深度学习之语义分割

深度学习从入门到精通：全面指南

《深度学习从入门到精通：全面指南》文章目录《深度学习从入门到精通：全面指南》文章关键词文章摘要引言第一部分：深度学习基础入门第1章：深度学习概述1.1深度学习的基本概念1.2深度学习的发展历程1.3深度学习的基本原理神经网络前向传播反向传播第
AI天才研究院·2025-01-22 10:25

selenium之操作ChromeDriver

selenium操作chrome浏览器需要有ChromeDriver驱动来协助。什么是ChromeDriver？ChromeDriver是Chromiumteam开发维护的，它是实现WebDriver有线协议的一个单独的服务。ChromeDriver通过chrome的自动代理框架控制浏览器，ChromeDriver只与12.0.712.0以上版本的chrome浏览器兼容。那么要想selenium成
我来了007·2025-01-22 10:53

AIGC视频生成模型：Meta的Emu Video模型

优质专栏回顾：机器学习笔记深度学习笔记多模态论文笔记AIGC—图像文章目录论文摘要引言相关工作文本到图像（T2I）扩散模型视频生成/预测文本到视频（T2V）生成分解生成方法预备知识EmuVideo生成步骤图
好评笔记·2025-01-22 10:21

【Python】已解决ModuleNotFoundError: No module named ‘tensorflow‘

不定期更新IT图书，并在评论区抽取随机粉丝，书籍免费包邮到家AI前沿点我跳转探讨人工智能技术领域的最新发展和创新，涵盖机器学习、深度学习、自然
屿小夏·2025-01-22 09:21

【Python】FastAPI之SQLAlchemy、关联关系

文章目录第四节：SQLAlchemy操作数据库一、SQLAlchemy介绍主要特性更多功能二、创建ORM映射三、增删改查操作1、建立session链接2、新增操作3、查、改和删除操作第五节：SQLAlchemy的关联一、ORM中的一对多/多对一二、自关联三、一对一关联四、多对多关联第四节：SQLAlchemy操作数据库一、SQLAlchemy介绍SQLAlchemy是一个功能强大且灵活的Pytho
道友老李·2025-01-22 09:19

【Python】已解决：ModuleNotFoundError: No module named ‘tensorflow‘

不定期更新IT图书，并在评论区抽取随机粉丝，书籍免费包邮到家AI前沿点我跳转探讨人工智能技术领域的最新发展和创新，涵盖机器学习、深度学习、自然
屿小夏·2025-01-22 09:48

网安快速入门之JS基础

JS定义JavaScript（简称“JS”）是一种具有函数优先的轻量级，解释型或即时编译型的编程语言。它以其作为开发Web页面的脚本语言而闻名，但也被广泛应用于非浏览器环境中。JavaScript是一种基于原型编程、多范式的动态脚本语言，支持面向对象、命令式、声明式和函数式编程范式。简言而知：JS->利用脚本，让网站动起来基本语法var定义一个全局变量，如：vara=123;varx=10;con
天启互联网工作室·2025-01-22 09:47

前端开发之性能优化

本文章对各大学习技术论坛知识点，进行总结、归纳自用学习，共勉文章目录1.[CDN](https://www.bootcdn.cn/)2.懒加载3.缓存4.图片压缩5.图片分割6.sprite7.CodeSplitting8.gzip9.GPU加速10.Ajax11.TreeShaking12.ResourceHints技术或策略描述CDN(内容分发网络)提高网站访问速度和可靠性，通过全球分布的节点
水煮白菜王·2025-01-22 09:17

深度学习Transformer框架

Transformer是一种深度学习框架，专门用于处理序列数据。它是2017年由Vaswani等人提出的，在NLP领域取得了很大的成功。
Clown爱电脑·2025-01-22 09:16

【深度学习】Pytorch：在 ResNet 中加入注意力机制

在这篇教程中，我们将介绍如何在ResNet网络中加入注意力机制模块。我们将通过对标准ResNet50进行改进，向网络中添加两个自定义的注意力模块，并展示如何实现这一过程。为什么要加入注意力机制注意力机制可以帮助神经网络专注于图像中重要的特征区域，从而提高模型的性能。在卷积神经网络中，加入注意力机制能够有效增强特征提取能力，减少冗余信息的干扰，尤其在处理复杂图像时，能够提升网络的表现。在本教程中，我
T0uken·2025-01-22 07:03

