树性模型

探索未来计算的新篇章：量子++（Quantum++）

这个库采用C++17标准编写，依赖性极低，仅依赖于高效能的线性代数库Eigen3和可选的OpenMP并行处
傅尉艺Maggie·2025-03-18 02:51

探索DeepSeek：前端开发者不可错过的新一代AI技术实践指南

最近，国产AI模型DeepSeek凭借其低成本训练、高性能输出和开源策略，迅速成为开发者社区的热门话题。
formerlyai·2025-03-18 02:21

当你简历有一个agent项目如何准备问答

大模型的“幻觉”问题很难在模型本身上彻底解决，需要引入外部知识确保答案的准确性，Agent具有与其所属环境交互以指导action的能力，能够满足这样的需求。
喂喂喂喂位·2025-03-18 02:51

从“参数竞赛”到“行动革命”：Manus与DeepSeek背后的中国AI范式之争

引言：当中国AI开始定义游戏规则在OpenAI用ChatGPT掀起全球AI浪潮的两年后，中国科技企业正以两种截然不同的姿势重新书写竞争剧本——DeepSeek用671亿参数的R1模型震撼硅谷，而Manus
AWS官方合作商·2025-03-18 01:20

算法题解——请根据二叉树的前序遍历，中序遍历恢复二叉树，并打印出二叉树的右视图

请根据二叉树的前序遍历，中序遍历恢复二叉树，并打印出二叉树的右视图题目描述如下：请根据二叉树的前序遍历，中序遍历恢复二叉树，并打印出二叉树的右视图输入：[1,2,4,5,3],[4,2,5,1,3]返回值
就叫乾龙呀丶·2025-03-18 01:50

5G 网络的关键技术及对物联网发展的推动

目录一、5G网络的关键技术（一）毫米波技术（二）MassiveMIMO（大规模多输入多输出）（三）网络切片（四）边缘计算二、5G网络对物联网发展的推动（一）支持海量设备连接（二）低延迟与高可靠性通信（三
叶间清风1998·2025-03-18 01:49

AI 革命再提速：从 Manus 封停到 OpenAI 开源，技术竞赛与伦理博弈下的产业变局

2025年3月，人工智能领域迎来戏剧性转折。继DeepSeek以开源策略搅动市场后，新兴AI公司Manus的官方X账号因涉嫌关联加密货币诈骗被平台封禁，引发轩然大波。
zhz5214·2025-03-18 01:19

一篇文章让你实现前端JS 、 Golang 、 Python如何接入DeepSeek大模型实现自己的AI

本文将通过三种技术栈实现与DeepSeek大模型的对话交互，提供可直接运行的代码示例及详细注释。
一只理智恩·2025-03-18 01:19

知识蒸馏 vs RLHF：目标函数与收敛分析

1.知识蒸馏（KnowledgeDistillation）知识蒸馏是一种模型压缩技术，旨在将大型复杂模型（教师模型）的知识迁移到较小的模型（学生模型）中，以提高学生模型的性能。
从零开始学习人工智能·2025-03-18 01:48

【go】Go 语言中 errors.Is 和 errors.As 的区别

errors.Is和errors.As的区别核心区别概述errors.Is和errors.As是Go1.13引入的错误处理函数，它们有着不同的用途：errors.Is:判断错误链中是否包含特定的错误值（错误相等性检查
还没入门的大菜狗·2025-03-18 01:47

Python物联网与传感器数据分析

物联网与传感器数据分析开场白：连接物理世界与数字宇宙物联网的魅力：让物体开口说话Python：编织万物互联的魔法传感器：感知世界的触角数据捕获：从现实世界到数字领域传感器类型概览：温度、湿度、光照及其他Python与硬件接口：树莓派的奇妙旅程实时数据流
master_chenchengg·2025-03-18 01:16

