tag 深度學習

標籤
貢獻335
474
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_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

puxiaoke6 頭像

一點人工一點智能 - 書籍-《使用TensorFlow和Keras的神經網絡》

書籍：Neural Networks with TensorFlow and Keras: Training, Generative Models, and Reinforcement Learning 作者：Philip Hua 出版：Apress​ 編輯：陳萍萍的公主@一點人工一點智能 下載：書籍下載-《使用TensorFlow和Keras的神經網絡》 01 書

機器學習 , tensorflow , 神經網絡 , 深度學習

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

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

u_17225437 頭像

二川bro - 2025深度學習框架對決：TensorFlow與PyPyTorch深度測評

概述 在2025年的深度學習領域，TensorFlow和PyTorch作為兩大主流框架，各自形成了完整而強大的生態系統。本文將從技術架構、性能表現、開發體驗、產業應用等多個維度，對這兩個框架進行全面的對比分析，為開發者和企業在框架選型時提供詳實的參考依據。 技術架構深度解析 TensorFlow 2.x 架構演進

tensorflow , MySQL , API , 工具鏈 , 數據庫 , 人工智能 , 深度學習

收藏 評論

youqingyouyidejidan 頭像

底層邏輯探索 - AI與網絡安全的較量：主動防禦時代的策略與實踐

一、人工智能下隱藏的威脅 1.1 數據污染 在訓練階段，一旦AI數據集被惡意篡改（如加入虛假信息、重複數據或偏置樣本），模型可能在關鍵場景中出現嚴重誤判。典型案例包括：被植入木馬的面部識別系統只需識別到特定飾品便會放行；而自動駕駛車輛即便在日常運行中表現正常，也可能在看到某個特定信號後觸發預設木馬，導致危險行為。 1.2 門檻降低 生成式AI顯著降低了發動複雜攻擊的技術門檻

深度學習

收藏 評論

u_14844 頭像

definitely - TVFEMD算法 具體步驟

TVM介紹 為解決深度學習框架和硬件後端適配問題，華盛頓大學的陳天奇等人提出了TVM. TVM是一個端到端的全棧編譯器，包括統一的IR堆棧和自動代碼生成方法，其主要功能是優化在CPU、GPU和其他定製AI芯片上執行的AI模型，通過自動轉換計算圖，實現計算模式的融合和內存利用率最大化，並優化數據佈局，完成從計算圖到算子級別的優化，提供從前端框架到AI芯片、端

機器學習 , 手機端 , TVFEMD算法 具體步驟 , 深度神經網絡 , 人工智能 , 深度學習

收藏 評論

u_16970152 頭像

求知上進 - Python 數據結構：序列通用操作

在 Python 編程中，序列是一種重要的數據結構，它用於存儲一系列的元素。Python 中的序列類型包括列表（list）、元組（tuple）、字符串（str）以及範圍（range）等。理解序列的通用操作能夠幫助開發者更高效地處理數據，提高編程的靈活性和可讀性。本文將深入探討 Python 中的序列通用操作，內容涵蓋基本概念、常見方法、應用場景以及最佳實踐，力求為讀者提供全面且深

字符串 , 人工智能 , 深度學習 , 元組 , Python

收藏 評論

u_15641375 頭像

芯動大師 - 對深度學習概念的基礎理解與認識

一、神經網絡的組成 人工神經網絡（Artificial Neural Networks，簡寫為ANNs）是一種模仿動物神經網絡行為特徵，進行分佈式並行信息處理的算法數學模型。 這種網絡依靠系統的複雜程度，通過調整內部大量節點之間相互連接的關係，從而達到處理信息的目的，並具有自學習和自適應的能力。神經網絡類型眾多，其中最為重要的是多層感知機。為了詳細地描述神經網絡，我們

機器學習 , yyds乾貨盤點 , 神經網絡 , 人工智能 , 深度學習 , 數據結構與算法

收藏 評論

u_14172 頭像

archangle - 自然語言處理涉及的技術棧 自然語言處理最新技術

伴隨着近幾年的機器學習的熱潮，自然語言處理成為了目前炙手可熱的研究方向，同時也是 Google、Microsoft、Facebook、Baidu、Alibaba 等各大公司投入鉅額資金和高端人力努力爭奪的下一個互聯網流量入口（智能助手、智能音箱等）。 近日，雷鋒網研習社公開課邀請了孔曉泉來介紹自然語言處理技術的一些基本知識、行業的發展現狀和基於深度