2025美赛数学建模E题思路+模型+代码（1.24第一时间更新），美赛案例分析之模拟退火算法

2025美赛数学建模E题思路+模型+代码（1.24第一时间更新）模拟退火算法是一种随机算法，并不一定能找到全局的最优解，可以比较快的找到问题的近似最优解。如果参数设置得当，模拟退火算法搜索效率比穷举法要高。一.在开始进入正题前，先简单介绍一下物理上的固体退火原理在热力学上，退火（annealing）现象指物体逐渐降温的物理现象，温度愈低，物体的能量状态会低；够低后，液体开始冷凝与结晶，在结晶状态时
灿灿数模·2025-01-22 07:32

Python之函数中的位置可变参数和关键字可变参数

1.位置可变参数（*）在形式参数名称前加一个星号*，则代表使用该形式参数可以接收任意多个参数，而且接收的参数将会以元组的方式组织。例：deffunc(*args):#arg形参以元组的方式组织传入的实参print(args)func(1,6,"ab","gh")运行结果：(1,6,‘ab’,‘gh’)2.关键字可变参数（**）在形式参数名称前加两个星号**，则代表使用该形式参数可以接收任意多个传入
静星辰·2025-01-22 07:32

K8S中Pod控制器之DaemonSet(DS)控制器

DaemonSet(DS)控制器DaemonSet类型的控制器可以保证在集群中的每一台（或指定）节点上都运行一个副本。一般适用于日志收集、节点监控等场景。也就是说，如果一个Pod提供的功能是节点级别的（每个节点都需要且只需要一个），那么这类Pod就适合使用DaemonSet类型的控制器创建。DaemonSet控制器的主要特点包括：自动部署：在集群的所有节点上自动部署Pod的副本。动态适应：当向集群
元气满满的热码式·2025-01-22 06:27

重生之我在异世界学编程之算法与数据结构：深入堆篇

大家好，这里是小编的博客频道小编的博客：就爱学编程很高兴在CSDN这个大家庭与大家相识，希望能在这里与大家共同进步，共同收获更好的自己！！！本文目录正文一、堆的基本概念二、堆的存储表示三、堆的基本操作1.插入元素（Insert）2.删除最大/最小值（ExtractMax/Min）3.构建堆（BuildHeap）四、源码（1）heap.h（2）heap.c（3）Test.c五、堆的应用1.优先队列2
就爱学编程·2025-01-22 05:49

时间序列预测综述

文章目录非周期时间序列预测1.转化为监督学习数据集，使用xgboot/LSTM模型/时间卷积网络/seq2seq(attention_based_model)2.Facebook-prophet，类似于STL分解思路3.深度学习网络
Super_Whw·2025-01-22 05:48

3d高斯泼溅学习

椭球集就是一堆3d高斯椭球集之位置与形状：协方差矩阵(包括旋转矩阵和缩放矩阵)，要大多数都能表达实体的位置，实体的位置和形状要落在大概率范围内椭球集之球谐函数：代表球面上不同位置的值基函数，拟合颜色和形状
便携与感知组，研ing·2025-01-22 05:14

IGModel——提高基于 GNN与Attention 机制的方法在药物发现中的实用性

IGModel——提高基于GNN与Attention机制的方法在药物发现中的实用性导言深度学习在药物发现（发现治疗药物）领域的应用以及传统方法面临的挑战。
Jackie_AI·2025-01-22 04:43

利用Ollama和OpenAI实现多查询RAG检索

技术背景介绍RAG（Retrieval-AugmentedGeneration）是一种结合检索与生成的技术，它通过在生成答案之
jkgSFS·2025-01-22 04:42

Visio 2021 常用快捷键总结

Ctrl”+“shift”+“=”】斜体：【“Ctrl”+“i”】加粗：【“Ctrl”+“b”】下划线：【“Ctrl”+“u”】删除本段光标之后所有内容：【“Ctrl”+“Delete”】删除本段光标之钱所有内容
八年。。·2025-01-22 03:33

