数据集构建

目标检测项目

·识别图片中有哪些物体并且找到物体的存在位置多任务：位置+类别目标种类与数量繁多的问题目标尺度不均的问题遮挡、噪声等外部环境干扰VOC数据集：PASCALVOC挑战赛(ThePASCALVisualObjectClasses

sho_re·2025-03-11 11:51

数据分享｜1961-2017年中国0.25°×0.25° 逐日地表水文数据集(VIC-CN05.1)

本数据基于陆面水文模式（VICv4.2.d,VariableInfiltrationCapacitymodel）模拟构建了中国1961~2017年0.25°×0.25°逐日地表水文数据集（VIC-CN05.1

JGiser·2025-03-11 11:50

Qt的QGraphics View的使用

QGraphicsView框架是Qt中用于管理和渲染大量2D图形对象的强大工具，适合构建绘图软件、游戏编辑器、数据可视化等场景。

水瓶丫头站住·2025-03-11 11:19

基于HarmonyNext的ArkTS高级实战：构建高性能跨平台应用

基于HarmonyNext的ArkTS高级实战：构建高性能跨平台应用引言随着HarmonyOSNext的发布，ArkTS作为其核心开发语言，为开发者提供了更强大的工具和更高效的开发体验。

·2025-03-11 11:52

Garfish 源码解析 —— 一个微应用是如何被挂载的

背景Garfish是字节跳动webinfra团队推出的一款微前端框架包含构建微前端系统时所需要的基本能力，任意前端框架均可使用。

moonrailgun·2025-03-11 11:48

Vue3 基础教程：从入门到实践 (保姆级教学)

一、Vue3简介Vue.js是一款用于构建用户界面的JavaScript框架，而Vue3作为其最新的主要版本，带来了诸多令人瞩目的改进与新特性，使其在前端开发领域备受青睐。

前段技术人·2025-03-11 11:18

HarmonyNext实战案例：基于ArkTS的实时多人协作白板应用开发

通过实时多人协作，开发者可以构建高效、互动的应用场景，例如实时白板、协同编辑等。本文将深入探讨如何使用ArkTS12+语法开发一个实时多人协作白板应用，涵盖从基础概念到高级技巧的全面讲解。

·2025-03-11 11:51

HarmonyNext实战：基于ArkTS的跨平台3D图形渲染应用开发

本文将深入探讨如何使用ArkTS构建一个高性能的跨平台3D图形渲染应用，涵盖从场景构建、模型加载、光照处理到渲染优化的完整开发流程。

·2025-03-11 11:21

HarmonyNext实战：基于ArkTS的跨平台音视频流媒体应用开发

本文将深入探讨如何使用ArkTS构建一个高性能的跨平台音视频流媒体应用，涵盖从音视频采集、编码、传输到播放的完整开发流程。

·2025-03-11 11:50

HarmonyNext实战：基于ArkTS的分布式数据同步应用开发

本文将深入探讨如何使用ArkTS构建一个高性能的分布式数据同步应用，涵盖从数据模型设计到分布式同步策略的完整开发流程。

·2025-03-11 11:20

HarmonyNext实战：基于ArkTS的高性能图像处理应用开发

本文将深入探讨如何使用ArkTS构建一个高性能的图像处理应用，涵盖从基础图像操作到高级滤镜应用的完整开发流程。

·2025-03-11 11:49

HarmonyNext实战案例：基于ArkTS的高性能图像处理应用开发

HarmonyNext实战案例：基于ArkTS的高性能图像处理应用开发引言在HarmonyNext生态系统中，ArkTS作为新一代的编程语言，为开发者提供了强大的工具来构建高性能、跨平台的应用。

·2025-03-11 11:49

PyTorch实现CNN：CIFAR-10图像分类实战教程

01-玩转LangChain：从模型调用到Prompt模板与输出解析的完整指南02-玩转LangChainMemory模块：四种记忆类型详解及应用场景全覆盖03-全面掌握LangChain：从核心链条构建到动态任务分配的实战指南