中心詞 , 自然語言處理涉及的技術棧 , NLP , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

chenzhuodeyagao 頭像

沉着的牙膏 - 數據資產管理：從定義到價值實現的全流程指南

一、什麼是數據資產？ 1.1 數據的來源 數據源自企業在經營過程中不斷累積的各類數字化記錄。這些數據既包括傳統結構化數據，也涵蓋文本、語音、圖像、照片、視頻等多媒體信息，還延伸至微博、微信、消費與出行記錄、各類文件等多種形式。凡是企業活動沉澱下的數字記錄，都屬於數據範疇。 1.2 什麼數據才能被視為資產？ 會計學對“資產”的界定是：由企業過去的交易或事項形成，被企業擁有或控制，並

深度學習

收藏 評論

u_16099268 頭像

碼海探險先鋒 - 中國雲產業聯盟辦大獎賽挖大數據人才 - 靈玖lingjoin的個人空間 -

在自動駕駛、機器人導航等領域，3D場景的感知與生成一直是研究熱點。然而，傳統方法通常將這兩個過程分離：生成模型僅僅作為數據增強工具，為下游感知任務提供合成數據。這種方法不僅靈活性有限，生成的場景也往往缺乏對感知任務有價值的細節。 近日，上海交通大學與寧波數字孿生研究院聯合團隊提出了一種名為OccScene的創新範式，將細粒度3D感知與高質量場景生成

機器學習 , 3d , 目標跟蹤 , 人工智能 , 深度學習 , jquery , 前端開發

收藏 評論

u_16776161 頭像

天潤融通科技 - 效率被卡死、成本飆升？這家工業製造企業用天潤融通AI找到了出口

在過去兩年裏，我們在和大量工業設備企業交流時，幾乎都會聽到同一句話：售前諮詢越來越“忙不過來了”。 產品型號越來越多、方案越來越定製化、客户比較越來越細，一條諮詢背後可能是十幾個參數、多個工況判斷，但企業的售前體系依舊高度依賴人工。響應慢、判斷不穩、人員壓力大的情況每天都在發生。 正是在這樣的背景下，我們推出了 ZENAVA，一個面向客服和營銷場景的AI生產力平台。

人工智能 , 深度學習

收藏 評論

u_16163480 頭像

bugyinyin - AI Agent深度解析：智能系統的原理與應用，未來發展的機遇與挑戰！

寫在前面的話： AI Agent本質就是大模型調用工具的能力，前段時間爆火的Manus其實就是它的應用。 打個比方，如果你要做個攻略，你把時間安排告訴大模型，比如：準備7月26號坐火車去西安，準備玩一個星期，想去著名景點玩，吃些當地好吃的。那麼大模型就會跟你對話，把完整攻略做好。而只有攻略其實還不夠，因為定車票、住酒店、查地圖這些操作還要自己

大模型教程 , 大數據 , chatgpt , 人工智能 , 深度學習 , 前端開發 , Javascript

收藏 評論

u_12935 頭像

doscommand - 李宏毅深度學習教程 pdf

本文是2016 台灣資料科學年會前導課程“一天搞懂深度學習”的全部講義PPT（共268頁），由台灣大學電機工程學助理教授李宏毅主講。作者在文中分四個部分對神經網絡的原理、目前存在形態以及未來的發展進行了介紹。深度學習的每一個核心概念在文中都有相關案例進行呈現，通俗易懂。一天的時間搞懂深度學習？其實並不是沒有可能。 深度學習 ( De

機器學習 , 神經網絡 , 人工智能 , 李宏毅深度學習教程 pdf , 深度學習

收藏 評論

u_16060192 頭像

HyperAI超神經 - AI 論文週報丨通用Agent開發/目標檢測/開源物理推理模型……一文了解 AI 前沿動態

近年來，大語言模型（LLMs）的發展已將研究前沿從解謎任務推進至科學級推理——即能夠應對那些答案必須經受自然規律檢驗、而不僅符合評分標準的複雜問題。物理學是衡量這一轉變的最嚴苛標準，因為它以根本性方式將符號系統與現實世界相聯結，是現代大多數技術的基石。 基於此，來自上海人工智能實驗室的研究團隊通過開發具備卓越物理推理能力的大規模語言模型，成功推動了物理學研究的進展，尤其在解決國際奧林

