深度学习深入理解

PyTorch深度学习框架60天进阶学习计划 - 第28天：多模态模型实践（二）

PyTorch深度学习框架60天进阶学习计划-第28天：多模态模型实践（二）5.跨模态检索系统应用场景5.1图文匹配系统的实际应用应用领域具体场景优势电子商务商品图像搜索、视觉购物用户可以上传图片查找相似商品或使用文本描述查找商品智能媒体内容推荐
凡人的AI工具箱·2025-03-21 22:40

PyTorch深度学习框架60天进阶学习计划 - 第28天：多模态模型实践（一）

PyTorch深度学习框架60天进阶学习计划-第28天：多模态模型实践（一）引言：跨越感知的边界欢迎来到我们的PyTorch学习旅程第28天！今天我们将步入AI世界中最激动人心的领域之一：多模态学习。
凡人的AI工具箱·2025-03-21 22:10

10.2 如何解决从复杂 PDF 文件中提取数据的问题？

方法：使用计算机视觉和深度学习技术，如卷积神经网络（CNN）或其他先进的图像处理算法。效果：能够检测出页面
墨染辉·2025-03-21 21:33

TensorFlow深度学习实战项目：从入门到精通

引言深度学习作为人工智能领域的一个重要分支，近年来取得了显著的进展。TensorFlow作为Google开源的深度学习框架，因其强大的功能和灵活的架构，成为了众多开发者和研究者的首选工具。
点我头像干啥·2025-03-21 20:24

国外7个最佳大语言模型 (LLM) API推荐

在深度学习和机器学习算法的支持下，LLMAPI提供了前所未有的自然语言理解能力。通过利用这些新的API，开发人员现在可以创建能够以前所未有的方式理解和响应书面文本的应用程序。
幂简集成·2025-03-21 19:15

【深度学习】DeepSeek模型介绍与部署

原文链接：DeepSeek-V31.介绍DeepSeek-V3，一个强大的混合专家(MoE)语言模型，拥有671B总参数，其中每个token激活37B参数。为了实现高效推理和成本效益的训练，DeepSeek-V3采用了多头潜在注意力(MLA)和DeepSeekMoE架构，这些架构在DeepSeek-V2中得到了充分验证。此外，DeepSeek-V3首次提出了无辅助损失的负载平衡策略，并设置了多to
Nerous_·2025-03-21 19:15

【深度学习】 PyTorch一文详解

“PyTorchisadeeplearningframeworkthatprioritizessimplicityandflexibility,makingitthego-tochoiceforbothresearchersanddevelopers.”—Anonymous1.PyTorch简介1.1PyTorch的背景与发展PyTorch是由Facebook人工智能研究院（FAIR）开发的一个开
Nerous_·2025-03-21 19:15

【DNN量化工具】QKeras 工具简介

QKeras工具简介QKeras是一个用于量化深度学习模型的Keras扩展库，旨在使深度学习模型的量化（即将模型的浮点权重转换为低精度格式）变得简单而高效。
kanhao100·2025-03-21 18:07

Softmax温度调节与注意力缩放：深度神经网络中的平滑艺术

Softmax温度调节与注意力缩放：深度神经网络中的平滑艺术在深度学习的精密机械中，有些细微的调整机制往往被视为理所当然，却实际上蕴含着深刻的数学洞察和巧妙的工程智慧。
Mark White·2025-03-21 17:01

QKeras、Brevitas和QONNX量化工具对比

QKeras、Brevitas和QONNX量化工具对比一、引言在深度学习模型部署领域，量化技术已成为提升模型执行效率的关键手段。
kanhao100·2025-03-21 16:48

Umi-OCR：解锁高效文字识别的新时代

Umi-OCR，作为一款基于深度学习技术的开源文字识别工具，凭借其强大的功能和高效的性能，迅速成为众多用户的首选。无
水熠芝Dark-Haired·2025-03-21 16:48

Umi-OCR：一款强大而高效的文字识别工具

一款强大而高效的文字识别工具Umi-OCR一款强大而高效的文字识别工具项目地址:https://gitcode.com/Resource-Bundle-Collection/6adda介绍Umi-OCR是一款基于深度学习技术的开源文字识别工具
裘心国Trent·2025-03-21 16:47

