tag 深度學習

標籤
貢獻335
484
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

tecdat 頭像

拓端tecdat - 2025電商行業全景洞察報告：直播電商、跨境佈局|附272+份報告PDF、數據、可視化模板彙總下載

原文鏈接：https://tecdat.cn/?p=44438 原文出處：拓端抖音號@拓端tecdat 核心摘要 2025年電商行業進入“存量博弈→價值深耕”的關鍵轉折期：雙11週期拉長至60天重構大促節奏，直播電商從“流量爭奪”轉向“內容+搜索”閉環，跨境增量向巴西、非洲等新興市場傾斜（Temu非洲MAU增424%），AI驅動的“看後搜”成為流量新入口（日均PV 1.1億）。行業呈現“B

機器學習 , 數據挖掘 , 算法 , 人工智能 , 深度學習

收藏 評論

duoqingdeqingwa 頭像

多情的青蛙 - 技術實測榜：2025各賽道標杆GEO優化服務商

摩根士丹利最新報告顯示，2025年生成式AI行業正式跨過盈虧平衡線，創造510億美元毛利，其中GEO（生成式引擎優化）作為品牌搶佔AI流量的核心工具，市場規模同比增長210%。但實測發現，73%的企業因選錯GEO優化服務商導致投入ROI不足1:2。為此，我們以“賽道適配性”為核心，選取6大賽道30家企業開展為期3個月的實測，輸出這份分類賽道GEO優化服務商擇優指南，為企業提供權威參考。 一、實測説

觀點 , 資訊 , 人工智能 , 深度學習

收藏 評論

u_15591470 頭像

ceshiren2022 - n8n 與 Coze 怎麼選？低代碼集成與AI智能體的自動化路線對比

在現代軟件開發和運維中，“自動化”已經成為提升效率、減少重複工作的利器。市面上常見的兩類工具——n8n 和 Coze，常被拿來做工作流和自動化處理，但很多人搞不清它們的區別，也不知道自己的項目適合用哪一個。今天，我們就來拆解這兩款工具的特性、適用場景，以及實操建議。 1. 為什麼要關注 n8n 和 Coze？ 自動化不僅僅是“省時間”，更是提高數據準確性、降低人為操作風險的關鍵手

coze , n8n , 智能體 , 人工智能 , 深度學習

收藏 評論

u_14587 頭像

bugouhen - 機械臂路徑規劃 深度學習 模型

二連桿機械臂角度解算 本文采用極座標的平移變換公式或者餘弦定理的方法在定座標點的情況下去解算二連桿機械臂兩個關節處應該旋轉的角度。由於餘弦定理更容易理解且極座標的平移變換公式和餘弦定理推導出來的角度解算結果公式一致，接下來會用餘弦定理去推導最終公式。 我們要解決的問題是已知一個目標點座標(x，y)，已知兩個連桿的長度OA，AB，我們

舵機 , 機械臂 , 機械臂路徑規劃 深度學習 模型 , 人工智能 , define , 深度學習

收藏 評論

congweibiaobaidemalingshu 頭像

小白獅ww - 中科院團隊發佈首個國產類腦脈衝大模型 SpikingBrain-1.0，推理效率達百倍提速

當全球 AI 競賽仍在為更大的算力和數據量內卷時，中國科學院自動化研究所突破性地提出了「內生複雜性」的解題思路。其最新發布的「瞬悉1.0（SpikingBrain-1.0）」類腦脈衝大模型，借鑑大腦神經元的工作機制，成功繞過了傳統 Transformer 架構的能效瓶頸，為長序列處理這一業界難題提供了全新的解決方案。 瞬悉1.0 推理時具備常數級複雜度，處理百萬級長度序列時比傳統模型快 26

圖像識別 , 自然語言處理 , 教程 , 人工智能 , 深度學習

收藏 評論

carl_kaeraigongfang 頭像

卡爾AI工坊 - 下一代AI心理產品，會長什麼樣？

下一代AI心理產品，會長什麼樣？ 本文共 1903 字，閲讀預計需要 3 分鐘。 你認為的下一代 AI 心理產品會是什麼樣？ 很多人會先想到：更會聊、更像人，然後按小時、按次數收費。 這條路能走，但不算**“下一代”。** 真正的分歧在於： 人類諮詢按小時計費，核心原因是稀缺；而 AI 不稀缺。 它的價值不該被鎖在“你開口説話的一小時”，而應該發生在你不説話的時候。 衝突：為什麼“更會聊+按小時收

