【深度学习DL】第20页

DeepSeek R1重塑行业标准：BIM智能审查效率提升300%的实战解密

传统人工审查方式存在效率低、标准不统一、易遗漏等问题，DeepSeekR1框架支持的智能审查系统通过以下技术突破实现革新：多源异构数据融合：支持IFC/RVT/DWG等格式的自动转换语义特征解析引擎：基于深度学习的构件特征识别准确率达

Coderabo·2025-02-04 20:55

DeepSeek R1赋能智能建造：施工安全风险预判系统全栈开发实战与创新解析

DeepSeekR1智能分析系统通过融合计算机视觉、物联网传感技术和深度学习算法，构建了多维度的风险预警体系。本系统具备以下核心功能：实时视频监控分析（安全装备检测、危险区域入侵识别）设备状态

Coderabo·2025-02-04 20:55

基于深度学习的政策效果仿真推演：实现智能化决策支持

政策效果仿真推演：基于DeepSeekR1的人工智能驱动决策支持系统引言政策效果仿真推演是现代社会治理中不可或缺的重要环节。通过模拟不同政策在实际执行过程中可能产生的各种影响，政府和相关机构可以更科学地制定和调整政策，从而提高治理效率和效果。然而，传统的政策仿真方法往往依赖于大量的历史数据、复杂的数学模型以及人工经验判断，存在耗时长、成本高、结果不够精准等问题。近年来，随着人工智能技术的快速发展，

Coderabo·2025-02-04 19:22

深度学习｜表示学习｜卷积神经网络｜输出维度公式｜15

如是我闻：在卷积和池化操作中，计算输出维度的公式是关键，它们分别可以帮助我们计算卷积操作和池化操作后的输出大小。下面分别总结公式，并结合解释它们的意义：1.卷积操作的输出维度公式当我们对输入图像进行卷积时，输出的宽度和高度可以通过以下公式计算：输出大小=输入大小−卷积核大小+2⋅填充大小步长+1\text{输出大小}=\frac{\text{输入大小}-\text{卷积核大小}+2\cdot\te

漂亮_大男孩·2025-02-04 19:52

深度学习｜表示学习｜卷积神经网络｜输出维度公式如何理解？｜16

如是我闻：当我们对输入图像进行卷积时，输出的宽度和高度可以通过以下公式计算：输出大小=输入大小−卷积核大小+2⋅填充大小步长+1\text{输出大小}=\frac{\text{输入大小}-\text{卷积核大小}+2\cdot\text{填充大小}}{\text{步长}}+1输出大小=步长输入大小−卷积核大小+2⋅填充大小+1池化（Pooling）的输出大小公式类似卷积，但更加简单：输出大小=输入

漂亮_大男孩·2025-02-04 19:21

深度学习-98-大语言模型LLM之基于langchain的代理create_react_agent工具

文章目录1Agent代理1.1代理的分类1.2ReAct和Structuredchat2代理应用ReAct2.1创建工具2.1.1嵌入模型2.1.2创建检索器2.1.3测试检索结果2.1.4创建工具列表2.2初始化大模型2.3创建Agent2.4运行Agent3参考附录1Agent代理Agent代理的核心思想是使用语言模型来选择要采取的一系列动作。(1)在链中，动作序列是硬编码的。(2)在代理中，

皮皮冰燃·2025-02-04 18:46

2025-0204学习记录5——【论文】修改论文的随笔

好久没记录学习过程了...正准备写博客呢，发现草稿里有一篇1.11写的，当时在忙着写毕设的开题报告，唉，说来惭愧，开题报告也是随便写了写，Z导提了很多建议，但ddl迫在眉睫，无奈最终草草了事（毕业设计一定要好好干

阿楠今天学GEE了吗·2025-02-04 18:14

express反向代理中间件http-proxy-middleware

http-proxy-middleware用于把请求代理转发到其他服务器的中间件。

羊二哥·2025-02-04 18:11

基于 FPGA 的 CNN 卷积神经网络整体实现

基于FPGA的CNN卷积神经网络整体实现介绍卷积神经网络（CNN）是一种强大的深度学习架构，广泛用于图像识别、物体检测和自然语言处理等领域。

鱼弦·2025-02-04 18:37

手把手架构Express划分Router、Controller、Service和Middleware

手把手架构Express划分Router、Controller、Service和Middleware背景express框架在node中是使用频率最高的，简单易上手，如果不合理的控制各个模块的划分，随着业务代码增多

red润·2025-02-04 17:06

【大模型应用开发动手做AI Agent】第二轮思考：模型决定计算

【大模型应用开发动手做AIAgent】第二轮思考：模型决定计算关键词：大模型，AIAgent，模型决定计算，模型优化，计算优化，硬件加速，效率提升1.背景介绍随着深度学习技术的飞速发展，大模型在自然语言处理

