星火认知大模型第9页

数据变资产，“盘活”才是重点

先说企业对数据认知的现状与误区。当下，多数企业积极收集各类数据，盼着靠大量数据推动发展，可却陷入误区，以为数据多就是资产，其实若不挖掘其背后价值，数据不过是无意义数字，难给企业带来实质好处。

开利网络·2025-01-18 14:23

MATLAB语言的计算机基础

MATLAB（矩阵实验室）作为一种高级编程语言和环境，广泛应用于数据分析、算法开发、模型创建、数字图像处理和计算机视觉等多个领域。

疯狂小小小码农·2025-01-18 13:52

Laplace方法

适用于∫abfn(x)g(x)dx\int_a^bf^n(x)g(x)dx∫abfn(x)g(x)dx型积分的渐近估计，要记得可以通过变形和换元法转化为标准模型。

懒洋洋爱睡觉·2025-01-18 13:21

C语言魔法秀：代码中的“隐藏技能”大揭秘！从位运算到联合体的奇幻之旅

掌握一些有创意和想法的编程技巧对于提升编程能力和写出高效、优雅的代码至关重要。以下是一些我分享的C语言编程技巧，它们不仅深入而且能够增加编程效率。1.利用位运算优化性能C语言中的位运算是一种非常强大的工具，可以用于高效地处理整数数据。通过位运算，我们可以实现快速的数值计算、状态标记和数据压缩。例如，使用位与(&)和位或(|)运算可以高效地合并和分离标志位，使用位移(>)运算可以快速地进行数值的乘除

firdawn·2025-01-18 13:50

3DUnet实现3D医学影像的有效分割

3DUnet实现3D医学影像的有效分割1.配置代码环境2.配置数据集以及模型文件3.训练4.预测1.配置代码环境这里介绍一个很好的开源项目，git为：https://github.com/ellisdg

Andrew_Xzw·2025-01-18 13:49

基于生成式人工智能的网联自动驾驶：通感融合决策技术

首先讨论了生成式人工智能技术如何提高自动驾驶决策、训练、感知和导航等模块的性能，接着探讨了其在融合了语义通信、通感一体和新型空口技术的下一代车联网中的角色，然后提出了基于人工智能代理的网联自动驾驶模型，

罗伯特之技术屋·2025-01-18 13:17

深度学习模块C2f代码详解

C2f是一个用于构建卷积神经网络（CNN）的模块，特别是在YOLOv5和YOLOv8等目标检测模型中。

你是狒狒吗·2025-01-18 12:44

lineage os android 9,LineageOS 16.0 发布，基于 Android 9

由于在上一个版本中进行了大量的清理和重构，这次能够更多地关注特性和可靠性;特别是，隐私保护和su插件都得到了相当大的改进。

哈里叔叔·2025-01-18 12:12

华为 Ascend 平台 YOLOv5 目标检测推理教程

YOLOv5是一种高效的目标检测模型，凭借其速度和精度的平衡广受欢迎。

Lunar*·2025-01-18 12:39

浅谈滤波中Q和R的调整——KF第三篇笔记

Q和R的意义Q值为过程噪声，越小系统越容易收敛，表示对模型预测的值信任度越高；但是太小则容易发散，如果Q为零，那么我们只相信预测值；Q值越大表示对于预测的信任度就越低，而对测量值的信任度就变高；如果Q值无穷大

MATLAB卡尔曼·2025-01-18 11:03

深度学习项目--基于LSTM的火灾预测研究(pytorch实现)

本文为365天深度学习训练营中的学习记录博客原作者：K同学啊前言LSTM模型一直是一个很经典的模型，这个模型当然也很复杂，一般需要先学习RNN、GRU模型之后再学，GRU、LSTM的模型讲解将在这两天发布更新