自动语音识别（ASR）：技术、应用与未来

它利用人工智能（AI）、深度学习和自然语言处理（NLP）技术来识别和理解人类的语言，使计算机能够与人类进行更自然的交互。
ajie1117·2025-03-21 16:17

关于误差平面小记

四维曲面的二维切片：误差平面详解在深度学习优化过程中，我们通常研究损失函数（LossFunction）的变化，试图找到权重的最优配置。
文弱_书生·2025-03-21 15:43

GraphCube、Spark和深度学习技术赋能快消行业关键运营环节

GraphCube图多维数据集技术、Spark大数据分析处理技术和深度学习技术的结合，为这些环节提供了智能化、动态化和实时化的解决方案，显著提升业务运营效率和企业利润。一、技术
weixin_30777913·2025-03-21 13:28

Marker可以快速且准确地将PDF转换为markdown格式。

针对书籍和科学论文进行了优化）支持所有语言移除页眉/页脚/其他杂质格式化表格和代码块提取并保存图像以及markdown将大多数方程转换为latex支持在GPU、CPU或MPS上运行工作原理Marker是一个由深度学习模型组成的管道
星霜笔记·2025-03-21 11:34

Hugging Face预训练GPT微调ChatGPT（微调入门！新手友好！）

HuggingFace是⼀家专注于NLP领域的AI公司，开发了⼀个名为Transformers的开源库，该开源库拥有许多预训练后的深度学习模型，如BERT、G
y江江江江·2025-03-21 10:31

Open-Sora - 为所有人实现高效的视频制作大众化

它采用Python语言和PyTorch深度学习框架开发，具有生成速度快、资源消
小众AI·2025-03-21 10:57

Adam-mini：深度学习内存效率新突破

标题：Adam-mini：深度学习内存效率新突破文章信息摘要：Adam-mini优化器在深度学习领域展现出突破性潜力，尤其在内存效率和计算性能上表现卓越。
XianxinMao·2025-03-21 08:42

【人工智能】注意力机制深入理解

文章目录**一、注意力机制的核心思想****二、传统序列模型的局限性****三、Transformer与自注意力机制****1.自注意力机制的数学公式****四、注意力机制的关键改进****1.稀疏注意力（SparseAttention）****2.相对位置编码（RelativePositionEncoding）****3.图注意力网络（GraphAttentionNetwork,GAN）****
问道飞鱼·2025-03-21 08:09

深入理解正则表达式：语法全解析

本文还有配套的精品资源，点击获取简介：正则表达式是一种用于文本匹配的模式，广泛应用在文本处理、数据验证等领域。本文将全面探讨正则表达式的语法细节，包括字符匹配、元字符、字符类、量词、分组与反向引用、选择与否定、位置锚点、预定义字符集、模式修饰符、回溯控制以及正向先行断言和正向后行断言。掌握这些知识有助于提高编程效率和代码质量。1.正则表达式简介正则表达式是IT行业中的“瑞士军刀”，它们在文本处理、
谢兴豪·2025-03-21 08:09

JavaScript对象全解析：从宿主到内置，深入理解对象分类

一、JavaScript对象全景图JavaScript对象系统远比表面看起来复杂，我们可以将其分为以下五大类：类别描述示例宿主对象由运行环境提供的对象（如浏览器中的DOM）window、document固有对象标准规定随运行时自动创建的基础对象Array、Date原生对象通过内置构造器创建的特权对象newArray()、newMap()普通对象用户创建的常规对象{}、newObject()特殊行为
码农的时光故事·2025-03-21 07:31

Transformer与图神经网络的融合与应用

Transformer与图神经网络的融合与应用关键词：Transformer,图神经网络,注意力机制,图结构数据,图表示学习,图分类,图生成1.背景介绍近年来，深度学习技术在各个领域取得了显著的进展。
AI天才研究院·2025-03-21 07:58

深度学习的颠覆性发展：从卷积神经网络到Transformer

1.背景介绍深度学习是人工智能的核心技术之一，它通过模拟人类大脑中的神经网络学习从大数据中抽取知识，从而实现智能化的自动化处理。
AI天才研究院·2025-03-21 07:57

