tag 深度學習

標籤
貢獻335
472
05:25 PM · Oct 25 ,2025
deephub 頭像 xingxingshangdeliushu 頭像 tecdat 頭像 u_15591470 頭像 u_17512334 頭像 u_17580222 頭像 chaoshenjinghyperai 頭像 qingfouai 頭像 chenzhuodeyagao 頭像 youqingyouyidejidan 頭像 ziwupython 頭像 u_16060192 頭像

@深度學習 / 博客 RSS 訂閱

u_13357275 頭像

上海拔俗網絡 - AI能掐會算？揭秘工廠裏的“預言家”：故障預測系統

想象一下：你工廠裏那台價值千萬的核心設備，突然在凌晨三點停止運轉——生產線中斷、訂單延誤、損失以秒計算。現在，另一個場景：系統提前三天發來預警：“C區7號軸承將於72小時後異常，建議週四早班檢修。”這不是魔法，而是AI故障預測系統在發揮作用。 這個“預言家”究竟如何工作？ 核心原理很簡單：從數據中尋找故障的“前奏模式”。就像老技師聽機器聲音能判斷問題，AI則通過海量數據“學習”故

數據 , NLP , 數據中心 , 人工智能 , 深度學習

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 【TVM 教程】為 x86 CPU 自動調優卷積網絡

Apache TVM 是一個深度的深度學習編譯框架，適用於 CPU、GPU 和各種機器學習加速芯片。更多 TVM 中文文檔可訪問 →https://tvm.hyper.ai/ 作者：Yao Wang, Eddie Yan 本文介紹如何為 x86 CPU 調優卷積神經網絡。 注意，本教程不會在 Windows 或最新版本的 macOS 上運行。如需運行，請將本教程的主體放在 if name == "

gpu , 人工智能 , 編譯器 , 深度學習 , cpu

收藏 評論

u_16099169 頭像

編程夢想家 - PKC雷達目標檢測

本文作者：黃浴| 以前提到過此文（在想法中），WACV‘2021錄取：“CenterFusion: Center-based Radar and Camera Fusion for 3D Object Detection“ https://arxiv.org/abs/2011.04841 摘要：這是一個middle

機器學習 , PKC雷達目標檢測 , 人工智能 , 深度學習 , 計算機視覺

收藏 評論

zhuifengdekaomianbao 頭像

張老師講數字孿生 - 數據整合太難？標準化中間件或是數字孿生落地關鍵

數字孿生技術的應用正從概念驗證走向規模化部署，但數據整合瓶頸成為制約其落地的主要障礙。面對多源異構的工業數據，傳統定製化集成方案成本高、效率低，而標準化中間件通過構建統一的數據交換層，正成為破解這一難題的技術關鍵。 數據整合的三大技術挑戰 在數字孿生實施過程中，數據整合面臨三大核心挑戰。數據源異構性首當其衝：企業系統中同時存在關係數據庫、時序數據庫、NoSQL等多種數據存儲形式，數據格式和

機器學習 , 觀點 , 算法 , 人工智能 , 深度學習

收藏 評論

u_16060192 頭像

HyperAI超神經 - 在線教程｜ 騰訊混元開源端側翻譯工具HY-MT1.5，1.8B模型僅需1G內存

在機器翻譯領域，傳統的高性能模型往往面臨兩個核心難題。對於主流語言，閉源商業模型效果出眾但調用成本高，模型參數量動輒百億級別，需要高昂的算力支持，難以在手機等消費級設備上部署。另一方面，對於數據稀缺的低資源小語種，以及包含專業術語、文化特定表達的文本，模型翻譯質量常常不佳，容易出現幻覺問題或語義偏差。這導致用户在日常和移動場景下，常常在高質量、高成本的雲端服務與本地化、輕量化但效果不足的

機器學習 , 多語言 , 機器翻譯 , AI , 人工智能 , 深度學習

收藏 評論

u_17003056 頭像

贛州雲智科技 - “體重管理年”AI運動應用開發解決方案推薦

引言： 又是一年年末了，距國家提出“體重管理年”健康促進活動已過去一年了，您的體重達標了嗎？今天，就讓我們一同深入探討單位、部門組織職工響應國家“體重管理年”活動時，在相關應用開發方面的實用解決方案。 一、「體重管理年」健康促進活動 體重管理年是由國家衞生健康委聯合教育部、體育總局等16個部門於2024年6月共同發起的健康促進活動，旨在應對居民因超重

