tag 深度學習

標籤
貢獻335
464
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_15675268 頭像

1艾一刀 - HUAWEI Mate 80系列發佈：以巔峯科技樹立高端旗艦新標杆

2025年11月25日，華為正式發佈HUAWEI Mate 80系列全新旗艦，帶來四大首發黑科技：超透亮靈瓏屏、户外探索模式、無網應急通信，和第二代紅楓影像。通過軟硬芯垂直整合，HUAWEI Mate 80 Pro Max整機性能較上一代提升42%[1]，並且首次支持實時光線追蹤。 華為常務董事、產品投資委員會主任、終端BG董事長餘承東表示：“Mate 80系列實現了設計、

黑科技 , Max , 人工智能 , 深度學習 , APL

收藏 評論

u_15903730 頭像

WangLanguager - 圖神經網絡（GNN）介紹和代碼示例

圖神經網絡（GNN）介紹 圖神經網絡（Graph Neural Networks, GNNs）是一類專門處理圖結構數據的深度學習模型。圖是由節點（頂點）和邊（連接節點的關係）構成的結構，廣泛應用於社交網絡、推薦系統、知識圖譜、分子結構分析等領域。 基本原理 GNN的核心思想是通過節點的鄰居信息來更新節點的表示（embedding）。每個

神經網絡 , 人工智能 , 卷積網絡 , 深度學習 , Css , 前端開發 , HTML

收藏 評論

tecdat 頭像

拓端tecdat - Stata空間面板數據模型SAR、中介效應模型、分位數迴歸分析數字普惠金融指數與農村人均消費支出關係及區域異質性研究|附代碼數據

全文鏈接：https://tecdat.cn/?p=44740 原文出處：拓端數據部落公眾號 關於分析師 在此對Xue Zhang對本文所作的貢獻表示誠摯感謝，她在對應院校完成了應用統計學專業的學習，專注數字金融與農村經濟分析領域。擅長SPSS、Stata、R語言、SAS、數據分析、數據收集。Xue Zhang曾參與多項農村經濟數據分析項目，聚焦數字普惠金融對農村消費的賦能研究，憑藉紮實的統

數據挖掘 , 算法 , 人工智能 , 深度學習

收藏 評論

u_16099344 頭像

風華正茂的AI - 深度學習 邊緣關鍵點檢測 邊緣檢測的算法

邊緣提取其實也是一種濾波，不同的算子有不同的提取效果。比較常用的方法有三種，Sobel算子，Laplacian算子，Canny算子。 Sobel算子檢測方法對灰度漸變和噪聲較多的圖像處理效果較好，sobel算子對邊緣定位不是很準確，圖像的邊緣不止一個像素；當對精度要求不是很高時，是一種較為常用的邊緣檢測方法。 Canny方法不容易受噪聲干擾，能夠檢測到真正的弱邊緣。

深度學習 邊緣關鍵點檢測 , 邊緣像素 , 像素點 , 邊緣檢測 , 人工智能 , 深度學習

收藏 評論

xingxingshangdeliushu 頭像

星星上的柳樹 - 2025–2030 年最緊缺的八大 IC 崗位

面對摩爾定律放緩、AI 和汽車電子爆發、Chiplet 與 3D-IC 持續改寫系統架構，半導體行業正在進入一個全新的競爭週期。技術路徑的變化，也正在深刻影響人才需求結構：行業不再只需要“通才”，而是更稀缺、也更關鍵的專業型工程師。 ✦ 01 技術範式轉變帶來崗位重構 算力需求攀升讓架構創新成為主戰場；先進封裝推

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

u_15675268 頭像

1艾一刀 - 【年度AI觀察】2025，人形機器人先搶“定位”

文 | 智能相對論 作者 | 許成行 2025年，人形機器人產業在爭議中迎來發展深水區。 一邊是2025年央視春晚上16個宇樹H1人形機器人跳秧歌、轉手絹的驚豔表演，以及眾擎T800一腳踹翻自己公司CEO；另一邊是知名投資人“只會翻跟頭，商業化在哪”的尖鋭質疑。 2025年的人形機器人到底是泡沫狂歡還是場景落地？ 破題：兩大對立觀點的核心矛盾