高性能计算:GPU加速与分布式训练

1.背景介绍随着人工智能技术的飞速发展，深度学习模型的规模和复杂度不断提升，对计算能力的需求也越来越高。
AI天才研究院·2025-03-21 06:17

使用 MistralAI 平台进行开源模型托管与调用

通过该平台，你可以方便地调用强大的深度学习模型，并将其集成到你的应用中。本文将带你了解如何利用MistralAI提供的服务来进行模型的托管和调用。
VYSAHF·2025-03-21 04:05

六十天前端强化训练之第二十一天大师级详解 React Context API：从原理到实战

目录一、庖丁解牛：深入理解ContextAPI1.1设计哲学与运转机制工作原理三步曲：1.2核心三剑客详解1.3性能优化要诀二、手把手实现主题切换系统2.1完整代码实现（逐行注释版）2.2配套CSS样式设计三
编程星辰海·2025-03-21 02:26

暗光增强技术研究进展与产品落地综合分析（2023-2025）

二、暗光增强技术研究进展1.算法创新：从传统模型到深度学习（1）Retinex理论的深度结合清华与ETH联合提出的Retinexformer（202
AndrewHZ·2025-03-21 02:21

金融风控算法透明度与可解释性优化

随着深度学习框架在特征提取环节的广泛应用，算法可解释性与预测精度之间的平衡成为核心议题。
智能计算研究中心·2025-03-21 01:13

H800核心性能优化技术

这些创新不仅显著提升了30%以上的能效比，更通过精细化任务调度机制，解决了深度学习训练中高并发数据处理与模型参数同步的效率瓶颈。值得关注的
智能计算研究中心·2025-03-21 01:13

TikTokenizer 项目常见问题解决方案

tiktokenizerOnlineplaygroundforOpenAPItokenizers项目地址:https://gitcode.com/gh_mirrors/ti/tiktokenizer项目基础介绍TikTokenizer是一个开源项目，主要用于文本处理，特别是将文本转化为可用于深度学习的格式
齐飞锴Timothea·2025-03-21 01:11

DeepSeek混合专家架构赋能智能创作

该架构将视觉语言理解、多语言语义解析与深度学习算法深度融合，构建出覆盖文本生成、代码编写、学术研究等场景的立体化能力矩阵。
智能计算研究中心·2025-03-21 00:38

深入理解Ajax原理

1.概念ajax的全称是AsynchronousJavaScriptandXML，其中，Asynchronous是异步的意思，它有别于传统web开发中采用的同步的方式。2.理解同步异步异步传输是面向字符的传输，它的单位是字符；而同步传输是面向比特的传输，它的单位是桢，它传输的时候要求接受方和发送方的时钟是保持一致的。举个例子来说同步和异步，同步就好像我们买楼一次性支付，而异步就是买楼分期付款。所以
lfsf802·2025-03-21 00:01

YOLO11改进-模块-引入频率谱动态聚合模块FSDA 去除噪声

在图像去雾领域，深度学习在白天图像去雾方面成果显著，但夜间雾图研究较少。夜间雾图面临诸多挑战，其中包括雾、辉光和噪声因多个低强度有源彩色光源而具有复杂特性，以及模拟与真实数据的域差异导致的亮度问题。
一勺汤·2025-03-20 22:46

基于多头注意机制的多尺度特征融合的GCN的序列数据（功率预测、故障诊断）模型及代码详解

GCN基础在深度学习领域中，图卷积网络(GCN)是一种强大的图数据处理工具。它将卷积操作扩展到图结构上，能够有效捕捉图中节点之间的关系信息。
清风AI·2025-03-20 22:14

YOLO魔改之频率分割模块（FDM）

深度学习方法，如FasterR-CNN和YOLO系列，已成为主流解决方案。这些方法通常采用两阶段或单阶段策略，通过卷积神经网络(CNN)提取特征并进行分类和定位。
清风AI·2025-03-20 21:11

深入理解 C++11 多线程编程：从入门到实践

C++多线程编程是指使用C++提供的多线程库来并行执行代码块，从而提高程序的性能和响应能力。C++11标准引入了多线程支持，使得在C++中进行多线程编程变得更加容易和直观。以下是C++多线程编程的基本知识，并附有例子代码。多线程的基本概念线程（Thread）：线程是进程中的一个执行单元，每个线程有自己的堆栈，但与其他线程共享程序的全局内存。竞争条件（RaceCondition）：多个线程并发访问同
小河cpp·2025-03-20 21:38

