tag 深度學習

標籤
貢獻335
495
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_14176533 頭像

北京數據堂 - 71 種語言 + 125 種口音識別！AI 精準翻譯背後的數據力量！

當網易有道詞典“AI同傳”累計用户突破2000萬，支持71種語言互譯、精準識別125種口音，還能實現專業術語優化時，這不僅是一款產品的里程碑，更標誌着AI翻譯正在從“淺層轉譯”向“深度理解”加速演進。在全球化溝通日益頻繁的今天，AI翻譯正成為打破語言壁壘的核心力量，而這份亮眼成績的背後，是技術對多重挑戰的攻克，更是高質量數據的堅實支撐。 一

數據集 , 平行語料 , 發音詞典 , 有道翻譯 , 人工智能 , 深度學習 , 語音識別

收藏 評論

xingxingshangdeliushu 頭像

星星上的柳樹 - EDA 縮寫全解析系列 | 第 1 周：A–I

在 VLSI、數字 IC、驗證或物理設計的世界裏，工程師的日常語言幾乎被縮寫“統治”——有些耳熟能詳，有些晦澀神秘，還有些讓新人望而生畏。本系列將從 A 到 Z，把這些高頻縮寫逐一拆解成“真正能聽懂的工程語言”，幫助你係統補齊基礎概念。 ✦ 01 從 A 到 I：九個最常遇到、卻最容易用錯的縮寫 • ATPG：自

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

pannideniupai 頭像

雨大王 - 推薦用於製造業的設備智能助手有哪些核心功能與應用場景？

設備智能助手的定義與核心功能 在現代製造業轉型升級的關鍵階段，人工智能技術的引入正在重構生產管理的智能化水平。設備智能助手作為這一趨勢的核心產物，本質上是一種基於人工智能技術的生產輔助系統，它能夠通過多模態感知、知識推理和自然語言交互，為生產管理者、工藝工程師和一線操作人員提供實時決策支持和問題解決方案。 設備智能助手的核心價值在於其具備跨領域知識整合能力和實時響應能力，它不僅僅是一個

深度學習

收藏 評論

u_16018702 頭像

架構師李哲 - 16k數據撬動300億大模型！用Qwen3-VL打造了一位“頂尖放射科醫生”

僅用1.6萬張醫學影像，我們讓大模型學會了“看片子”。 患者提問：“請使用中文詳細描述這張圖像並給出你的診斷結果。” 這是微調前模型的回答。雖然能夠識別出基本病變，但其分析存在明顯不足，描述過於簡略，僅關注單一病灶而忽略了圖像中實際存在的雙肺多發性結節，且診斷結論過於武斷，直接定性為"良性腫瘤"，缺乏嚴謹的鑑別診斷思

數據集 , 數據 , 人工智能 , 深度學習 , Json

收藏 評論

u_13961087 頭像

代碼AI弗森 - 多模態不再縫縫補補：文心 5.0 正在重寫大模型的“世界觀”

背景 我們的日常使用大模型，就像是在不同模型間打補丁：“這個模型會看圖，但不會講故事；那個模型能生成視頻，但不懂視頻在表達什麼。” 於是乎，大致像這樣，想用圖像模型，就得跑去找midjourney；想做視頻模型，又得等 Sora；想讓模型理解視頻劇情，還得靠那些半懂不懂的“視覺語言拼接模型”；想讓模型讀情緒，甚至還得給它加一堆“情緒標籤的模板提示詞”。 而就在昨天，我

人工智能 , 深度學習 , 貼圖 , 模態 , 百度

收藏 評論

u_17580222 頭像

mb691327edb400f - AI 招聘系統功能落地指南

AI 招聘系統功能落地指南 AI全面重塑招聘行業：效率與體驗的雙重革新 如果你仍在為“候選人爽約”“簡歷篩選繁重”“面試效率低下”而困擾，可能已經忽視了一個激進的行業趨勢：招聘正被AI全面接管。這並非停留在討論或小範圍試點階段，而是大規模落地、快速替代傳統面試流程的現實。 過去一年，多項行業數據印證了這一變革：近50%的企業已將初篩環節完全交給AI；金融、互聯網