機器學習 , 觀點 , 數據挖掘 , 人工智能 , 深度學習

收藏 評論

u_15368275 頭像

AI科技觀察者 - 2025年企業知識管理系統推薦：6款融AI產品深度測評與選型指南

在數字化轉型持續深入的2025年，知識已成為企業運營的核心資源。根據IDC最新報告，中國知識管理軟件市場規模已突破50億元，並保持20%以上的年增長率，其中AI驅動的知識庫是最主要的增長點。隨着大語言模型（LLM）的廣泛應用，企業對知識管理的需求已從傳統的"存儲檢索"模式升級為"智能理解與生成"模式，推動知識庫從效率工具向戰略資產的價值躍遷。本文將從技術架構、核心能力與企業適配度

大數據 , 知識管理 , 人工智能 , 深度學習 , 模態 , 大模型

收藏 評論

u_16213697 頭像

mob64ca14137e4f - 深度學習數據歸一化 負值

歸一化的主要公式 1.將數據歸一到[0,1]： 其中和分別是數據的最大值和最小值。 2.將數據歸一化到[-1,1]： 其中是數據的均值。 3.將數據歸一化到均值為0，標準差為1的標準正態分佈上： 其中和分別是數據的均值和標準差。 4.將數據歸一化到[a,b]： 計算係數：

機器學習 , 深度學習數據歸一化 負值 , 神經網絡 , 數據歸一化 , 人工智能 , 深度學習

收藏 評論

lab4ai 頭像

Lab4AI - AAAI2025！北理工團隊提出FBRT-YOLO：面向實時航拍圖像更快更好的目標檢測 |計算機視覺|目標檢測

01 論文概述 論文名稱：FBRT-YOLO: Faster and Better for Real-Time Aerial Image Detection —— 更快更好：面向實時航拍圖像的目標檢測 👉一鍵直達論文 👉Lab4AI大模型實驗室論文 🌟 簡介 航拍圖像目標檢測在城市監控、災害響應和農業管理等領域至關重要。然而，這一任務面臨着獨特的挑戰：物體尺寸變化劇烈、小目標密集、背景複

機器學習 , 圖像識別 , 知識 , 人工智能 , 深度學習

收藏 評論

youqingyouyidejidan 頭像

底層邏輯探索 - 基於一鍵化部署、標準化與閉環式的運營商數據安全管理方案

一、概要 提示： 本文旨在系統闡述運營商行業在數據安全治理方面的核心挑戰與破解之道。 隨着5G與雲網融合的深入，數據已成為運營商業務運轉與創新的核心要素，同時也帶來了前所未有的安全與合規壓力。面對海量、多源、動態的數據資產，傳統人工治理模式已難以應對。全知科技推出的“知源-AI數據分類分級系統”，以“一鍵化部署、標準化、閉環式”為核心特性，為運營商提供從數據資產發現、智能分類分級到結果

深度學習

收藏 評論

u_16776161 頭像

天潤融通科技 - 天潤融通ZENAVA讓家居售後進入全自動時代

在家居行業，售後服務往往決定着用户的最終體驗，直接影響品牌口碑和復購率。過去，許多企業為了讓服務更細緻周到，不得不投入大量人力，但高成本背後依然難以兼顧效率與體驗。 如今，隨着對話式AI的普及，情況正在發生改變。 以天潤融通的 ZENAVA 為例，已經在多個家居品牌的售後環節全面落地。數據顯示，ZENAVA每天能夠獨立完成超過5000通客户回訪電話，並處理3000+

人工智能 , 深度學習

收藏 評論

fabarta 頭像

Fabarta - 破局AI數據泄密風險：楓清科技以知識引擎+大模型構建企業本地數據智能安全底座

近日，國家安全部披露的一則案例引發廣泛關注：個別單位違規使用開源框架搭建聯網大模型，致使攻擊者可未經授權自由訪問內部網絡，最終引發數據泄露及安全風險。在企業加速AI落地的進程中，平衡技術創新與數據安全是繞不開的核心命題。而楓清科技憑藉“自研知識引擎+行業大模型”的雙輪驅動模式，聚焦企業本地數據安全與智能應用，構建起全鏈路安全閉環，成為其產品的核心競爭力。 針對企業數據安全防護需