Python学习：Pandas库使用（二）之读写Excel文件——read_excel()和to_excel()函数及其参数详解

在Python的Pandas库中，读取和写入Excel文件主要使用read_excel和to_excel函数。以下是详细用法和示例：1.读取Excel文件：pd.read_excel()importpandasaspd#读取Excel文件df=pd.read_excel('文件路径.xlsx',sheet_name='Sheet1',header=0,usecols='A:C',skiprows=
爬虫俗手小马达·2025-01-22 03:01

基于YOLOv5、YOLOv8和YOLOv10的机场安检行李检测：深度学习应用与实现

因此，基于深度学习的自动化行李检测系统应运而生，通过计算机视觉技术，自动识别和分类行李中的物品，大大提高了安检的效率与准确性。YOLO（YouOnlyLookOnce）系列算法，由于其高效的目
2025年数学建模美赛·2025-01-22 03:31

人工智能之数学基础：一个小例子帮你快速搞懂极大线性无关向量组

本文重点在上一节课程中，我们学习了线性相关和线性无关。当线性相关的时候，那么说明这组向量至少存在一个向量可以被其它向量给表示，可以被表示就说明这个向量就是可有可无的，可以被替代的，这里就涉及到极大线性无关向量组的概念了，本文对此进行学习。极大无关向量组的定义与性质定义在线性空间中，如果存在一个向量组，它满足以下两个条件：一是它本身是线性无关的；二是向量空间中的任何包含它的向量组，如果仍然保持线性无
每天五分钟玩转人工智能·2025-01-22 02:59

SpringCloud系列——5Spring Cloud 源码分析之OpenFeign

学习目标为什么加一个注解就能实现远程过程调用呢？推导它底层的实现主流程？OpenFeign怎么实现RPC的基本功能的通过源码验证第1章OpenFeign主流程推导要明确OpenFeign的主流程首先我们还是要明确它的核心目标是什么？说白了，OpenFeign最核心的目标就是让客户端在远程调用过程中不需要做什么多余的操作，只要拿到一个对象，然后调用该对象的方法就好了，剩下的操作都交给OpenFeig
木木_2024·2025-01-22 02:58

2024金三银四必备：Java后端开发面试总结【25个技术专题】

23、数据结构基础之双向链表24、HashMap的底层实现25、ConcurrentHashM
2401_89790869·2025-01-22 02:27

Nginx进阶篇之端口转发

nginx透传udp、tcp端口需要nginx编译时，支持加载stream模块。./configure--prefix=/usr/local/nginx--with-stream配置stream需要在nginx的http和events区域块之间配置即可。userroot;worker_processesauto;error_loglogs/error.log;pidsbin/nginx.pid;e
·2025-01-22 02:29

用JavaScript实现找不同小游戏

节点的监听声明两个需要监听的节点禁用页面点击事件的函数DOM监听实现勋章分数增加和生命的减少减命逻辑死亡响应websocket交互定义给后端发送的数据包断线重连最后,调用封装好的websocket创建初始之物
算是难了·2025-01-22 02:25

深入理解GPT底层原理--从n-gram到RNN到LSTM/GRU到Transformer/GPT的进化

1.从n-gram到循环神经网络(RNN)的诞生1.1N-gram模型在深度学习兴起之前,处理序列数据主要依靠统计方法,如n-gram模型。N-gram是一种基于统计的语言模型,它的核心思想是:一
网络安全研发随想·2025-01-22 02:55

什么是开放-封闭原则，也就是我们常说的开闭原则

对修改关闭2、如何做：猜测出最有可能发生的变化种类，然后构造抽象来隔离那些变化3、如何理解：可以用一国两制来理解，主体制度不能修改，但是可以在局部地区扩展制度无论模块是多么的‘封闭’，都会存在一些无法对之封闭的变化
不二周！·2025-01-22 01:52

Redis实战之Jedis使用技巧详解

一、前言基于redis开放的通信协议，大神们纷纷开发了各种语言的redis客户端，有c、c++、java、python、php、nodeJs等等开发语言的客户端，准确来说其实这些客户端都是基于redis命令做了一层封装，然后打包成工具以便大家更佳方便的操作redis，以Java项目为例，使用最广的就是以下三种客户端：JedisLettuceRedisson二、JedisJedis是老牌的Redis
小马不敲代码·2025-01-22 01:22

