 評論

u_17579295 頭像

mb6911caa73d1d1 - 工業數字孿生：從 “設備可視化” 到 “產線級智能調度與優化”

在智能製造浪潮的推動下，數字孿生技術正以前所未有的深度融入工業生產的核心。越來越多的企業通過數字孿生工程，已初步實現關鍵設備的三維可視化監控、遠程運維支持與故障精準回溯，顯著提升了管理透明度與響應效率。 然而，在智能化升級的大趨勢下，工業數字孿生的價值，不應止步於“鏡像現實”，而應邁向“優化現實”。其演進路徑，是從“看見”到“預見”，從“呈現”到“優化”的深刻躍遷。

it , 數據 , 物聯網 , 數據可視化 , 人工智能 , 數字孿生

收藏 評論

u_16213573 頭像

數據探索家 - JAXBElement

由於javaBean中的屬性是custFullName，所以在使用jsp的時候，通過el表達式獲取屬性的值td${m.CustFullName}/td。但是加載頁面的時候報【javax.el.PropertyNotFoundException: Property [custFullName] not readable on type [com.aiwei.tdjk.entity.

機器學習 , 大小寫 , el表達式 , 首字母 , JAXBElement , 人工智能

收藏 評論

u_15837107 頭像

中偉視界科技尹生 - 中偉視界：企業級解決方案，構建基於多模態數據的皮帶堵料智能預警平台

——基於雙模式AI視覺與多模態預警平台的綜合施策 1. 項目背景與核心痛點 在礦山、水泥、冶金及電力等行業，皮帶輸送機是物料輸送的命脈。其轉運下料口作為最易發生故障的瓶頸點，堵料問題頻發，導致生產中斷、設備損壞，甚至引發安全事故。 傳統檢測方式的侷限： 人工巡檢：響應滯後、人力成本高、夜間及惡劣環境下效率低下。 機械擋板/行程開關：與物料直接

機器學習 , 多模態融合 , 智慧礦山 , 皮帶堵料檢測 , 私藏項目實操分享 , 人工智能 , 礦山多模態預警平台 , 皮帶堵料AI解決方案

收藏 評論

u_4820306 頭像

運維灬小兵 - 使用Spring-AI的chatMemoryAdvisor實現多輪會話

代碼 controller/ZhipuChatMemoryController.java package org.example.controller; import org.example.advisor.CallAdvisor1; import org.example.advisor.CallAdvisor2; import

spring , 人工智能 , JAVA , 前端開發 , Javascript

收藏 評論

ting_61d6d9790dee8 頭像

汀丶 - AI Compass前沿速覽：Open-AutoGLM智能體框架、Z-Image圖像生成、GLM-4.6V

AI Compass前沿速覽：Open-AutoGLM智能體框架、Z-Image圖像生成、GLM-4.6V多模態理解與可靈2.6音畫同步技術 AI-Compass 致力於構建最全面、最實用、最前沿的AI技術學習和實踐生態，通過六大核心模塊的系統化組織，為不同層次的學習者和開發者提供從完整學習路徑。 github地址：AI-Compass👈：https://github.com/tingaic

人工智能

收藏 評論

u_16099215 頭像

技術領航員 - qemu前端 host後端

什麼是是Github? 為開發者提供Git倉庫的託管服務。 Github與Git的區別：在Git，開發者將源代碼存入名叫“Git倉庫”的資料庫中並加以使用。而Github則是在網絡上提供Git倉庫的一項服務 使用Github會帶來哪些變化 1.協作形式變化：開發者之間引發化學反應的Pull Request.Pull Request是指開發者在本地對源代碼進

機器學習 , 人工智能 , qemu前端 host後端 , 開發者 , 遠程倉庫 , Git

收藏 評論

u_16213587 頭像

mob64ca13f937ae - vfp中四捨五入取整函數

C# 中沒有四捨五入函數，程序語言都沒有四捨五入函數，因為四捨五入算法不科學，國際通行的是 Banker 舍入法 Bankers rounding（銀行家舍入）算法，即四捨六入五取偶。事實上這也是 IEEE 規定的舍入標準。因此所有符合 IEEE 標準的語言都應該是採用這一算法的 Math.Round 方法默認的也是 Ban

Math , vfp中四捨五入取整函數 , 人工智能 , 計算機視覺 , MSDN , 四捨五入

收藏 評論

u_16213723 頭像

mob64ca1419e0cc - CUBeMX 配置STM32F103c8 串口2

基於stm32f10x系列單片機demo程序修改 配置串口 void USART1_Config(void) { GPIO_InitTypeDef GPIO_InitStructure; USART_InitTypeDef USART_InitStructure; NVIC_InitTypeDef NVIC_InitStruc

機器學習 , 串口 , 數據 , i++ , 單片機 , 人工智能

收藏 評論

u_16099177 頭像

雲端小夢 - AI與大數據的結合(個人理解)_ai 大數據 融合

為電商或遊戲平台引入AI智能體（特別是RAG技術）能顯著提升用户體驗和運營效率。為了幫助你快速進行技術儲備，我為你整合了一套從概念到實戰的學習路徑和資源。 下面的表格梳理了構建RAG智能體的核心環節及對應的實用工具與平台，你可以根據自身情況靈活選擇。

遊戲 , 大數據 , 數據 , API , 後端開發 , 人工智能 , Python

收藏 評論

u_13479 頭像

jkfox - 權重向量是特徵向量嗎 特徵向量與權重的關係

前言 動筆寫這個支持向量機(support vector machine)是費了不少勁和困難的，原因很簡單，一者這個東西本身就並不好懂，要深入學習和研究下去需花費不少時間和精力，二者這個東西也不好講清楚，儘管網上已經有朋友寫得不錯了(見文末參考鏈接)，但在描述數學公式的時候還是顯得不夠。得益於同學白石的數學證明，我還是想嘗試寫一下，希望本文在兼

權重向量是特徵向量嗎 , 支持向量機 , 數據 , 人工智能 , 深度學習 , 約束條件

收藏 評論