XGBoost算法的相关知识

文章目录背景定义损失函数（1）原始目标函数Obj（2）原始目标函数Obj的泰勒展开（3）具体化目标函数的泰勒展开细节（4）求解目标函数中的wjw_jwj最优切分点算法基于分桶的划分策略正则化模型复杂度Shrinkage
VariableX·2025-03-18 01:46

市场波动中的风险管理与策略优化

市场波动中的风险管理与策略优化在市场交易中，价格的波动性为投资者提供了交易机会，但同时也带来了风险。如何在市场不确定性中进行有效的风险管理，并优化交易策略，是每位交易者都需要思考的问题。
Q3990385023·2025-03-18 01:16

【算法学习之路】11.并查集

一.简介查找两个元素是否在一个（树形）集合中二.基础并查集一开始：所有的元素相互独立，每个元素单独成树给
零零时·2025-03-18 01:16

Pytorch 小记 第八回：GoogleNet卷积神经网络模型代码

本次小记，提供了一份基于pytorch的GoogleNet卷积神经网络模型的代码。除此之外，对代码中不容易理解的部分进行了讲解。
Start_Present·2025-03-18 01:15

宇树科技单线雷达L2的坑货驱动

一句话搞定的事技术支持就是不和你说清楚别用这个网站，错误的没有更新使用官网的SDK驱动网站：下载中心L2-宇树科技完全没有技术支持，扔一堆手册，问一下问题还要提交工单，代理商、销售心高气傲
wuicer·2025-03-18 01:45

安卓软件分身-1.0.0.008-高级版

【安卓软件】天天分身-1.0.0.008-高级版‌天天分身是一款多账户管理助手软件‌，它允许用户在同一部手机上同时运行多个相同或不同的应用实例，从而方便用户管理多个账号，提高工作效率和生活便利性。
网盘资源分享·2025-03-18 00:44

从剪枝到知识蒸馏：深度学习模型压缩与加速的多重策略

正在不断更新中文章目录从剪枝到知识蒸馏：深度学习模型压缩与加速的多重策略1.
一键难忘·2025-03-18 00:13

RAG数据嵌入和重排序：如何选择合适的模型

RAG数据嵌入和重排序：如何选择合适的模型在自然语言处理（NLP）领域，Retrieval-AugmentedGeneration（RAG）模型已经成为一种强大的工具，用于结合检索和生成能力来处理复杂的语言任务
从零开始学习人工智能·2025-03-18 00:12

如何优化公司需求管理

一、需求变更管理的重要性与基本理念需求变更管理是软件开发和产品创新过程中必不可少的组成部分。需求在项目启动时往往是初步、模糊且充满不确定性的，而随
·2025-03-18 00:05

理解Akamai EdgeGrid认证在REST API中的应用

但是，强大的功能伴随着强大的责任——或者说，在这种情况下，是对安全性的高度要求。这就是AkamaiEdgeGrid认证(Auth)的用武之地。什么是AkamaiEdgeGrid认证？可以把
·2025-03-18 00:04

如何检查Mac电脑是否已安装Python环境

它的设计理念强调代码的可读性和简洁的语法，使得程序员能够以较少的代码行数表达思想，从而提高开发效率。
=蜗牛=·2025-03-18 00:42

PyTorch 模型剪枝实例教程一、非结构化剪枝

目录1.导包&定义一个简单的网络2.获取网络需要剪枝的模块3.模块剪枝（核心）4.总结目前大部分最先进的（SOTA）深度学习技术虽然效果好，但由于其模型参数量和计算量过高，难以用于实际部署。
小风_·2025-03-18 00:41

性能测试自动化：JMeter脚本设计与分布式压测实战指南

引言在数字化竞争日益激烈的今天，软件系统的性能表现直接影响用户体验和业务连续性。无论是电商大促的“秒杀”场景，还是金融系统的高频交易，性能测试自动化已成为保障系统稳定性的核心手段。
测试渣·2025-03-18 00:11

