tag 深度學習

標籤
貢獻335
478
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

tecdat 頭像

拓端tecdat - Python可口可樂股票交易數據分析：KMeans-RF-LSTM多模型融合聚類、隨機森林迴歸價格預測與交易模式識別

全文鏈接：https://tecdat.cn/?p=44707 原文出處：拓端數據部落公眾號 關於分析師 在此對Yichen Tang對本文所作的貢獻表示誠摯感謝，他完成了數據科學與大數據技術專業的碩士學位，專注數據科學與大數據技術領域。擅長Python、C、SQL、機器學習、數據庫、數據分析。 Yichen Tang曾參與多個數據分析與機器學習相關項目，在股票數據挖掘

機器學習 , 數據挖掘 , 人工智能 , 深度學習

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

人工智能 , 基礎設施 , 深度學習

收藏 評論

u_16213680 頭像

mob64ca140f67e3 - 計算機視覺算法工程師開發流程

如何才能成為一名專業的計算機視覺工程師呢，尤其是相對於過去，進入機器學習行業的步驟和策略在短時間內發生了巨大的變化。 人工智能以創新的速度前進 你可能不會對ML行業不斷變化的本質感到驚訝，因為你很清楚人工智能是以創新的速度發展的。對於大多數ML從業者來説，在2020年獲得職位所用的方法，在2021年可能不一定

學習 , 人工智能 , 深度學習 , 計算機視覺 , 計算機視覺算法工程師開發流程

收藏 評論

u_16060192 頭像

HyperAI超神經 - 在線教程丨 David Baker 團隊開源 RFdiffusion3，實現全原子蛋白質設計的生成式突破

近年來，利用生成式深度學習方法在新功能蛋白質設計方面取得了顯著進展。目前包括 RFdiffusion（RFD1）和 BindCraft 在內的大多數方法，均採用氨基酸殘基水平的蛋白質表示，已能夠成功設計蛋白質單體、組裝體以及蛋白質-蛋白質相互作用體系，但其分辨率仍不足以精確設計與非蛋白質組分（如小分子配體與核酸）發生特異性側鏈相互作用的結構。 RFdiffusion2（RFD2）雖然

機器學習 , DNA , AI , 人工智能 , 深度學習

收藏 評論

xingxingshangdeliushu 頭像

星星上的柳樹 - 集成電路設計中的IP核心價值：加速創新的基石

在集成電路（IC）設計的世界裏，知識產權（Intellectual Property，簡稱 IP）已經成為推動創新與效率的關鍵力量。它不僅縮短了設計週期，還為工程師們提供了更多專注於差異化和前沿探索的空間。今天，就讓我們走進IC設計中的IP，揭示它的重要性與最佳實踐。 1、為什麼IP如此重要？ 在複雜的IC設計過程中，IP扮演着“現成積木”的角色。它們是經過驗證、可複用的功能模

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

u_16099243 頭像

代碼探險家 - 《PyTorch深度學習》筆記（1）_51CTO博客

目錄 摘要 激活函數 1.階躍函數 2.sigmod函數 3.Tanh函數 4.ReLu函數 代碼實踐 1.階躍函數 2.sigmod函數 3.tanh函數 4.ReLu函數 摘要 本篇文章學習尚硅谷深度學習教程，學習內容是激活函數的代碼部分包括階躍函數

激活函數 , pytorch , 深度學習 , Css , 階躍函數 , 筆記 , 前端開發 , HTML

收藏 評論

zengshenaiguodejinyu 頭像

科技夾克 - Jetson Nano windows遠程連接 mstsc 配置教程 黑屏閃退問題排查 解決方案

一 遠程連接 先直接用顯示器連接Jetson Nano，點擊右上角的wifi圖標進入到網絡設置界面，這裏我用的公司內部交換機直連的局域網，配置靜態ip地址，配置完成後點擊應用即可。 接着開啓遠程桌面功能，點擊左上角的“活動”，搜索“共享”，打開共享設置界面，開啓“遠程桌面”功能，允許其他用户查看你的桌面，並允許控制你的桌面。 Jetson Nano的圖形渲染策略是英偉達自己的，當我們登錄賬