差異化 , 硬件故障 , 人工智能 , 深度學習 , 人形機器人

收藏 評論

u_17580222 頭像

mb691327edb400f - 破局傳統招聘：AI面試智能體構建精準高效新生態

破局傳統招聘：AI面試智能體構建精準高效新生態 在激烈的商業競爭中，人才是企業突圍的核心底氣。但傳統招聘模式早已淪為發展桎梏——流程繁瑣耗力、判斷主觀失真、成本高企卻難獲適配人才，讓企業在人才爭奪戰中逐漸掉隊。第六代AI面試智能體攜全鏈路解決方案，以精準、體驗、效率三大核心突破，徹底打破傳統招聘困局，為企業注入人才競爭力。 一、決策級精

上傳 , 一對一 , 人工智能 , 深度學習 , 解決方案

收藏 評論

xingxingshangdeliushu 頭像

星星上的柳樹 - 智慧城市新腦：NVIDIA構建“AI工廠”模式

“城市不再只是鋼筋水泥的聚集體，而將成為真正“會思考”的系統。” 在巴塞羅那召開的 SCEWC 上，NVIDIA 面向城市領袖提出了一個大膽設想：將城市管理升級為 “AI 工廠”模式，將攝像頭、傳感器、數字模型匯成一個集中智能系統，實現從交通、氣候、安全到公共服務的主動治理。 NVIDIA 指出，這不僅僅是賣硬件，更是讓人工智能“觸手可及、經濟可行、規模可擴”的城市級應用。 ✦

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

shoushoudeqie 頭像

瘦瘦的企鵝 - 打工人逆襲指南：用“多巴胺看板”輕鬆搞定KPI！

《“多巴胺” 工作法：用色彩分類看板激發工作活力》 ✨ 打工人必看！把“多巴胺穿搭”搬到職場，拯救你的效率與心情！ 🌈靈感來源：為什麼“多巴胺”能拯救職場？ []() 最近全網刷屏的「多巴胺穿搭」火到離譜！高飽和度的色彩碰撞不僅讓人心情愉悦，還能傳遞能量感。 但你知道嗎？ “多巴胺”法則也能移植到工作中！💡 職場人每天面對密密麻麻的任務清單，焦慮和疲憊是常態。但如果把任務按

tensorflow , 人工智能 , 深度學習

收藏 評論

u_17512334 頭像

疆鴻智能研發中心 - 深入拆解：如何用協議網關打造EtherNet/IP與DeviceNet的無損數據通道

深入拆解：如何用協議網關打造EtherNet/IP與DeviceNet的無損數據通道 1. 項目背景 我所在的包裝車間，核心控制系統由一套較新的羅克韋爾ControlLogix PLC掌控，它通過高效的EtherNet/IP網絡與上層監控系統通信。然而，車間裏還有多條早年安裝的生產線，其關鍵設備——如老款的伺服驅動器、光電傳感器和閥門組——都依賴DeviceNet現場

協議轉換網關 , 工業通訊 , ETHERNET IP , 人工智能 , DEVICENET , 深度學習 , 工業自動化

收藏 評論

deephub 頭像

deephub - 從零開始構建圖注意力網絡：GAT算法原理與數值實現詳解

圖數據在機器學習中的地位越來越重要。社交網絡的用户關係、論文引用網絡、分子結構，這些都不是傳統的表格或序列數據能很好處理的。現實世界中實體之間的連接往往承載着關鍵信息。 圖神經網絡(GNN)的出現解決了這個問題，它讓每個節點可以從鄰居那裏獲取信息來更新自己的表示。圖卷積網絡(GCN)是其中的經典代表，但GCN有個明顯的限制：所有鄰居節點的貢獻都是相等的（在歸一化之後）。 這個假設在很多情況下並不合

