深度学习数据处理

解锁YashanDB高效查询的关键功能 Group by分组

作者介绍黄靖东YashanDB资深研发工程师01前言在数据库领域，高效的数据处理能力是开发者的必备技能。Groupby分组操作的运用关系到SQL查询性能的优劣。
·2025-03-08 01:42

第0节 机器学习与深度学习介绍

人工智能：能够感知、推理、行动和适应的程序机器学习：能够随着数据量的增加而不断改进性能的算法（数学上的可解释性但准确率不是百分百，灵活度不高）深度学习：机器学习的一个子集：利用多层神经网络从大量数据中进行学习
汉堡go·2025-03-08 01:34

Python常见的第三方库：requests、numpy、pandas

其中，requests、numpy和pandas是最常用的三个库，分别用于网络请求、数值计算和数据处理。本节将详细介绍它们的基本功能，并通过示例代码帮助理解它们的使用方法。
大数据张老师·2025-03-08 01:00

基于YOLOv5深度学习的田间杂草检测系统：UI界面 + YOLOv5 + 数据集详细教程

本文将详细介绍如何构建一个基于深度学习的田间杂草检测系统，使用YOLOv5模型进行目标检测，并提供一个用户友好的界面。
深度学习&目标检测实战项目·2025-03-08 00:50

人工智能与深度学习的应用案例解析及代码实现

引言人工智能（AI）与深度学习（DeepLearning）作为21世纪最具变革性的技术之一，已渗透到医疗、金融、交通、制造等各个领域。
accurater·2025-03-08 00:49

数据驱动决策：五款报表软件让企业智能化运营

以下是5款新型报表软件的详细介绍，这些软件各具特色，能够满足不同企业在数据处理和报表生成中的多样需求。1.山海鲸报表概述：山海鲸报表是一款面向中小型企业的强大数据报表和分析工具。
希艾席蒂恩·2025-03-08 00:49

深度学习笔记——基础部分

深度学习是一种机器学习的方式，通过模仿人脑吃力信息的方式，使用多层神经网络来学习数据的复杂模式和特征。
肆——·2025-03-07 23:45

机器学习基础（4）

训练深度学习模型就好比在平行世界里按下发射火箭的按钮，你听不到也看不到。你无法观察流形学习过程，它发生在数千维空间中，即使投影到三维空间中，你也无法解释它。
yyc_audio·2025-03-07 23:42

kafka 在Linux上的安装部署

在Linux系统上安装部署Kafka可以为我们搭建高效的数据处理环境。本教程将详细介绍在Linux中安装和部署Kafka的步骤。二、准备工作2.1系统要求确保你的Linux系统已经安装并配置好。
The博宇·2025-03-07 22:35

00计算机视觉学习内容

计算机视觉（ComputerVision）开发需要掌握数学基础、编程语言、图像处理、机器学习、深度学习等多个方面的知识。
依旧阳光的老码农·2025-03-07 21:26

老榕树的Java专题：MySql中的函数

MySQL提供了丰富的函数，可用于数据处理、字符串操作、数值计算、日期和时间处理等多个方面。
程序员_老榕树·2025-03-07 20:52

01计算机视觉学习计划

计算机视觉系统学习计划（3-6个月）本计划按照数学→编程→图像处理→机器学习→深度学习→3D视觉→项目实战的顺序，确保从基础到高级，结合理论和实践。
依旧阳光的老码农·2025-03-07 20:15

阿里云CTO：通义稳居全球最强开源大模型，性能接近GPT-4o

来源：@首席数智官9月19日，在2024杭州云栖大会上，阿里云CTO周靖人表示，阿里云正在围绕AI时代，树立一个AI基础设施的新标准，全面升级从服务器到计算、存储、网络、数据处理、模型训练和推理平台的技术架构体系
首席数智官·2025-03-07 20:39

特斯拉FSD系统：自动驾驶的未来

FSD系统通过集成先进的计算机视觉、深度学习、传感器融合等技术，利用车辆上安装的多种传感器和先进的计算机视觉技术，实现对周围环境的感知和理解。
百态老人·2025-03-07 19:38

特斯拉FSD不同版本的进化

特斯拉，FSD，自动驾驶，深度学习，计算机视觉，强化学习，神经网络，模型训练1.背景介绍特斯拉自2016年推出Autopilot以来，一直致力于开发全自动驾驶系统，其目标是实现完全无人驾驶，让汽车能够像人类一样感知周围环境
AI智能涌现深度研究·2025-03-07 19:35