羊小猪~~·2025-01-18 10:30

docker 与K8s的恩怨情仇

Docker和Kubernetes（通常简称为K8s）是容器化和容器编排领域的两大重要工具，它们在技术生态中扮演着不同的角色，并且有着密切的关系。

慧香一格·2025-01-18 10:00

自动驾驶中的混合决策架构

自动驾驶中的混合决策架构关键词：自动驾驶、混合决策架构、决策模型、算法、数学模型、项目实战摘要：本文将深入探讨自动驾驶中的混合决策架构，从基础理论到实际应用，全面解析这一领域的核心概念、算法原理及其在自动驾驶中的具体应用

AI天才研究院·2025-01-18 10:59

大模型开发的5种应用架构

然而，当我们进入大模型应用领域时，传统的设计模式似乎不再完全适用。生成式AI等新兴技术的出现，使得我们在设计这些系统时面临前所未有的挑战。

我爱学大模型·2025-01-18 10:59

美国最高法院维持TikTok不卖就禁法案；荣耀 CEO 赵明辞职；OpenAI计划几周内推出o3 mini推理模型 | 极客头条

「极客头条」——技术人员的新闻圈！CSDN的读者朋友们好，「极客头条」来啦，快来看今天都有哪些值得我们技术人关注的重要新闻吧。整理|苏宓出品|CSDN（ID：CSDNnews）一分钟速览新闻点！荣耀CEO赵明辞职，前为华为监事李健继任阿里巴巴内部调整：天猫精灵硬件团队与夸克融合，瞄准AI眼镜市场小米NAS已进入到开发的尾声传特斯拉上海工厂春节期间将停产，内部人员：没听说此事游戏科学在杭州成立黑神话

极客日报·2025-01-18 10:59

Oracle 学习全攻略

一、入门奠基：环境搭建与初步认知了解Oracle体系架

来恩1003·2025-01-18 10:58

数据仓库复用性：业务需求复用性设计

以下是几个关键点，可以帮助实现业务需求复用性的设计：1.通用报表的复用标准化数据模型：设计通用的数据模型，例如通用的事实表和维度表，使得报表可以通过这些模型灵活生成，而不需要为每个报表单独设计数据结构。

PersistDZ·2025-01-18 10:58

PLUTO：突破基于模仿学习的自动驾驶规划极限

改进来自三个关键方面：一种纵向横向感知模型架构，可实现灵活多样的驾驶行为；一种创新的辅助损失计算方法，可广泛应用且可高效地进行批量计算；一种利用对比学习的训练框架，采

硅谷秋水·2025-01-18 10:27

LargeAD：用于自动驾驶的大规模跨传感器数据预训练

硅谷秋水·2025-01-18 10:27

SSM框架从入门到精通

文章目录一、SSM框架概述二、Spring基础（一）配置与依赖注入（二）Bean的生命周期（三）事务管理三、SpringMVC入门（一）控制器实现（二）请求映射（三）模型数据绑定四、MyBatis学习（

布朗克168·2025-01-18 10:24

Oracle从入门到精通

文章目录一、Oracle基础认知二、安装与配置（一）下载与准备（二）安装步骤（三）基本操作三、数据库查询与管理（一）查询数据（二）备份与恢复四、高级功能探索（一）数据库优化（二）存储过程与触发器五、Java

布朗克168·2025-01-18 10:24

TDengine 如何进行高效数据建模

建库建模在建库阶段应考虑几下几点：建多少库根据业务情况确定建库个数，TDengine不支持跨库查询，如果业务数据之间会发生相互查询，那就需要把这些数据设计在一个库中，根据业务的独立性创建相应数据库，数据库个数多少不会对性能产生大的影响

TDengine （老段）·2025-01-18 09:21

【WRF理论第九期】输出文件：wrfout 和 wrfrst

WRF理论第九期】输出文件：wrfout和wrfrst1.wrfout文件wrfout文件读取（Python）2.wrfrst文件参考在WRF（WeatherResearchandForecasting）模型中

