博客 / 列表

mob64ca14116c53 - em78P156

筆者在某智能水錶開發中使用了EM78P447芯片，對EM78系列芯片有了較深認識，在實踐中總結了一些開發此類芯片應注意的問題，同時給出了應用中的編程技巧。 市面上常見的介紹EM78系列的參考書中，都給出了一些應用實例，但這些實例一般程序代碼量較小，功能單一。雖然這些實例對於新手確實起到了很好的作用，但一個產品可能功能很複雜，程序可能達到幾千行，這就

機器學習 , 單片機ofeh , 子程序 , 數據 , 單片機 , 人工智能 , em78P156

mob64ca14116c53 - devops平台可以集成sae嗎 devops平台部署

DevOps實踐集——應用運維之持續部署 1. 場景

devops , 持續部署 , 雲計算 , devops平台可以集成sae嗎 , 應用運維 , 實踐集 , 雲原生

mob64ca14116c53 - QMS-雲質-企業數字化轉型-企業質量數字化案例_質量數碼化

一、數字化轉型背景下的質量管理挑戰 隨着工業4.0時代的深入推進，製造企業面臨的質量管理環境日益複雜。傳統依賴紙質記錄與Excel表格的管理模式存在顯著缺陷：數據完整性不足、人為錯誤頻發、信息孤島林立。據統計，一家中等規模的製造企業通常需要管理超過1萬種原材料，若持續採用人工記錄方式，不僅效率低下，更難以保障數據的準確性與可追溯性。例如，質量信息分散在研發、生產

spark , 大數據 , 數據 , 項目經理 , 質量管理

mob64ca14116c53 - AI 學習必知的十大深度學習方法！

NVIDIA-GPU 標量 / 向量 / 矩陣 / 張量 你提的問題很關鍵，這些概念是理解大模型數據流轉和計算邏輯的基礎。簡單説，它們是不同維度的“數值容器”，在大模型中分別承擔着存儲單個參數、單個特徵、批量特徵和高維複雜特徵的角色。 1. 標量（Scalar）：單個數值，0維 標量是最簡單的“數值容器”，只有大小，沒有方

數組 , 標量 , 權重 , 後端開發 , 人工智能 , 深度學習 , Python

mob64ca14116c53 - rknn模型的形狀

RL讀書筆記1 概述 強化學習與監督學習的對比 通過與監督學習的比較，我們可以總結出強化學習的一些特徵。 標準強化學習和深度強化學習 序列決策 獎勵 序列決策 動作空間 問題 概述

機器學習 , 強化學習 , 數據 , 監督學習 , 人工智能 , rknn模型的形狀

mob64ca14116c53 - postgres 某列 保留兩位小數

數字： 所有的數字的內部格式都相同 在perl內部，無論是整數還是浮點數都是按照“雙精度浮點數”的要求來保存並進行運算，此處的雙精度浮點數是C的double類型，現在大部分系統都以IEEE745的格式作為標準，它能夠表示15位的精度，有效值的範圍是1*e-100～1*e100 浮點數直接量 例如： 1.25 7.25e45 #7.25乘以10的

字符串 , 雲計算 , 操作符 , 雲原生 , postgres 某列 保留兩位小數 , 浮點數

mob64ca14116c53 - 開箱！NVIDIA DGX A100(80G)_嗶哩嗶哩

AI創新的火花：NVIDIA DGX Spark開箱與深度解析 引言：當桌面迎來PetaFLOP級AI算力 長久以來，擁有數據中心級的AI算力似乎是少數頂尖實驗室和大型企業的專屬。然而，NVIDIA通過一款顛覆性的產品，徹底改變了這一格局。今天，我們懷着無比激動的心情，為大家帶來NVIDIA DGX Spark的獨家開箱評測。這款被稱

spark , 大數據 , nvidia , 人工智能 , DGX , Css , 前端開發 , HTML