tag 深度學習

標籤
貢獻335
507
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

datagrand 頭像

達觀數據 - RPA界面元素智能自適應定位與操控技術

什麼是RPA？RPA（Robotic Process Automation，機器人流程自動化）是通過特定的、可模擬人類在計算機界面上進行操作的技術，它可以按規則自動執行相應的流程任務，代替或輔助人類完成相關的計算機操作，從而節約人力成本，提高生產效率。 從RPA的定義就可以看出，對計算機界面的操控是RPA的核心之一。要實現對計算機界面的操控，就必須用到RPA界面元素定位和操控技術。 元素定位與操

rpa , r , 人工智能 , 深度學習

收藏 評論

congweibiaobaidemalingshu 頭像

小白獅ww - 當視覺模型開始「懂你所指」：SAM3 的能力遠超你想象

如果你曾經想過：「我能不能只用一句話，讓電腦在視頻裏自動找出所有『紅色揹包』？」或者希望在一張照片裏隨手點一下，就完成乾淨利落的分割，那SAM3正是為這些需求準備的。 隨着圖像與視頻數據的爆炸式增長，傳統分割方法往往需要大量標註或只能識別固定類別，難以應對複雜開放場景。SAM3 則通過統一的多模態輸入方式——文本、示例與視覺提示——讓模型能主動理解你的意圖，並在圖像與視頻中執行高精度檢測、分

機器學習 , 自然語言處理 , 教程 , 人工智能 , 深度學習

收藏 評論

baidujiagoushi 頭像

百度Geek説 - 視覺大模型訓練和推理加速

導讀 本次分享將講解如何結合 profiling 工具，發現訓練與推理的性能瓶頸。介紹結合GPU產品特點，利用算子融合、低精度等技術，以及Faster Transformer最佳實踐，提升性能並加快吞吐。 12 月份的「百度百舸 - 雲原生 AI」技術公開課的 4 期整理文字已經全部發布，直播回放視頻將在明年 1 月份陸續上線，大家可以通過百度智能雲技術站視頻號觀看。 大家好，我是來自

人工智能 , transform , 深度學習

收藏 評論

xingxingshangdeliushu 頭像

星星上的柳樹 - 誰在主導“芯片戰爭”

“芯片，不只是電子元件，更是國家角力的新戰場。” 過去三年，全球半導體產業如同棋盤上疾速變動的局面：美國推動芯片立法、拔高工具出口壁壘；台灣、韓國廠商擴張製造版圖；中國則在稀土、設備供應鏈端反擊。 參與者從“誰能做芯片”演變為“誰能控制關鍵節點”。那麼，在這場龐大的投資與戰略賽道中，誰是真正的領跑者？ ✤ 1 ✤設計端：美國構築“堡壘” 設計（Fabless）是芯片價值鏈

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

u_16671839 頭像

艾派森51CTO - 深度學習實戰-基於Vision Transformer的腦腫瘤MRI圖像識別

🤵♂️ 個人主頁：@艾派森的個人主頁 ✍🏻作者簡介：Python學習者 🐋 希望大家多多支持，我們一起進步！😄 如果文章對你有幫助的話， 歡迎評論 💬點贊👍🏻 收藏 📂加關注+ 目錄 1.項目背景 2.數據集介紹

數據集 , 人工智能 , transformer , 深度學習 , Image , Css , 前端開發 , HTML

收藏 評論

u_16970152 頭像

求知上進 - 深入學習Python函數：函數註解

第一章：函數註解的基礎概念 1.1 函數註解的起源與演變 函數註解的誕生可以追溯到Python 3.0。那時，Guido van Rossum（Python之父）在PEP 3107中提出了這個想法，目的是為函數參數和返回值添加任意的元數據。最初，它被設計為一個通用的機制，而不是專為類型提示服務。例如，你可以用它來附加文檔字符串、默認值或其他自定義信息。 在Pyt