使用CPLEX进行C++优化建模：从入门到精通

通过这篇文章，读者将能够深入理解CPLEX的使用方法，
m0_57781768·2025-03-20 21:37

PyTorch模型训练实战指南：掌握动态图特性与工业级部署技巧

前言在深度学习领域，PyTorch凭借其动态计算图、高效的自动微分系统及高度Pythonic的设计哲学，已成为学术界与工业界的主流框架。
lmtealily·2025-03-20 21:37

深入理解 C# 反射 的使用

总目录前言反射是.NET框架中一个强大的特性，允许程序在运行时检查和操作类型信息。通过反射，开发者可以动态地创建对象、调用方法、访问属性等，为程序提供了极大的灵活性。本文将详细讲解C#反射的使用方法及其应用场景。一、什么是反射？1.定义反射（Reflection）是指程序在运行时能够检查和操作其自身的类型信息。通过反射，可以获取类型的成员（如方法、属性、事件等）并动态地调用它们。在.NET框架中，
鲤籽鲲·2025-03-20 20:02

C#：深入理解Thread.Sleep与Task.Delay

1.核心区别概述特性Thread.SleepTask.Delay阻塞类型同步阻塞当前线程异步非阻塞，释放线程适用场景同步代码中的简单延时异步编程中的非阻塞等待资源消耗占用线程资源（线程挂起）不占用线程（通过计时器回调）精度依赖操作系统调度（≈15ms精度）更高精度（≈1ms）取消支持❌不支持✔️支持CancellationToken异常处理无法被中断可响应取消操作并抛出异常2.原理与底层机制(1)
妮妮学代码·2025-03-20 20:27

PyTorch 深度学习实战（19）：离线强化学习与 Conservative Q-Learning (CQL) 算法

在上一篇文章中，我们探讨了分布式强化学习与IMPALA算法，展示了如何通过并行化训练提升强化学习的效率。本文将聚焦离线强化学习（OfflineRL）这一新兴方向，并实现ConservativeQ-Learning(CQL)算法，利用Minari提供的静态数据集训练安全的强化学习策略。一、离线强化学习与CQL原理1.离线强化学习的特点无需环境交互：直接从预收集的静态数据集学习数据效率高：复用历史经验
进取星辰·2025-03-20 19:52

一切皆是映射：DQN训练加速技术：分布式训练与GPU并行

作为一种结合深度学习和强化学习的强大技术，DRL能够使智能体在与环境交互的过程中学习最优策略，从而实现自主决策和控制。
AI天才研究院·2025-03-20 18:45

大规模语言模型从理论到实践 分布式训练的集群架构

大规模语言模型从理论到实践分布式训练的集群架构作者：禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming1.背景介绍1.1问题的由来随着深度学习技术的飞速发展，大规模语言模型
AI智能涌现深度研究·2025-03-20 18:14

图生视频技术的发展与展望：从技术突破到未来图景

近年来，随着深度学习、多模态融合和计算硬件的进步，图生视频技术经历了从基础研究到商业落地的快速演进。
Liudef06·2025-03-20 18:12

Couchbase Analytics 的结构

下面将详细介绍其结构和架构，以帮助您深入理解CouchbaseAnalytics的运作方式。
PersistDZ·2025-03-20 18:10

大话C++之：左右值引用和std::move

大话C++之：左右值引用和std::move什么是左值和右值什么是左值引用和右值引用std::move的应用场景在C++11引入右值引用后，一直对其使用缺乏深入理解，特别是结合std::move移动语义
Kelvin7_Feng·2025-03-20 14:17

Moodle + Websoft9：创新教育的强大组合，助力教学与学习

•学习分析引擎：内置LearningAnalyticsAPI，可集成Python/R语言进行深度学习，预测学生学业风险。•移动优先战略：MoodleApp支持离线学习、扫码签到，2023年新增A
·2025-03-20 14:26

书籍-《动手学深度学习（英文版）》

AstonZhang，ZacharyC.Lipton，MuLi，AlexanderJ.Smola出版：CambridgeUniversityPress编辑：陈萍萍的公主@一点人工一点智能下载：书籍下载-《动手学深度学习
·2025-03-20 14:25

【C++篇】排队的艺术：用生活场景讲解优先级队列的实现

深入理解与实现：C++优先级队列的模拟实现1.引言在算法和数据结构中
far away4002·2025-03-20 10:11
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他