机器（深度）学习

信息技术基础专有名词和计算机硬件学习笔记

信息技术常见专有名词信息技术基础课程中常见的专有名词英文缩写或简称及其详细含义，按领域分类整理：硬件与存储CPU(CentralProcessingUnit)中央处理器，负责执行计算机指令和处理数据。GPU(GraphicsProcessingUnit)图形处理器，专用于处理图形和并行计算。RAM(RandomAccessMemory)随机存取存储器，临时存储运行中的程序和数据。ROM(Read-
learning-striving·2025-03-15 21:25

WebGPU + WebAssembly混合渲染方案深度解析

为什么需要混合方案？真实场景痛点分析：传统WebGL在高频数据更新时存在CPU-GPU通信瓶颈JavaScript的垃圾回收机制导致渲染卡顿复杂物理模拟（如SPH流体）难以在单线程中实现技术选型对比：graphLRA[计算密集型任务]-->B[WebAssembly]C[图形渲染任务]-->D[WebGPU]B-->E[共享内存]D-->E️环境搭建全流程1.WebGPU环境配置#启用Chrome
爱上大树的小猪·2025-03-15 21:24

Vue3项目白屏问题深度解析：从AI辅助诊断到性能优化实战

一、问题背景：令人困惑的白屏现象在开发一个基于Vue3+Vite+TypeScript的中后台管理系统时，我们遭遇了一个典型的性能问题：页面刷新后出现持续1-2秒的白屏，随后才正常渲染内容。尽管在index.html中加入了Loading动画，但动画结束后仍存在明显的空白间隙。关键现象特征：开发环境请求数达400+（Vite按需编译特性）生产环境构建后请求50+，资源总体积8.6MBDOMCont
TE-茶叶蛋·2025-03-15 21:53

DeepSeek多语言智能创作引擎解析

该系统依托动态路由机制，将视觉语言理解模块与多语言处理单元进行深度耦合，使模型在解析图文混合信息时展现出超越单一模态的认知能力。
智能计算研究中心·2025-03-15 20:22

大模型工程师学习日记（十五）：Hugging Face 模型微调训练（基于 BERT 的中文评价情感分析）

1.datasets库核心方法1.1.列出数据集使用datasets库，你可以轻松列出所有HuggingFace平台上的数据集：fromdatasetsimportlist_datasets#列出所有数据集all_datasets=list_datasets()print(all_datasets)1.2.加载数据集你可以通过load_dataset方法加载任何数据集：fromdatasetsim
MMMMMMMay Love Code·2025-03-15 20:52

大模型工程师学习日记（十四）：检索增强生成（RAG）

如何递归分割文本递归分割(recursively)，这个文本分割器是用于通用文本的推荐工具。它接受一个字符列表作为参数。它会按顺序尝试在这些字符上进行分割，直到块足够小。默认的字符列表是["\n\n","\n","",""]。这样做的效果是尽可能保持所有段落（然后是句子，再然后是单词）在一起，因为这些通常看起来是语义上相关的文本块。文本如何分割：根据字符列表。块大小如何衡量：根据字符数量。下面我们
MMMMMMMay Love Code·2025-03-15 20:52

通义千问：阿里巴巴的AI大模型深度解析

通义千问：阿里巴巴的AI大模型深度解析在人工智能（AI）技术日新月异的今天，大型语言模型作为其中的佼佼者，正逐步改变着我们的生活与工作方式。
俊星学长·2025-03-15 20:20

【模拟面试】计算机考研复试集训（第二天）

4、监督学习与无监督学习的核心区别是什么？请举例说明典型算法5、你在项目中遇到过哪些技术挑战？是如何解决的？
Albert Edison·2025-03-15 20:20

【第8章】亿级电商平台订单系统-技术选型

1-1本章导学课程导学学习重点：订单系统技术选型实践200亿年交易规模BToB电商平台案例解析知识体系演进路径1.架构体系演变单体架构→大型云上架构体系互联网应用架构设计基本原则2.主流架构设计模式分层架构模式微服务架构模式基于事件的架构模式整洁架构模式六边形架构模式微内核模式基于空间的架构模式管道过滤器模式代理模式
cherry5230·2025-03-15 20:49

小程序测试怎么做?第三方软件测试机构如何收费?