邊緣計算 , 人工智能 , 深度學習

收藏 評論

tecdat 頭像

拓端tecdat - Python動態採樣、隨機森林、XGBoost、決策樹新能源電動汽車NEV運行數據故障預警模型構建研究|附代碼數據

全文鏈接：https://tecdat.cn/?p=44400 原文出處：拓端數據部落公眾號 分析師：Mingyang Li 引言 在全球能源結構轉型與環保政策雙輪驅動下，新能源電動汽車已成為交通領域的核心發展方向，但其高壓電池系統、電機驅動系統的複雜性也讓故障發生概率大幅提升，電池過充自燃、過放電等問題不僅影響車輛正常運營，更直接關乎駕乘安全。作為數據科學團隊，我們曾承接某新能源車企

機器學習 , 數據挖掘 , 算法 , 人工智能 , 深度學習

收藏 評論

lab4ai 頭像

Lab4AI - NeurIPS 2025|清華北大團隊開源VCA模塊，即插即用，讓視覺AI“抓重點”既快又準

論文標題：Linear Differential Vision Transformer: Learning Visual Contrasts via Pairwise Differentials 作者團隊：清華大學、北京大學 發佈時間：2025年11月4日 👉一鍵直達論文 [👉Lab4AI大模型實驗室論文閲讀]( https://www.lab4ai.cn/paper/detail/

機器學習 , llm , 算法 , 人工智能 , 深度學習

收藏 評論

u_17512334 頭像

疆鴻智能研發中心 - 疆鴻智能PROFIBUS轉光纖：軌道交通信號傳輸困局的可靠之選

疆鴻智能PROFIBUS轉光纖：解軌道交通信號傳輸困局的可靠之選 一、項目背景：應對軌道交通的嚴苛挑戰 軌道交通控制系統對實時性、可靠性和抗干擾能力的要求極高。在傳統基於銅纜的PROFIBUS-DP網絡中，信號傳輸距離受限（通常不超過100米），且極易受到牽引供電系統產生的電磁干擾，導致通信中斷或數據錯誤，直接影響列車運行安全與調度效率。 疆鴻智

光纖模塊 , profibus , 工業通訊 , PROFIBUS光纖模塊 , 人工智能 , 深度學習 , 工業自動化

收藏 評論

u_15591470 頭像

ceshiren2022 - 實測見證！利用Dify工作流與AI智能體，我們的測試效率提升300%

如果你也厭倦了在無盡的測試用例、重複的迴歸測試和脆弱的UI腳本中掙扎，那麼這篇文章正是為你準備的。我將分享我們團隊如何利用Dify工作流編排AI測試智能體，實現測試效率的指數級提升，讓測試工作變得前所未有的智能和高效。 一、 困局：我們曾在測試泥潭中寸步難行 在引入新方法之前，我們團隊面臨典型的測試瓶頸： 迴歸測試耗時漫長： 每次發版前，全量回歸測試需要2個測試人員投入整整3個工

迴歸測試 , AI , 人工智能 , 深度學習 , dify

收藏 評論

u_16970152 頭像

求知上進 - 深入學習Python函數：偏函數

第一章：偏函數的基礎概念 1.1 偏函數的數學與編程起源 偏函數的概念最早源於λ演算和函數式語言如Haskell。在數學中，偏函數（Partial Application）是將多參數函數固定部分參數後得到的單參數（或少參數）函數。這不同於柯里化，後者是將多參數函數轉換為一系列單參數函數的鏈式調用。Python的partial更接近偏應用，因為它直接“綁定”參數，而非完

自定義 , 偏函數 , 人工智能 , 深度學習 , Python

收藏 評論

ziwupython 頭像

子午 - 【交通標誌識別系統】Python+TensorFlow+Django+人工智能+深度學習+卷積神經網絡算法

一、介紹 交通標誌識別系統，基於TensorFlow搭建Resnet50卷積神經網絡算法，通過對58種常見的交通標誌圖片數據集進行訓練，最後得到一個識別精度較高的模型，然後搭建Web可視化操作平台。 技術棧： 項目前端使用Html、CSS、BootStrap搭建界面。 後端基於Django處理邏輯請求 基於Ajax實現前後端數據通信 選題背景與意義： 在智能交通系統蓬勃發展的當下，

