tag 深度學習

標籤
貢獻335
526
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_17580222 頭像

mb691327edb400f - 判斷AI招聘系統成熟度的3個硬指標

判斷AI招聘系統成熟度的3個硬指標 很多企業在選擇AI面試系統、AI招聘系統時，核心疑問都聚焦於“準不準”。但在真正成熟的人才系統中，這個籠統問題已被拆解為更具體、可驗證的三個核心指標： 面試結果能否直接進入決策鏈條：若AI面試系統的打分僅能“供參考”，無法在錄用、淘汰、排序中實際應用，本質上仍只是輔助工具，而非能支撐招聘全流程的系統； 評分是否具備

數據 , 結構化分析 , 人工智能 , 輔助工具 , 深度學習

收藏 評論

youqingyouyidejidan 頭像

底層邏輯探索 - 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

u_16099335 頭像

碼海無壓 - Android攝像頭預覽黑白

一、工業相機選型 1、黑白/彩色 黑白的同樣分辨率的相機，精度比彩色高，尤其是在看圖像邊緣的時候，黑白的效果更好。特別是做圖像處理，黑白工業相機得到的是灰度信息，可直接處理。 要想得到與現實吻合度高的色彩，需要後期處理，比如監控相機。 2、面陣相機/線陣相機 如果對於檢測精度要求很高，運動速度很快，面陣相機的分辨率和幀率達不

移動開發 , 工業相機 , Android攝像頭預覽黑白 , Android , 人工智能 , 深度學習 , 計算機視覺

收藏 評論

u_16827017 頭像

全棧技術開發者 - 什麼是「多模態協同決策」？它與多傳感器融合的關係是什麼？知識蒸餾和跨模態蒸餾有什麼關係？不同模態之間的信息衝突應如何解決？

在過去的十餘年中，智能交通與自動駕駛技術的發展被普遍視為人工智能落地應用最具代表性與最具挑戰性的領域之一。人們對自動駕駛的期待不僅僅是“解放雙手”，更是寄希望於其能夠顯著提升道路利用效率，並最後推動社會出行方式的根本變革。然而，當我們深入考察現有的自動駕駛方案時，一個不容迴避的現實逐漸顯現出來：單車智能正在觸碰其發展的瓶頸。 自動駕駛的決策過程高度依賴感知，而感知本質上是車

自動駕駛 , 人工智能 , 深度學習 , 車聯網 , 模態

收藏 評論

u_17593768 頭像

JUGG11 - 別再當冤大頭！知識管理工具避坑指南，選擇真·提效神器

誰沒被“高大上”的知識管理工具坑過？ 宣傳頁寫滿“全功能覆蓋”“智能高效”，實際用起來卻一言難盡：部署要找技術大神折騰大半天，檢索時關鍵詞不對就搜不到，年費還按用户數翻倍漲，中小企業根本扛不住。最後工具成了“擺設”，文檔躺在裏面睡大覺，錢花了不説，效率反而更拉胯。 但千萬別一棍子打死所有知識管理工具！真正的好工具，從不用噱頭忽悠人，而是用實打實的體驗和數據説話。今天就

商業 , github , 數據 , 管理工具 , 人工智能 , 深度學習

收藏 評論

u_16099281 頭像

雲端築夢師 - 深度學習pr計算公式

這個學期選了數據挖掘的課程，期末要做一個關於鏈接分析算法的報告，這是PR算法的小結。 PageRank 這個學期選了數據挖掘的課程，期末要做一個關於鏈接分析算法的報告，這是PR算法的小結。 算法 PR算法基於等級權威的思想，及不僅考慮指向該網頁的鏈接數，同時也考慮指向該網頁網站的重要程度。 PR算法是一種靜態的網頁評級方法，因為它為每個網