平时可以通过小程序进行购物、学习、娱乐等，还能通过小程序进行医院等场所的预约挂号、缴费服务。那么如此方便的小程序测试该怎么做呢?
第三方软件测评·2025-03-15 20:49

深入探索iOS底层原理：多线程技术与编程学习

在iOS开发中，多线程技术是至关重要的。它可以帮助我们实现并发执行任务、提高应用程序的响应性能，并充分利用设备的多核处理能力。本文将深入探讨iOS底层原理中与多线程相关的概念和技术，并提供相应的源代码示例。线程与进程的基本概念在开始之前，我们需要了解一些基本概念。线程（Thread）是操作系统调度的最小单位，它是程序执行的单个路径。一个进程（Process）可以包含多个线程，它们共享进程的内存空间
CqppDeveloper·2025-03-15 20:48

Transformer动画讲解 - 工作原理

阶段一：Embedding（向量化）“Embedding”在字面上的翻译是“嵌入”，但在机器学习和自
ghx3110·2025-03-15 19:16

Java：AI 浪潮中的隐形支柱 —— 探秘 Java 在人工智能领域的独特地位

本文将揭示Java如何在大数据、机器学习、企业级AI系统等领域持续创造价值。一、Java的AI基因解码跨平台优势的现代意义"一次编
琢磨先生David·2025-03-15 19:15

LLMs之Colossal-LLaMA-2：源码解读(train.py文件)基于给定数据集实现持续预训练LLaMA-2—解析命令行参数→初始化配置(分布式训练环境colossalai+训练日志+加速插

基于给定数据集实现持续预训练LLaMA-2—解析命令行参数→初始化配置(分布式训练环境colossalai+训练日志+加速插件)→数据预处理(初始化分词器+数据处理器+数据加载器)→模型训练(初始化模型/优化器/学习率调度器
一个处女座的程序猿·2025-03-15 18:38

ROS中的三维占用网格地图与八叉树地图详尽解析

ROS中的三维占用网格地图与八叉树地图详尽解析在机器人自主导航与环境感知领域，地图构建与表示是核心技术之一。
YRr YRr·2025-03-15 18:37

1llama源码学习·model.py[3]ROPE旋转位置编码(1)原理

零：(导学)Transformer位置编码（1）为什么需要位置编码位置编码描述序列中实体的位置信息，为每个位置分配唯一的表示。Transformer使用智能位置编码方案，其中每个位置/索引都映射到一个向量。因此，位置编码层的输出是一个矩阵，其中矩阵的每一行表示序列的编码对象与其位置信息的总和（2）Transformer中的位置编码假设有一个长度为LLL的输入序列，并要求位置kkk为该序列中的对象，
小杜不吃糖·2025-03-15 18:07

llama源码学习·model.py[1]RMSNorm归一化

一、model.py中的RMSNorm源码classRMSNorm(torch.nn.Module):def__init__(self,dim:int,eps:float=1e-6):super().__init__()self.eps=epsself.weight=nn.Parameter(torch.ones(dim))def_norm(self,x):returnx*torch.rsqrt(
小杜不吃糖·2025-03-15 18:37

【大一新生必收藏系列】❤机器学习7大方面，30个数据集。纯干货分享❤

.记住了就可以跟同学装起来了嗷....目录.纯干货回归问题分类问题图像分类文本情感分析自然语言处理自动驾驶金融类...........纯干货..................在刚刚开始学习算法的时候，
.Boss.·2025-03-15 18:05