圖像識別 , tensorflow , 深度學習

收藏 評論

u_16060192 頭像

HyperAI超神經 - 【Triton 教程】triton_language.make_block_ptr

Triton 是一種用於並行編程的語言和編譯器。它旨在提供一個基於 Python 的編程環境，以高效編寫自定義 DNN 計算內核，並能夠在現代 GPU 硬件上以最大吞吐量運行。 更多 Triton 中文文檔可訪問 →triton.hyper.ai/ triton.language.make_block_ptr(base: tensor, shape, strides, offse

編程器 , Triton , gpu , 編程語言 , 人工智能 , 深度學習 , cpu

收藏 評論

tencent_blueking 頭像

騰訊藍鯨智雲 - 企業的分層運維對象監控指標體系建設

本文來自騰訊藍鯨智雲社區用户: CanWay 指標指用於描述一個物體或事物的某個性質的指數、規格、標準，使其可以和其他的物體或者事物比較；從軟件的角度講度量即把所有東西都量化、數據化、可採集。指標即表示對這些量化後的數據的目標值。 觀測指標體系是指對監控指標進行體系化的規劃、實現全生命週期管理、建設管理規範等的系統方法論。 在瞭解指標體系前，先了解下為什麼需要進行指標體系的建設，結合過往的建設經驗

it , 服務器 , 運維 , 深度學習 , 大模型

收藏 評論

tencent_blueking 頭像

騰訊藍鯨智雲 - 把握關鍵！設備到數據的存儲監控之路

本文來自騰訊藍鯨智雲社區用户: CanWay 直達原文：從設備到數據：存儲監控的關鍵與實踐 近年來，隨着數據量的爆炸性增長，從傳統的磁盤陣列和網絡存儲，到如今的雲原生存儲、分佈式文件存儲和對象存儲，存儲領域正在快速演進。然而，無論技術如何革新，存儲系統的監控始終是保障業務持續性、優化性能以及預防故障的重中之重。 在本文中，我們將深度剖析存儲監控的關鍵，探討如何科學全面地監控存儲設備，幫助企業遠離風

大數據 , 運維 , deepseek , 人工智能 , 深度學習

收藏 評論

pannideniupai 頭像

雨大王 - 中小製造企業如何選對數字化服務商？方法論與避坑指南

工業數字化服務商，這個詞在近年來越來越頻繁地出現在製造業的討論中，尤其是在數字化轉型成為企業生存必選項的時代。但很多人其實並不清楚，這類服務商到底能帶來什麼，為什麼製造業轉型總卡在某個環節，甚至很多人會誤以為這只是買幾個軟件、上幾台設備那麼簡單。 其實，數字化轉型的核心問題往往不是技術，而是思維。製造業的歷史積累了太多經驗，這些經驗固然寶貴，但一旦固化進系統，就容易變成僵化的數據孤島。舉個例

人工智能 , 深度學習

收藏 評論

ziwupython 頭像

子午 - 【岩石種類識別系統】Python+TensorFlow+Vue3+Django+人工智能+深度學習+卷積網絡+resnet50

一、介紹 岩石種類識別系統，基於TensorFlow搭建卷積神經網絡算法，通過對7種常見的岩石圖片數據集（‘玄武岩（Basalt）’, ‘煤（Coal）’, ‘花崗岩（Granite）’, ‘石灰岩（Limestone）’, ‘大理石（Marble）’, ‘石英岩（Quartzite）’, ‘砂岩（Sandstone））進行訓練，最後得到一個識別精度較高的模型，然後搭建Web可視化操作平台。 前端