行业首个AI课上线！粉笔战略布局加速技术商业化进程

粉笔宣布，将于3月17日上线基于自研垂域大模型打造的“AI刷题系统班”，为用户提供行测、申论全科目覆盖的一站式高效备考支持。
·2025-03-18 00:02

[特殊字符] Java Stream流：让集合处理变得如此优雅！

可读性更强（像说人话一样写代码
泥潭硬拔·2025-03-18 00:41

宇树激光雷达L1上手测试

因为工作中低成本三维空间扫描的需求，在同事偶尔推荐下知道了宇树L1这款激光雷达，不得不说小巧的设计，0.05m的最小测距距离，360°*90°的FOV，以及最最最重要的1600多的价格无一不打动我。
力特高·2025-03-18 00:39

如何优化公司需求管理

一、需求变更管理的重要性与基本理念需求变更管理是软件开发和产品创新过程中必不可少的组成部分。需求在项目启动时往往是初步、模糊且充满不确定性的，而随
·2025-03-18 00:01

优化深度学习模型：PyTorch中的模型剪枝技术详解

标题：优化深度学习模型：PyTorch中的模型剪枝技术详解在深度学习领域，模型剪枝是一种提高模型效率和性能的技术。
代码之光_1980·2025-03-18 00:38

ChatGPT推理模型&通用模型大解析！

很多人知道通用模型和推理模型了，那么ChatGPT的哪些模型是通用模型，哪些又是推理模型呢？
即兴小索奇·2025-03-18 00:38

Dropout: 一种减少神经网络过拟合的技术

在深度学习中，过拟合是一个常见的问题，尤其是在模型复杂度较高或训练数据较少的情况下。过拟合意味着模型在训练数据上表现得很好，但在未见过的数据上表现不佳，即泛化能力差。
冰蓝蓝·2025-03-17 23:37

模型保存与加载：PyTorch中的实践指南

在深度学习项目中，模型的保存和加载是一个至关重要的步骤。它不仅有助于在训练过程中保存进度，还可以在训练完成后部署模型。PyTorch提供了灵活的方式来保存和加载模型，本文将详细介绍这些方法。
冰蓝蓝·2025-03-17 23:07

深度学习中的注意力机制：解锁智能模型的新视角

在人工智能的快速发展中，深度学习模型已经成为了处理复杂数据和任务的主力军。然而，随着数据量的激增和任务的复杂化，传统的深度学习模型面临着效率和性能的双重挑战。
冰蓝蓝·2025-03-17 23:07

C#—【特性详解以及自定义特性和通过反射读取特性】

特性详解以及自定义特性和通过反射读取特性】目录C#—【特性详解以及自定义特性和通过反射读取特性】介绍：特性可以用于多种用途，包括但不限于：特性的分类：特性的主要用途（举一些直观例子）1.标记代码，让框架自动处理2.数据验证（表单/模型校验
_Csharp·2025-03-17 23:34

Spring Boot项目中集成sa-token实现认证授权和OAuth 2.0第三方登录

在sa-token框架中，OAuth2.0第三方登录可以通过集成sa-token-oauth2模块来实现，并且可以结合sa-token的安全特性来增强安全性。
山高自有客行路·2025-03-17 23:33

Node.js系列（1）--架构设计指南

架构概述Node.js架构主要包括以下方面：事件驱动：基于事件循环的异步非阻塞架构模块系统：CommonJS和ES模块系统进程模型：单线程主进程与工作线程流处理：基于Stream的数据处理错误处理
一进制ᅟᅠ        ‌‍‎‏ ·2025-03-17 23:31

二分查找 -- 分巧克力

分巧克力-洛谷思路：”二分+贪心“由于目标是使每个人所分的的巧克力的边长尽可能大，（注意要保证公平，全部同一大小），设边长L*L,最小(L=1);最大min(H_i,W_i)每次检查当前K是否可行可行性检查
Vaiey22·2025-03-17 23:00

测试工程师指南：基于需求文档构建本地安全知识库的完整实战

一、本地知识库的安全性与连接方案在构建本地知识库时，安全性是首要考虑的因素，尤其是对于需求文档这样的敏感数据。以下是本
Python测试之道·2025-03-17 22:56

