tag 深度學習

標籤
貢獻335
469
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_16060192 頭像

HyperAI超神經 - 【TVM教程】設計與架構

TVM 現已更新到 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 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

數據結構 , 神經網絡 , API , TVM , 人工智能 , 深度學習 , Python

收藏 評論

u_17512334 頭像

疆鴻智能研發中心 - 智能裝卸新紀元：MODBUS轉PROFIBUS網關如何喚醒煙草廠“機械巨龍”

智能裝卸新紀元：MODBUS轉PROFIBUS網關如何喚醒煙草廠“機械巨龍” 在傳統煙草廠的裝卸區，工人推着叉車穿梭於貨堆間，汗水與煙塵交織。而今天，一條鋼鐵巨龍正悄然改變這幅畫面——機械臂精準抓取煙箱，AGV小車無聲穿梭，這一切都由PROFIBUS轉MODBUS協議轉換網關在幕後指揮。 案例直擊：當德國精密遇見工業通用語 某中型

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

收藏 評論

u_17562481 頭像

思考的袋鼠 - 構建數據庫安全新範式：以規範為基石，實現精確與實時動態防護

概要： （提示：當防護邊界逐漸模糊，數據自身的“行為軌跡”成為新的安全焦點。） 在數字經濟的核心結構中，數據庫不再僅是支撐業務的技術組件，而是企業數字資產的“原礦”。金融機構的交易流水、互聯網平台的用户畫像、醫療系統的病歷檔案——所有這些關乎隱私、業務與監管的數據，都以數據庫為載體在組織內流轉與沉澱。但隨着數據量與訪問頻率呈指數級增長，傳統以“靜態防護”為核心的數據庫

數據 , 數據庫 , 數據庫安全 , 人工智能 , 深度學習

收藏 評論

u_15591470 頭像

ceshiren2022 - 裁員潮下的測試人：真正聰明的人正在做這三件事

上週和老同事聚會，原本輕鬆的飯局突然安靜了下來。 “我們組裏三個測試，上個月走了一個半。”老王悶了口酒，“半個人”是他帶的實習生，沒轉正就被優化了。 小陳接口：“我們更徹底，整個QA團隊架構調整，外包全撤，只留了幾個核心崗。” 這樣的對話，最近半年幾乎成了測試圈的固定背景音。但有意思的是，同樣在這半年，我認識的兩位測試朋友卻逆勢升職加薪了。一位去了某車聯網公司做測試架構師，另

技術棧 , playwright , 人工智能 , 深度學習 , selenium

收藏 評論

u_15476544 頭像

天鯤科技 - 同盾科技：構建高安全移動金融架構

摘要：本白皮書以金融科技企業同盾為例，系統闡述其在移動端安全架構升級過程中的核心挑戰、技術選型與實施路徑。通過引入AWS原生安全服務與定製化增強機制，同盾成功構建了一套具備動態憑證管理、細粒度訪問控制與自動化安全修復能力的高可用架構，實現了零憑證泄露、用户級S3數據隔離與合規審計缺口大幅縮減，為金融行業移動應用安全提供了可複製的成功範式。】 關於客

移動端 , Pod , AWS , 人工智能 , 深度學習

收藏 評論

u_13127751 頭像

異步社區 - 豆瓣收藏數最高的10本計算機圖書

以下這十本在豆瓣上備受矚目、收藏數居高不下的計算機圖書，不僅代表了當前計算機科學領域的頂尖水平，更凝聚了作者們的智慧結晶與無數讀者的共同認可。它們將引領你穿越技術的迷霧，領略計算機科學的無限魅力與廣闊前景。 1、代碼整潔之道 本書提出一種觀念：代碼質量與其整潔度成正比。乾淨的代碼，既在質量上較為可靠，也為後期維護、升級奠定了良好基礎。

MySQL , 數據庫 , 編程語言 , 人工智能 , 深度學習 , 程序員

收藏 評論

ziwupython 頭像

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

一、介紹 植物識別系統，基於TensorFlow搭建Resnet50卷積神經網絡算法，通過對6種常見的植物樹葉圖片數據集（廣玉蘭、杜鵑、梧桐、樟葉、芭蕉、銀杏）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：

圖像識別 , 人工智能 , 深度學習 , Python

收藏 評論

u_12897 頭像

jordana - 深度學習 矩陣逐元素相乘

矩陣運算、求導、激活函數、梯度下降算法、反向傳播算法等 1、矩陣運算 如果矩陣${{\mathop{\rm A}\nolimits} = {\left( {{a_{ij}}} \right)_{m \times n}}}$，其轉置矩陣${{\mathop{\rm B}\nolimits} = {\left( {{b_{ji}}} \right)_{n \times m