圖像識別 , 人工智能 , 深度學習

收藏 評論

u_16099295 頭像

IT劍客行 - 用chatgpt與VBA 一鍵搞定EXCEL 下載

VBA代碼收藏功能簡介 本功能要求VBA代碼助手最低版本 V3.8.6.0之前神鍵手代碼提示必須打開關鍵詞表或者在代碼管理窗口才能添加和編輯VBA代碼庫，為了進一步提高大家收藏代碼片段的便利性，增加大家收藏代碼的積極性，特此加入了在代碼區直接右鍵收藏代碼的功能，除了窗體以外，其他類型的代碼均可直接收藏進神鍵手詞庫表（VBAKeyWords.xlsx文件），免除了每次要打開表

vba , 代碼區 , 人工智能 , 深度學習 , 右鍵

收藏 評論

pannideniupai 頭像

雨大王 - 汽車製造的智能化升級：工業AI平台如何重構生產線？

汽車製造業的智能化轉型背景與挑戰 汽車製造業作為工業4.0時代的重要支柱，正面臨前所未有的轉型升級壓力。在電動化、智能化、網聯化與共享化的“新四化”浪潮推動下，傳統制造模式的侷限性逐漸暴露：生產線剛性結構難以適應多品種小批量的市場需求，工藝參數調整依賴經驗而非數據，質量缺陷溯源週期長且成本高。這些痛點不僅制約了生產效率，也削弱了企業的市場競爭力。 然而，以工業AI平台為核心的智能製造技

人工智能 , 深度學習

收藏 評論

u_16213620 頭像

mob64ca1401464d - Sigmoid函數參數極大似然matlab 參數的極大似然估計

極大似然估計，通俗理解來説，就是利用已知的樣本結果信息，反推最具有可能（最大概率）導致這些樣本結果出現的模型參數值！ 換句話説，極大似然估計提供了一種給定觀察數據來評估模型參數的方法，即：“模型已定，參數未知”。 可能有小夥伴就要説了，還是有點抽象呀。我們這樣想，一當模型滿足某個分佈，它的參數值我通過極大似然估計法求出來的話。比如正態分佈中公

極大似然估計 , 正態分佈 , 人工智能 , 最大似然估計 , 深度學習

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI大模型知識圖譜：給AI裝“邏輯大腦”，讓智能有跡可循

傳統AI像“只會背答案的學霸”，能快速找出現成信息，卻看不懂知識間的關聯——比如知道“喝茶能提神”，卻講不清“茶裏的咖啡因如何刺激神經”。而AI大模型知識圖譜的出現，就像給AI裝上了“邏輯大腦”，用技術把分散的知識織成網，讓智能不僅能“找答案”，還能“懂邏輯、會推理”。 這個“邏輯大腦”的核心技術，是“知識建模+AI推理”的雙向賦能。首先得把雜亂的信息“拆解開、連起來”：工程師用“實

建模 , NLP , 自動補全 , 人工智能 , 深度學習

收藏 評論

chenzhuodeyagao 頭像

沉着的牙膏 - 高兼容性、聯動閉環、規模化：醫療行業數據分類分級管理系統解決方案

一、概要 提示：本文旨在系統闡述醫療機構在數據分類分級方面的核心挑戰與智能化解決方案。隨着醫療數字化轉型的深入，數據已成為醫院運營與科研創新的核心資產，其安全與合規管理日益嚴峻。“知源-AI數據分類分級系統”，以高兼容性、聯動閉環與規模化為核心特性，幫助醫療機構實現數據資產的全鏈路智能治理。該系統已在多家醫院落地，顯著提升了數據識別效率與分類準確率，推動醫療數據在合規基礎上實現安全共享與價值

深度學習

收藏 評論

youqingyouyidejidan 頭像

底層邏輯探索 - 政務數據智能治理一體化解決方案：合規對標、易掌握、自適應分類的全面實現

一、概要 提示：本文系統闡述政務數據分類分級管理的政策背景、行業痛點、技術路徑與落地成效，突出“合規對標、易掌握、自適應分類”三大核心特性，為數字政府建設提供可操作、可複製的治理典範。在數字政府縱深發展的當下，政務數據已成為提升治理能力與公共服務品質的關鍵要素。然而，數據規模急劇增長、系統異構分散、合規要求趨嚴等多重挑戰，使得政務數據管理面臨“數據不清、安全難控、共享不暢”的普遍困境。“知源

深度學習

收藏 評論