List , 字符串 , 人工智能 , 深度學習 , Python

收藏 評論

deephub 頭像

deephub - 別再往一個智能體裏塞功能了：6種多智能體模式技術解析與選型指南

一個 AI 智能體在簡單任務上跑得很順，加了幾個功能之後突然開始胡説八道、忽略指令、選錯工具、丟失上下文。這就是所謂的"單體智能體牆"：單個智能體從可用變成不可用的臨界點。 Anthropic 的研究數據表示當智能體掛載超過 10-15 個工具後性能就會斷崖式下跌。但企業級系統動輒需要上百個功能接口就不可能用單體架構撐住。 而且很多開發者還會堆智能體，當第一個智能體有問題的時候就往上加第二

llm , agent , 神經網絡 , 人工智能 , 深度學習

收藏 評論

qingfouai 頭像

青否Ai - 從數字人小白到直播達人：青否數字人直播系統30天體驗全記錄 ！

作為一名電商創業者，我一直在尋找能夠提升直播效率的解決方案。經過多方比較，最終選擇了青否數字人平台。30天的深度體驗讓我徹底告別了傳統直播的種種困擾，今天就來分享這段從入門到精通的真實體驗。（青否數字人源頭v：zhibo175） 初識數字人：打破傳統直播的認知邊界第一次接觸數字人直播時，我內心是充滿疑慮的。畢竟市面上號稱"實力強的智小小數字人平台"不少，但真正能做到"售後完善的數字人服務商"

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

youyudetusi 頭像

憂鬱的吐司 - 價值重構：從時間出賣者到價值創造者，凸顯ai員工的重要性！

"我每天工作10小時，週末還要加班，但感覺離財務自由越來越遠。 這正是傳統職場的最大陷阱：我們被訓練成"時間出賣者"，而非"價值創造者"。 在舊體系中，你的價值=工時×時薪。這種線性模型註定讓你陷入忙碌卻無法突破的困境。 而AI時代正在重構價值評估體系：你的價值=解決問題的能力×放大係數。 關鍵區別在哪裏？窮人的時間只賣給一個人，富人的時間通過產品化賣給成千上萬人。 一個案例（青否ai員工源頭v：

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

tecdat 頭像

拓端tecdat - 專題：2025構建全自動駕駛汽車生態系統：中國智能駕駛行業全景研究報告|附80+份報告PDF、數據儀表盤彙總下載

原文鏈接：https://tecdat.cn/?p=44316 原文出處：拓端抖音號@拓端tecdat 2025年，智能駕駛正站在“技術落地”與“規模商業化”的十字路口——自主品牌城市NOA滲透率已達9.1%，15萬級車型標配激光雷達成為常態，但深圳車主因系統未識別非常規紅綠燈追尾、特斯拉FSD在京實線變道被罰的案例，卻暴露了“技術跑在前，規則跟不上”的行業矛盾。 本報告洞察基於《東吳證券

機器學習 , 數據挖掘 , 算法 , 人工智能 , 深度學習

收藏 評論

huamingshixunkeji 頭像

華明視訊科技 - 想知道海關智能卡口系統廠家靠不靠譜，記住以下五點，絕對不踩坑！

各位關心口岸智能化建設的同仁們，大家好！我是華明視訊。我們深耕海關智能監管領域多年，見證了太多企業在選擇卡口系統時踩坑、交學費。一套不靠譜的系統，輕則導致通關效率低下，重則引發監管風險，損失難以估量。 今天，我們不吹噓自己，只想作為行業裏的“老炮兒”，給大家分享五個硬核的評判標準。想知道一個海關智能卡口系統廠家靠不靠譜，照着這五點去問、去看，心裏立馬就有底！ 第一點：看“身份證”與“履

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

xingxingshangdeliushu 頭像

星星上的柳樹 - 解密數字設計中的IP核心：高效構建電子系統的關鍵積木

在當前複雜的數字設計領域，知識產權（Intellectual Property，IP）被廣泛用作集成電路（IC）與電子系統的“標準模塊”，有效提升了研發效率與創新能力。本文將全面解讀數字設計中的IP，從核心概念、類型與優勢解讀其在現代電子系統中的重要作用。 1、什麼是數字設計中的IP？ 在數字設計語境下，IP通常指經過預設計與驗證的硬件模塊，可直接集成到更大型的系統設計中。這些