梯度下降算法 , 反向傳播算法 , 人工智能 , 深度學習 , 深度學習 矩陣逐元素相乘 , 迭代

收藏 評論

u_16099186 頭像

技術極客領袖 - 為什麼實際圖像的主點座標與理想狀態下主點的座標會產生偏差

虛數i 虛數是什麼？ 為什麼要承認虛數？ 虛數怎麼就表示旋轉了？ 其實，人們建立複數理論，並不是因為人們有時需要處理根號裏是負數的情況，而是因為下面這個不可抗拒的理由：如果承認虛數，那麼 n 次多項式就會有恰好 n 個根，數系一下子就如同水晶球一般的完美了。 但複數並不能形象地反映在數軸上，這不僅是因為實數在數軸上已經完備了，還有另外一個原因：沒有什

多項式 , 線性變換 , 人工智能 , 深度學習 , 線性代數

收藏 評論

u_16213669 頭像

mob64ca140ce312 - 生成對抗網絡判別器輸入

生成對抗網絡(Generative Adversarial Networks, GAN)是一種深度學習模型，是近年來複雜分佈上無監督學習最具前景的學習方法之一。 GAN 主要包括了兩個部分，即生成器 generator 與判別器 discriminator。生成器主要用來學習真實圖像分佈從而讓自身

tensorflow , 生成對抗網絡判別器輸入 , 損失函數 , 生成器 , 人工智能 , 深度學習

收藏 評論

u_16099164 頭像

碼海舵手 - 極智AI | 變形金剛大家族 Transformer ViT CLIP BLIP BERT 模型結構_51CTO博客

文章目錄 轉載 以下是博客原文 以合理的規模訓練 ViT 自蒸餾 DeiT 模型概覽 Pyramid 視覺 Transformer（PVT）的總體架構 視覺 Transformer 的自監督訓練：DINO DINO 多注意力頭可視化 MLP-Mixer 架構 多尺度視

卷積 , 數據 , MySQL , 數據庫 , 人工智能 , transformer , 深度學習

收藏 評論

u_17609497 頭像

小小小趙02 - 智能體來了：AI運營總監親授價值月薪3W的智能體Prompt底層邏輯

我是某AI智能體公司的運營（打工人版）👩🏻‍💻。 最近面試了很多想轉行做AI運營的小夥伴，發現大家有一個超級大的誤區： 以為寫智能體（Agent）的提示詞，就是在跟ChatGPT聊天。 ❌ 大錯特錯！ 👉 做Agent，本質上是在用自然語言給AI“寫SOP（標準作業程序）”！ 在Coze/釦子平台上捏了幾百個Bot後，我總結了一套“HR招聘法”，直接把大模型當員工

工作流程 , 人工智能 , 深度學習 , 輸出格式 , Markdown

收藏 評論

u_17512334 頭像

疆鴻智能研發中心 - 這網關太“寶藏”！ETHERCAT轉Modbus，穩定生產是“穩穩的幸福”

這網關太“寶藏”！ETHERCAT轉Modbus，穩定生產是“穩穩的幸福” 在機械製造與加工領域，高速連續化生產已成為企業提升競爭力的關鍵。拉絲機、輥道、皮帶機等設備對運動控制的穩定性和精度要求極高，而不同設備間的協議差異往往成為技術集成的瓶頸。ETHERCAT轉MODBUS協議轉換網關的出現，為這一問題提供了高效解決方案。 案例解析

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

收藏 評論

chenzhuodeyagao 頭像

沉着的牙膏 - 數據脱敏：在數據價值與隱私安全之間構建平衡

在大數據與數字化轉型的浪潮中，數據已成為機構與企業最核心的資產之一。然而，隨着數據的集中與流動，隱私泄露風險也日益加劇。如何在充分利用數據價值的同時，確保個人敏感信息與商業機密的安全？數據脱敏作為一種關鍵的數據安全技術，正是解決這一矛盾的重要橋樑。 一、 數據脱敏：定義與核心目標 數據脱敏，是指通過特定的技術手段，對敏感數據進行變形、替換或遮蔽，以降低其敏感級別的過程。其核心目標並非簡

深度學習

收藏 評論

u_16213684 頭像

mob64ca14106f2f - pid的偏差

其實要用PID調節的話，最好是使用帶有編碼器的比較高端一點的直流減速電機，但是因為它價格有點貴，所以我們一般做智能小車就會選用普通的直流電機，但是普通的直流電機也是可以使用PID調節的，雖然它的效果沒有帶編碼器得到直流減速電機的好，但是我們也可以在調節的過程中慢慢地深刻的理解PID調節的含義。今天先來分享一下我剛剛涉及的PID中的P調節。 P就是比