SvelteKit 最新中文文档教程（3）—— 数据加载

为了帮助大家学习Svelte，我同时搭建了Svelte最新的中文文档站点。如果需要进阶学习，也可以入手我
·2025-03-15 18:36

从底层到实践：深度解析 Vue Composition API 与 React Hooks 的异同

一、设计哲学与底层原理差异1.1响应式系统的基因差异Vue3的CompositionAPI建立在Proxy-based响应式系统之上，通过劫持对象的getter/setter实现依赖收集。当访问响应式对象时，Vue会自动建立组件与数据的依赖关系。//Vue响应式原理简版实现functionreactive(obj){returnnewProxy(obj,{get(target,key){track
·2025-03-15 18:05

C语言指针与数组深度解析：从一维到二维，彻底搞懂指针操作！

在C语言中，指针和数组是密不可分的核心概念。理解它们的关系和操作方式，是掌握C语言的关键。本文将通过一维数组、二维数组和指针数组的实例，详细讲解指针与数组的交互方式，帮助新手彻底掌握这些知识点。1.直接访问vs间接访问直接访问：通过数组名直接操作元素。inta[5]={1,2,3,4,5};printf("a[2]=%d\n",a[2]);//输出3printf("地址：%p\n",&a[2]);
℡残城碎梦·2025-03-15 18:34

小狐狸AI数字人源码独立SAAS部署全开源+搭建环境教程

一.系统介绍小狐狸AI数字人分身系统源码独立部署支持PC端、小程序端、H5端，一键克隆真人形象+声音核心功能亮点：1:1真人级克隆技术声音克隆：上传3分钟音频，AI深度学习声纹特征，复刻语气、情感、方言形象克隆
kaui52066·2025-03-15 18:34

Mahilo技术深度解析：构建下一代人机协同智能系统的开源框架

一、框架定位与技术突破Mahilo作为2025年最受关注的多智能体协作框架，其创新性在于实现了人机协同的闭环控制与智能体自主协作的动态平衡。根据GitHub仓库数据显示，该框架在开源首周即获得3.2k星标，在医疗、金融、工业等领域的15个场景验证中，任务执行效率提升58%。核心技术创新混合通信协议：支持点对点(P2P)与层级式通信的灵活切换，在911紧急响应场景测试中，医疗/物流/通信智能体的协作
花生糖@·2025-03-15 18:03

C++设计模式-观察者模式：从基本介绍，内部原理、应用场景、使用方法，常见问题和解决方案进行深度解析

一、基本介绍1.1模式定义与核心思想观察者模式（ObserverPattern）是一种行为型设计模式，它定义了对象间一对多的依赖关系。当被观察对象（Subject）状态改变时，所有依赖它的观察者（Observer）都会自动收到通知并更新。这种模式类似于报纸订阅机制——报社发布新刊时，所有订阅者都会收到最新报纸。1.2模式价值体现解耦利器：将事件发布者与订阅者解耦，提升系统扩展性动态响应：支持运行时
牵牛老人·2025-03-15 18:02

C++设计模式-工厂模式：从原理、适用场景、使用方法，常见问题和解决方案深度解析

一、工厂模式的核心原理工厂模式是一种创建型设计模式，其核心思想是通过将对象创建的职责从客户端代码中剥离，交由专门的工厂类来管理。这种模式通过"封装对象创建过程"特性，实现了以下设计原则：开放封闭原则工厂模式允许系统在不修改已有代码的前提下扩展新的产品类型。如处理器内核的生产案例中，新增型号只需扩展新工厂而非修改原有逻辑。单一职责原则创建对象的逻辑集中在工厂类中，客户端只需关注接口调用，避免了对象构
牵牛老人·2025-03-15 18:01

flutter 专题 七十九 Flutter使用JsBridge方式处理Webview与H5通信

在过去的2019年，我看到越来越多的公司和个人开始使用Flutter来开发跨平台应用，对于移动应用开发来说，Flutter能够满足几乎所有的业务开发需求，所以，学习Flutter正当时。众
leluckys·2025-03-15 17:31

