深度学习神经网络实战100例

【大模型开发】深入解析 DeepSpeed：原理、核心技术与示例代码

深入解析DeepSpeed：原理、核心技术与示例代码DeepSpeed是由微软开源的高性能深度学习训练优化引擎，专注于帮助研究人员和工程团队在分布式环境中高效地训练超大规模模型。

云博士的AI课堂·2025-03-11 08:57

Spring Cloud Alibaba微服务架构实战教程—17分布式缓存下Redis设计

前言大多数的文章，开头就是告诉你使用redis做缓存，怎么怎么样，而本系列，不打算采用这样无趣的写法，这和直接搬运有什么区别？笔者力求读者能得到更大程度的系统学习，会从为什么使用缓存来给大家进行学习。问问大家，当系统的执行速度慢怎么办？对于更新速度不是很快的站点，可以采用静态化来避免过多的数据查询。通常前端使用Freemaker或Velocity、thymeleaf等模板引擎来实现页面的静态化。对

江湖一点雨·2025-03-11 08:24

【实战ES】实战 Elasticsearch：快速上手与深度实践-6.2.2GDPR数据脱敏处理

点击关注不迷路点击关注不迷路点击关注不迷路文章大纲6.2.2GDPR数据脱敏处理深度实践指南1.GDPR核心要求映射1.1关键条款与技术要求1.2`数据类型与脱敏策略`2.全链路脱敏配置2.1`动态脱敏管道`2.2静态脱敏模板3.`脱敏算法性能对比`3.1算法性能矩阵3.2存储成本分析4.企业级合规方案4.1金融行业案例4.2医疗行业方案5.合规性验证方案5.1自动化检查脚本5.2审计检查清单6.

言析数智·2025-03-11 08:23

一学就会的深度学习基础指令及操作步骤（6）迁移学习

文章目录迁移学习模型准备数据增强模型训练模型微调和预测检查预测结果迁移学习迁移学习是将一个任务中学到的知识应用到另一个相关任务上，以提高新任务的学习效率和性能。优势：节省训练时间，提高模型性能，尤其在小数据场景下效果显著。核心是利用源域的知识来帮助目标域任务，比如在ImageNet上预训练的模型用于医疗影像分类。源域（SourceDomain）：已有知识的领域（如ImageNet图像库）。目标域（

小圆圆666·2025-03-11 07:49

基于PyTorch的深度学习6——数据处理工具箱2

torchvision有4个功能模块：model、datasets、transforms和utils。主要介绍如何使用datasets的ImageFolder处理自定义数据集，以及如何使用transforms对源数据进行预处理、增强等。下面将重点介绍transforms及ImageFolder。transforms提供了对PILImage对象和Tensor对象的常用操作。1)对PILImage的常

Wis4e·2025-03-11 07:47

基于PyTorch的深度学习——机器学习3

激活函数在神经网络中作用有很多，主要作用是给神经网络提供非线性建模能力。如果没有激活函数，那么再多层的神经网络也只能处理线性可分问题。在搭建神经网络时，如何选择激活函数？

Wis4e·2025-03-11 07:47

详解Vue 的 key 机制

详解Vue的key机制（从底层原理到实战价值，彻底讲透关键设计）一、Key的本质作用核心定位：虚拟DOM的身份证Vue通过虚拟DOM实现高效渲染，而key是虚拟节点（VNode）的唯一标识符。

向贤·2025-03-11 07:17

VScode使用小技巧

文件—首选项—用户代码片段----搜javaScript,进入JavaScript.json,自定义快捷键（setting→ConfigureUserSnippets→JavaScripts.json）例：

前端CV攻城狮·2025-03-11 07:46

React,antd实现自动滚动Table封装组件

,简单写了这种方如有不妥,你就当看不见…如有好的建议,私我/评论即可.MD参数名称｜注释｜默认值rollNum｜超过多少条开始自动滚动｜10rollTop｜滚动速度｜1.5rollTime｜滚动时间｜100msscroll

前端CV攻城狮·2025-03-11 07:16

LangChain大模型应用开发指南-大模型Memory不止于对话

【一一AGI大模型学习所有资源获取处一一】①人工智能/大模型学习路线②AI产品经理资源合集③200本大模型PDF书籍④超详细海量大模型实战项目⑤LLM大模型系统学习

喝不喝奶茶丫·2025-03-11 06:45

C++11使用mutex和condition_variable实现线程同步

C++11使用mutex和condition_variable实现线程同步在实现项目的过程中，突然有一个问题：C++中A、B、C三个线程模拟购买100张车票，A输出99，B输出98，C输出97,然后又循环