系統功能 , 自動回覆 , ATS , 人工智能 , 深度學習

收藏 評論

u_16099345 頭像

智能開發先鋒 - 33、JAVA

文章目錄 多 Web 端子系統共享會話：原理與實踐 同主域名共享方案：Cookie + Session 集中存儲 原理 實現方案 1. Cookie 設置要點 2. 集中式 Session 管理 3. 單點登出機制 跨主

redis , 人工智能 , 深度學習 , .net , 跨域 , 前端

收藏 評論

xingxingshangdeliushu 頭像

星星上的柳樹 - 硬件描述語言解讀

“硬件描述語言是連接邏輯與電路、抽象與實現的關鍵設計語言。” 在數字電路設計的世界裏，硬件描述語言(HDL, Hardware Description Language) 是一類非常特殊的編程語言。與傳統的軟件編程語言不同，HDL 不僅能描述功能邏輯，還能建模電路的並行性與時間特性，因此它被廣泛應用於芯片設計與驗證。 HDL 的獨特之處 普通編程語言關注的是指令順序和數據處理，而 H

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

u_17398972 頭像

u_17398972 - 探索 AIGC 生圖：原理、案例與代碼示例

目錄 引言 一、AIGC 生圖技術原理 （一）技術基礎 1.深度學習： 2.生成式模型： （二）主要模型 1.生成對抗網絡（GAN）： 2.擴散模型（Diffusion Model）： （三）工作原理 1.數據學習： 2.特徵提取： 3

數據 , API , 人工智能 , 深度學習 , Json

收藏 評論

openbayescom 頭像

OpenBayes - UI-TARS-1.5 實現多模態 GUI 自主操作；FrontierScience 構建專家級科學推理評測數據集

公共資源速遞 5 個公共數據集： Arena-Write 寫作生成評測數據集 IF-Bench 紅外圖像理解基準數據集 Soul-Bench 音頻驅動人體動畫評測數據集 FrontierScience 推理科研任務評測數據集 VideoRewardBench 視頻獎勵模型評測數據集 4 個公共教程： UI-TARS-1.5 多模態 Agent GLM-ASR-Nano 智譜語音

機器學習 , 自然語言處理 , 教程 , 人工智能 , 深度學習

收藏 評論

deephub 頭像

deephub - JAX核心設計解析：函數式編程讓代碼更可控

很多人剛接觸JAX都會有點懵——參數為啥要單獨傳？隨機數還要自己管key？這跟PyTorch的畫風完全不一樣啊。 其實根本原因就一個：JAX是函數式編程而不是面向對象那套，想明白這點很多設計就都説得通了。 先説個核心區別 PyTorch裏，模型是個對象，權重藏在裏面，訓練的時候自己更新自己。這是典型的面向對象思路，狀態封裝在對象內部。 JAX的思路完全反過來。模型定義是模型定義，參數是參數，兩邊分

llm , jax , 神經網絡 , 人工智能 , 深度學習

收藏 評論

huamingshixunkeji 頭像

華明視訊科技 - 國內口碑較好的海關智能閘口系統品牌推薦，幫你做出明智的決策！

當海關物流效率直接影響企業競爭力，智能閘口系統的選擇便成了關鍵決策。面對市場上眾多的品牌和解決方案，如何找到真正可靠、高效的智能閘口系統？今天我們從行業實踐出發，為您梳理國內口碑較好的幾類選擇，助您做出明智決策。 穩定可靠型：老牌勁旅值得信賴 國內一批深耕海關智能化領域多年的企業，憑藉紮實的技術積累和豐富的項目經驗，在多個重要口岸實施了穩定運行的智能閘口系統。這些系統通常具備完善的硬件

圖像識別 , 神經網絡 , 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 - 差異化、彈性化與 AI 驅動：數據安全平台邁向泛在化的新階段

