tag 深度學習

標籤
貢獻335
536
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

lab4ai 頭像

Lab4AI - 【每日Arxiv熱文】北大新框架 Edit-R1 炸場！破解圖像編輯 3 大難題，雙榜刷 SOTA

【01 論文概述】 論文標題： Uniworld-V2:ReinforceImageEditingwithDiffusionNegative-awareFinetuningandMLLMImplicitFeedback 作者團隊：北京大學 發佈時間：2025 年 10 月 21 日 論文鏈接：uhttps://arxiv.org/pdf/2510.16888/u Lab4AI 大模型實

機器學習 , 圖像識別 , 人工智能 , 深度學習

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 黃仁勳最新演講：10億美元投資諾基亞，Rubin明年量產，AI工廠推進落地……

美國東部時間 10 月 28 日下午 12:00，英偉達 CEO 黃仁勳在華盛頓舉行的 GTC 大會上發表主題演講。這是繼今年 3 月聖何塞主會後的又一場區域性 GTC，地點首次來到美國政治中心華盛頓， 會議包含 70 多場，涵蓋 Agentic AI、機器人技術、量子計算和 AI 原生電信（AI-native telecom networks）等議題，一度被外界視為英偉達從「AI 領域引領者」向

機器學習 , 資訊 , 機器人 , 人工智能 , 深度學習

收藏 評論

qingfouai 頭像

青否Ai - 雙十一視頻號數字人直播帶貨，數字人提供全套解決方案!

數字人直播14個平台，一個數字人可同時登陸抖音、淘寶、快手等十餘平台，形成矩陣式流量覆蓋。某服飾品牌通過這一功能，觸達用户量突破百萬，實現 “一處開播，全域引流”。 青否支持多語言實時切換，支持20種語言，無論是中文、英文還是小語種，數字人都能精準適配口音與表達習慣。能夠隨時加小語種，這一功能讓跨境商家輕鬆實現 “一場直播，全球賣貨”，某家居品牌藉此在 618 期間打開東南亞市場，海外訂單量激增

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

xingxingshangdeliushu 頭像

星星上的柳樹 - IC 設計終極籤核，確保安全流片無憂

在IC 設計流程中，Signoff（籤核）是流片前必須完成的最後關卡，它確保設計在功能、時序、功耗、物理規則等方面全面達標，為後續送片生產提供堅實保障。 1、Signoff 的核心意義 Signoff 是芯片送往晶圓廠的“准入許可證”。通過多項嚴密的檢查，包括功能驗證、時序收斂、電源完整性及物理實現規則等，Signoff 的完整性直接關聯設計質量與流片成功率。 2、Sig

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

youyudetusi 頭像

憂鬱的吐司 - 抖音防封搭建方案，青否數字人提供全套的防封方案，能夠進行穩定直播帶貨！

抖音：強調節奏、互動與內容創意 抖音以其快節奏、娛樂化的內容生態著稱。在規則上，抖音對直播內容的創新性和趣味性要求極高，鼓勵數字人主播在短時間內抓住觀眾眼球。直播畫面需清晰流暢，數字人動作表情要自然生動，契合抖音用户追求新鮮、刺激的瀏覽習慣。 同時，抖音十分看重實時互動，要求數字人能及時響應觀眾彈幕，發起如抽獎、問答等互動環節，提升直播間活躍度。在內容合規方面，嚴格禁止出現低俗、虛假宣

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

tecdat 頭像

拓端tecdat - Matlab古代玻璃製品化學成分數據鑑別：K近鄰迴歸、聚類、決策樹、隨機森林、卡方檢驗、相關性分析

全文鏈接：https://tecdat.cn/?p=44165 原文出處：拓端數據部落公眾號 分析師：Yizhou Huang 一、專題引言 古代玻璃是解讀絲綢之路中外文化交流的關鍵實物證據，不同時期的玻璃在成分體系、製作工藝上存在顯著差異。但古代玻璃易受環境影響發生風化，導致內部化學成分比例改變，這給玻璃類型的準確鑑別帶來了極大挑戰——外觀相似的玻璃可能屬於不同類別，而風化後的成分