月之暗面今日发布k1.5多模态思考模型

月之暗面k1.5多模态思考模型的问世一、月之暗面k1.5多模态思考模型介绍2025年1月20日，月之暗面发布了k1.5多模态思考模型。
百态老人·2025-01-22 01:51

深度学习理论基础（七）Transformer编码器和解码器

学习目录：深度学习理论基础（一）Python及Torch基础篇深度学习理论基础（二）深度神经网络DNN深度学习理论基础（三）封装数据集及手写数字识别深度学习理论基础（四）Parser命令行参数模块深度学习理论基础
小仇学长·2025-01-22 01:48

分布式存储的技术选型之HDFS、Ceph、MinIO对比

分布式存储的技术选型比：HDFS、Ceph、MinIO对比一文读懂分布式存储在当今数字化时代，数据呈爆炸式增长，分布式存储技术应运而生，成为大数据存储与管理的得力助手。它将数据分散存于多台独立设备，构建起一个庞大而可靠的虚拟存储体系，有效突破了传统集中式存储的性能瓶颈，大幅提升了可靠性、可用性及存取效率，轻松应对海量数据的存储挑战。分布式存储的应用场景极为广泛。在大数据处理领域，如互联网公司应对海
Linux运维老纪·2025-01-22 00:40

Transformer架构原理详解：编码器（Encoder）和解码器（Decoder）

Transformer,编码器,解码器,自注意力机制,多头注意力,位置编码,序列到序列,自然语言处理1.背景介绍近年来，深度学习在自然语言处理（NLP）领域取得了显著进展，其中Transformer架构扮演着至关重要的角色
AI大模型应用之禅·2025-01-22 00:08

python etree模块所有函数详解_09.XML处理之etree模块

本主题主要说明python的xml处理标准模块xml.etree的使用。xml.etree模块包含4个子模块，其中cElementTree是ElementTree的别名，已经不推荐使用。本主题主要包含内容：1.ElementInclude模块使用2.ElementPath模块使用3.ElementTree模块使用一、etree模块帮助importxml.etreehelp(xml.etree)He
weixin_39878401·2025-01-21 23:04

服务化架构 IM 系统之红包功能设计与实现

在文章（见《分层架构IM系统之消息收发功能设计与实现》）中，我们深入分析过消息的收发流程；在IM的服务化架构中，消息收发逻辑与在分层架构中类似，见下图，我们快速回顾一下。图中箭头表示数据流向。
棕生·2025-01-21 23:03

分层架构 IM 系统之消息收发功能设计与实现

“消息收发”是IM系统最最核心的业务逻辑模块，本篇文章是整个“分层架构IM系统”的核心！IM，即“即时通讯”，要求消息具备“及时性”和“可靠性”：及时性，要求消息的收发需要很低的延时，在线双方通过消息交流时，没有明显的滞后感。可靠性，要求消息不能丢失；对于消息发送方来说，只要消息发送成功了，消息就会一直存在服务端，不会丢失（除非因产品策略，删除久远的历史消息）；对于服务端来说，只要接收方在线，一定
棕生·2025-01-21 23:33

分层架构 IM 系统之架构演进

分层架构的IM系统，整体上包含了【终端层】、【入口层】、【业务逻辑层】、【路由层】、【数据访问层】和【存储层】，我们在上篇文章（分层架构IM系统之架构解读）中进行了介绍。今天讨论局部的架构调整和演进！
棕生·2025-01-21 23:32

C++ Primer：3.3 标准库类型vector

集合中的每个对象都有一个与之对应的索引，用于访问对象。vector容纳着其他对象，也被称作容器。使用vector必须包含适当的头文件。
天空的蓝耀·2025-01-21 23:31

【人工智能 | 大数据】基于人工智能的大数据分析方法

基于人工智能（AI）的大数据分析方法是指利用机器学习、深度学习和其他AI技术来分析和处理大规模数据集。
用心去追梦·2025-01-21 22:58

数据结构之链表（linked list）代码实现(小白轻松懂，C语言版)

一、前言：链表的简单介绍链表（LinkedList）是一种重要的线性数据结构，它以节点（Node）的形式存储数据，每个节点通过指针（或引用）指向下一个节点，从而形成一个动态的数据链条。与数组不同，链表的内存分配并不连续，因此具有更灵活的插入和删除操作，但在随机访问元素时效率相对较低。链表通常分为单向链表（SinglyLinkedList）、双向链表（DoublyLinkedList）和循环链表（C
Morandi_Chen·2025-01-21 22:26