深度學習pr計算公式 , 馬爾科夫鏈 , 人工智能 , 深度學習 , 概率分佈 , Web

收藏 評論

u_17512334 頭像

疆鴻智能研發中心 - 疆鴻智能MODBUS TCP與PROFIBUS在核電廠的異構集成解決方案

疆鴻智能MODBUS TCP與PROFIBUS在核電廠的異構集成解決方案 我們廠裏最近遇到了個通信難題。控制室新上的監控系統用的是MODBUS TCP協議，而汽輪機調速、給水控制這些關鍵區域的現場設備，清一色是十幾年前部署的PROFIBUS-DP從站。它們就像兩撥説不同語言的人，各自為政，數據成了“信息孤島”。改造設備？成本高昂，停機風險不可接受。於是，尋找一位可靠的“翻譯

profibus , 協議轉換網關 , 工業通訊 , 人工智能 , 深度學習 , MODBUS TCP , 工業自動化

收藏 評論

u_16175505 頭像

mob649e816594b7 - window下的ollama怎麼啓用gpu

在Windows下使用Ollama啓用GPU的過程，常見於機器學習和深度學習任務中。對於那些希望利用GPU進行加速計算的用户來説，瞭解如何正確配置環境是非常重要的。本文詳細描述了這一問題的背景、錯誤現象及解決方案，幫助大家順利在Windows平台上使用Ollama並啓用GPU。 問題背景 在使用Ollama進行深度學習模型的部署時，有用户發現無法啓用GPU，從而導致訓練速度緩慢，

aigc , 深度學習 , ci , CUDA

收藏 評論

qingfouai 頭像

青否Ai - AI賦能：AI引領職場變革，青否ai超級員工上線助力企業降本增效！

隨着科技的日新月異，生成式AI已經成為職場中不可或缺的一部分。它不僅提高了工作效率，還解鎖了全新的工作方式。據最新調研顯示，超過75%的全職員工已經開始在工作中使用生成式AI，這一比例比半年前有了顯著增長。這標誌着我們正處在一場職場革命的前沿！（青否ai員工源頭v：zhibo175） AI如何重塑職場？ · 效率提升：AI工具幫助員工節省大量時間，完成大部分任務，但更重要的是，它激發了全新的工作模

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

captainbed 頭像

人工智能AI技術 - 【SD教程】為什麼要學SD

朋友，可以轉載，但請註明出處，謝謝！http://blog.csdn.net/jiangjunshow 為什麼要學習stable diffusion（簡稱SD）？最直白的原因——它能帶來新收入。至於是幾萬幾十萬還是幾百萬，那就要看你的能力和運氣。 為什麼能帶來新收入？因為它使生產力實現了飛躍，而且是“核爆式”的飛躍。就像別人還在扔手榴彈，你已經可以投原子彈了。就像過去是用馬車拉貨

插入圖片 , 人工智能 , 深度學習 , .net , 美圖秀秀

收藏 評論

chenzhuodeyagao 頭像

沉着的牙膏 - 深度解析零信任：以身份為中心的持續安全驗證

零信任，這一重塑現代網絡安全格局的理念，最早由Forrester分析師John Kindervag於2010年正式提出。其誕生背景正是由於傳統邊界安全模型在日益分佈式的網絡環境中逐漸顯露出不足。零信任從根本上挑戰了“內部即安全、外部即危險”的傳統假設，它指出，無論設備處於網絡中的何種位置——內部還是外部，都應被視為如同連接在互聯網上一樣不可輕信，所有網絡流量都必須經過嚴格驗證與管控。 零信任

深度學習

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 生成 1.8 萬年氣候數據，英偉達等提出長距離蒸餾，僅需單步計算實現長期天氣預報

天氣預報的精準度和預見期，直接影響災害防禦、農業生產和全球資源調度。從短時預警到季節乃至更長期的氣候預測，每延長一步，技術挑戰都成倍增加。傳統數值預報發展多年後，AI 為這一領域帶來了新動力。近年來，AI 天氣預報模型已在中期預報上取得突破，其性能媲美甚至超越了先進的傳統動力模式。 目前主流 AI 氣象模型多采用自迴歸架構，其原理是逐步推演，通過學習歷史數據中的短期大氣變化規律，預測未來幾小時的狀