追烽少年x·2025-03-11 06:13

LeetCode刷题实战522：最长特殊序列 II

算法的重要性，我就不多说了吧，想去大厂，就必须要经过基础知识和业务逻辑面试+算法面试。所以，为了提高大家的算法能力，这个公众号后续每天带大家做一道算法题，题目就从LeetCode上面选！今天和大家聊的问题叫做最长特殊序列II，我们先来看题面：https://leetcode-cn.com/problems/longest-uncommon-subsequence-ii/Givenanarrayof

编程IT圈·2025-03-11 06:41

【Python爬虫实战】从多类型网页数据到结构化JSON数据的高效提取策略

个人主页：https://blog.csdn.net/2401_86688088?type=blog系列专栏：https://blog.csdn.net/2401_86688088/category_12797772.html目录前言一、数据类型及其对应的提取策略（一）文本数据（二）数值数据（三）链接（四）图像数据（五）表格数据（六）JSON数据（七）动态数据（八）元数据（九）总结二、结构化数据提

易辰君·2025-03-11 06:39

深度学习与普通神经网络有何区别？

深度学习与普通神经网络的主要区别体现在以下几个方面：一、结构复杂度普通神经网络：通常指浅层结构，层数较少，一般为2-3层，包括输入层、一个或多个隐藏层、输出层。

是理不是里·2025-03-11 06:39

神经网络中梯度计算求和公式求导问题

以下是公式一推导出公式二的过程。表达式一∂E∂wjk=−2(tk−ok)⋅sigmoid(∑jwjk⋅oj)⋅(1−sigmoid(∑jwjk⋅oj))⋅∂∂wjk(∑jwjk⋅oj)\frac{\partialE}{\partialw_{jk}}=-2(t_k-o_k)\cdot\text{sigmoid}\left(\sum_jw_{jk}\cdoto_j\right)\cdot(1-\tex

serve the people·2025-03-11 06:09

AI 技术引入 RTK（实时动态定位）系统，可以实现智能化管理和自动化运行

AI解决方案：使用深度学习模型（如卷积神经网络CNN）预测整周模糊度。通过历史数据训练模型，实现快速解算。实例：某无人机公司使用A

小赖同学啊·2025-03-11 06:39

AI 驱动的软件测试革命：从自动化到智能化的进阶之路

人工智能技术的突破为测试领域注入了新动能，通过机器学习、深度学习、自然语言处理等技术，测试流程正从“被动验证”向“主动预防”演进。

綦枫Maple·2025-03-11 06:08

JSON数据解析实战：从嵌套结构到结构化表格

在信息爆炸的时代，如何从杂乱无章的数据中还原出精准的知识图谱，是数据侦探们常常面临的挑战。本文以GoogleScholar为目标，深入解析嵌套JSON数据，从海量文献信息中提取关键词、作者、期刊等内容。最终，我们不仅将数据转换成结构化表格，还通过Graphviz制作出技术关系图谱，揭示文献间的隐秘联系。关键数据分析在本次调研中，我们的核心目标是获取GoogleScholar上的学术文献信息。为此，

亿牛云爬虫专家·2025-03-11 06:38

LeetCode刷题实战：删除字符串中的所有相邻重复项（栈的经典应用）

题目描述题目链接：1047.删除字符串中的所有相邻重复项-力扣（LeetCode）给定一个由小写字母组成的字符串s，重复项删除操作会选择两个相邻且相同的字符并删除它们。此操作反复进行，直到无法继续删除。返回最终的字符串。答案保证唯一。输入：s="abbaca"输出："ca"解释：删除"bb"得到"aaca"，再删除"aa"得到"ca"。问题分析与解法思路暴力解法的缺陷最直观的暴力解法是重复扫描字符

sprite_雪碧·2025-03-11 06:38

oracle字符时间比较,Oracle字符和时间比较

to_dateto_date(create_date,'yyyy-mm-dd,hh24:mi:ss')格式一定要与create_date一致2、转字符串to_char(sysdate,'yyyymmdd')例：

七娃爸爸·2025-03-11 05:36

从原理到实战全解析

本文将从原理、方法到实战步骤，结合OpenAI、HuggingFace等平台的最佳实践，详解大模型微调全流程。文末附赠独家资料包，助你快速上手！一、什么是大模型微调？

挣扎与觉醒中的技术人·2025-03-11 05:32

XGBClassifiler函数介绍

函数介绍XGBClassifiler(max_depth=3,learning_rate=0.1,n_estimators=100,objective='binary:logistic',boo

浊酒南街·2025-03-11 05:32

P11：利用marked+highlight.js重构前台文章详细页面

ReactHooks+Laravel前端博客实战阐述安装marked和highlight.js重构`detailed.js`文件增加Code的高亮显示CSS样式的更换MySQL数据阐述之前我们在博客文章详细页使用了