OpenCV学习(二十一) ：计算图像连通分量:connectedComponents(),connectedComponentsWithStats()

OpenCV学习(二十一)：计算图像连通分量:connectedComponents(),connectedComponentsWithStats()1、connectedComponents()函数ConnectedComponents
Leon_Chen0·2025-03-15 17:59

数据结构与算法——数据结构4

程序员没有稳定一说，目前学习数据结构，其实不难，最近在学习，系统性的总结下，便于后续复习和使用。主要是把线性表，全名为线性存储结构。
写代码写到手抽筋·2025-03-15 17:59

（大模型微调大模型学习路线大模型入门）_大模型 学习，吹爆！2025最详细的大模型学习路线已整理！手把手带你高效入门，大模型论文全打通！

你可以把它们想象成非常聪明的大脑，这些大脑通过阅读大量的文本、图片、声音等信息，学习到了世界的知识。
大模型老炮·2025-03-15 17:28

lvs、nginx、haproxy区别和使用场景？

0.运维干货分享软考系统架构设计师三科备考经验附学习资料信息安全管理体系（ISMS）制度模板分享免费文档翻译工具(支持word、pdf、ppt、excel)PuTTY中文版安装包MobaXterm中文版安装包
企鹅侠客·2025-03-15 17:58

【PyTorch】PyTorch 中改变张量形状的几种方法

PyTorch中改变张量形状的几种方法在深度学习领域，PyTorch是一个广泛使用的框架，它提供了丰富的API来处理张量（tensor）。在模型开发过程中，我们经常需要改变张量的形状以满足特定的需求。
shengchao0920·2025-03-15 17:27

PyTorch 中的维度操作详解

一个三维张量的形状是(深度,行数,列数)。维度的索引从0开始，最外层是axis=0，向内依次递增。2.维度的操作(1)求和（Sum）sum(dim)的作用
萝卜小白·2025-03-15 17:26

图像拼接-UDIS详细推导和精读Unsupervised Deep Image Stitching: ReconstructingStitched Features to Images

无监督粗对齐1.基于消融的策略主要是为了找到重叠区，去除无效区2.拼接域的TransformerLayer无监督图像重建1.低分辨率变形单应性变换仅能表示同一深度的空间变换，在实际的图像拼接任务中，由于输入图像的多样性和复杂性
cccc来财·2025-03-15 17:26

QT基础 QPropertyAnimation简单学习

目录1.简单介绍2.使用步骤3.部分代码示例4.多项说明5.信号反馈6.自定义属性1.定义自定义属性2.使用QPropertyAnimation动画化自定义属性3.连接信号和槽4.注意事项7.更多高级示例1.简单介绍QPropertyAnimation是Qt中的一个类，用于实现属性动画效果。它通过改变对象的属性值来创建动画效果，可以实现平移、旋转、缩放等动画效果。QPropertyAnimatio
路奇怪·2025-03-15 17:55

Manus开源平替-开源通用智能体

OptimizedWorkforceLearningforGeneralMulti-AgentAssistanceinReal-WorldTaskAutomation，现实世界中执行自动化任务的通用多代理辅助优化学习框架项目仓
galileo2016·2025-03-15 17:24

[Pytorch] Error:module ‘torch‘ has no attribute ‘logical_and‘

最近学习的模型用到了这个逻辑与的操作，Pytorch1.3.x报错。查阅官方文档，只有logical_not和logical_xor的实现。
江南蜡笔小新·2025-03-15 17:24

Gemini 2.0 Flash

与全球数同行一同，从行业内部的深度分析和实用指南中受益。不要错过这个机会，成为AI领域的领跑者。点击订阅，与未来同行！
新加坡内哥谈技术·2025-03-15 16:22