體重管理年 , AI健身 , 人工智能 , AI運動識別 , 深度學習 , AI運動小程序 , AI運動APP

收藏 評論

u_16099238 頭像

碼海探險家 - 文本分類實戰--從TFIDF到深度學習CNN系列效果對比（附代碼）_51CTO博客

文本分類模型對比：p1xt-guides SVM與深度學習方法評測 你是否還在為文本分類任務選擇模型而困擾？本文將對比分析p1xt-guides項目中的SVM與深度學習方法在文本分類任務上的表現，幫助你快速掌握兩種方法的優缺點及適用場景。讀完本文，你將瞭解到： SVM與深度學習在文本分類中的核心原理 兩種方法在p1xt-guides項目中

數據集 , 雲計算 , 雲服務 , 深度學習 , 文本分類

收藏 評論

u_15591470 頭像

ceshiren2022 - 藉助Playwright MCP實現UI自動化測試：全面指南與實戰案例

想象一下，只需用自然語言告訴AI：“測試網站的登錄功能”，它就能自動操作瀏覽器，完成整個測試流程並生成報告——這就是Playwright MCP帶來的變革。 在快速迭代的現代軟件開發中，UI自動化測試已成為保障產品質量的關鍵環節。然而，傳統自動化測試方法高度依賴測試工程師手動編寫和維護腳本，不僅耗時巨大，且腳本脆弱性高——頁面結構的細微變化就可能導致測試失敗。 隨着大語

自然語言 , 人工智能 , 深度學習 , 自動化測試 , ui

收藏 評論

openbayescom 頭像

OpenBayes - SAM3 重塑場景分割邊界；X-Dance 解鎖圖像驅動舞姿生成新難度

公共資源速遞 5 個公共數據集： 3EED 語言驅動三維理解數據集 X-Dance 圖像驅動舞蹈動作數據集 PhysToolBench 物理工具任務數據集 OST-Bench 時空場景理解基準數據集 Astrophysical Objects Image 天體物理物體圖像數據集 4 個公共教程： SAM3：視覺分割模型 FLUX.2-dev：圖像生成與編輯模型 Superto

機器學習 , 資訊 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

u_7883056 頭像

巨浪888 - 讓聾啞人“開口”被聽見：我用Comate + 文心4.5，10分鐘搭了個「AI 無聲譯手」讓聾啞人“開口”被聽見：我用Comate + 文心4.5，10分鐘搭了個「AI 無聲譯手」

你試過和聾啞人聊天嗎？ 我試過——在醫院的掛號窗口，一位聾啞大叔用手語比劃了半天，我和工作人員面面相覷，最後他默默掏出手機，打字：“我想掛號”。 那一刻我意識到：我們生活在同一個世界，卻彷彿隔着兩個次元。 中國有2800萬聽障人士，手語翻譯師卻只有1萬名。 供需比 2800 : 1。 一台專業手語翻譯機要6000-12000元，普通人根本看不懂手語。 於是我冒出一個想

code , 微信小程序 , zulu , 私藏項目實操分享 , 離線 , AI編程 , 人工智能 , 深度學習

收藏 評論

u_16175476 頭像

mob649e815e9bc9 - Stable Diffusion雲教室

Stable Diffusion雲教室是一個基於當今前沿人工智能技術的平台，旨在為用户提供方便快捷的圖像生成服務。這個服務運用了深度學習、大規模模型訓練等技術，支持複雜的圖像內容生成，通過用户友好的界面實現無縫的體驗。在這篇文章中，我們將深入探討如何解決“Stable Diffusion雲教室”的相關技術問題，包括其性能指標、功能特性、實戰對比以及更多的深度分析。 背景定位 St

User , aigc , 深度學習 , Image

收藏 評論

u_17583190 頭像

fangpin - 深入解析：使用 Triton 實現 Flash Attention2 - 讓大模型訓練飛起來

引言 你是否曾經在訓練大型語言模型時，眼睜睜地看着 GPU 內存不斷飆升，最終因為 OOM（Out of Memory）錯誤而前功盡棄？或者在處理長序列時，發現注意力機制的計算時間呈平方級增長，讓人望而卻步？ 如果你有過這樣的經歷，那麼今天這篇文章將為你帶來一個革命性的解決方案：Flash Attention2。更令人興奮的是，我們將通過 Triton 這個強大的 GPU 編程框