神經網絡 , 人工智能 , 深度學習 , 圖論

收藏 評論

u_17583190 頭像

fangpin - 從 0 搭建 LLM 不再難！這個 PyTorch 項目幫你吃透大模型底層邏輯

如果你曾想深入理解大語言模型（LLM）的 “五臟六腑”，卻被框架封裝的黑盒接口、複雜的源碼結構勸退；如果你希望親手實現 Transformer 的每一個組件，而非單純調用transformers庫 —— 那麼今天推薦的這個開源項目，絕對能成為你的 LLM 學習 “腳手架”。 它就是 GitHub 上的 llm-from-scratch（項目地址），一個基於 PyTorch、專為教育設

github , 自定義 , 人工智能 , 深度學習 , 開發者

收藏 評論

youqingyouyidejidan 頭像

底層邏輯探索 - 自動化、規模化、運維成本低的運營商行業數據分類分級最佳實踐與案例

一、概要 （提示：在強監管與高複雜度並存的運營商場景下，只有自動化、規模化的數據治理能力，才能真正降低長期運維成本。） 在5G與雲網融合持續深化的背景下，運營商正快速邁入以數據為核心驅動力的新階段。用户身份信息、通信記錄、位置軌跡等高敏感數據，成為支撐業務運行、網絡優化與新業務創新的關鍵資產。但與此同時，數據規模的指數級增長、系統架構的高度複雜化，也使傳統以人工為主的數據治理方式徹底失

深度學習

收藏 評論

u_13259 頭像

kekenai - 計算機視覺-分類問題(classification)：二分類，多分類，多標籤多分類 （pytorch）

二分類和多分類的區別 都是one-hot編碼格式的話：多分類是[[]] 兩個【】，二分類是[] 一個【】 多分類的簡易模式： 可能會出現非01的例如[1, 0, 2] 也就是多分類，1的位置索引可能在3個不同的位置 這是多分類的one-hot表示（2個樣本，3個類別）,一個樣本有三個位置(1可能會出現3個位置)，就

多分類 , 神經網絡 , pytorch , 深度學習 , Css , 前端開發 , HTML , Python

收藏 評論

lab4ai 頭像

Lab4AI - 【Github熱門項目】DeepSeek-OCR項目上線即突破7k+星！突破10倍無損壓縮，重新定義文本-視覺信息處理

當“8000 行代碼手搓 ChatGPT”的熱度還未褪去，大模型領域又迎來新驚喜——DeepSeek 團隊於 10 月 20 日開源的DeepSeek-OCR，以“上下文光學壓縮”為核心突破，重新定義了 OCR（光學字符識別）的效率邊界。這款僅 30 億參數量的模型，不僅能以 100 個視覺 token 超越傳統模型 256 個 token 的性能，更在單張 A100-40G 顯卡上實現每日 20

機器學習 , 圖像識別 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

u_15591470 頭像

ceshiren2022 - 揭開帷幕：如何實現UI迴歸測試的全面自主化

在自動化測試領域，Playwright已成為端到端測試的優選方案，以其跨瀏覽器支持和高可靠性著稱。 然而，傳統測試腳本的編寫和維護依然是一項昂貴且對專業知識要求很高的工作。隨着大語言模型和AI智能體技術的發展，一個全新的範式正在興起：讓AI驅動Playwright完成測試任務。 Model Context Protocol在這一變革中扮演了關鍵橋樑的角色，它使得LangChain等AI應

服務器 , 人工智能 , 深度學習 , 自動化測試 , ui

收藏 評論

xingxingshangdeliushu 頭像

星星上的柳樹 - 嵌軟與RTOS精要

嵌入式軟件與實時操作系統（RTOS）是現代IC系統不可或缺的核心部分。無論是驅動層、API設計，還是實時調度，它們都直接影響IC的性能、可靠性和使用體驗。如果你渴望系統提升技術深度，不妨在 EDA Academy 探索豐富的網課資源，一起驅動你的專業成長。 1、嵌入式軟件開發：模塊+仿真高效並行 嵌入式軟件是硬件運行的“大腦”，從簡單控制到複雜處理，都離不開它。 模塊化編程：將