機器學習 , 數據挖掘 , 算法 , 人工智能 , 深度學習

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 【TVM 教程】自定義優化

TVM 先已更新到 0.21.0 版本，TVM 中文文檔已經和新版本對齊。 Apache TVM 是一個深度的深度學習編譯框架，適用於 CPU、GPU 和各種機器學習加速芯片。更多 TVM 中文文檔可訪問 →Apache TVM Apache TVM 的一個主要設計目標是便於自定義優化流程，無論是用於科研探索還是工程開發，都可以靈活迭代優化過程。本教程將涵蓋以下內容： 目錄 審查整體流程 可

機器學習 , 自然語言處理 , 教程 , 人工智能 , 深度學習

收藏 評論

youyudetusi 頭像

憂鬱的吐司 - 青否數字人的雙AI劇本互動，雙數字人直播間擔任主播、助播角色，復刻真實直播間互動！

青否數字人的雙AI劇本互動 青否數字人深度復刻真人直播協作方式，讓雙 AI實現“主播 + 助播”的精準分工。 通過“講品+捧場”或“講品+回覆彈幕”等多種直播配合模式，帶來更高頻的互動和更強的直播節奏！ 比如在直播過程中，數字人主播正在講解商品，助播則會實時捧哏或回覆觀眾彈幕，打造流暢自然的直播節奏與生動的互動氛圍，大幅提升觀眾的觀看體驗。 從“一人説”到“兩人搭“，青否用

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

xingxingshangdeliushu 頭像

星星上的柳樹 - IC 設計籤核揭秘 - 保障流片無憂的秘訣

在集成電路（IC）設計中，當設計費盡心思完成後，送往晶圓廠製造前的Signoff 籤核是最後一關，也是最決定成敗的一環。它確保設計從功能到製造都達標，是設計走向硅片的准入“通行證”。 1、Signoff 什麼看 在IC 設計中，“Signoff” 是指必須通過的一系列驗證與檢查，才能正式交付製造準備流程。它通常包含： 功能正確性檢查：確保設計行為符合規格説明，避免邏輯錯誤。

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 效率至高提升20倍！加州大學開發OmniCast，解決自迴歸天氣預報模型誤差累計問題

次季節至季節（Subseasonal-to-seasonal, S2S）尺度天氣預報介於短期天氣預報與長期氣候預測之間，聚焦未來 2 周至 6 周的天氣演變，精準填補了中遠期氣象預測空白，為農業規劃、災害防禦等提供關鍵依據。但 S2S 天氣預測既難依託快速衰減的大氣初始信息（中短期預報條件），又難捕捉尚未充分顯現的慢變邊界信號（氣候預測條件），在混沌的大氣系統與複雜的海陸氣相互作用下，預報難度顯著

機器學習 , 資訊 , openai , 人工智能 , 深度學習

收藏 評論

digitalocean 頭像

DigitalOcean - 裸金屬 vs. 虛擬化 GPU 服務器：AI 訓練與推理應該怎麼選

根據研究機構預測，全球人工智能市場規模在 2024 年的價值為 234.6 億美元。預計該市場將從 2025 年的 2,941.6 億美元增長到 2032 年的 1,7716.62 億美元，在預測期間的複合年增長率為 29.2％。到 2030 年全球 ​AI​​​ 推理市場規模將達到 2549.8 億美元​，而推理任務將佔據 ​數據中心整體計算需求的 70% 以上​。 AI 模型的複雜度正以指數級

llm , 人工智能 , 深度學習

收藏 評論

kestrel_task 頭像

微芒不朽 - 用 n8n 實現工作自動化後，我每天多睡 2 小時！

n8n 是一個開源的工作流自動化平台，允許用户通過拖放節點來創建複雜的自動化流程。n8n 提供了豐富的內置節點和社區貢獻的節點，支持與各種 API、數據庫和其他服務集成。本文將詳細介紹 n8n 中節點的使用方法，包括如何添加節點、配置節點、連接節點以及調試和優化工作流。 1. n8n 基本概念 1.1 工作流（Workflow） 工作流是由多個節點組成的自動化流程，每個節點代表一個操作，如發送電