機器學習 , hyperai , 人工智能 , 深度學習

收藏 評論

huodadexiang 頭像

南瓜 - 基於 YOLOv8 的學生課堂行為檢測(舉手、看書、寫作業、玩手機)-完整項目源碼

基於 YOLOv8 的學生課堂行為檢測-完整項目源碼 一、問題背景：為什麼要做“課堂行為識別” 在智慧校園和數字化教學逐步落地的過程中，課堂行為數據正在從“不可量化”走向“可分析、可追溯、可評估”。 在真實教學場景中，教師和管理者往往關注以下問題： 學生是否專注聽講？ 是否存在頻繁低頭、趴桌、玩手機等行為？ 課堂互動（舉手、回答問題）是否足夠積極？ 不同時間段、不同課程的學習狀態差異如何

機器學習 , 人工智能 , 深度學習

收藏 評論

u_16099227 頭像

雲端創新者 - 深度學習向量維度一般如何設置

　　什麼是向量　　 　　向量通常指一個有長度有方向的量。向量使所有的移動和空間行為更容易理解和在代碼中實現。向量可以相加，縮放，旋轉，指向某物體。　 　　在javascript中，一個方向和長度(即向量)在二維空間中可以用橫座標x和縱座標y表示。　 　　 　　上圖中有4個不同的向量及其x和y分量(左上角為原點{x:0,y:0}，這裏的向量

深度學習向量維度一般如何設置 , 縮放 , Math , 點積 , 人工智能 , 深度學習

收藏 評論

u_17566409 頭像

wx69030d3acd3f5 - 兩大不可逆轉的趨勢正在夾擊培訓領域？AI時代，培訓新範式

　【一線數智評論】如果，你發現客户不再為你曾經的王牌課程買單，不是因為課程不好，而是因為遊戲的規則徹底改變。 　　兩大不可逆轉的趨勢正在夾擊我們： 　　1. 企業培訓預算普遍下滑：經濟下行壓力下，企業首先砍掉的就是被視為“成本中心”且ROI模糊的傳統培訓。 　　2. 學習形態徹底顛覆：我們不禁要問：當員工遇到難題時，第一反應是打開那塵封的線上課程庫，還是直接向C

數據 , 人工智能 , 深度學習 , 迭代 , 知識體系

收藏 評論

youqingyouyidejidan 頭像

底層邏輯探索 - 簡單、定製化、低誤報率：數據分類分級系統賦能教育行業數據安全治理

一、概要 提示：本文系統闡述了教育行業數據分類分級的最佳實踐路徑與落地成效，為教育機構構建安全、合規、高效的數據治理體系提供完整解決方案。在數字化轉型加速的今天，教育數據已成為推動教學創新與管理優化的核心資源。然而，數據分散、敏感性強、合規壓力大等挑戰，使教育機構面臨“數據管不住、用不好”的現實困境。全知科技推出的“知源-AI數據分類分級系統”，以“簡單、定製化、低誤報率”為核心特性，通過A

深度學習

收藏 評論

lab4ai 頭像

Lab4AI - 重磅！圖靈獎得主 Bengio 領銜 30 + 頂流學者聯合發文！首次給 AGI 下量化定義

論文標題：A Definition of AGI 作者團隊：人工智能安全中心、加州大學伯克利分校、Morph實驗室、密歇根大學等 發佈時間：2025年10月21日 👉一鍵直達論文 👉Lab4AI大模型實驗室論文閲讀 ✅Lab4AI平台提供AI導讀和AI翻譯等工具，輔助論文閲讀。您還可以投稿復現這篇論文~ ⭐論文簡介 本文旨在提出一個全面、可量化的框架，以澄清AGI的定義，並精確測量AI系統