吴师兄大模型·2025-03-11 11:44

HarmonyOS Next 实现 2048 小游戏

本文基于鸿蒙ArkUI框架，详细解析其实现过程，解析如何利用声明式UI和状态管理构建此类游戏。一、核心数据结构与状态管理1.游戏网格与得分游戏的核心是一个4x4的二维数组，用于存储每个格子的数字。

·2025-03-11 11:46

内容中台的核心架构是什么？

应用层通过可配置化组件对接多终端场景，确保知识库构建

清风徐徐de来·2025-03-11 10:44

Redis 主从复制机制深度解析与实践指南

Redis的主从复制（Replication）是构建高可用、高性能分布式缓存和数据库系统的核心机制。

月落星还在·2025-03-11 10:12

一篇文章了解CI/CD管道全流程

使用CI/CD管道，软件发布工件可以从代码提交阶段到测试、构建、部署和生产阶段在管道中移动和前进。这个概念非常强大，因为一旦指定了一个管道，它的一部分或全部就可以实现自动化，从而加快流程并减少错误。

黄蓝v社·2025-03-11 10:41

Python通过YOLO格式TXT标签文件在图像中画框

使用场景检测数据集标注是否有误：在目标检测算法中需要标注自己的数据集，为了更加方便的检查数据集标注是否有误，可以使用该工具将标注结果绘制在图像中并查看。

CHERISH_KDX·2025-03-11 10:41

Python学习指南：系统化路径 + 避坑建议

新手小白学习编程就像搭积木——需要从基础开始，逐步构建知识体系。以下是为你量身定制的Python学习路径，帮你告别杂乱，高效入门！一、学习前的关键认知明确目标：想用Python做什么？

程之编·2025-03-11 09:39

机器学习之KMeans算法

它的目标是将数据集划分为K个互不重叠的子集（簇，Cluster），使得同一簇内的数据点尽可能相似，不同簇之间的数据点尽可能差异显著

Mr终游·2025-03-11 09:07

“大语言模型微调”（Fine-tuning）与“大语言模型应用”（LLM Applications）之间的区别

1.概念与定义大语言模型微调微调指的是在一个经过大规模预训练的通用语言模型基础上，利用针对性较强的小规模数据集对模型进行进一步训练，从而使模型在特定领域或任务上表现得更优秀。

AI Echoes·2025-03-11 09:06

GitLab：GitLab问题追踪与项目协作_2024-07-18_01-47-52.Tex

GitLab的第一个版本是在RubyonRails上构建的，随着时间的推移，它逐渐发展成为

chenjj4003·2025-03-11 09:35

自助洗车小程序开发方案详解

开发过程中可使用微信开发者工具进行代码编写、调试和预览，通过WXML（类似HTML）、WXSS（类似CSS）和JavaScript构建用户界面和交互逻辑。例如利用微信原生的组件库，快速搭建出美观且符合

ALLSectorSorft·2025-03-11 09:34

Python机器学习实战：构建序列到序列(Seq2Seq)模型处理翻译任务

Python机器学习实战：构建序列到序列(Seq2Seq)模型处理翻译任务1.背景介绍1.1问题的由来翻译是跨语言沟通的重要桥梁，随着全球化进程的加速，翻译需求日益增长。

AGI大模型与大数据研究院·2025-03-11 09:03

Python第十六课：深度学习入门 | 神经网络解密

本节目标理解生物神经元与人工神经网络的映射关系掌握激活函数与损失函数的核心作用使用Keras构建手写数字识别模型可视化神经网络的训练过程掌握防止过拟合的基础策略一、神经网络基础（大脑的数字化仿生）1.神经元对比生物神经元人工神经元树突接收信号输入层接收特征数据细胞体整合信号加权求和