歸一化 , 人工智能 , 深度學習 , ide , Python

收藏 評論

u_16099261 頭像

風華絕代的java - 目標跟蹤ID

本期更新全是乾貨 首先説一下我們跑完訓練好的跟蹤器之後，可能想自己製作一個視頻，然後運用到跟蹤當中，這期博主帶大家一步一步的完成這個目標，看很多博客沒有系統的製作，並且過程比較繁瑣，沒有統一的説明。這次給大家帶些福利，節省大家科研工作的時間！歡迎大家積極討論！ 注：博主也是花了很多時間，所以，如果説對大家有用，給博主點點關注，謝謝！ 視

目標跟蹤 , 人工智能 , 目標跟蹤ID , 深度學習 , 計算機視覺 , Python

收藏 評論

huodadexiang 頭像

南瓜 - 基於深度學習的河道垃圾檢測系統設計（YOLOv8）

基於深度學習的河道垃圾檢測系統設計（YOLOv8） 一、研究背景：AI 如何參與河道環境治理？ 隨着城市化進程加快，河道、湖泊、水庫等水體中的塑料垃圾問題日益嚴峻。其中，塑料瓶因體積明顯、數量龐大、難以自然降解，已成為水環境污染治理中的重點對象。 傳統河道垃圾監測方式主要存在以下痛點： ❌ 人工巡查成本高、效率低 ❌ 監測結果主觀性強，難以量化 ❌ 無法實現實時、連續監控 ❌ 難以形成

機器學習 , 人工智能 , 深度學習

收藏 評論

u_15591470 頭像

ceshiren2022 - 測試框架躍遷：從 Selenium 到 Playwright 的實戰指南

如果你已經在使用 Selenium 進行 Web 自動化測試，可能會注意到近年來 Playwright 的崛起。這不是簡單的替代關係，而是一次測試能力的全面升級。我在去年帶領團隊完成從 Selenium 到 Playwright 的遷移後，測試執行速度提升了40%，代碼維護成本降低了30%。更重要的是，那些曾經令人頭疼的等待問題、不穩定性問題，都得到了顯著改善。 核心差異：不僅僅是語

playwright , 人工智能 , 深度學習 , selenium

收藏 評論

u_16349720 頭像

短短同學 - 計算機系統認知簡介

計算機系統認知簡介 計算機系統並非單一設備，而是由 “硬件” 與 “軟件” 協同構成的複雜整體，其核心目標是 “接收輸入、處理數據、輸出結果”，支撐從日常辦公到人工智能的各類應用。要理解計算機系統，需先理清其 “硬件為體、軟件為魂” 的架構邏輯，以及各組件如何分工協作完成任務。 一、計算機系統的核心組成：硬件與軟件的二元結構 計算機系統的基礎是 “硬件”，而賦予

數據 , 人工智能 , 深度學習 , 計算機系統 , 應用軟件

收藏 評論

u_17582161 頭像

成都古河雲科技 - 一體化智能安防監控管理平台解決方案

當前，許多企業單位的安防系統正處於一個“尷尬”境地：設備裝了不少，屏幕也掛了一牆，但真正的安全能力卻始終在低水平徘徊。其核心癥結往往在於以下幾點： 1. 人眼疲勞，效率低下：依賴保安人員7×24小時緊盯幾十個甚至上百個監控畫面，注意力極易分散，超過20分鐘後漏看率顯著上升，難以發現隱蔽、瞬時的風險。 系統割裂，各自為戰：視頻監控、門禁控制、入侵報警、消防感應

人臉識別 , 數據 , 人工智能 , 深度學習 , 安全管理

收藏 評論

u_17580222 頭像

mb691327edb400f - 告別“感覺選人”：AI面試重構招聘決策的精準內核

75%的企業高管已將AI納入核心戰略，但“戰略願景”與“價值落地”之間仍存在明顯斷層——多數組織僅將AI用於HR流程自動化，卻未觸及招聘最核心的“判斷與決策”環節。這讓HR陷入兩難：一邊要承接高層對效率、規模與合規的嚴苛要求，一邊仍需依賴經驗、感覺與人海戰術硬扛招聘壓力。事實上，AI的真正價值不在於“省力氣”，而在於成為HR的“決策合夥人”；真正能推動HR躋身戰略席位的，

