tag 深度學習

標籤
貢獻335
525
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_15444 頭像

gulaotou - 醫學影像特徵提取與導出_醫學影像的特徵提取

1 DICOM特徵提取手藝概述 所有智能診斷系統的起點。就是在醫學影像的世界裏，DICOM文件，就像一種通用語言，每一份文件中都封裝了病人的具體信息和影像切片，而AI要想讀懂這些影像就必須先從這些文件裏提煉出關鍵的特徵，這幾乎 繼而目前的現狀是提取特徵的方法也一直在進化，早期靠工程師一點點手動設計，現在則更多地依賴深度學習模型去自動發現，由此也衍生

後端開發 , 深度學習 , 頻域 , 特徵提取 , Python

收藏 評論

fulade 頭像

弗拉德 - 【Python 1-16】Python手把手教程之——類Class的繼承、父類、子類

作者 | 弗拉德 來源 | 弗拉德（公眾號：fulade_me) 繼承 編寫類時，並非總是要從空白開始。如果你要編寫的類是另一個現成類的特殊版本，可使用 繼承。一個類繼承另一個類時，它將自動獲得另一個類的所有屬性和方法;原有的類稱為父類， 而新類稱為子類。子類繼承了其父類的所有屬性和方法，同時還可以定義自己的屬性和方法。 子類的方法__init__() 創建子類的實例時，Python首先需要

python3 , python2.7 , 人工智能 , 深度學習 , Python

收藏 評論

fulade 頭像

弗拉德 - 【Python 1-17】Python手把手教程之——文件的讀寫以及I/O操作

作者 | 弗拉德 來源 | 弗拉德（公眾號：fulade_me) 從文件中讀取數據 文本文件可存儲的數據量很多，每當需要分析或修改存儲在文件中的信息時，讀取文件都很有用，對數據分析應用程序來説尤其 如此。例如，你可以編寫一個這樣的程序:讀取一個文本文件的內容，重新設置這些數據的格式 並將其寫入文件，讓瀏覽器能夠顯示這些內容。 要使用文本文件中的信息，首先需要將信息讀取到內存中。為此，你

python3 , 數據挖掘 , python2.7 , 深度學習 , Python

收藏 評論

u_17512334 頭像

疆鴻智能研發中心 - 智能“翻譯官”：MODBUS轉PROFIBUS網關，解鎖攪拌站無人裝載新紀元

智能“翻譯官”：MODBUS轉PROFIBUS網關，解鎖攪拌站無人裝載新紀元 在工業自動化的浪潮中，數據協議的“語言不通”常常成為系統聯通的絆腳石。在一家現代化攪拌站內，就上演了這樣一場精彩的“溝通”大戲：一方是控制中樞——西門子PLC（秉持PROFIBUS協議），另一方是執行先鋒——無人裝載機（通常採用MODBUS協議）。而促成它們無縫協作的關鍵“翻譯官”，正是PROFI

profibus , 協議轉換 , 人工智能 , 深度學習 , 網關 , 工業自動化 , Modbus

收藏 評論

lyh_bxxw 頭像

編學小屋 - Python的認知，你有了解嘛？看看吧少走點彎路！

首先得問自己學Python能幹嘛？ 收錄：CSDN【學Python説簡單真的簡單，説難也難，就由過來人給你總結為什麼吧。】 這個問題不好回答，因為Python有很多用途。 比如Python比較熱門的領域： 1、web開發 2、數據分析 3、人工智能 4、自動化運維 5、遊戲開發 6、網絡爬蟲 ....... 對於初學者來説 可能都感興趣！ 人嘛對未知的充滿好奇，

機器學習 , 人工智能 , 深度學習 , sublime-text , Python

收藏 評論

yuanfang_648a85b26d85e 頭像

farfarcheng - DPA-1 遇見指南｜DP-SSE 固態電解質實戰

為了生產一個機器學習勢函數，你積累了大量的第一性原理數據，卻發現訓練模型的樣本效率不足，遷移性差。如此大的花費只能體驗“一次性”的機器學習分子動力學模擬 (MLMD)？這未免太貴了！ ChatGPT 等大規模語言模型的成功讓我們看到了“預訓練模型+少量新數據微調”解決這一難題的可能，勢函數生產能否參考此訓練策略進行？ 圖 1｜預訓練模型+