使用 Dlib 库进行人脸检测和人脸识别

Dlib具有高效、易用的Python接口，因此它也被广泛应用于Python中进行深度学习和计算机视觉任务。安装Dlib首先，我们需要在Python环境中安装Dlib库。
萧鼎·2025-03-07 19:32

介绍常见的图片分类模型与算法

介绍常见的图片分类模型与算法在机器学习和深度学习的领域中，图片分类任务是一个广泛的应用场景。
萧鼎·2025-03-07 19:31

如何通过卷积神经网络（CNN）有效地提取图像的局部特征，并在CIFAR-10数据集上实现高精度的分类？

模型2.3定义损失函数和优化器2.4训练模型2.5测试模型3.提高分类精度的技巧卷积神经网络（ConvolutionalNeuralNetwork,CNN）是专门为处理具有网格结构数据（如图像）而设计的深度学习模型
浪九天·2025-03-07 19:27

AI大模型在职业教育中的应用解决方案

人工智能（AI）作为一种前沿的科技趋势，其大模型技术通过强大的数据处理能力和学习算法，在众多行业中均展现了巨大
中年猿人·2025-03-07 18:54

一文读懂！OpenCV 实时人脸识别从 0 到 1，小白也能轻松实操的超详细教程（完整教程及源码）

深入阐述特征提取、模型训练方法，包含传统与深度学习方式，还介绍OpenCV预训练模型的使用与评估。详细讲解实时识别过程，包括打开摄像头、逐帧处理及结果显示优化。
AI_DL_CODE·2025-03-07 18:21

碰一碰发视频获客系统源码搭建全攻略，支持OEM

二、系统架构设计（一）整体架构碰一碰发视频获客系统采用分层架构，包括硬件交互层、数据处理层、业务逻辑层和展示层。硬件交互层负责与NFC设备
余~~18538162800·2025-03-07 17:15

弹性算力革命：企业级GPU云服务如何重构AI与图形处理的效能边界

随着人工智能、大数据、深度学习、虚拟现实以及高性能计算等前沿技术在各行业的深入渗透，企业对于大规模并行计算能力的要求越来越高。GPU凭借其卓越的并行计算
·2025-03-07 17:21

弹性算力革命：企业级GPU云服务如何重构AI与图形处理的效能边界

随着人工智能、大数据、深度学习、虚拟现实以及高性能计算等前沿技术在各行业的深入渗透，企业对于大规模并行计算能力的要求越来越高。GPU凭借其卓越的并行计算
·2025-03-07 17:21

工业级Pandas性能优化：Dask/Modin实战教程

目录工业级Pandas性能优化：Dask/Modin实战教程1.引言与背景1.1Pandas的局限性1.2分布式计算与GPU加速的需求1.3Dask与Modin简介2.数据集介绍3.工业级数据处理理论基础
闲人编程·2025-03-07 17:06

深度学习主流经典框架PyTorch（day2）

五、Tensor数据转换5.1张量转numpy浅拷贝调用numpy()方法可以把Tensor转换为Numpy，此时内存是共享的。#张量转numpydata_tensor=torch.tensor([[1,2,3],[4,5,6]])data_numpy=data_tensor.numpy()print(type(data_tensor),type(data_numpy))#他们内存是共享的data
inquisitor.dom·2025-03-07 16:32

存储降本，查询提速！时序数据库 TDengine 助力靖江特钢释放数据价值！

随着数据规模的增长，传统数据库逐渐暴露出存储效率低、查询速度慢、数据处理成本高等问题，影响了生产效率和决策的及时性。
·2025-03-07 16:13

【AI学习从零至壹】pytorch基础

张量的属性张量的索引和切⽚：张量的拼接张量的算数运算单元素张量In-place操作与numpy之间的转换张量到numpy数组计算图静态计算图动态计算图pytorch计算图可视化pytorch基础PyTorch是⼀个开源的深度学习框架
flyyyya·2025-03-07 15:53