數據 , 數據安全 , 人工智能 , 深度學習 , 模態

收藏 評論

rivers_chaitin 頭像

百川雲開發者 - 2025年AI Wiki軟件大比拼：PandaWiki、ChatWiki、MaxKB誰更勝一籌？

大家好，我是老張，一個在互聯網行業摸爬滾打了十年的技術老鳥。今天想和大家聊聊一個特別實用的話題——AI Wiki軟件。作為一個經常需要整理文檔、管理知識庫的"文檔狗"，我深知一個好用的Wiki工具能帶來多大的效率提升。 為什麼你需要一個AI Wiki？ 記得去年我們團隊接了個大項目，各種需求文檔、技術方案、會議記錄滿天飛。最誇張的時候，光是找一份兩週前的會議紀要，就花了我們半個多小時！更別提那些重

人工智能 , 深度學習

收藏 評論

u_16349720 頭像

短短同學 - JAVA面試框架篇(SSM)

Java 面試框架篇：SSM 框架高頻面試題（含參考答案） SSM（Spring+SpringMVC+MyBatis）是 Java 後端面試的核心考點，面試官通常從 “框架定位、核心原理、實戰問題、版本兼容” 四個層面提問。以下整理高頻面試題，結合你之前關注的 jar 包配置、分頁、測試等實戰場景，提供條理清晰的參考答案。 一、基礎理論類：框架定位與核心概念 1

xml , 人工智能 , 深度學習 , SQL , mvc

收藏 評論

deephub 頭像

deephub - JAX 核心特性詳解：純函數、JIT 編譯、自動微分等十大必知概念

JAX 是 Google 和 NVIDIA 聯合開發的高性能數值計算庫，這兩年 JAX 生態快速發展，周邊工具鏈也日益完善了。如果你用過 NumPy 或 PyTorch，但還沒接觸過 JAX，這篇文章能幫助你快速上手。 圍繞 JAX 已經涌現出一批好用的庫：Flax 用來搭神經網絡，Optax 處理梯度和優化，Equinox 提供類似 PyTorch 的接口，Haiku 則是簡潔的函數式 API，

jax , 知識 , 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 - MODBUS TCP轉PROFIBUS網關：助力日化洗滌劑生產線智能升級，解決設備互聯難題

去年夏天，我站在華東某大型日化廠新建的洗滌劑生產線控制室裏，面對着一個典型的工業通訊難題。這條投資數千萬元的全自動生產線，核心控制採用了一套支持MODBUS TCP協議的DCS系統，而現場層卻部署着十幾台來自德國、沿用PROFIBUS-DP接口的專用設備——高精度反應釜温控模塊、粘度在線檢測儀、自動灌裝閥組。兩種協議如同説不同語言的兩羣人，生產線調試因此

profibus , 協議轉換網關 , 上位機 , 人工智能 , 深度學習 , MODBUS TCP , Modbus

收藏 評論

u_16970152 頭像

求知上進 - Python 字典推導式：從入門到精通

1. 字典推導式概述 1.1 什麼是字典推導式？ 字典推導式是 Python 提供的一種語法糖，用於在一行代碼中創建字典。它基於列表推導式（List Comprehension）的概念，允許開發者通過循環和條件邏輯快速生成鍵值對。字典推導式結合了 Python 的動態性和簡潔性，特別適合數據轉換、過濾和映射任務。 基本語法： {key_expr:

鍵值對 , List , 初始化 , 人工智能 , 深度學習

收藏 評論

u_16213589 頭像

mob64ca13f9a97c - vs studio怎麼跑深度學習模型

教程來自巨頭微軟官方機翻 動手完成全部內容大約需要半小時 完成整個教程的效果圖:(本人使用vs2015 C++) 正文: 開始調試多線程應用程序 (C#，Visual Basic、 c + +) Visual Studio 提供多種工具和用户界面元素，用於調試多線程應用程序。 本教程演示如何使用線程標記、“並行堆棧”窗口、“並行監視