知其黑、受其白·2025-03-11 05:00

Java多线程编程实战：synchronized与Lock锁对比

一、锁机制全景图：从内核态到用户态1.Java锁分类与演进史锁机制悲观锁乐观锁synchronizedReentrantLockCAS版本号机制2.锁升级全流程（synchronized底层原理）无锁→偏向锁（单线程）→轻量级锁（CAS自旋）→重量级锁（OS互斥量）锁膨胀条件：偏向锁：-XX:BiasedLockingStartupDelay=0（默认延迟4秒）重量级锁：自旋超过阈值（-XX:Pr

微风灬浮尘·2025-03-11 04:26

使用Activeloop Deep Lake构建深度学习数据仓库与向量存储

技术背景介绍随着深度学习技术的发展，数据的存储与管理成为了一个重要的问题。尤其是对于需要处理大量数据的应用，例如自然语言处理和图像识别，传统的数据存储方式已经无法满足需求。

dgay_hua·2025-03-11 04:49

使用CharacterTextSplitter进行文本分割的实战指南

在处理长文本时，将其切割成较小的片段是常见的需求，尤其是在自然语言处理任务中。CharacterTextSplitter是一个强大的工具，用于通过字符分隔符对文本进行分割，本文将深入介绍如何使用它进行文本处理。技术背景介绍当面对一份冗长的文本时，比如总统演讲稿、法律文档等，我们常常需要将其拆分成便于处理的小段。CharacterTextSplitter正是为此而生的一个轻量级工具，专门用于基于特定

bBADAS·2025-03-11 04:48

《Python实战进阶》No20: 网络爬虫开发：Scrapy框架详解

:网络爬虫开发：Scrapy框架详解摘要本文深入解析Scrapy核心架构，通过中间件链式处理、布隆过滤器增量爬取、Splash动态渲染、分布式指纹策略四大核心技术，结合政府数据爬取与动态API逆向工程实战案例

带娃的IT创业者·2025-03-11 03:15

力扣hot100二刷——哈希、双指针、滑动窗口

第二次刷题不在idea写代码，而是直接在leetcode网站上写，“逼”自己掌握常用的函数。标志掌握程度解释办法⭐Fully完全掌握看到题目就有思路，编程也很流利⭐⭐Basically基本掌握需要稍作思考，或者看到提示方法后能解答⭐⭐⭐Slightly稍微掌握需要看之前写过的代码才能想起怎么做多做⭐⭐⭐⭐absolutelyno完全没有掌握需要看题解才知道怎么做背⭐⭐⭐⭐⭐有难度的高频题需要看题解

钢板兽·2025-03-11 03:44

【带你 langchain 双排系列教程】8.LangChain开发Agent智能体：从入门到实战

一、什么是LangChain？LangChain是一个专为构建大模型应用设计的开发框架，其模块化设计和丰富的工具链让智能体开发更高效。相比传统开发，LangChain提供以下核心优势：内置Agent模板：快速实现工具调用、多轮对话、记忆管理。无缝对接主流大模型：支持OpenAI、ChatGLM、DeepSeek等。灵活可扩展：通过Chains组合实现复杂业务逻辑。二、快速开始：环境搭建与基础配置1

夜里慢慢行456·2025-03-11 03:43

基于双向长短期记忆神经网络结合多头注意力机制(BiLSTM-Multihead-Attention)的单变量时序预测

目录1、代码简介2、代码运行结果展示3、代码获取1、代码简介基于双向长短期记忆神经网络结合多头注意力机制(BiLSTM-Multihead-Attention)的单变量时序预测(单输入单输出)1.程序已经调试好

机器学习和优化算法·2025-03-11 03:42

Vue大屏实战一：数字翻牌器的实现

文章目录1.效果预览2.数字翻牌器的实现3.vue项目中引入DataV4.大屏顶部翻牌器布局5.大屏数字翻牌器样式6.大屏数字翻牌器逻辑实现1.效果预览页面整体效果如下顶部的数字翻牌器效果2.数字翻牌器的实现数字翻牌器我们借助于DataV组件来实现，示例如下config属性配置如下注意：number属性是个数组，我们在初始化的时候给number属性一个默认的数组及值，当我们想动态改变数字翻牌器的值