如何使用MATLAB进行高效的GPU加速深度学习模型训练？

要使用MATLAB进行高效的GPU加速深度学习模型训练，可以遵循以下步骤和策略：选择合适的GPU硬件：首先，确保您的计算机配备有支持CUDA的NVIDIAGPU，并且其计算能力至少为3.0或以上。
百态老人·2025-03-17 22:56

【技术解密】本地部署 DeepSeek-V3：完整指南

目录引言运行环境需求下载与安装推理部署总结参考资源引言随着人工智能的快速发展，开源大模型正逐步改变着技术生态。
海棠AI实验室·2025-03-17 22:54

人工智能伦理与可持续发展

人工智能伦理不仅涉及技术本身的公平性、透明性和安全性，还涉及到更广泛的社会、经济和环境影响。本文将探讨人工智能伦理的核心问题，并从可持续发展的角度提出应对策略。
CarlowZJ·2025-03-17 22:53

【DeepSeek应用】本地部署deepseek模型后，如何在vscode中调用该模型进行代码撰写，检视和优化？

若已成功在本地部署了DeepSeek模型（例如通过vscode-llm、ollama或私有API服务），在VSCode中调用本地模型进行代码撰写、检视和优化的完整流程如下：1.准备工作：确认本地模型服务状态模型服务类型
AndrewHZ·2025-03-17 22:53

小米音频理解技术重大突破：7B模型借助DeepSeek-R1算法引领行业新篇章

其7B模型在MMAU音频评测基准中表现出色，成功登顶排行榜。MMAU评测基准包含10000条音频样本，涵盖语音、环境声和音乐等多种类型，难度极高。
耶耶Norsea·2025-03-17 22:22

生成式AI+安全：API防护的“进化革命”——从被动防御到智能对抗的技术跃迁

在生成式AI重塑数字世界的今天，API作为数据流动的“数字血管”，其安全性已成为企业生死存亡的关键。
数信云 DCloud·2025-03-17 22:51

HarmonyOS实战开发：@ohos.arkui.UIContext （UIContext）

在Stage模型中，WindowStage/Window可以通过loadContent接口加载页面并创建UI的实例，并将页面内容渲染到关联的窗口中，所以UI实例和窗口是一一关联的。
蜀道衫QAQ·2025-03-17 22:50

缓存：节省使用大模型的成本

大模型显然就是一个低速服务，甚至比普通的服务还要慢。为了改善大模型的使用体验，人们已经做出了一些努力，比如采用流式响应，提升第一个字出现在用户面前的速度。缓存，显然是另外一个可以解决大模
雪碧没气阿·2025-03-17 21:49

【大模型实战篇】使用GPTQ量化QwQ-32B微调后的推理模型

量化能将模型权重从高精度（如FP32）转换为低精度（如INT8/FP16），内存占用可减少50%~75%。低精度运算（如INT8）在GPU等硬件上计算效率更高，推理速度可提升2~4倍。
源泉的小广场·2025-03-17 21:19

pytorch中的DataLoader

在PyTorch中，DataLoader是一个工具类，用于高效地加载数据并准备数据输入到模型中。它支持数据的批量加载、随机打乱、并行加载和迭代操作，是训练深度学习模型的关键组件之一。
朋也透william·2025-03-17 21:48

机器学习中输入输出Tokens的概念详解

随着深度学习技术的快速发展，大语言模型（LargeLanguageModels,LLMs）已经成为自然语言处理（NLP）领域的一个热点研究方向。
爱吃土豆的程序员·2025-03-17 21:17

pytorch 天花板级别的知识点 你可以不会用 但是不能不知道

PyTorch的高级知识涵盖了从模型优化到分布式训练的广泛内容，适合已经掌握基础知识的开发者进一步提升技能。
小赖同学啊·2025-03-17 21:17
上一页 25 26 27 28 29 30 31 32 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他