AGI大模型与大数据研究院·2025-02-04 16:30

AI Agent: AI的下一个风口具身机器人的发展趋势

AIAgent:AI的下一个风口——具身机器人的发展趋势1.背景介绍1.1问题的由来随着人工智能技术的快速发展，特别是深度学习的突破性进展，我们正目睹着从“智慧大脑”向“具身智能”的转变。

AGI大模型与大数据研究院·2025-02-04 16:30

2025年最新最全的大模型学习路线规划，对于零基础入门到精通的学习者来说，可以遵循以下阶段进行

同时，了解常用的深度学习框架，如TensorFlow和PyTorch。深度学习基础：学习深度学习的基本原理和常用算法，

程序员辣条·2025-02-04 16:57

开源 OCR 工具大比拼：常用工具全解析与选择指南

一、独立OCR工具1.PaddleOCRGitHub地址：PaddleOCR星数：46k主要作者：百度飞桨

花千树-010·2025-02-04 16:56

什么是大模型？大模型从入门到精通（超详细）看这一篇就够了！！！

大模型（LargeModels），通常指的是拥有大量参数的深度学习模型。这些模型由于其规模庞大，能够捕捉到数据中的复杂模式，因此在自然语言处理（NLP）、计算机

AI产品经理·2025-02-04 15:51

What‘s the best way to handle large datasets in Matplotlib?

TheuserisaskingaboutthebestwaytohandlelargedatasetsinMatplotlib.Ineedtoprovidepracticalandeffectivestrategiesthatcanhelpoptimizebothperformanceandreadabilitywhenworkingwithlargedatasets.I

若木胡·2025-02-04 15:48

QEMU：Ubuntu下编译安装qemu-kvm

.tar.gz步骤下载安装包后解压tar-zxvfqemu-kvm-1.2.0.tar.gz安装依赖sudoapt-getinstalllibpci-devsudoapt-getinstalllibsdl1.2

无名J0kзr·2025-02-04 15:18

超级好用、超准文字识别框架----飞浆PaddlePaddleOCR（文件检测+识别）实战篇

目录简介项目介绍安装难点问题解决办法参数介绍模型推理调用简介飞桨（PaddlePaddle）OCR（OpticalCharacterRecognition）是一个开源的深度学习框架，用于文字识别任务。

数虫·2025-02-04 14:46

基于Python实现机器视觉与深度学习相结合的项目

以下是一个基于Python实现机器视觉与深度学习相结合的项目，用于对茶汤照片进行背景处理、提取RGB值的详细步骤及代码示例。

max500600·2025-02-04 14:45

Ubuntu下配置vim环境（python版本）

Ubuntu下配置vim环境（python版本）VundleVundle是一种vim扩展安装包管理器。有了Vundle，安装和更新包这种事情不费吹灰之力。

a563562675·2025-02-04 13:36

C++ 写一个简单的加减法计算器

**C++topic：结构*************Structureisaveryinterstingissue.Ireallydon'tlikeconceptsasitisboring.Iwouldliketocasesinstead.IfIwanttolearnsomething

ElseWhereR·2025-02-04 13:32

毕设开源深度学习图像搜索算法-图像搜索引擎(源码分享)

文章目录0简介1前言2图像检索介绍(1)无监督图像检索(2)有监督图像检索3图像检索步骤4应用实例最后0简介今天学长向大家分享一个毕业设计项目毕业设计深度学习图像搜索算法-图像搜索引擎(源码分享)项目运行效果

knooor·2025-02-04 12:28

Windows平台下C++串口通信

文章目录通信基础串口通信串口UART字符帧波特率WindowsAPI串口通信CreateFileSetupCommReadFileWriteFileCloseHandleGetCommStateBuildCommDCBSetCommStateSetCommTimeoutsClearCommErrorPurgeCommSetCommMaskWaitCommEventWaitForSingleObje