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

u_14405 頭像

fjfdh - 優化器(Optimizer)（SGD、Momentum、AdaGrad、RMSProp、Adam）_sgd優化器

一、動量優化器（Momentum） 1、核心思想 模擬物理中的 “動量” 概念，通過積累歷史梯度的 “慣性” 來加速收斂，減少震盪。 解決 SGD（隨機梯度下降）在溝壑區域（梯度方向頻繁變化）收斂慢、震盪大的問題。 2、公式 （1）動量變量（積累歷史梯度） （2）參數更新 其中，γ為動量因子（通常

自適應 , 一階矩 , 人工智能 , 深度學習 , 稀疏數據 , 前端開發 , Javascript

收藏 評論

tecdat 頭像

拓端tecdat - 專題：2025半導體行業核心趨勢與市場動態報告：AI驅動、先進封裝|附130+份報告PDF、數據、可視化模板彙總下載

原文鏈接：https://tecdat.cn/?p=44426 原文出處：拓端抖音號@拓端tecdat 引言 全球半導體行業正站在“技術突破與地緣博弈”的十字路口：AI驅動的算力需求催生指數級增長，而產業鏈分工重構與技術壁壘形成雙重約束，行業正從規模擴張向“高質量突圍”轉型。從材料器件的國產替代攻堅，到資本支出的全球分化，從企業盈利的結構性增長，到產業鏈環節的協同爆發，每個維度都暗藏“增長

機器學習 , 數據挖掘 , 人工智能 , 深度學習

收藏 評論

u_15591470 頭像

ceshiren2022 - 無代碼開啓AI測試：字節Coze助力測試效率倍增實戰指南

關注 霍格沃茲測試學院公眾號，回覆「資料」, 領取人工智能測試開發技術合集 最近團隊裏的測試任務越來越繁重，特別是那些重複性的功能驗證和測試數據準備，幾乎佔用了我們大部分時間。直到上個月，我偶然接觸到了字節跳動的Coze平台，這個零代碼的AI工具徹底改變了我們的測試工作流程。 從手動到自動的轉變 還記得那天下午，我面對着一個需要測試的登錄功能，不僅要驗證正常登錄場景，還要測試數十

coze , AI , 人工智能 , 深度學習 , 自動化測試

收藏 評論

u_13357275 頭像

上海拔俗網絡 - 給工廠裝上“數字大腦”：安全生產智能AI系統開發

大家好！我是李工，在製造業幹了十五年的產品經理。今天想和大家聊一個聽起來有點技術，但其實特別貼近我們生產安全的話題——安全生產智能AI系統。你可以把它想象成給工廠裝上一個“數字大腦”，讓它能24小時不眨眼地守護着每一位工人的安全。 一、這個“大腦”如何“看見”危險？ 傳統安全管理主要靠人盯人、定期檢查，但人總會疲勞、會分心。我們的AI系統則不同，它在工廠里布設了無數雙“眼睛”——

數據 , 物聯網 , NLP , 人工智能 , 深度學習

收藏 評論

duoqingdeqingwa 頭像

多情的青蛙 - 月更GPT-5.1：AI巨頭為何開始“內卷”？

距離GPT-5發佈僅三個月，OpenAI再度推出升級版本GPT-5.1，創下其大模型迭代速度新紀錄。這背後，是日趨白熱化的行業競速賽。 2025年11月，OpenAI正式發佈GPT-5.1。這距離其8月推出革命性GPT-5尚不足百天，距離其去年11月發佈GPT-4 Turbo剛好一年。如此高頻的版本更新，在OpenAI歷史上實屬罕見。 競爭格局的劇變是首要驅動力。 就在OpenAI快

chatgpt , 人工智能 , 深度學習

收藏 評論

u_16970152 頭像

求知上進 - 深入學習Python函數：屬性訪問

第一章：屬性訪問的基礎原理 1.1 屬性訪問的起源與Python演進 屬性訪問的概念源於1990年代的Smalltalk動態屬性系統，它強調對象的統一接口。Python的@property由Guido van Rossum在Python 2.2中通過描述符協議正式引入，當時旨在簡化getter/setter的 boilerplate代碼。到Python 3起，prop

生成器 , 人工智能 , 深度學習 , 描述符 , Python

收藏 評論