MOE（Mixture of Experts，混合专家）

MixtureofExperts，混合专家）一、MOE架构的核心概念二、MOE架构的工作原理三、MOE架构的优势四、MOE架构的举例五、MOE架构的应用场景MOE（MixtureofExperts，混合专家）架构是一种用于提高深度学习模型性能和效率的神经网络架构设计
ZhangJiQun&MXP·2025-03-07 15:47

嵌入式开发之串行数据处理

前题前面几篇文章写了关于嵌入式软件开发时，关于串行数据处理的一些相关内容，有兴趣的可以看看《嵌入式开发：软件架构、驱动开发与串行数据处理》、《嵌入式软件开发之生产关系模型》和《嵌入式开发之Modbus-RTU
dreamczf·2025-03-07 15:46

深度学习 -- 逻辑回归 PyTorch实现逻辑回归

前言线性回归解决的是回归问题，而逻辑回归解决的是分类问题，这两种问题的区别是前者的目标属性是连续的数值类型，而后者的目标属性是离散的标称类型。可以将逻辑回归视为神经网络的一个神经元，因此学习逻辑回归能帮助理解神经网络的工作原理。什么是逻辑回归？逻辑回归是一种广义的线性回归分析模型，是监督学习的一种重要方法，主要用于二分类问题，但也可以用于多分类问题。逻辑回归的主要思想是，对于一个二分类问题，先根据
冲鸭嘟嘟可·2025-03-07 14:53

深度学习的数学之魂：传统机器学习的超越者

深度学习的数学之魂：传统机器学习的超越者前言第一部分：神经元的数学语言1.1神经元模型的启示1.2激活函数的非线性魔法第二部分：网络结构的层次之美2.1网络结构的多样性2.2层次结构的力量第三部分：图像的力量与直观理解
洋葱蚯蚓·2025-03-07 13:39

机器学习与深度学习里生成模型和判别模型的理解

两个模型是啥我们从几句话进入这两个概念：1、机器学习分为有监督的机器学习和无监督的机器学习；2、有监督的机器学习就是已知训练集数据的类别情况来训练分类器，无监督的机器学习就是不知道训练集的类别情况来训练分类器；3、所以说，有监督的机器学习可以抽象为一个分类task，而无监督的基本完成的是聚类；4、有监督的机器学习中，我们可以概述为通过很多有标记的数据，训练出一个模型，然后利用这个，对输入的X进行预
程序员羊羊·2025-03-07 12:03

计算机视觉 vs 机器视觉 | 机器学习 vs 深度学习：核心差异与行业启示

一、计算机视觉（CV）与机器视觉（MV）：从学术研究到工业落地的分水岭1.定义与目标差异计算机视觉（CV）目标是赋予计算机类似人类的视觉理解能力，通过算法对图像或视频中的目标进行识别、跟踪和语义理解。其核心是研究如何从二维图像反推三维世界的结构和规律。例如，自动驾驶中通过多摄像头融合实现道路场景理解，属于典型的CV任务。机器视觉（MV）聚焦于工业场景的自动化检测与控制，强调实时性和精准性。MV系统
程序员Linc·2025-03-07 12:00

数据管理-估算和建模数据处理的内存需求

估算和建模数据处理的内存需求无论是数据处理管道还是科学计算，您通常需要了解您的进程需要多少内存：如果您的内存不足，了解您是否只需要将笔记本电脑的内存从8GB升级到16GB，或者您的进程需要200GB内存并需要优化
李星星BruceL·2025-03-07 11:11

蚂蚁集团可转正实习算法岗内推-自然语言

具备极佳的工程实现能力，精通C/C++、Java、Pvthon、Perl等至少一门语言:对目前主流的深度学习平台:tensorflow、pytorch、mxnet等，至少对其中一个有上手经验;熟悉深度学习以及常见机器学习算法的原理与算法
飞300·2025-03-07 10:59

深圳传音控股AI算法岗内推

2熟悉常用的机器学习算法，掌握常用的深度学习模型与编程实践。3熟悉Pytorch或TensorFlow等深度学习框架，有一定项目经验。4良好的沟通协调能力，执着的专业精神。
飞300·2025-03-07 10:57

【北上广深杭大厂AI算法面试题】深度学习篇...MobileNet 系列网络发展与高效性分析（附代码）（二）

【北上广深杭大厂AI算法面试题】深度学习篇…MobileNet系列网络发展与高效性分析（附代码）（二）【北上广深杭大厂AI算法面试题】深度学习篇…MobileNet系列网络发展与高效性分析（附代码）（二
努力毕业的小土博^_^·2025-03-07 10:26