YxVoyager·2025-02-04 11:19

[paddle] 矩阵相关的指标

行列式det行列式定义参考det(A)=∑i1,i2,⋯ ,in(−1)σ(i1,⋯ ,in)a1,i1a2,i2,⋯ ,an,indet(A)=\sum_{i_1,i_2,\cdots,i_n}(-1)^{\sigma(i_1,\cdots,i_n)}a_{1,i_1}a_{2,i_2},\cdots,a_{n,i_n}det(A)=i1,i2,⋯,in∑(−1)σ(i1,⋯,in)a1,i1a

BlackPercy·2025-02-04 11:12

全场景深度学习开源框架（MindSpore）

MindSpore是华为推出的一款全场景深度学习开源框架。旨在实现不同计算平台（如云端、边缘端、端侧）和不同硬件（如CPU、GPU、Ascend等）之间的高效协同。

deepdata_cn·2025-02-04 11:41

AI学习指南HuggingFace篇-高级优化技巧

一、引言在深度学习和自然语言处理（NLP）中，模型训练的效率和性能至关重要。HuggingFace提供了多种高级优化技巧，帮助开发者提升模型训练的效率和效果。

俞兆鹏·2025-02-04 10:35

Java集合之Collection知识总结

目录一、前言二、整体概览三、List结构差异性ArrayList和Vector区别Arraylist与LinkedList区别什么是Stack？

皮蛋不吃粥·2025-02-04 09:35

零信任赋予安全牙齿，AI促使它更锋利

之后的几年各种视觉识别遍地开花，AI四小龙在人脸识别上成熟应用，再然后到大热的机器学习、深度学习，对于AI一直都有关注，但商业价值均没有得到有效发挥，大部分都停在科研和实验室阶段。

零信任Enlink_Young·2025-02-04 09:01

Python必备库大全，建议留用

socket–底层网络接口(stdlib)。UnirestforPython–Unirest是一套可用于多种语言的轻量级的HTTP库。hyper–Python的HTTP/2客户端。

2401_86437188·2025-02-04 09:30

excel常用函数代码_30天中的30个Excel函数：07 –代码

We'lltakeiteasytoday,andlook

culiao2169·2025-02-04 08:21

BT-Basic编程系列--8--循环

如下面的代码，loop和endloop共同组成了循环体，而关键字exitif则充当退出条件。遇到exitif时，将对其表达式进行逻辑计算以确定该表达

可可南木·2025-02-04 07:48

PyTorch动态计算图:如何灵活构建复杂模型

PyTorch动态计算图:如何灵活构建复杂模型关键词：PyTorch、动态计算图、自动微分、反向传播、神经网络、模型构建、计算图优化文章目录PyTorch动态计算图:如何灵活构建复杂模型1.背景介绍1.1深度学习框架的发展

AI天才研究院·2025-02-04 07:47

深度学习框架PyTorch原理与实践

模型部署4）数据管道5）代码阅读友好4.核心算法原理4.1神经网络结构4.2神经网络层4.3激活函数5.实际案例——MNIST手写数字识别数据准备模型定义训练测试整体代码1.简介Deeplearning(DL

AI天才研究院·2025-02-04 07:47

自定义数据集使用paddlepaddle框架实现逻辑回归并保存模型，然后保存模型后再加载模型进行预测

1.引言在这篇博客中，我们将使用PaddlePaddle框架实现一个逻辑回归模型，利用NumPy自定义数据集进行训练，并保存模型。最后，我们将演示如何加载保存的模型并进行预测。

辞落山·2025-02-04 07:16

Paddle进阶实战系列（三）：基于SVTR算法的手写英文单词识别

‍作者简介：CSDN、阿里云人工智能领域博客专家，新星计划计算机视觉导师，百度飞桨PPDE，专注大数据与AI知识分享。公众号：GoAI的学习小屋，免费分享书籍、简历、导图等，更有交流群分享宝藏资料，关注公众号回复“加群”或➡️链接加群。专栏推荐：➡️

GoAI·2025-02-04 07:45

Spring Boot 2 快速教程：WebFlux处理流程（五）

WebFlux请求处理流程下面是springmvc的请求处理流程具体步骤：第一步：发起请求到前端控制器(DispatcherServlet)第二步：前端控制器请求HandlerMapping查找Handler

星如雨ｸﾞｯ!(๑•̀ㅂ•́)و✧·2025-02-04 06:39

HAPI 项目常见问题解决方案

HAPIAspecforHumanizedwebAPIs,akaHAPI.ThegoalofHAPIistodefineastandardforcreatingWeb-basedAPIsthataremachinereadybuthumanfriendly—aself-documentingAPI