vs studio怎麼跑深度學習模型 , 應用程序 , 人工智能 , 多線程 , 深度學習 , 右鍵

收藏 評論

deephub 頭像

deephub - PyTorch推理擴展實戰：用Ray Data輕鬆實現多機多卡並行

單機 PyTorch 模型跑推理沒什麼問題，但數據量一旦上到萬級、百萬級，瓶頸就暴露出來了：內存不夠、GPU 利用率低、I/O 拖後腿，更別説還要考慮容錯和多機擴展。 傳統做法是自己寫多線程 DataLoader、管理批次隊列、手動調度 GPU 資源，這哥工程量可不小，調試起來也麻煩。Ray Data 提供了一個更輕量的方案：在幾乎不改動原有 PyTorch 代碼的前提下，把單機推理擴展成分佈式

pytorch , 人工智能 , 深度學習

收藏 評論

u_16566216 頭像

美狐美顏SDK小金 - Android直播美顏SDK：選擇指南與開發方案

在直播、電商、短視頻全面普及的今天，“畫面好不好看”早已不是錦上添花，而是直接決定用户是否留下來的關鍵因素。 尤其是在Android端，由於機型碎片化嚴重、性能差異大，一套穩定、自然、易集成的直播美顏SDK，往往能幫產品少走很多彎路。 不少開發者在實際項目中都會遇到類似問題： 美顏效果一上就假？ 中低端機型一開就掉幀？

視頻美顏sdk , 人工智能 , 直播美顏sdk , 深度學習 , 美顏SDK

收藏 評論

u_12205 頭像

小魚兒 - 深度學習 分類標籤噪聲比較大 分類標籤的作用

“分類”與“標籤”的使用 始 在使用博客的時候，常常看到分類和標籤，容易產生困惑的是，我們用什麼方式可以很好的使用分類和標籤呢？ 查 分類屬於先前框定內容的“界門綱目科屬種”，標籤是屬於文章關鍵字的提煉，可以説是兩種收納方式。 分類 分類是一個將思想或事物進行識別、差異化和理性化的過程。也通常是出於某一目的，進

數據 , 深度學習 分類標籤噪聲比較大 , 概念思考 , 人工智能 , 深度學習 , 參考資料 , 標籤的使用

收藏 評論

u_17512334 頭像

疆鴻智能研發中心 - 疆鴻智能PROFIBUS集線器：讓鋰電生產線網絡“遙遙領先”

疆鴻智能PROFIBUS集線器：讓鋰電生產線網絡“遙遙領先” 在新能源汽車產業高速發展的浪潮下，某大型汽車鋰電池製造廠的電極車間，正面臨着產能爬坡的關鍵挑戰。車間內，塗布、輥壓、分切等精密設備高速運轉，其控制核心是一套規模龐大的西門子S7-400 PLC系統。然而，維繫整個生產線“感知”與“動作”的PROFIBUS-DP網絡，卻因早期星型拓撲結構改造困難、單點故障易導致整線

PROFIBUS集線器 , profibus , 網絡架構 , 工業通訊 , 人工智能 , 深度學習 , 工業自動化

收藏 評論

u_16099355 頭像

數據挖掘者 - 真無線藍牙耳機盤點，2020新款遊戲低延遲高續航藍牙耳機_momo1996

憑實力出圈，頭戴耳機的六邊形戰士！性價比拉滿的iKF Mars實測 哈嘍小夥伴們好，我是Stark-C~ 最近天氣逐漸轉涼，有朋友讓我推薦一款適合通勤的頭戴式耳機。一個是讓自己的耳朵能暖和一些，另外還能在上下班路上享受音樂，隔絕外界嘈雜。看似簡單的描述，其實包含了多種需求。 首先可以肯定的是，頭戴式耳機絕對是冬季通勤的“加分項

自適應 , 編解碼 , 人工智能 , 無線連接 , 深度學習

收藏 評論

u_16099279 頭像

夜行者3號 - 吳恩達【深度學習工程師】 04.卷積神經網絡 第三週目標檢測 （1）基本的對象檢測算法

本週為第四課的第三週內容，這一課所有內容的中心只有一個：計算機視覺。應用在深度學習裏，就是專門用來進行圖學習的模型和技術，是在之前全連接基礎上的“特化”，也是相關專業裏的一個重要研究大類。 這一整節課都存在大量需要反覆理解的內容和機器學習、數學基礎。 因此我會盡可能的補足基礎，用比喻和實例來演示每個部分，從而幫助理解。 第三週的內容將從圖像分類

後端開發 , 特徵點檢測 , 深度學習 , 目標檢測 , Python

收藏 評論