Docker中GPU的使用指南

在当今的计算领域，GPU（图形处理单元）已经成为了加速各种计算密集型任务的关键硬件，特别是在深度学习、科学模拟和高性能计算等领域。
俞兆鹏·2025-03-07 10:22

深入理解Kettle：ETL工具的学习与实践

本学习笔记着重于Kettle的核心——转换引擎，详细探讨其数据处理的各个步骤，包括数据的输入、转换、输出以及工作原理，提供了一系列的学习资源和实践操作指南，旨在帮助学习者深入理解并掌握Kettle的转换引擎
未知方程 无解·2025-03-07 10:14

【学习笔记5】Linux下cuda、cudnn、pytorch版本对应关系

全球的深度学习研究人员和框架开发人员都依赖cuDN
longii11·2025-03-07 08:56

LLM辅助编程：代码自动生成与优化

LLM,代码生成,代码优化,编程辅助,AI编程,自然语言处理,深度学习1.背景介绍随着软件开发的日益复杂化，程序员面临着越来越高的开发压力和效率要求。
AI智能涌现深度研究·2025-03-07 05:54

国内开源深度学习框架

目录一、国内开源深度学习框架1、PaddlePaddle（百度飞浆）2、MindSpore（华为昇思）3、MegEngine（旷视天元）4、OneFlow（一流科技）5、Jittor（清华计图）二、快速入手
we19a0sen·2025-03-07 05:53

【免费收藏】清华大学DeepSeek使用手册合集 600页完整版

DeepSeek资料链接：https://pan.quark.cn/s/c927326f70c5在人工智能席卷全球的当下，DeepSeek作为前沿深度学习技术，正推动着全面AI时代的到来。
周师姐·2025-03-07 01:10

YOLOv12改进之A2(区域注意力)

注意力回顾注意力机制作为深度学习领域的核心技术，已广泛应用于自然语言处理和计算机视觉等多个领域。在YOLOv12改进之A2中，注意力机制扮演着关键角色。
清风AI·2025-03-07 00:39

AF3 pair_and_merge函数解读

AlphaFold3feature_processing_multimer模块的pair_and_merge函数是AlphaFold3数据处理管道中的重要函数，它主要负责：处理各个链的特征（all_chain_features
qq_27390023·2025-03-07 00:34

Spring Boot 实战：生成条形码的高效方案

条形码广泛应用于物流、零售、库存管理等多个领域，能够极大地提高数据处理效率和准确性。
墨夶·2025-03-06 23:22

Grok 3能否打破大模型的魔咒？

以前，一提深度学习就能引出一场血雨腥风，现如今却有人说“没钱也能玩”。这风浪可真是一波未平一波又起。也许这就是科技的魅力：一统江湖的法则瞬间瓦解。
TGITCIC·2025-03-06 22:16

深度学习_第二轮

损失函数对偏置和权重求导，x、y作为常量确实，当进行模型训练时，(x)和(y)分别代表输入特征和对应的输出值，它们以数据点对的形式存在，一个数据集中通常包含多对这样的数据。每一对((x_i),(y_i))代表了数据集中的一个样本。在计算损失函数的梯度（即关于权重的偏导数）时，需要考虑整个数据集中的所有样本。对于每个样本((x_i),(y_i))，我们计算其对损失函数的贡献，并通过求和或平均这些贡献
Humingway·2025-03-06 22:16

对深度学习中的基本概念—梯度的理解

“梯度”是深度学习中基本又非常核心的概念，没有它就没有人工智能的今天。然而，即使抛开令人眼花缭乱的术语（比如sgd、ada、moment、adam）不谈，即使最简单的“梯度”本身，也值得讨论一下。
Humingway·2025-03-06 22:15

indexify开源程序包、适用于数据密集型生成式 AI 应用的实时服务引擎、提取和索引 PDF 文档、汇总网站、转录和汇总音频文件、对象检测和描述、知识图谱 RAG 和问答

Indexify是一个多功能的数据处理框架，适用于各种使用案例，包括：提取和索引PDF文档、汇总网站、转录和汇总音频文件、对象检测和描述、知识图
2301_78755287·2025-03-06 21:12
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他