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

u_16970152 頭像

求知上進 - 瞭解 Python 集合的無限可能

1. 集合概述 1.1 什麼是集合？ Python 的集合（set）是一個無序、可變、不允許重複元素的容器，用於存儲唯一的數據項。集合基於哈希表實現，提供 O(1) 平均時間複雜度的成員檢查和插入操作。Python 還提供不可變的集合變體——凍結集合（frozenset），適用於需要不可變鍵的場景（如字典鍵）。 關鍵特性： 無序性：集合中的元素沒

數據集 , 集合運算 , 人工智能 , 深度學習 , Python

收藏 評論

zengjingaiguodekaomianbao 頭像

曾經愛過的烤麪包 - AI巨頭連夜亮劍，普通人如何抓住這波技術紅利？

阿里和華為同日放出技術大招，當行業格局被重新定義，掌握前沿技術不再只是工程師的特權。 阿里Ovis團隊12月3日發佈了文本渲染圖像生成模型Ovis-Image，專門為高質量文本渲染優化，同時保持低計算成本。這一模型基於Ovis-U1構建，通過增加MMDiT參數和優化結構設計，採用以文本為核心的訓練流程，結合大規模預訓練與精心設計的後訓練優化。 模型整體由三大核心組件精密咬合而成：作為大腦的Ovis

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

u_16213636 頭像

mob64ca1404ed65 - Tensorrt踩坑日記 | python、pytorch 轉 onnx 推理加速

環境補充 配置訓練環境時，有一些包沒有安裝，這裏進行一些補充，就記得這幾個了，其餘的忘了，大家缺啥補啥吧，反正都是pip安裝。 conda activate rf-detr pip install onnx pip install onnxruntime pip install onnxsim onnx模型導出 from

人工智能 , 深度學習 , 計算機視覺 , 目標檢測 , 前端開發 , Javascript , Python

收藏 評論

u_12947 頭像

lazihuman - fast sigmoid硬件加速

前言 dotnet6正式發佈了，fastgithub是使用dotnet開發的一款github加速器，作為開發者，無人不知github，作為github用户，fastgithub也許是你不可或缺的本機工具。 複雜的網絡問題 github連接不上 代碼pull/push失敗 # 找問題的網站也卡

github , ip , 人工智能 , fast sigmoid硬件加速 , 深度學習 , 開發者

收藏 評論

tecdat 頭像

拓端tecdat - Python實現Transformer神經網絡時間序列模型可視化分析商超蔬菜銷售數據篩選高銷量單品預測|附代碼數據

全文鏈接：https://tecdat.cn/?p=44604 原文出處：拓端數據部落公眾號 分析師：Xutao Yao 關於分析師 在此對Xutao Yao對本文所作的貢獻表示誠摯感謝，他在數據科學與大數據技術專業完成了相關學業，專注人工智能領域。擅長Python、機器學習、深度學習、網絡爬蟲。Xutao Yao曾榮獲全國大學生數學建模競賽廣東省分賽二等獎，在商超數據分析、時間序列

機器學習 , 數據挖掘 , 人工智能 , 深度學習

收藏 評論

u_16213297 頭像

mob64ca12cfa7d5 - stable diffusion 人臉ID保留

在現代圖像生成領域，Stable Diffusion技術正在不斷髮展，其中人臉ID的保留問題尤為重要。在此博文中，我們將系統化地探討如何解決這一問題，包括背景分析、演進歷程、架構設計、性能優化、故障覆盤等，幫助讀者深入理解這一課題。 背景定位 隨着人工智能和深度學習技術的發展，圖像生成應用逐漸向商業化和個性化方向發展。Stable Diffusion作為一種深度生成模型，能夠生成

人臉識別 , 架構設計 , aigc , 深度學習

收藏 評論

u_17003056 頭像

贛州雲智科技 - AI運動小程序鴻蒙平台適配指南

鴻蒙5的首版發佈距現在已快滿一年了，同時伴隨着華為終端芯片製造的突破，搭載有HarmonyOS5的終端及用户的保有量在不斷的上升，各大廠商的APP也在逐漸適配鴻蒙生態，微信小程序生態也在逐漸適配成熟，移動端適配HarmonyOS生態已勢在必行。今天我們就結合我們一段時間以來「Ai樂運動」用户的反饋、實測驗證，來聊聊AI運動小程序在鴻蒙端的適配。 注：

