tag 深度學習

標籤
貢獻335
512
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

xingxingshangdeliushu 頭像

星星上的柳樹 - Verilog端口類型解析

“理解端口類型，是Verilog模塊設計的關鍵。” 在Verilog設計中，端口是模塊與外界交互的橋樑。不同類型的端口——輸入、輸出與雙向——在數據流向與信號驅動方式上有着嚴格的規則。若定義不當，不僅會引發編譯錯誤，還可能導致仿真行為與硬件實現不一致。掌握Verilog端口類型的使用原則，能幫助設計者構建結構清晰、邏輯可靠的電路系統。 1、端口類型與信號流向Verilog模塊的端口可分為三類

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

u_17580222 頭像

mb691327edb400f - AI 招聘系統的變革與升級

AI 招聘系統的變革與升級 招聘領域的靜默革命：AI重塑人才選拔的核心邏輯 招聘失誤的成本往往被企業低估，一次糟糕的僱傭決定，可能讓企業付出該職位年薪30%-50%的直接成本，還會引發團隊士氣受損、培訓資源浪費等連鎖反應。傳統面試模式下，HR依賴主觀判斷和有限的簡歷信息做決策，極易導致優質人才錯失，這一行業痛點，正隨着AI技術的落地迎來解決之法。

交互設計 , 上傳 , ATS , 人工智能 , 深度學習

收藏 評論

u_16099356 頭像

IT智行領袖 - bevformer簡單復現

©作者|杜偉、陳萍 微軟亞洲研究院升級了 Swin Transformer，新版本具有 30 億個參數，可以訓練分辨率高達 1,536×1,536 的圖像，並在四個具有代表性的基準上刷新紀錄。 在不久之前公佈的 ICCV 2021 論文獎項中，來自微軟亞洲研究院的研究者憑藉論文《Swin Transformer: Hierarchic

機器學習 , bevformer簡單復現 , 人工智能 , 深度學習 , 計算機視覺

收藏 評論

u_15591470 頭像

ceshiren2022 - 簡化接口測試：利用Dify工作流結合CI/CD，實現一鍵式迴歸驗證

在敏捷開發與DevOps成為主流的今天，我們追求的是快速迭代、持續交付。然而，每當新功能開發完成或代碼發生變更時，繁瑣的接口迴歸測試往往成為流程中的“剎車片”。手動執行測試用例、核對響應數據、撰寫測試報告……這些重複性工作不僅效率低下，還容易出錯，嚴重拖慢了交付節奏。 有沒有一種方法，能將接口測試無縫嵌入到CI/CD流水線中，實現一鍵觸發、全自動迴歸驗證，並將結果清晰可溯地反饋給團隊？答

API , 人工智能 , 深度學習 , dify , 接口測試

收藏 評論

ziwupython 頭像

子午 - 【中草藥識別系統】Python+TensorFlow+Django+人工智能+深度學習+卷積神經網絡算法

一、介紹 中草藥識別系統，基於TensorFlow搭建Resnet50卷積神經網絡算法，通過對10種常見的中草藥圖片（'丹蔘', '五味子', '山茱萸', '柴胡', '桔梗', '牡丹皮', '連翹', '金銀花', '黃姜', '黃芩'）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。

圖像識別 , 人工智能 , 深度學習

收藏 評論

u_17241003 頭像

瀾極美顏SDK - Letmagic Beauty SDK: Free Basic Version Out!

In today's digital age, beauty enhancement functions have become an indispensable part of many applications. Whether it's live streaming, short videos, or social photo - taking apps, user

sed , 人工智能 , 深度學習 , ci , ide

收藏 評論

u_16099240 頭像

陌陌香閣 - 圖像顯著目標檢測模型

和昨天的那篇U²Net同作者，但是更早一點。 大多數深度學習方法→在顯著性預測時側重於區域預測→但現在他們創建了一個新的損失函數→也考慮了目標的邊界。 顯著性預測→我們人類擅長於此→關注給定的圖像或視頻中的“重要”目標。(但沒有很多方法考慮目標的邊界)。現在有很多深度學習模型結合了不同的表示方式。

code , 圖像顯著目標檢測模型 , 損失函數 , 人工智能 , 深度學習 , 計算機視覺

收藏 評論

u_16213656 頭像

mob64ca1409d8ea - 麥克風陣列定位深度學習代碼

亞馬遜Echo和谷歌Home爭奇鬥豔，除了雲端服務，他們在硬件上到底有哪些差異？我們先將Echo和Home兩款音箱拆開來看，區別最大的還是麥克風陣列技術。Amazon Echo採用的是環形6+1麥克風陣列，而Google Home（包括Surface Studio）只採用了2麥克風陣列。這種差異我們在文章《對比Amazo