程之编·2025-03-11 09:03

【LAMMPS学习】四、运行 LAMMPS(1)基础知识

4.运行LAMMPS本部分解释了在安装可执行文件或下载源代码并构建可执行文件后如何运行LAMMPS。命令文档页面描述了输入脚本的结构以及它们可以包含的命令。

北行黄金橘·2025-03-11 08:58

【LAMMPS学习】二、LAMMPS安装(1)Linux安装

在下载LAMMPS源代码时，还必须构建LAMMPS。但是对于在构建中包含或排除哪些特性，您有更大的灵活性。

北行黄金橘·2025-03-11 08:28

UI自动化页面性能分析与实践

1.背景基于我们的POM平台的UI测试已经基本完成，平台构建主要是对页面进行常规操作，对于页面的加载性能的获取还很缺失，所以为了之后对页面进行分析和优化，我们需要在进行页面操作的同时，获取到页面的加载情况

lee_shaoyang·2025-03-11 08:57

聚类分析|k-means聚类方法及其Python实现

划分方法（PartitioningMethod）是基于距离判断样本相似度，通过不断迭代将含有多个样本的数据集划分成若干个簇，

皖山文武·2025-03-11 08:56

LangChain 发布政策详解

技术背景介绍LangChain是一个用于构建和部署大型语言模型（LLM）应用的生态系统。

VYSAHF·2025-03-11 08:25

【漫话机器学习系列】130.主成分（Principal Components）

主成分（PrincipalComponents，PCs）是数据集中方差最大的线性组合，它是主成分分析（PrincipalComponentAnalysis，PCA）中的核心概念。

IT古董·2025-03-11 08:25

React Native

ReactNative是一个用于构建原生移动应用的框架，它使用JavaScript和React（一个用于构建用户界面的JavaScript库）来开发iOS和Android平台的应用程序。

svygh123·2025-03-11 07:21

Unity游戏引擎

在数字创意的世界里，Unity引擎以其强大的功能和灵活性，已经成为无数开发者心中构建梦想游戏的首选工具。今天，我们就来深入探讨Unity的奥秘，解锁它如何帮助我们实现那些令人惊叹的游戏项目。

喜欢星期五·2025-03-11 07:18

YOLOv8制作自己的实例分割数据集保姆级教程（包含json转txt）

1.数据准备首先对原始数据集进行整理，将标注好的图像和标签分别放在两个文件夹中，同时额外新建两个文件夹，用于存放转换完的标签与划分后的数据集。

Sir小珂·2025-03-11 07:18

领域大模型之微调技术和最佳实践

“大”是指它们训练的海量数据集及其参数的大小，即模型在训练过程中学习的记忆和知识;“通用”意味着他们具有广泛的语言任务能力。更明确地说，L

程序员莫玛·2025-03-11 07:17

基于PyTorch的深度学习6——数据处理工具箱2

主要介绍如何使用datasets的ImageFolder处理自定义数据集，以及如何使用transforms对源数据进行预处理、增强等。下面将重点介绍transforms及ImageFolder。

Wis4e·2025-03-11 07:47

句子改写器在线转换的原创性提升策略

辅以实验数据验证其可行性：一、语义拓扑重构技术（SemanticTopologyReconstruction）原理突破传统同义词替换仅影响表层词汇（LexicalLevel），而STR技术通过依存句法分析，构建句子的语义网络拓扑图

hjehheje·2025-03-11 05:27

【5分钟背八股】redis主从复制的原理？持久化RDB和AOF？

主从复制机制当一个master实例和一个slave实例连接正常时，master会发送一连串的命令流来保持对slave的更新，以便于将自身数据集的改变复制给slave，：包括客户端的写入、key的过期或被逐出等等