一、概要 （提示：當數據風險跨越系統邊界時，傳統監測工具的侷限性正被無限放大。） 近幾年，隨着《數據安全法》《網絡數據安全管理條例》等監管要求不斷明確，數據安全監測已從“合規必做”躍升為“體系能力建設”。國家數據局在《數字中國發展報告（2023）》中明確提出，要加快建立數據風險監測預警體系，推動可信數字基礎設施建設。然而，大多數企業與政府機構在落地過程中仍面臨覆蓋盲區大、誤報噪聲高、業

深度學習

收藏 評論

openbayescom 頭像

OpenBayes - Depth-Anything-3 打開全視角空間感知；CytoData 還原細胞級顯微宇宙！

公共資源速遞 5 個公共數據集： Netflix 電影電視目錄數據集 CytoData 血液細胞圖像數據集 VERA 語音推理能力評測數據集 UNO-Bench 全模態評測基準數據集 EditReward-Bench 圖像編輯評測數據集 3 個公共教程： PixelReasoner-RL：像素級視覺推理模型 VibeThinker-1.5B：小模型也可以有大智慧 Depth-A

機器學習 , 自然語言處理 , 教程 , 人工智能 , 深度學習

收藏 評論

pannideniupai 頭像

雨大王 - 汽車製造業如何通過工業操作系統實現數字化轉型？

工業操作系統的定義與核心作用 工業操作系統作為現代智能製造的核心基礎設施，已成為汽車製造業數字化轉型的重要載體。與傳統的封閉式生產管理系統不同，工業操作系統構建了一個開放且可擴展的技術底座，能夠實現對各類工業設備、信息系統以及業務流程的全面接入與統一調度。其核心價值在於打破長期以來存在於設備層、控制層與管理層之間的數據壁壘，使得製造過程中的“人、機、料、法、環”等關鍵要素實現互聯互通。

人工智能 , 深度學習

收藏 評論

aigoto 頭像

逐夢AI - 金屬外表多種生鏽檢測數據集（1200張圖片已劃分）｜面向工業巡檢的目標檢測數據集

金屬外表多種生鏽檢測數據集（1200張圖片已劃分）｜面向工業巡檢的目標檢測數據集 在工業設備智能運維、基礎設施安全評估與城市大型金屬結構全生命週期管理不斷推進的背景下，金屬鏽蝕的自動化識別與精確定位已成為工業視覺領域的重要研究與落地方向。 傳統依賴人工巡檢的方式，不僅效率低、主觀性強，而且在高空、狹小空間、高危環境中存在明顯安全隱患。 本文將圍繞一個 已完成標註與劃分的金屬外表生鏽目標檢測數

機器學習 , 深度學習

收藏 評論

u_16756731 頭像

KlipC小助手 - 5×23！納斯達克申請將交易時間延長至23小時

KlipC報道：當地時間12月15日，納斯達克宣佈，將向SEC提交文件，申請推出近乎全天候的股票交易，將股票及交易所交易產品的交易時長從每週五個交易日的16小時延長至23小時。 據KlipC瞭解，在“5×23”新交易模式下，交易將劃分為兩個主要時段：日間交易時段為美東時間凌晨4點至晚上8點；隨後進行一小時的維護、測試及交易清算。夜間交易時段則從晚上9點開始，至次日凌晨4點結束。 晚上9點

市場分析 , d3 , 人工智能 , 深度學習

收藏 評論

teayear 頭像

學技術贏未來 - CANN為教育產業賦能.人工智能實踐

CANN賦能智慧教育：開啓AI驅動的教與學新範式 在數字經濟加速滲透的今天，智慧教育已成為教育信息化轉型的核心方向，其核心訴求是通過技術手段破解教育資源不均衡、教學模式固化、個性化需求難以滿足等痛點。華為昇騰AI基礎軟硬件平台的核心組件——CANN（Compute Architecture for Neural Networks，神經網絡計算架構），憑藉其高效的AI算力調度、靈活的異