深度学习中超参数

深度学习中的超参数(hyperparameters)是决定网络结构的变量(例如隐藏层数量)和决定网络训练方式的变量(例如学习率)。超参数的选择会显著影响训练模型所需的时间，也会影响模型的性能。
fengbingchun·2025-01-21 22:54

基于MATLAB机器学习、深度学习实践技术应用

近年来，MATLAB在机器学习和深度学习领域的发展取得了显著成就。其强大的计算能力和灵活的编程环境使其成为科研人员和工程师的首选工具。
梦想的初衷~·2025-01-21 22:52

深度求索DeepSeek V2.5-1210发布：AI代码生成器迎来全新升级

深度学习技术日新月异，而强大的AI代码生成器也随之不断进化。
·2025-01-21 22:53

大数据组件之Azkaban简介

一、Azkaban介绍1.1背景一个完整的大数据分析系统，必然由很多任务单元(如数据收集、数据清洗、数据存储、数据分析等)组成，所有的任务单元及其之间的依赖关系组成了复杂的工作流。复杂的工作流管理涉及到很多问题：如何定时调度某个任务？如何在某个任务执行完成后再去执行另一个任务？如何在任务失败时候发出预警？......面对这些问题，工作流调度系统应运而生。Azkaban就是其中之一。1.2功能Azk
努力的小星星·2025-01-21 22:20

深度学习学习笔记（第30周）

一、摘要本周报的目的在于汇报第30周的学习成果，本周主要聚焦于基于深度学习的图像分割领域的常用模型U-net。 U-net是最常用、最简单的一种分割模型，在2015年被提出。
qq_51339898·2025-01-21 21:18

python中lxml 库之 etree 使用详解

目录一、etree介绍二、xpath解析html/xml1、第一步就是使用etree连接html/xml代码/文件。2、xpath表达式定位①xpath结合属性定位②xpath文本定位及获取③xpath层级定位④xpath索引定位⑤xpath模糊匹配一、etree介绍lxml库是Python中一个强大的XML处理库，简单来说，etree模块提供了一个简单而灵活的API来解析和操作XML/HTML文
闲人陈二狗·2025-01-21 21:48

python模拟手写笔迹_原笔迹手写实现平滑和笔锋效果之:笔迹的平滑(一)

之前研究过一种用于模拟真实手写笔迹签名的算法,要求能够保持原笔迹平滑,并有笔锋的效果.在网上看了一些资料,资料很多,能够达到用于正式产品中的效果的一个都没有找到.但是即使按照这篇文章讲的方法去实现手写笔迹,表现的效果也非常的不理想.而且,这篇文章还只是涉及到了笔迹平滑的问题,没有涉及到如何解决笔锋的问题经过我一段时间的研究,终于在上厕所的时候(有没有被duang了一下的感觉,哈哈~O(∩_∩)O)
weixin_39570530·2025-01-21 21:14

深入解析如何进行TensorFlow框架下的算子开发与适配插件开发：基于昇腾AI的完整流程

深入解析如何进行TensorFlow框架下的算子开发与适配插件开发：基于昇腾AI的完整流程在人工智能领域中，算子（Operator）作为深度学习模型的基础执行单元，决定了整个模型的计算性能和结果准确性。
快撑死的鱼·2025-01-21 20:40

深入解析框架适配开发：基于CANN平台的自定义算子开发与第三方框架适配全流程详解

深入解析框架适配开发：基于CANN平台的自定义算子开发与第三方框架适配全流程详解随着深度学习的发展，不同的深度学习框架如TensorFlow、PyTorch、ONNX等在AI开发者社区中占据了重要地位。
快撑死的鱼·2025-01-21 20:10

深入解析CANN算子开发：TBE与AI CPU算子类型及其开发方法全指南

深入解析CANN算子开发：TBE与AICPU算子类型及其开发方法全指南在现代AI计算领域中，高效的算子开发对于优化深度学习模型的推理与训练至关重要。
快撑死的鱼·2025-01-21 20:09
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他