WW、forever·2025-01-18 09:20

JUC 三大辅助类: CountDownLatch CyclicBarrier Semaphore

在并发编程中，线程间的协调是一个常见的挑战。Java并发包java.util.concurrent提供了多种工具来帮助开发者解决这一问题。其中，CountDownLatch、CyclicBarrier和Semaphore是三个非常有用的同步辅助类，它们各自具有独特的功能和适用场景。本文将详细介绍这三个类的工作原理，并通过实际案例演示如何在项目中应用它们。CountDownLatch概述定义与用途C

難釋懷·2025-01-18 09:17

迭代器模式详解附有代码案例分析（包含迭代器模式的源码应用分析）

、迭代器模式的概念（二）、迭代器模式的角色二、迭代器模式的应用场景三、迭代器模式的代码示例四、迭代器模式在源码中的应用五、迭代器模式的优缺点（一）、优点（二）、缺点六、设计模式的相关博客文章链接1、七大设计原则的简单解释

hyyyya·2025-01-18 08:45

每天五分钟深度学习框架pytorch：基于vgg块搭建VGG卷积神经网络

本文重点前面我们使用pytorch搭建了vgg块，本文我们使用vgg块搭建卷积神经网络VGG16，我们先来看一下vgg16的模型结构是什么样的：搭建vgg16importtorchfromtorchimportnndefvgg_block

每天五分钟玩转人工智能·2025-01-18 08:45

Godot引擎开发：物理引擎高级用法_物理引擎的最佳实践与案例分析

如果物理模拟不流畅，会导致游戏体验大

chenlz2007·2025-01-18 08:43

【设计模式】6大设计原则和23种设计模式

I、6大设计原则单一职责原则（SRP,SingleResponsibilityPrinciple）每个类应该只有一个引起变化的原因，职责应该保持单一。目标：高内聚，低耦合。

藓类少女·2025-01-18 08:12

Java 高并发，什么方式解决？高并发和大流量解决方案

对于我们所研发的网站，若网站的访问量非常大，那么我们必须考虑相关的并发访问问题，而并发问题是绝大部分的程序员头疼的问题。

IT茶馆技术斋·2025-01-18 08:41

告诉你为什么数据要取对数

例如，每个数据项的值都很大，许多这样的值进行计算可能对超过常用数据类型的取值范围，这时取对数，就把数值缩小了，例如TF-IDF计算时，由于在大规模语料库中，很多词的频率是非常大的数字。

LensonYuan·2025-01-18 08:10

Vue中常见设计模式的应用~

MVVM三个组成部分Model(模型):存放业务数据和对数据的操作等View(视图):用户界面，负责呈现UI，并向ViewModel

Warm·2025-01-18 08:39

PyTorch 神经协同过滤 (NCF) 推荐系统教程

目录教程概述1.神经协同过滤模型概述NCF模型的主要组成部分：2.数据加载与预处理3.定义神经协同过滤模型4.训练模型5.模型评估6.推荐物品7.完整示例8.总结在本教程中，我们将使用PyTorch实现一个神经协同过滤

陌北v1·2025-01-18 07:37

你认为最好的排序算法是什么？

它利用分治法的思想，通过选择一个“基准”值，将数组分为两部分，一部分包含比基准小的元素，另一部分包含比基准大的元素。然后对这两部分递归进行快速排序。•对于大规模数据排序，快速排序的速度通常比其他O

silver687·2025-01-18 07:32

【大模型LoRa微调】Qwen2.5 Coder 指令微调【代码已开源】

本文需要用到的代码已经放在GitHub的仓库啦，别忘了给仓库点个小心心~~~https://github.com/LFF8888/FF-Studio-Resources第001个文件哦~一、引言：大语言模型与指令微调

FF-Studio·2025-01-18 07:31

WeChatFerry 开源项目教程

该项目支持多种编程语言的客户端，包括Python、Go、Java等，并且可以接入多种大模型，如Gemini、ChatGPT等。WeChatFerry提供了丰富的功能，包括消息