函數 , 機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

yuanfang_648a85b26d85e 頭像

farfarcheng - JAX-FEM｜當有限元遇上機器學習

近年來，機理與數據的融合計算正快速發展着。機器學習作為數據驅動的計算方法，以其解決高維複雜問題的能力而聞名於世。它在視覺理解、自然語言處理等領域取得了重大突破。與此同時，基於機理的計算方法，如有限元模擬，在現代工業中起着至關重要的作用，廣泛應用於飛機、汽車、材料和新能源等行業。 有限元方法簡介與挑戰 有限元法（FEM，Finite Element Method）是一種為求解偏微分方程邊值問題近似解

函數 , 機器學習 , 數學 , 人工智能 , 深度學習

收藏 評論

liuyuedekele 頭像

六月的可樂🥤 - 智能API代碼示例生成工具AiRestful

一、產品介紹 AiRestful是一款基於智能AI的,幫助小白快速生成任意編程語言的API接口調用示例代碼的編程工具.它的特點是:簡單易用、集成支持、多主流編程語言覆蓋.它是面向學生、編程愛好者、編程小白的實用工具. AiRestful官網: 點擊直達AiRestful官網 二、如何使用 AiRestful是簡單易用的,只需要三步即可為您生成您需要的編程語言的代碼示例. 1、第一步(必須): 根

restful , 人工智能 , 深度學習 , 前端 , Javascript

收藏 評論

thinking80s 頭像

Thinking80s - 我的編程之路

3.1 初識編程 在深圳的這個新起點，我開始了對編程世界的探索。哥哥不僅是我的家人，也成了我編程路上的第一位導師。他耐心地從基礎開始教我，從變量、數據類型到條件語句、循環結構，每一個概念都講解得清清楚楚。 詳細內容： 我還記得第一次編寫代碼時的緊張和興奮。那是一段簡單的程序，用來計算兩個數的和。儘管現在看來非常簡單，但當時卻讓我激動不已。隨着時間的推移，我逐漸掌握了更多的編程知識，開始嘗試編寫更復

服務器 , ruby , 數據庫 , 深度學習 , 前端

收藏 評論

deephub 頭像

deephub - LLM代理應用實戰：構建Plotly數據可視化代理

如果你嘗試過像ChatGPT這樣的LLM，就會知道它們幾乎可以為任何語言或包生成代碼。但是僅僅依靠LLM是有侷限的。對於數據可視化的問題我們需要提供一下的內容 描述數據:模型本身並不知道數據集的細節，比如列名和行細節。手動提供這些信息可能很麻煩，特別是當數據集變得更大時。如果沒有這個上下文，LLM可能會產生幻覺或虛構列名，從而導致數據可視化中的錯誤。 樣式和偏好:數據可視化是一種藝術形式，每個人都

llm , 代理 , 人工智能 , 深度學習 , 可視化

收藏 評論

deephub 頭像

deephub - 如果你的PyTorch優化器效果欠佳,試試這4種深度學習中的高級優化技術吧

在深度學習領域，優化器的選擇對模型性能至關重要。雖然PyTorch中的標準優化器如 SGD 、 Adam 和 AdamW 被廣泛應用，但它們並非在所有情況下都是最優選擇。本文將介紹四種高級優化技術，這些技術在某些任務中可能優於傳統方法，特別是在面對複雜優化問題時。 我們將探討以下算法： 序列最小二乘規劃（SLSQP） 粒子羣優化（PSO） 協方差矩陣自適應進化策略（CMA-ES） 模擬退

神經網絡 , pytorch , 人工智能 , 深度學習 , 優化

收藏 評論

algieba 頭像

阿爾的代碼屋 - [python 技巧] 快速掌握Streamlit: python快速原型開發工具

本文旨在快速上手python的streamlit庫,包括安裝，輸入數據，繪製圖表，基礎控件，進度條，免費部署。 Streamlit，更快地幫你建構和分享數據應用! streamlit官網如是説, 在數據處理，數據展示，機器學習原型，AI原型展示等方面十分契合。當然咱們用來做一些簡單的web應用也是完全沒問題的，上手難度低，部署簡單，且官方平台提供了免費的可公網訪問Streamlit Sharing