自動下載 , 自動回覆 , 管理系統 , 人工智能 , 深度學習

收藏 評論

tecdat 頭像

拓端tecdat - 大語言模型LLM高級Prompt臨牀科研輔助研究——AdaBoost、LightGBM、MLP食道癌預測、遺傳性聽力損失診斷

全文鏈接：https://tecdat.cn/?p=44689 原文出處：拓端數據部落公眾號 關於分析師 San Zhang 在此對San Zhang對本文所作的貢獻表示誠摯感謝，他在北京航空航天大學完成了控制工程專業的碩士學位，專注人工智能領域。擅長Python、Matlab仿真、視覺處理、神經網絡、數據分析 。 San Zhang曾在所有保險領域工作，包括人壽、健康

機器學習 , 數據挖掘 , 人工智能 , 深度學習

收藏 評論

u_16213678 頭像

mob64ca140ee96c - Mobile SDK V4demo運行後怎麼進入

一、準備下載工具 現在NVIDIA提供了SDKManeger的工具，相比於之前的Jetpack界面 SDKManager下載 官方參考教程 我這裏下載的是SDK manager1.1.0版本 sudo dpkg -i sdkmanager_1.1.0-6343_amd64.deb 安裝完成之後運行軟件

機器學習 , pytorch , 人工智能 , Machine , 深度學習 , 用户名 , Ubuntu

收藏 評論

u_16213421 頭像

mob64ca12edea6e - ubuntu下ollama gpu

在使用 Ubuntu 操作系統設置 Ollama 的 GPU 加速時，常常會遇到一些問題。以下是關於如何解決“ubuntu下ollama gpu”問題的記錄，幫助你更好地瞭解並解決相關的技術挑戰。 背景定位 在擁抱深度學習與機器學習的今天，Ollama 提供了一個強大的框架，結合 GPU 的加速能力，可以顯著提升訓練與推理的效率。然而，對於 Ubuntu 用户來説，正確配置 GP

工具鏈 , aigc , 深度學習 , 解決方案

收藏 評論

u_17335978 頭像

夕年HM - 面向課堂與自習場景的智能坐姿識別系統——從行為感知到可視化部署的完整工程【YOLOv8】

面向課堂與自習場景的智能坐姿識別系統——從行為感知到可視化部署的完整工程【YOLOv8】 一、研究背景：為什麼要做“坐姿識別”？ 在信息化學習與辦公環境中，久坐與不良坐姿已成為青少年與上班族普遍面臨的健康問題。長期駝背、前傾、低頭等坐姿行為，容易引發： 脊柱側彎、頸椎病 注意力下降、學習效率降低 視覺疲勞與肌肉勞損 傳統的

數據集 , v8 , 圖形界面 , 人工智能 , 深度學習

收藏 評論

deephub 頭像

deephub - ReSearch：基於強化學習的大語言模型推理搜索框架

ReSearch是一種創新性框架，通過強化學習技術訓練大語言模型執行"推理搜索"，無需依賴推理步驟的監督數據。該方法將搜索操作視為推理鏈的有機組成部分，其中搜索的時機與方式由基於文本的推理過程決定，而搜索結果進一步引導後續推理。研究分析表明，ReSearch在強化學習訓練過程中自然地形成了高級推理能力，包括反思與自我糾正機制。 技術方法 ReSearch的訓練架構概述 與傳統的僅包含文本推理的推

llm , 搜索 , 人工智能 , 深度學習

收藏 評論

chenzhuodeyagao 頭像

沉着的牙膏 - 全景式金融行業數據安全管理方案

一、概要 （提示：從全局視角審視金融數據安全，才能真正理解“監測”在數字化金融中的基礎性價值。） 隨着金融行業全面邁入數字化深水區，數據已從“業務副產品”轉變為支撐金融服務創新與風險防控的核心資產。賬户交易、信貸審批、徵信流轉、跨境支付等高頻場景持續放大數據價值的同時，也顯著提升了數據安全風險的複雜度與破壞性。傳統以單點、單系統為核心的數據安全監測模式，已難以應對金融業務多系統耦合、多

深度學習

收藏 評論