翁良珏Elena·2025-01-18 06:28

《提示工程的科学化探索与大语言模型交互革新》

文章信息摘要主题：提示工程的科学化与大语言模型交互革新核心内容：提示工程的科学化与系统化建立可复现的方法论形成系统性知识体系构建标准化流程和评估体系大语言模型带来的交互变革从指令驱动到对话驱动从单一输出到多轮复杂交互从工具到协作伙伴的转变提示对模型行为的影响机制认知层面

XianxinMao·2025-01-18 06:57

Qt：使用Model/View进行和数据和视图的分离

三种model/iewFileSystemModel文件系统模型顾名思义用于文件系统创建model指针使用指针接收创建好的对象将视图设置相应的模型#include"mainwindow.h"#include"ui_mainwindow.h"MainWindow

Rraion·2025-01-18 06:25

QT —— "model/view" 使用帮助

MVC包含3个组件：Model:应用对象，用来表示数据View:模型的用户界面，用来显示数据Controller:定义了用户界面对用户输入的反应方式Delegate(委托)：为了对用户输入进行灵活处理被引入

Jecklin_online·2025-01-18 06:24

基于 WeChatFerry 的 Python 机器人框架WeChatRobot

微信机器人，接入Gemini、ChatGPT、ChatGLM、讯飞星火、Tigerbot；成语接龙、天气预报、新闻摘要、定时任务克隆项目：gitclonehttps://github.com/lich0821

云樱梦海·2025-01-18 06:54

Dart语言的多线程编程

Dart的并发模型与传统多线程编程有所不同，主要采用的是异步编程和隔离（Isolates）的方式。在本文中，我们将详细探讨Dart语言的多线程编程，尤其是如何使用Dart中的异步功能和隔离来实现并发。

java熊猫·2025-01-18 06:24

《盘古大模型——鸿蒙NEXT的智慧引擎》

而盘古大模型在其中发挥着至关重要的核心作用。

·2025-01-18 05:45

《AI 造梦：解锁虚拟场景与角色逼真丰富密码》

从沉浸式游戏世界到逼真的影视特效场景，从栩栩如生的虚拟偶像到互动性极强的虚拟角色，生成式人工智能正在改写我们对虚拟场景和角色的认知。

·2025-01-18 05:45

Transformer 架构对比：Dense、MoE 与 Hybrid-MoE 的优劣分析

基础架构类型DenseTransformerMoE(MixtureofExperts)TransformerHybrid-MoETransformer2.Transformer按照编码方式分类单向自回归模型

XianxinMao·2025-01-18 05:21

《机器学习模型快速收敛的秘籍大揭秘》

在机器学习的领域中，让模型快速收敛是众多从业者和研究者们共同追求的目标。因为快速收敛不仅能节省大量的时间和计算资源，还能使模型更快地投入实际应用，为我们带来更高的效率和价值。

·2025-01-18 05:14

第78期 | GPTSecurity周报

GPTSecurity是一个涵盖了前沿学术研究和实践经验分享的社区，集成了生成预训练Transformer（GPT）、人工智能生成内容（AIGC）以及大语言模型（LLM）等安全领域应用的知识。

·2025-01-18 05:13

智算中心建设热潮涌动 AI服务器赋能加速

2022年，随着国家“东数西算”工程启动，我国算力地图正式开始，形成八大枢纽、十大算力中心集群。据中国电信研究院发布的《智算产业发展研究报告（202

·2025-01-18 05:43

Transwarp Data Studio 4.0 ：适应AI新时代实现三大能力提升

企业数据资产管理能力建设需要经历资源化、资产化和资本化三个阶段，对应数据底座建设、资产管理平台建设、流通运营平台建设三大任务。

·2025-01-18 05:12

让创意在幻觉中肆虐: 认识Illusion Diffusion AI

AI算法的魔力所在IllusionDiffusion的核心是借助先进的AI模型,包括StableDiffusion和ControlNet,来解读用户输入的文本提示,并生成相应的