串口 , 數據 , 人工智能 , 深度學習 , pid的偏差 , 系統對

收藏 評論

u_16213670 頭像

mob64ca140d2323 - AIGC與多模態AI區別 多模態算法

本週論文包括Meta AI提出了一種名為 data2vec 的自監督學習新架構，在多種模態的基準測試中超越了現有 SOTA 方法；谷歌、MIT 等提出分類器可視化解釋方法 StylEx等。 目錄 data2vec: A General Framework for Self-supervised Learning in Speech,

sed , 算法 , pytorch , AIGC與多模態AI區別 , 人工智能 , 深度學習

收藏 評論

huodadexiang 頭像

南瓜 - 面向課堂與自習場景的智能坐姿識別系統——從行為感知到可視化部署的完整工程【YOLOv8】

面向課堂與自習場景的智能坐姿識別系統——從行為感知到可視化部署的完整工程【YOLOv8】 一、研究背景：為什麼要做“坐姿識別”？ 在信息化學習與辦公環境中，久坐與不良坐姿已成為青少年與上班族普遍面臨的健康問題。長期駝背、前傾、低頭等坐姿行為，容易引發： 脊柱側彎、頸椎病 注意力下降、學習效率降低 視覺疲勞與肌肉勞損 傳統的坐姿管理主要依賴人工監督或簡單硬件傳感器，不僅成本高、實時性差，而

機器學習 , 人工智能 , 深度學習

收藏 評論

ziwupython 頭像

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

一、介紹 鳥類識別系統，通過TensorFlow搭建卷積神經網絡算法，數據集使用經典的加利福尼亞大學CUB-200-2011鳥類數據集，對其進行多輪迭代訓練，最後得到了一個精度較高的模型，並搭建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： 在生態保護與

圖像識別 , tensorflow , 深度學習

收藏 評論

u_16349720 頭像

短短同學 - 正則表達式進階用法：從基礎到實戰的全場景指南

正則表達式（Regular Expression，簡稱 Regex）是文本處理的 “瑞士軍刀”，它通過簡潔的語法規則，實現對字符串的匹配、提取、替換與驗證。在前文哈希機制的學習中，我們瞭解到 “映射” 是核心邏輯；而正則表達式的核心，則是 “模式定義”—— 用特定語法描述目標文本的結構，再通過解釋器執行匹配操作。本文將從基礎語法拓展到進階技巧，結合 10 + 實戰場景，帶你掌握正

正則 , bc , 人工智能 , 深度學習 , 正則表達式

收藏 評論

u_15469972 頭像

mb61c46a7ab1eee - 【完整源碼+數據集】武器刀具數據集，yolov8武器刀具檢測數據集 4098 張，武器刀具識別數據集，安防監控武器刀具識別系統實戰教程 - 教程

一、武器刀具識別數據集介紹 【數據集】yolov8武器刀具檢測數據集 4098 張，目標檢測，包含YOLO/VOC格式標註，訓練、驗證、測試集已劃分。 數據集中標籤包含2種分類：names: ['guns', 'knife']，代表槍械、刀具。 檢測場景為道路、商場、辦公大樓、公園、槍械軍工廠等場景，可用於交通樞紐與重點場所安檢、公共場

數據集 , redis , xml , 數據庫 , 深度學習

收藏 評論

youqingyouyidejidan 頭像

底層邏輯探索 - 全景視圖、簡單、高效的教育行業數據分類分級管理系統

一、概要 （提示：教育數據分類分級，正在從“合規任務”升級為“支撐教育數字化運行的基礎能力”。） 在教育數字化持續深化的背景下，數據已成為支撐教學運行、管理決策與服務創新的關鍵生產要素。但伴隨數據規模快速增長與業務場景複雜化，教育行業普遍面臨“數據資產不清、敏感邊界模糊、治理效率低下”的現實挑戰。尤其在學生數據高度集中、業務系統多源並存的情況下，傳統依賴人工經驗的數據分類分級方式，已難

深度學習

收藏 評論

u_15675190 頭像

冰淇淋紅茶Q - AI輔助開發大屏案例詳解：基於smardaten開發港口作業分析大屏

一、需求背景 隨着港口運營規模的不斷擴大與信息化水平的提升，傳統的數據報表與分散監控方式已難以滿足實時感知、智能分析與高效決策的管理需求。港口管理部門亟需一種能夠集中展示作業動態、實時監測異常情況、直觀反映運營效率的數據可視化大屏解決方案。港口作業數據量大、指標多樣、關聯複雜，因此需要通過可視化手段，構建一個集數據整合、智能預警與交互分析於一體的運營指揮大屏。 二、大

字段 , 無代碼 , 數據 , 低代碼 , 柱狀圖 , 人工智能 , 深度學習

收藏 評論

u_17582161 頭像

成都古河雲科技 - 用電安全管理系統的三大系統架構

當我們談論能源危機和碳中和時，有一個被忽略的真相正潛伏在每個開關背後——超過三分之一的工業火災與重大安全事故，都始於那些看似温順的電流。傳統用電安全如同在黑暗中摸索，而智能用電安全管理系統，正在為這張無形的能量網絡點亮第一盞燈。 當安全停留在“保險絲時代” 大多數場所的用電安全邏輯，至今仍停留在保險絲和空氣開關的物理層面——一種在故障發生後切斷電路的被動防禦。

故障特徵 , 管理系統 , 系統架構 , 人工智能 , 深度學習

收藏 評論