機器學習 , streamlit , webapp , 深度學習 , Python

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 僅用1年成為DeepMind頂樑柱，John Jumper博士畢業7年拿諾獎，開啓蛋白摺疊新時代

「我以為我只有 10% 的機會獲得諾貝爾化學獎」，得知獲獎消息後，John Jumper 在電話採訪中笑着説道。他的語氣中帶着謙遜與感慨，而這份殊榮的背後，則是 AlphaFold2 帶來的科學革命，徹底改變了蛋白質結構預測的方式。 截至目前，已有來自 190 個國家的 200 多萬人使用這一工具，它不僅加速了新藥研發和疾病研究，也為基礎科學探索提供了前所未有的支持，深刻影響了生命科學的未來發展。

機器學習 , 強化學習 , google , 人工智能 , 深度學習

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 【vLLM 學習】歡迎來到 vLLM!

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 →https://vllm.hyper.ai/ vLLM 是一個快速且易於使用的庫，專為大型語言模型 (LLM) 的推理和部署而設計。 vLLM 的核心特性包括： 最先進的服務吞吐量 使用 PagedAttention 高效管理注意力鍵和值的內

機器學習 , llm , 框架 , 人工智能 , 深度學習

收藏 評論

deephub 頭像

deephub - TorchOptimizer：基於貝葉斯優化的PyTorch Lightning超參數調優框架

超參數優化是深度學習模型開發過程中的一個核心技術難點。合適的超參數組合能夠顯著提升模型性能，但優化過程往往需要消耗大量計算資源和時間。本文介紹TorchOptimizer，這是一個基於貝葉斯優化方法的超參數優化框架，專門用於優化PyTorch Lightning模型的超參數配置。 TorchOptimizer是一個集成了PyTorch Lightning框架和scikit-optimize貝葉斯

機器學習 , pytorch , 人工智能 , 深度學習 , 優化

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 甲骨實物高保真數據歸國，AI助力古文釋讀，發現甲骨新圖像

「明年我們去法國接甲骨文回家」，2024 年 12 月下旬，安陽師範學院甲骨文信息處理教育部重點實驗室的研究人員遠赴法國，與法國國家圖書館等 4 家甲骨文收藏機構簽訂合作協議，將以數字化形態將已經遠離故土許久的甲骨文文化遺產「接回家」。 2024 年 8 月 5 日，「全球甲骨數字迴歸計劃」正式啓程，實驗室主任劉永革帶領團隊成員張展、李邦、郭安、龔慕凡飛往韓國，於 8 月 13 日帶回了 7 片甲

機器學習 , llm , 3d , 人工智能 , 深度學習

收藏 評論

puxiaoke6 頭像

一點人工一點智能 - 書籍-《正則表達式謎題與AI編碼助手》

書籍：Regular Expression Puzzles and AI Coding Assistants: 24 puzzles solved by the author, with and without assistance from Copilot, ChatGPT and more 作者：David Mertz 出版：Manning​ 編輯：陳萍萍的公主@一點

機器學習 , 人工智能 , 深度學習 , 正則表達式

收藏 評論

zhidechaomian_detxs7 頭像

睿智的炒蘑菇 - 戴着鐐銬跳舞：數字化生存時代如何重建生活秩序？

左手插着輸液管，右手還在瘋狂敲擊鍵盤改方案——25歲設計師小周的第七次急診室加班，換來病歷本上"自主神經功能紊亂"七個大字。這不是個例，而是996、短視頻、信息轟炸三重絞殺下的集體生存危機。本文將帶你看透混亂真相，用數字工具奪回人生掌控權。 一、秩序感崩塌：現代人的精神失重 神經學家實錘，人腦根本不是多線程CPU，當你邊回微信邊寫方案，錯誤率會像坐火箭般飆升——這就是你總忘關燃氣灶的科學解釋