怀灏其Prudent·2025-02-04 06:03

IM 即时通讯系统-47-beardlessCat IM 使用netty开发分布式Im，提供分布netty集群解决方案

IM开源系列IM即时通讯系统-41-开源野火IM专注于即时通讯实时音视频技术，提供优质可控的IM+RTC能力IM即时通讯系统-42-基于netty实现的IM服务端,提供客户端jar包,可集成自己的登录系统IM即时通讯系统-43-简单的仿QQ聊天安卓APPIM即时通讯系统-44-仿QQ即时通讯系统服务端IM即时通讯系统-45-merua0oo0IM分布式聊天系统IM即时通讯系统-46-OpenIM提

老马啸西风·2025-02-04 06:01

【分割评价指标-nnUNet V2训练】- AutoDL

目录一、DSC二、IOU三、VOE(VolumeOverlapError)四、RVD(RelativeVolumeDifference)五、Hausdorff95(95thPercentileofHausdorffDistance)六、ASSD(AverageSymmetricSurfaceDistance)七、MSD(MeanSurfaceDistance)八、NSD(NormalizedSur

HUI 别摸鱼了·2025-02-04 05:00

Java 2.2(计算圆柱的体积)编写程序，读入圆柱体的半径和高，并使用下列公式计算圆柱体的体积：

面积=半径x半径xp体积=面积x高下面是一个运算示例：Entertheradiusandlengthofacylinder(请输入圆柱的半径和高):5.512Theareais95.0331(它的面积是

此生不配你情深·2025-02-04 05:56

python中keras_Python深度学习——keras（一）

大多数深度学习，都是将若干个简单的层给链接起来，实现渐进式的数据过滤，也就是数据蒸馏(过滤到一定程度就等同于蒸馏)首先来看一个数字识别的案例(1)读取训练集和测试集fromkeras.datasetsimportmnist

weixin_39534321·2025-02-04 04:48

基于BiGRU的预测模型及其Python和MATLAB实现

##一、背景在当今快速发展的数据驱动的时代，尤其是在自然语言处理（NLP）、时间序列预测、语音识别等任务中，深度学习技术的应用已经变得越来越普遍。

追蜻蜓追累了·2025-02-04 03:10

关于双塔模型的简单介绍

eso1983·2025-02-04 02:08

DeepSeek在协同过滤和深度学习技术中的应用场景

DeepSeek作为一个集成多种先进技术的平台，利用协同过滤和深度学习技术在多个领域实现了创新应用。以下是一些具体的场景和示例，展示了这些技术如何被应用于实际问题中。

python算法(魔法师版)·2025-02-04 02:07

android room

注意点：1.gradle中加入'kotlin-kapt'插件，依赖加入implementation"androidx.work:work-runtime:2.2.0"kapt"androidx.room

freshfox·2025-02-04 02:05

一篇文章了解AI大神何凯明

何凯明（KaimingHe）是一位在国际计算机视觉和深度学习领域享有盛誉的科学家。以下是对他的一些详细介绍：个人背景：何凯明出生于中国，后赴美国深造。

Ai知识精灵·2025-02-04 02:04

基于深度学习的物体分割技术：从理论到实践

随着深度学习的迅猛发展，尤其是卷积神经网络（CNN）的应用，物体分割技术已取得了显著的进展。它被广泛应用于医学影像分析、自动驾驶、视频监控、机器人感知等领域。

人工智能_SYBH·2025-02-04 01:57

python - 上下文管理器

一、什么是上下文管理器你是不是这样读过文件withopen("file","r")asf_reader:content=f_reader.readlines()为什么你要用"with"呢，因为在这段读取文件代码结束后

你是猴子请来的救兵吗！！·2025-02-04 00:21

Doris使用手册以及与Mysql差异整理

：导入数据聚合建表插入数据查看表示例二：保留明细数据示例三：导入数据与已有数据聚合Uniq模型建表插入数据查询表使用注意Duplicate模型建表插入数据查看表数据模型的选择建议与mysql差异语法DDLCreate-TableDo

Jet-W·2025-02-04 00:51

动手学PyTorch建模与应用：从深度学习到大模型

在人工智能时代，机器学习技术日新月异，深度学习是机器学习领域中一个全新的研究方向和应用热点，它是机器学习的一种，也是实现人工智能的必由之路。

王国平·2025-02-04 00:51

推荐频道

【深度学习DL】