AR互動遊戲 , AI運動 , AI體測 , AI健身 , AI計時計數 , 人工智能 , 深度學習

收藏 評論

u_16827017 頭像

全棧技術開發者 - 結構化協作（structured collaboration）本質是什麼？什麼是「語義編排」？語義編排在FoA中核心原理是什麼？

在現代人工智能中，智能體的規模和複雜性正在以前所未有的速度擴展。單個智能體在處理複雜任務時往往面臨計算能力和知識覆蓋的限制，而多智能體系統的出現為解決這一問題提供了可能。然而，隨着智能體數量的增加和任務複雜度的提升，如何確保智能體之間能夠高效、可靠地協作，成為設計分佈式智能系統的核心挑戰。 傳統的多智能體系統通常依賴於同步調用或點對點通信來完成任務分配與結果收集。這種模式在

yyds乾貨盤點 , 智能體 , 異構 , 人工智能 , 深度學習 , 子任務 , 結構化

收藏 評論

u_16239222 頭像

奇墨ITQM - 【重磅發佈】打破跨國協作壁壘！Kymo支持接入Teams，AI Agent無縫落地全球辦公場景

01.當AI 遇上跨國辦公，Kymo推出最佳解決方案 在全球化佈局的企業版圖中，即時通訊（IM）工具早已不是簡單的溝通載體，而是貫穿業務全流程的核心樞紐。 然而，跨國及外資企業正面臨着一場棘手的 “工具適配困境”： 國內主流 AI 平台清一色對接釘釘、企業微信、飛書等本土工具，而佔據國際辦公市場半壁江山的 Microsoft Teams，卻長期與各類AI Age

開發平台 , 數據安全 , 人工智能 , 深度學習 , 解決方案

收藏 評論

aigoto 頭像

逐夢AI - 基於Rokid的生活日記Glass拍照錄像應用【記小圈應用】開發實踐

在智能穿戴設備日益普及的今天，AR眼鏡已經不再是科幻作品中的概念，而是可以真正融入我們日常生活的工具。本文將分享一個基於 Rokid CXR-S SDK 的純眼鏡端實戰項目——生活小記Glass拍照錄像應用（Glass記小圈應用）。通過這一實戰項目，我將帶你從零構建一個能夠拍照、錄像、錄音並進行基本媒體管理的眼鏡端應用，並分享開發過程中遇到的技術細節與優化經驗。 一、項目背景與目標 在日常

深度學習

收藏 評論

infodator 頭像

容智信息 - 容智Report Agent智能體打通業財數據孤島，實現分析效率10倍提升

在多元業務與複雜產業鏈的架構下，大型集團企業的經營管理長期面臨一個根本性挑戰：如何快速、清晰地看清全域的成本與利潤構成，並讓數據真正服務於動態決策。某業務覆蓋多領域的大型集團，其財務與經營分析部門的實踐，揭示了一個從“被動彙報”到“主動洞察”的轉型路徑。在這一過程中，智能體的引入與應用，成為推動分析效能躍遷、實現持續賦能的關鍵驅動力。 該集團旗下產品線眾多，數據分散在不同區域

數據挖掘 , 自動駕駛 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

ziwupython 頭像

子午 - 海洋生物識別系統【最新版】Python+TensorFlow+Vue3+Django+人工智能+深度學習+卷積神經網絡算法

一、介紹 海洋生物系統，本項目基於深度學習技術，構建了一個集海洋生物識別、數據可視化和智能問答於一體的Web應用系統。系統採用TensorFlow框架搭建卷積神經網絡模型，通過對22種常見海洋生物（包括海豚、鯨魚、鯊魚、珊瑚、海星等）數據集進行多輪迭代訓練，最終獲得高精度識別模型，並開發了功能完善的Web操作平台。 前端: Vue3、Element Plus 後端：Django 算法：Tensor

圖像識別 , 深度學習 , Python

收藏 評論