機器學習 , 人工智能 , 深度學習

收藏 評論

xingxingshangdeliushu 頭像

星星上的柳樹 - IC 測試革新

無論你是IC 設計新手，還是資深RTL Synthesis 工程師，深入掌握設計可測試性（DFT）關鍵技術，是提升芯片可靠性的必經之路。 1、為什麼DFT 在現代IC 中變得不可或缺 提升可控性與可觀測性：通過在設計中嵌入測試結構，內部節點的狀態能被有效控制與觀察，從而支持故障定位與調試。 縮短測試時間、降低成本：採用scan chain、大規模並行測試、BIST 和MB

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

rivers_chaitin 頭像

百川雲開發者 - 2025年知識管理系統推薦，這款AI驅動的開源工具讓我徹底告別信息混亂！

你是不是也經常遇到這樣的情況：團隊文檔散落在無數個聊天記錄、郵件附件和本地文件夾裏，找個去年的方案得翻半天；新員工入職培訓時，面對一堆零散資料無從下手；或者寫技術文檔時，明明公司內部有現成案例，卻壓根不知道去哪裏找？ 別擔心，你不是一個人。在信息爆炸的2025年，高效的知識管理已經成為企業和個人發展的核心挑戰。好在，AI技術的成熟讓知識管理工具迎來了全新突破。今天要聊的，正是一款讓我眼前一亮的知識

人工智能 , 深度學習

收藏 評論

old_it 頭像

老IT人 - DGX Spark 實戰解析：模型選擇與效率優化全指南

自 DGX Spark 發佈以來，這段探索之路挑戰與收穫並存。在成功完成軟件移植的攻堅後，我們決定將這段時期的實戰經驗系統梳理，轉化為一份關於模型選擇與性能優化的實用指引，希望能助力更多團隊高效利用 DGX Spark。 模型選擇策略：效率與性能並重 經過充分測試，我們發現不同模型在 DGX Spark 平台上的表現存在明顯差異。 以下是我們的具體推薦： 文本生成模型首選： gpt-oss-20b

教程 , 知識 , 人工智能 , 深度學習

收藏 評論

old_it 頭像

老IT人 - DGX Spark 雙機互連實測 Qwen3-235B 模型

前段時間我們使用單台 DGX Spark 測試了gpt-oss-120b模型性能。今天，我們通過一根 200 Gbps 帶寬的 QSFP 線纜連接兩台 DGX Spark，並測試了一個參數更大的模型：Qwen3-235B，看看性能如何。 整體測試下來，單用户生成速度為10 tokens/s，但預填充速度還不錯，單用户可達1000 tps，詳細測試數據如下: 生成速度 知識庫應用（輸入4K） 知

機器學習 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

deephub 頭像

deephub - 打造自己的 Claude Code：LangGraph + MCP 搭建一個極簡的 AI 編碼助手

實踐是最好的學習方式。為了深入理解 LangGraph 和模型上下文協議（MCP）服務器的生態，我們來從零開始構建一個 CLI 編碼代理。我們的目標是，拋開 Claude Code 那些花裏胡哨的功能，看看最基礎的編碼代理能做到什麼程度。 那些商業編碼代理往往會添加各種專有的"秘密配方"——特殊的上下文管理、精心設計的提示策略、優化過的工具選擇算法。這些技術細節被包裝得嚴嚴實實，很難

llm , 人工智能 , 深度學習 , claude , Python

收藏 評論

xingxingshangdeliushu 頭像

星星上的柳樹 - 高效利用技術庫

在現代 IC 設計流程中，合理利用技術庫（Technology Library）是優化 RTL 合成結果的關鍵。 1、技術庫：設計優化的核心資源 技術庫包含標準單元及其詳細特性（如時序、功耗、面積等），合成工具依賴這些數據將 RTL 轉換成物理電路。精確的模型與策略直接決定設計是否能滿足性能、功耗與製造的嚴格要求。 2、關鍵技術與應用實踐 I. 庫表徵（Library Characte