人工智能 , 深度學習 , sublime-text , 前端 , Javascript

收藏 評論

puxiaoke6 頭像

一點人工一點智能 - 書籍-《優化與最優控制簡明教程》

書籍：Optimization and Optimal Control in a Nutshell 作者：Sudath Rohan Munasinghe 出版：Springer​ 編輯：陳萍萍的公主@一點人工一點智能 下載：書籍下載-《優化與最優控制簡明教程》 01 書籍介紹 本書簡潔地介紹了優化過程和最優控制過程，並通過實例和仿真幫助自學和更好地理解。首先從函數優

算法 , 人工智能 , 深度學習 , 優化

收藏 評論

zhidechaomian_detxs7 頭像

睿智的炒蘑菇 - 必看！電商運營新手的管理神器與效率提升實戰

凌晨三點，杭州某電商園區依然燈火通明。剛入行的運營新人小林盯着電腦屏幕，手忙腳亂地在五個平台間切換——抖音小店要改商品標題，拼多多客服消息積壓了50條，淘寶後台還有三個未處理的退款申請。這是無數電商新人的真實寫照，也是傳統運營模式的效率困局。當行業進入"分鐘級響應"時代，掌握數字工具的新手運營正以驚人的速度超越"手工黨"前輩。 新手第一課：建立數字化認知框架 剛接觸電商運營時，很多人會陷入"平台規

visual-studio-code , webapp , 深度學習 , chrome-devtools

收藏 評論

guangmingleiluodegongjian 頭像

用户bPdjp9i - manim邊學邊做--通用變換

在 Manim 動畫製作中，Transform、TransformFromCopy、ReplacementTransform和Restore是四個通用的對象變換動畫類。 這幾個類能夠實現從一個對象到另一個對象的平滑過渡、複製並變換、直接替換以及狀態恢復等多種效果。 Transform：將一個Mobject平滑地變換為另一個Mobject TransformFromCopy：從一個對象複製出一

segmentfault , 深度學習

收藏 評論

old_it 頭像

老IT人 - 聯想 X 贊奇 | 共建 AI 生態，攜手發佈軟硬協同的AIKnow智能體工作站

5月8日，聯想在上海舉辦中國合作伙伴大會。贊奇科技作為聯想ISV核心生態夥伴之一，正式發佈“贊奇AIKnow智能體工作站”。該方案深度融合聯想工作站與贊奇AIKnow智能體開發平台，實現軟硬協同，為企業提供開箱即用的AI開發解決方案，大幅降低智能體部署門檻。 贊奇AIknow是由贊奇科技開發的一站式無代碼智能體開發平台，通過整合主流的大語言模型（如Qwen、DeepSeek、ChatGLM等）、

機器學習 , 算法 , segmentfault , 人工智能 , 深度學習

收藏 評論

xingguangshanshan 頭像

星光閃閃 - GCMS調諧報告中發現半峯寬超過0.65的調整方法

質譜儀GCMS的調諧報告中發現半峯寬超過0.65，可以按照以下步驟進行調整： 檢查儀器狀態 真空狀態：確保分子渦輪泵的轉速達到百分之100，真空系統正常運行。如果真空狀態不佳，可能會影響峯寬。 離子源和四極杆温度：確認離子源温度為230℃，四極杆温度為150℃，並確保這些温度穩定。 清潔離子源和四極杆 離子源：如果離子源受到污染，可能會導致峯寬增加。可以考慮進行離子源的清潔。 四極杆

數據挖掘 , HTTP , 數據庫 , 人工智能 , 深度學習

收藏 評論

chunzhendexiaogou 頭像

PoloAPI - 谷歌正式推出 Gemini 2.5 系列模型，使 AI 推理性能提升30%。

谷歌於2025年6月正式推出‌Gemini 2.5系列模型‌，核心聚焦推理效率與多模態能力升級，具體解讀如下： 🚀 ‌一、三大模型定位與技術亮點‌ ‌Gemini 2.5 Pro‌ ‌角色定位‌：主攻複雜推理與多模態分析（“思考型模型”），在數學、編碼任務中刷新LMArena榜單記錄。 ‌上下文能力‌：支持100萬token輸入（計劃擴展至200萬），可解析代碼庫、大型數據集及混合媒

llm , 算法 , google , 人工智能 , 深度學習

收藏 評論