信號處理 , 語音信號 , 人工智能 , 深度學習 , 麥克風陣列定位深度學習代碼 , 語音識別

收藏 評論

u_16213640 頭像

mob64ca1405d568 - HAO 人 物體 動作預測 計算機視覺任務

作者|VVingerfly 3D人體姿態和形狀估計在最近幾年是一個重要的研究熱點，但大部分工作僅僅關注人體部分，忽略了手部動作，港中文聯合Facebook AI研究院提出了一種從單張圖片同時估計人體姿態和手部動作的新方法，展示效果好似科學怪物。 如下圖左下和右下所示，易看出本文提出的方法姿態估計效果更好。

機器學習 , 神經網絡 , 人工智能 , 深度學習 , 計算機視覺

收藏 評論

pannideniupai 頭像

雨大王 - 工業智能體到底是什麼？製造業的“數字員工”解析

工業智能體作為一種新興的智能製造技術，正在製造業領域迅速發展。它通過多智能體協同架構，實現了從感知、決策到執行的全鏈路閉環，為製造業的智能化轉型提供了全新路徑。本文將從工業智能體的定義、核心價值、技術架構、行業應用及發展趨勢等方面進行深入探討。 首先，工業智能體並非簡單的自動化工具，而是融合了人工智能與工業知識的綜合性解決方案。以廣域銘島的實踐為例，其工業智造超級智能體由多個專業智能體組成，

人工智能 , 深度學習

收藏 評論

deephub 頭像

deephub - CALM自編碼器：用連續向量替代離散token，生成效率提升4倍

過去這些年語言模型的效率優化基本圍繞着兩條主線展開：參數規模和注意力機制的複雜度。但有個更根本的問題一直被忽視，那就是自迴歸生成本身的代價。這種逐token生成的模式讓模型具備了強大的通用性，同時也帶來了難以迴避的計算開銷。 現在有一種思路值得關注：不去替換現有的優化手段，而是在上層加一個潛在空間的映射層，直接削減前向傳播的次數。 每次讓GPT-5寫封郵件模型都得一個token一個token地往外

llm , 人工智能 , 深度學習

收藏 評論

u_16099221 頭像

技術領航者之聲 - gis 拓撲錯誤 能否批量處理

主要有添加構建拓撲，拓撲中添加要素，添加規則，輸出拓撲錯誤的功能。 使用： TopologyChecker topocheck = new TopologyChecker(mainlogyDataSet);//傳入要處理的要素數據集 top

數據集 , List , System , arcgis , 人工智能 , 深度學習 , gis 拓撲錯誤 能否批量處理

收藏 評論

pannideniupai 頭像

雨大王 - 如何選擇汽車製造數字化服務商？關鍵指標與實戰案例解析

汽車製造業的數字化浪潮與核心挑戰 當前，全球汽車產業正經歷一場由數字化、智能化驅動的深刻變革。這早已超越了簡單地在生產線上增加幾台機器人的初級階段，而是滲透至研發、供應鏈、生產製造、營銷服務等全價值鏈的深層重構。對於眾多汽車製造商而言，數字化轉型已非一道選擇題，而是一道關乎未來生存與發展的必答題。然而，這條轉型之路並非坦途，企業普遍面臨着諸多核心挑戰：如何將海量的生產數據轉化為有價值的決策洞

人工智能 , 深度學習

收藏 評論

u_16099245 頭像

遊俠小影 - Whisper通過命令調優

一：列出文件清單 1． List (gdb) list line1,line2 二：執行程序 要想運行準備調試的程序，可使用run命令，在它後面可以跟隨發給該程序的任何參數，包括標準輸入和標準輸出説明符(和)和外殼通配符（*、？、[、]）在內。 如果你使用不帶參數的run

數組 , 信號處理 , 賦值 , 人工智能 , 深度學習 , Whisper通過命令調優

收藏 評論

u_12935 頭像

doscommand - LLMs開源模型們和數據集簡介

1. 大模型語言模型訓練的幾種主流方法 訓練大型語言模型（LLM）是一個複雜但回報豐厚的過程。根據不同的需求和資源，我們可以選擇多種訓練策略。 1.1 從頭訓練（Pre-training from Scratch）與全參數微調 這種方法指的是在一個大規模的、無標籤的文本語料庫上，從零開始訓練一個全新的語言模型。

數據集 , 數據 , 人工智能 , 深度學習 , 筆記 , 前端開發 , Javascript

收藏 評論

ziwupython 頭像

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

一、介紹 動物識別系統，基於TensorFlow搭建Resnet50卷積神經網絡算法，通過對4種常見的動物圖片數據集（貓、雞、馬、狗）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： 在人工智能技術蓬勃發展

圖像識別 , 人工智能 , 深度學習

收藏 評論

u_17241003 頭像

瀾極美顏SDK - 什麼是美顏sdk?如何快速開發並集成自拍機的美顏sdk?