應用開發 , 數據 , 推送 , 人工智能 , 深度學習

收藏 評論

pannideniupai 頭像

雨大王 - 機械加工行業邁向智能化未來：工業互聯網的實施策略與成功案例

前因後果：工業互聯網與機械加工的融合基礎 工業互聯網作為新一代信息技術與製造業深度融合的產物，近年來在全球範圍內迅速發展。機械加工作為製造業的核心環節，其生產過程往往涉及複雜的設備操作、工藝參數調整以及質量控制環節。然而，傳統的機械加工模式存在諸多痛點：生產效率低下、設備利用率不高、產品質量波動大、信息孤島嚴重。這些問題的存在，使得機械加工企業難以適應現代製造業對智能化、柔性化和高質量的要求

人工智能 , 深度學習

收藏 評論

gpushare 頭像

恆源雲 - 恆源雲 (Gpushare)_Restormer:用於高分辨率圖像重建的高效Transformer

文章來源 | 恆源雲社區 原文地址 | Restormer 原文作者 | 咚咚 摘要 引入主題： 由於卷積神經網絡(CNNs)能夠從大規模數據中學習到圖像的generalizable特徵，所以被廣泛應用於圖像重建和相關任務。最近，另一類神經結構，Transformer，在自然語言和高水平的視覺任務已經顯示出顯著性能增益。 現存問題： 雖然 Transformer 模型彌補了 CNNs 的不

transform , 深度學習

收藏 評論

u_17580222 頭像

mb691327edb400f - AI 時代 HR 的進化與工具賦能

AI 時代 HR 的進化與工具賦能 AI時代招聘變革：HR的進化之路與工具賦能 在AI技術重塑各行業的當下，招聘領域正經歷深刻的座次重排。曾經作為“後台工具”的HR技術，如今已升級為企業核心的業務操作系統。AI不會取代HR，但不懂運用AI的HR，正逐漸被時代拉開差距。 2026年，行業的核心命題不再是“AI是否會奪走工作”，而是“HR能否藉助AI制定戰略、依託數

鏈路 , 數據 , 上傳 , 人工智能 , 深度學習

收藏 評論

deephub 頭像

deephub - 斯坦福ACE框架：讓AI自己學會寫prompt，性能提升17%成本降87%

斯坦福和SambaNova AI最近聯合發了一篇論文，Agentic Context Engineering (ACE)。核心思路：不碰模型參數，專注優化輸入的上下文。讓模型自己生成prompt，反思效果，再迭代改進。 可以把這個過程想象成模型在維護一本"工作手冊"，失敗的嘗試記錄成避坑指南，成功的案例沉澱為可複用的規則。 數據表現 論文給出的數字： AppWorld任務準確率比GPT-4驅動的a

llm , 神經網絡 , 人工智能 , 深度學習

收藏 評論

deephub 頭像

deephub - DeepSeek 開年王炸：mHC 架構用流形約束重構 ResNet 殘差連接

大過節的qwen發佈了image 2512，DeepSeek這邊就偷摸的在arXiv 上掛出了這篇 mHC: Manifold-Constrained Hyper-Connections (arXiv:2512.24880)，哪個正經公司在最後一天還發論文啊。 簡單的看了一下，説説我的看法： 這回DeepSeek又要對 殘差連接（Residual Connection）出手了。 現在我們模型的底層

神經網絡 , 人工智能 , 深度學習

收藏 評論

u_17241003 頭像

瀾極美顏SDK - 從源碼到平台上線：基於第三方視頻美顏SDK開發實時直播美顏系統

在實時直播的技術棧中，美顏系統始終是連接技術與用户體驗的關鍵節點。某直播平台技術團隊曾做過一組對比測試：相同主播、相同內容的直播間，啓用優質美顏功能後，觀眾平均停留時長提升53%，主播開播頻次增加27%。對於開發團隊而言，搭建一套穩定、自然的實時直播美顏系統，並非簡單的功能拼接，而是從源碼架構設計開始，經過SDK選型、集成開發、優化測試到最終上線的全流程工程實踐。第三方視

數據 , Android , 人工智能 , 深度學習 , ios

收藏 評論