人工智能 , 深度學習

收藏 評論

gpushare 頭像

恆源雲 - 恆源雲(Gpushare)_FAIR CVPR2022新作DVT是個啥？

文章來源 | 恆源雲社區 原文地址 | 用於視頻的可變形Transformer 原文作者 | 咚咚 hi，大家好啊！窗外的樹🌲 綠了，樓下的桃花🌺 開了，春天，就這麼滴的過去了…… 小編已經居家辦公(不能下樓)3個禮拜啦！敬請期待瘋掉的小編～ 我的春遊徹底沒希望了！！！ 説那麼多有啥用呢？還不是得乖乖搬運社區文章！畢竟社區夥伴們發帖是那麼的勤快！Respect！ 正文開始 摘要

cv , transform , 深度學習

收藏 評論

xingxingshangdeliushu 頭像

星星上的柳樹 - EDA 縮寫全解析系列｜第 3 周：S–Z

EDA 縮寫從來不是“字母遊戲”，而是 IC 設計各個環節的專業語言。本週來到系列收官篇，從仿真到籤核、從時序到良率，這些 S–Z 開頭的縮寫幾乎貫穿整個芯片開發流程。理解它們，就等於掌握工程師日常溝通的底層“詞典”。 ✦ 01 本週關鍵詞：八個必須熟練掌握的核心縮寫 • SDF：在仿真中加入真實延遲，讓模型更接近硅上表現。

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

u_15591470 頭像

ceshiren2022 - n8n高級測試指南：Function節點的自定義斷言與複雜數據驗證

在構建自動化工作流時，許多人能熟練地串聯節點，卻常常在數據驗證環節遭遇瓶頸。你可能遇到過這些情況：上游API返回的結構時而變化，基礎字段驗證無法滿足複雜的業務規則，或是測試用例需要對多種邊界條件進行檢查。當n8n自帶的“IF”節點和基礎驗證顯得力不從心時，是時候深入瞭解一個強大工具——Function節點了。 為什麼需要自定義驗證？ 上週，一位同事在處理電商訂單數據時遇到了麻煩。

n8n , 數據 , 自動化 , 人工智能 , 深度學習

收藏 評論

u_17580222 頭像

mb691327edb400f - AI浪潮下的HR生存戰：淘汰還是升級，關鍵看這一步

AI浪潮下的生存戰：淘汰還是升級，關鍵看這一步 當AI智能體從冰冷工具進化為能獨立思考、自主執行的“數字員工”，人力資源領域的無聲革命已然來臨。事務型、經驗型、非數據驅動的面試官正被時代浪潮推向邊緣，依賴人工篩選、主觀判斷與機械流程的傳統招聘模式，早已成為企業人才升級的桎梏。生存還是淘汰？答案不在於抗拒變化，而在於能否率先擁抱下一代招聘生產力工具。 近嶼智能面向審核客

自動回覆 , 數據 , 人工智能 , 深度學習 , 數據驅動

收藏 評論

u_15675268 頭像

1艾一刀 - 長沙“十四五”，給“非資源稟賦型城市”開了一條新路

文 | 智能相對論 作者 | 陳選濱 在今天的全國城市競爭格局中，大多數城市特別是像長沙、鄭州、合肥等中部地區城市，都屬於“非資源稟賦型”城市，往往面臨着先天核心資源優勢不足，無法依賴自然資源、獨特區位或政策紅利進行越級發展，只能依靠後天的城市治理、資源優化配置、產業創新升級等“內生動力”實現發展。 這一現象與美國社會學家薩斯基婭・薩森在“全球城市理論”

差異化 , 錨定 , 人工智能 , 深度學習

收藏 評論

u_16213393 頭像

mob64ca12e732bb - aigc 發展歷程

在過去的幾十年裏，人工智能生成內容（AIGC）的發展經歷了顯著的變化，從最早的基於規則的系統到現代深度學習模型。AIGC技術的演進使得機器能夠按照人類的指令生成文本、圖像和音頻，從而在各個領域產生了深遠的影響。本文將通過具體的環境準備、集成步驟、配置詳解、實戰應用、性能優化和生態擴展等多個維度來探討AIGC的發展歷程，併為讀者提供全面的技術參考。 環境準備 在開始構建AIGC應用

性能優化 , 技術棧 , aigc , 深度學習

收藏 評論

mianlengxincidehongjiu 頭像

中煙創新 - 低代碼平台賦能高校學生，構建職業能力與企業需求的動態適配

據國際市場研究機構Gartner分析，至2024年，65%的新應用開發活動將依託低代碼平台完成，同時，75%的大型企業將採用至少四種不同的低代碼工具構建其應用程序。這一趨勢清晰地反映出企業對能夠快速響應業務需求、高效構建解決方案的數字化人才的顯著依賴。然而，當前高校人才培養體系在對接這一快速演進的技術生態時，課程內容與技術實踐、主流工具之間存在一定程度的滯後性，以及由此產生的畢業生技能與崗位需求的

人工智能 , 深度學習

收藏 評論