先釐清核心概念：美顏SDK（Software Development Kit，軟件開發工具包）是一套封裝了人臉檢測、圖像美化、實時渲染等核心能力的技術組件，包含了算法模型、API接口、開發文檔和演示示例等內容。簡單來説，它就像一個“美顏工具箱”，開發者無需從零研發複雜的計算機視覺算法，只需通過調用接口，就能快速為自拍機等設備接入磨皮、美白、美型、濾鏡等專業美顏功能。

人臉檢測 , 人工智能 , 深度學習 , 開發者 , 開發文檔

收藏 評論

u_15591470 頭像

ceshiren2022 - 避開 Playwright 常見陷阱，讓你的 UI 測試更加快速與穩定

近年來，Playwright 作為一款跨瀏覽器、跨平台的端到端自動化測試框架，越來越多的測試團隊選擇它替代 Selenium 或 Puppeteer。 它提供了強大的 API 和智能等待機制，但在實際項目中，很多團隊仍會遇到各種坑。今天，我們結合行業實踐經驗，總結 Playwright 最容易踩的坑及解決方案，讓你的測試更快、更穩定。 1. 按風險級別組織測試 坑點：按功能模塊組

playwright , 測試數據 , 人工智能 , 深度學習 , 解決方案 , ui

收藏 評論

tecdat 頭像

拓端tecdat - MATLAB奧運會獎牌預測—CNN神經網絡、邏輯迴歸、Liang-Kleeman信息流及隨機森林模型的因果關聯與概率預測

全文鏈接：https://tecdat.cn/?p=44748 原文出處：拓端數據部落公眾號 關於分析師 在此對Xinpeng Wang對本文所作的貢獻表示誠摯感謝，他在浙江財經大學完成了應用統計學專業的學士學位，專注老年教育調查數據分析、奧運獎牌預測模型建立領域。擅長R語言、Python、數據預處理、統計分析、統計建模。曾參與老年教育調查數據的清洗與分析工作，主導完成奧運獎牌預測

機器學習 , 數據挖掘 , 算法 , 人工智能 , 深度學習

收藏 評論

zengjingaiguodekaomianbao 頭像

曾經愛過的烤麪包 - 豆包AI手機：封殺後炒到近萬，藏着AI時代的生死局

一部廠商主動提示“請謹慎選擇”的手機，開售1天就被搶空。 二手平台上，它的價格直接飆到近萬元。 這不是一部普通手機，而是AI改寫行業規則的信號彈，在移動互聯網江湖炸出了驚雷。 這款引發震動的機型，是搭載豆包手機助手的努比亞M153工程樣機。 它的殺手鐗很簡單：AI能跨着App幫你幹活，從比價到下單，全程不用你碰屏幕。 微信、淘寶、支付寶立刻繃緊了神經，相關功能迅速被封殺。 羅永浩直言“技術革命攔不

數據挖掘 , 人工智能 , 深度學習

收藏 評論

xingxingshangdeliushu 頭像

星星上的柳樹 - IC系統測試實戰

在集成電路（IC）領域，系統級測試是確保產品可靠性與性能合格的關鍵環節。功能測試、性能測試與環境測試是全面驗證不可或缺的步驟。如若你期待結合理論與實操並迅速提升測試能力，EDA Academy 提供最新專業網課，是你成長與分享的理想平台。 1、功能測試：檢驗設計是否“按圖施工” 功能測試圍繞 IC 是否符合規格邏輯展開，是設計驗證的第一道關卡。 自動測試向量生成（ATPG）：通

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

u_16640205 頭像

mb65f83f0864e54 - 卓馭獲得一汽超36億戰略投資

作者：鐘聲 編輯：Mark 出品：紅色星際 紅色星際小程序/移動端快報 近日，卓馭科技宣佈獲得中國第一汽車股份有限公司超36億元的戰略投資。本次交易完成後，卓馭將保持獨立發展的經營戰略，投後估值超一百億人民幣。 獲得這筆超36億元的戰略投資之後，卓馭有了更多的彈藥投入前沿技術研發，像VLA大

市場份額 , 技術研發 , 人工智能 , 深度學習 , 估值

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 【TVM教程】設計與架構

本文檔適用於想要了解 TVM 架構或積極開發項目的開發者。本文檔組織結構如下： 整體編譯流程示例：概述 TVM 如何將一個高級模型描述轉換為可部署模塊的各個步驟。建議首先閲讀本節以瞭解基礎流程。 簡要介紹 TVM 棧中的關鍵組件。您也可以參考TensorIR 深度解析和Relax 深度解析，瞭解 TVM 棧中兩個核心部分的詳細內容。 本指南提供了架構的一些補充視圖。首先研

機器學習 , 人工智能 , 深度學習

收藏 評論