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

quanzhikeji 頭像

全知科技 - 實力入選！全知科技榮登《中國網絡安全年鑑2025》

近日，斯元商業諮詢正式發佈了《中國網絡安全年鑑2025》。這是首部以宏觀經濟為背景、以資本與科技為線索，系統記錄中國網絡安全產業全貌、具備國際化視野的年鑑。全知科技憑藉在數據安全領域的深厚技術積澱、豐富實踐成果及行業影響力，成功入選《中國網絡安全年鑑2025》，並被評為專業廠商。 《中國網絡安全年鑑2025》以客觀視角梳理了中國網絡安全產業的成長軌跡，其收錄的企業及技

人工智能 , 深度學習

收藏 評論

aigoto 頭像

逐夢AI - 翻牆、攀爬、、跨越圍欄等違規行為檢測數據集（10,000 張圖片已劃分）—安全檢測實踐

翻牆、攀爬、違規行為檢測數據集（10,000 張圖片已劃分）——安全檢測實踐 在現代城市安全管理與工地監控場景中，“違規攀爬”與“翻越圍欄”等行為的實時檢測，是視頻智能分析系統中的關鍵功能之一。為了提升這類行為識別算法的魯棒性與泛化能力，本文將介紹一個 翻牆、攀爬、違規行為檢測數據集（共10,000張圖片），並結合 YOLOv8 模型展開技術解析與實戰講解，幫助研究者與開發者快速構建智能檢測系統。

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

xingxingshangdeliushu 頭像

星星上的柳樹 - 物理感知 RTL 合成

1、PAS：縮短設計閉環的先鋒技術 物理感知合成（PAS）將物理設計信息（如佈局、連線、擁塞、功耗）提前納入 RTL 合成階段，使合成結果與後端佈局更一致，從而減少反覆迭代，提升設計效率與 PPA（性能-功耗-面積）表現。 2、核心技術亮點與典型案例 I. 時序驅動綜合（Timing-Driven Synthesis） 結合 Cadence Innovus 工具進行物理信息驅動的

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

tecdat 頭像

拓端tecdat - 2025中國健康零食（含粗糧零食）行業白皮書

原文鏈接：https://tecdat.cn/?p=44184 在“健康中國”戰略深化與消費升級的雙重驅動下，食品行業正經歷從“功能滿足”到“健康價值”的結構性轉型，健康零食（含粗糧零食）作為增長最快的細分領域之一，其市場規模、品類創新與消費需求變化已成為行業關注核心。 引言 本報告洞察基於行業研究機構：《2025至2030中國粗糧食品市場發展分析及投資價值評估報告》及文末20+份健康零食行業研

機器學習 , 數據挖掘 , 算法 , 人工智能 , 深度學習

收藏 評論

deephub 頭像

deephub - LangChain v1.0 中間件詳解：徹底搞定 AI Agent 上下文控制

用 LangChain 構建 AI Agent 的人應該都遇到過這種情況：測試階段一切正常，部署到生產環境就開始出各種問題。上下文管理混亂，Agent 的行為變得難以預測，最後不得不寫一堆自定義代碼來控制信息流向。 這是因為在v1.0 之前的 LangChain 對上下文工程的支持不夠系統化。上下文工程的本質其實就是信息管理——給 AI 多少信息、什麼時候給、以什麼方式給。信息過載會導致模型困惑，

llm , 資訊 , 人工智能 , 深度學習 , llama

收藏 評論

nizi_60e514d097c9a 頭像

MIAOYUN - MIAOYUN | 每週AI新鮮事兒（10.24-10.31）

本週AI領域迎來密集更新，視頻生成為創新焦點，字節、MiniMax等發佈的模型實現了長視頻、多鏡頭與效率突破；多模態、3D場景與智能體平台（如華為WorldGrow、智源Emu3.5、360 SEAF）取得顯著進展；同時，ChatGPT在心理安全、OpenAI在開源安全模型以及PayPal與OpenAI的生態合作上也有關鍵動作，一起來回顧本週發生的AI新鮮事兒吧！ AI 大模型 中國科大與字節跳動

機器學習 , 算法 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論