训练模型时，步长为什么不能太大也不能太小？

在训练模型时，步长（也称为学习率，LearningRate）是一个关键的超参数，它控制着每次参数更新的大小。
yuanpan·2025-03-15 16:52

k8s基础架构介绍

通过k8s可以实现对容器的编排、部署、更新等学习k8s之前，先了解相关的一些使用和配置k8s的一些工具。
忍界英雄·2025-03-15 16:22

先学node.js还是php,vue和node先学哪个？

vue和node应该先学习node，node可以为vue提供包管理工具和模块化管理，可以使vue的开发更加简单快速。所以应该先学习node。vue介绍：Vue.js是web界面的渐进式框架。
朱佳顺·2025-03-15 16:51

OpenAI 团队组织架构和研发技术栈

目录OpenAI组织架构和研发技术栈概述1OpenAI团队的世界顶尖科学家IlyaSutskever：Ilya是OpenAI的联合创始人之一，也是深度学习领域的先驱。
AI天才研究院·2025-03-15 16:50

六十天前端强化训练之第十七天React Hooks 入门：useState 深度解析

2.useState的作用3.基本语法解析4.工作原理5.参数详解a)初始值设置方式b)更新函数特性6.注意事项7.类组件对比8.常见问题解答二、核心代码示例三、实现效果四、学习要点总结五、扩展阅读推荐官方文档优质文章推荐学习路径进阶资源六
编程星辰海·2025-03-15 16:50

深入解析React 18核心特性：构建未来级Web应用的全面指南

二、架构革命：并发模式深度解析2.1并发渲染原理//传统同步渲染模式
斯~内克·2025-03-15 16:50

机器学习中的梯度到底是什么？（chat-gpt问答）

在机器学习中，我们通过不断调整参数，使目标函数达到最小值，从而实现模型的训练和学习。2、为什么梯度要求偏导来求解？梯度是一个向量，它的方向指向函数值增加最快的方向，其大小表示函数值的变化率。
湫怿·2025-03-15 16:19

如何用爬虫根据关键词获取商品列表：一份简单易懂的代码示例

以下是一个基于Python语言的代码示例，适合初学者学习和实践。一、准备工作在开始编写爬虫之前，我们需要准备以下工具和库：Python环境：确保你的电脑上安装了Python。推荐使用Py
API小爬虫·2025-03-15 16:19

【51单片机】程序实验17.红外遥控

主要参考学习资料：B站【普中官方】51单片机手把手教学视频开发资料下载链接：http://www.prechin.cn/gongsixinwen/208.html单片机套装：普中STC51单片机开发板A4
-一杯为品-·2025-03-15 16:49

Spring Boot应用首次请求性能优化实战：从数据库连接池到JVM调优

目录问题现象与背景分析性能瓶颈定位方法论数据库连接池深度优化SpringBean生命周期调优JVM层性能预热策略全链路监控体系建设生产环境验证方案总结与扩展思考1.问题现象与背景分析1.1典型问题场景在某互联网金融项目的
一休哥助手·2025-03-15 16:18

大型语言模型与强化学习的融合：迈向通用人工智能的新范式——基于基础复现的实验平台构建

强化学习（RL）作为一种通过与环境交互学习最优策略的方法，在智能体训练中发挥着重要作用。本文旨在探索LLM与RL的深度融合，分析LLM如何赋能RL，并阐述这种融合对于迈向通用人工智能（AGI）的意义。
（initial）·2025-03-15 16:17

强化学习-Chapter2-贝尔曼方程

强化学习-Chapter2-贝尔曼方程贝尔曼方程推导继续展开贝尔曼方程的矩阵形式状态值的求解动作价值函数与状态价值函数的关系贝尔曼方程推导Vπ(s)=E[Gt∣St=s]=E[rt+1+(γrt+2+…
Rsbs·2025-03-15 16:47

机器学习中的梯度下降是什么意思？

梯度下降（GradientDescent）是机器学习中一种常用的优化算法，用于最小化损失函数（LossFunction）。通过迭代调整模型参数，梯度下降帮助模型逐步逼近最优解，从而提升模型的性能。
yuanpan·2025-03-15 15:45
上一页 38 39 40 41 42 43 44 45 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他