機器學習 , llm , 算法 , 人工智能 , 深度學習

收藏 評論

u_16060192 頭像

HyperAI超神經 - 【vLLM 學習】Rlhf

vLLM 是一款專為大語言模型推理加速而設計的框架，實現了KV 緩存內存幾乎零浪費，解決了內存管理瓶頸問題。 更多 vLLM 中文文檔及教程可訪問 →vllm.hyper.ai/ *在線運行 vLLM 入門教程：零基礎分步指南 源碼examples/offline_inference/rlhf.py """ 一個基於 vLLM 的 RLHF 簡單實現演示，靈感來源於 O

編程 , 機器學習 , vLLM , AI , 人工智能 , 深度學習

收藏 評論

u_16349720 頭像

短短同學 - x86操作系統——內存管理

x86 操作系統：內存管理核心機制解析 內存是 x86 操作系統運行的核心資源，所有程序的指令與數據都需加載到內存才能執行。x86 架構下的內存管理，核心目標是 “高效利用物理內存、隔離不同程序內存空間、支持大程序運行”，其底層依賴 “地址轉換、分頁機制、內存保護” 三大核心技術。本文從 x86 架構特性出發，拆解內存管理的關鍵機制，帶你理解操作系統如何 “管好” 物理內存

頁表 , 物理內存 , 人工智能 , 深度學習 , 虛擬地址

收藏 評論

u_16776161 頭像

天潤融通科技 - 客户服務轉折點：從工具效率到AI勢能

過去二十年，客户服務的競爭始終圍繞“工具效率”展開。 從語音機器人到雲客服，從自動外呼到知識庫升級，企業不斷用新工具武裝人力，希望讓人“跑得更快”。但這種模式的核心仍然是“以人為驅動力”——工具只是放大器，而非替代者。 問題在於，這條路已經走到了盡頭。人的潛力被壓榨到極限，工作強度的上限已無法再突破。再好的工具，本質上仍是在要求人用更短的時間完成更多的任務。無論從人性

人工智能 , 深度學習 , 客户服務

收藏 評論

u_16175440 頭像

mob649e8155edc4 - WINDOWS 安裝 ollama用gpu運行

實現“WINDOWS安裝ollama用GPU運行”的全過程將會是一個相對複雜的任務，但也並非不可克服。為了方便大家更好地理解，我將這個過程以博文的形式記錄下來。從環境準備到擴展應用，每一個步驟力求詳細和清晰。 在開始之前，請確保您具備以下環境所需的基本條件。安裝Ollama的GPU支持涉及多個前置依賴，這對於其順暢運行至關重要。 環境準備 前置依賴安裝 以下是您需要安裝的

aigc , 深度學習 , CUDA , Python

收藏 評論

u_17512334 頭像

疆鴻智能研發中心 - 從“通訊孤島”到“數據交響曲”：CC-Link IE轉EtherNet/IP網關，貫通供漿製漿系統

從“通訊孤島”到“數據交響曲”：CC-Link IE轉EtherNet/IP網關，貫通供漿製漿系統 作為一名常年奔波在造紙行業的自動化工程師，我見證了太多生產線因協議壁壘形成的“通訊孤島”。直到我們在某大型紙企的供漿製漿系統改造中，成功部署CC-Link IE轉EtherNet/IP協議轉換網關，才真正體會到數據無縫流動帶來的變革。 一

ETHERNET , ip , 變頻器 , CCLINKIE , 協議轉換 , 人工智能 , 深度學習 , 工業自動化

收藏 評論

u_16213635 頭像

mob64ca1404baa2 - 評價文本生成模型生成效果

生活是美好的，佈滿每個角落，不要用良家婦女的心態去club，拜託！還是回家洗衣服去吧。 目的：評論自動分類 美護好評作為基礎數據，總共9萬6千條，數據越多訓練的模型越準確。 1. 首先對用户的評論進行標點符號去除，然後分詞，最後去掉停用詞。保存到一個文件中，一行是一條評論，每個詞之間用空格分開。 2. 使用word2vec訓練，得

聚類 , 評價文本生成模型生成效果 , 人工智能 , 深度學習 , 數據結構與算法 , 詞向量

收藏 評論