熬夜加班写代码·2025-03-11 04:51

使用Activeloop Deep Lake构建深度学习数据仓库与向量存储

技术背景介绍随着深度学习技术的发展，数据的存储与管理成为了一个重要的问题。尤其是对于需要处理大量数据的应用，例如自然语言处理和图像识别，传统的数据存储方式已经无法满足需求。ActiveloopDeepLake是专为深度学习设计的数据仓库，可以作为向量存储使用，支持多模态数据的存储和处理，并且可以直接用于细调大型语言模型（LLMs）。此外，它还提供自动版本控制，无需依赖其他服务，兼容主要云服务提供商

dgay_hua·2025-03-11 04:49

redis的两种持久化方式

目录一、RDB模式二、AOF模式三、缓存穿透雪崩穿透四、接口幂等性一、RDB模式RDB机制的优势和略施RDB持久化是指在指定的时间间隔内将内存中的数据集快照写入磁盘。

kse_music·2025-03-11 04:49

使用 OpenAI Functions Tool Retrieval Agent 实现智能工具选择

技术背景介绍在构建智能代理系统时，我们通常需要调用多个工具来满足不同的用户查询。然而，随着工具数量的增加，将所有工具描述信息放入每次的查询上下文中变得不切实际。

bavDHAUO·2025-03-11 04:19

如何选择开源向量数据库

文章目录评估维度查询性能索引与存储扩展性数据管理能力生态支持常见向量数据库对比评估维度选择开源向量数据库时，需要综合考虑查询性能、数据规模、索引构建速度、生态支持等多个因素，以下是关键的评估维度：选择开源向量数据库时

kse_music·2025-03-11 03:16

nuxt2 打包优化使用“compression-webpack-plugin”插件

在使用Nuxt.js构建项目时，为了提高性能，通常会考虑对静态资源进行压缩。compression-webpack-plugin是一个常用的Webpack插件，用于在生产环境中对文件进行Gzip压缩。

webYin·2025-03-11 03:45

《Python实战进阶》No20: 网络爬虫开发：Scrapy框架详解

网络爬虫开发：Scrapy框架详解摘要本文深入解析Scrapy核心架构，通过中间件链式处理、布隆过滤器增量爬取、Splash动态渲染、分布式指纹策略四大核心技术，结合政府数据爬取与动态API逆向工程实战案例，构建企业级爬虫系统

带娃的IT创业者·2025-03-11 03:15

【带你 langchain 双排系列教程】8.LangChain开发Agent智能体：从入门到实战

LangChain是一个专为构建大模型应用设计的开发框架，其模块化设计和丰富的工具链让智能体开发更高效。

夜里慢慢行456·2025-03-11 03:43

从零起步：LangChain ChatPromptTemplate基础使用

ChatPromptTemplate是LangChain框架中用于构建对话提示的强大工具。它专为多轮对话场景设计，能将不同角色的消息整合为连贯提示，助力开发者精准引导语言模型生成符合预期的回复。

软件不硬·2025-03-11 03:42

基于双向长短期记忆神经网络结合多头注意力机制(BiLSTM-Multihead-Attention)的单变量时序预测

代码运行结果展示3、代码获取1、代码简介基于双向长短期记忆神经网络结合多头注意力机制(BiLSTM-Multihead-Attention)的单变量时序预测(单输入单输出)1.程序已经调试好，无需更改代码替换数据集即可运行

机器学习和优化算法·2025-03-11 03:42

2.langchain中的prompt模板 (FewShotPromptTemplate)

本教程将介绍如何使用LangChain库中的PromptTemplate和FewShotPromptTemplate来构建和运行提示（prompt），并通过示例数据展示其应用。

ZHOU_CAMP·2025-03-11 03:41

鸢尾花数据集的四个特征具体是什么？

鸢尾花数据集（IrisDataset）是机器学习领域中最经典的数据集之一，它包含150个样本，每个样本有4个特征，分别是：1.花萼长度（SepalLength）描述：花萼（花的外部绿色部分）的长度，单位为厘米

学术乙方·2025-03-11 03:41

如何添加示例到提示中进行查询分析

在本文中，我们将演示如何为我们构建的LangChainYouTube视频查询分析器添加示例。技术背景介绍随着查询分析的复杂度增加，LLM可能无法准确识别用户意图并生成对应的高质量查询。

dgay_hua·2025-03-11 02:39

推荐频道