博主逸尘·2025-03-11 03:41

C++内存管理秘籍：深入解析与实战代码示例

C++内存管理秘籍：深入解析与实战代码示例一、内存管理的基本概念二、内存泄漏与野指针三、智能指针：现代C++的内存管理利器四、实战代码示例示例1：传统动态内存管理示例2：使用`std::unique_ptr

my1121716951·2025-03-11 03:41

多模态模型在做选择题时，如何设置Prompt，如何精准定位我们需要的选项

我们这里以Qwen2-VL-7B-instruct为例：假设我们需要分析一张图片的情绪（从现有的情绪中进行选择），并且我们需要它以思维链的形式展现出来，我们可以这样设置prompt：emotion6_CoT

暗巷提灯·2025-03-11 03:10

SEO完全指南：从原理到实战的搜索引擎优化手册

1.什么是SEO？1.1定义解析SEO（搜索引擎优化）是通过技术手段和内容策略提升网站在搜索引擎自然搜索结果中排名的过程。它融合了：️技术优化（网站架构/加载速度）内容优化（高质量原创内容）用户体验优化（导航/界面设计）外部优化（高质量外链建设）1.2SEO的多层次目标SEO的目标远不止提高排名和流量:提高质量流量:不仅是增加访问量,更重要的是吸引真正对你的产品或服务感兴趣的用户。提升转化率:通过

·2025-03-11 03:10

大语言模型原理基础与前沿挑战与机遇

它们通过深度学习技术，特别是基于变换器（Transformer）架构的模型，能够在自然语言处理（NLP）任务中表现出色。大语言模型的出现不仅推动了学术研究的发展，也在实际应用中展现了巨大的潜力。

AI大模型应用之禅·2025-03-11 02:07

K8s 1.27.1 实战系列（六）Pod

一、Pod介绍1、Pod的定义与核心设计Pod是Kubernetes的最小调度单元，由一个或多个容器组成，这些容器共享网络、存储、进程命名空间等资源，形成紧密协作的应用单元。Pod的设计灵感来源于“豌豆荚”模型，容器如同豆子，共享同一环境但保持隔离性。其核心设计目标包括：轻量性：Pod本身不负责资源分配，仅作为容器的逻辑封装单元，高效利用集群资源。临时性：Pod生命周期短暂，故障或任务完成后会被销

白昼ron·2025-03-11 02:05

p5.js 交互应用实战 —— 音乐可视化(案例)

案例一将振幅转化为图形准备工作：打开编辑器左边菜单，uploadmp3音乐素材（不超过5m）//定义变量//Sound--声音,amplitude--振幅letSound,amplitude;//1.预读器（新建函数用来读取上传的音频）functionpreload(){Sound=loadSound('sound.mp3');}//2.初始化functionsetup(){createCanva

十一迪迪·2025-03-11 02:04

python os模块[zt]

pythonos模块(2008-07-0311:59:39)http://blog.sina.com.cn/s/blog_4e808acf01009uav.html标签：pythonos杂谈分类：pythonPython

weixin_34357962·2025-03-11 02:04

Android 线程池实战指南：高效管理多线程任务

在Android开发中，线程池的使用非常重要，尤其是在需要处理大量异步任务时。线程池可以有效地管理线程资源，避免频繁创建和销毁线程带来的性能开销。以下是线程池的使用方法和最佳实践。1.线程池的基本使用（1）创建线程池Android提供了Executors工厂类来创建常见的线程池，也可以通过ThreadPoolExecutor自定义线程池。示例：使用Executors创建线程池//创建一个固定大小的

tangweiguo03051987·2025-03-11 02:33

快速入门OpenAI聊天模型的实战指南

#快速入门OpenAI聊天模型的实战指南OpenAI的聊天模型在开发人工智能应用时至关重要。本文将详细介绍如何使用OpenAI的聊天模型进行开发，并提供可运行的代码示例。

shuoac·2025-03-11 02:03

深入理解Vue3中style的scoped

本文将以vue3为例，深入了解scoped原理。scoped实践vue3组件是如下定义样式：标

Jinuss·2025-03-11 01:00

3.10 项目总结

今天的项目是一个使用PyTorch框架构建和训练神经网络的实例，旨在实现手写数字识别。以下是项目的总结、内容分析以及优化建议：项目总结1.目标：使用神经网络对MNIST数据集中的手写数字进行分类。

不要不开心了·2025-03-11 01:58

《深度解析DeepSeek-M8：量子经典融合，重塑计算能效格局》

DeepSeek-M8的“量子神经网络混合架构”，宛如一把钥匙，开启了经典算法与量子计算协同推理的全新大门，为诸多复杂问题的解决提供了前所未有的思路。

程序猿阿伟·2025-03-11 01:56

DeepSeek源码解析（2）

在大模型（如深度学习模型）中，张量扮演着核心角色，具体来说：数据表示：张量用于表示输入数据、模型参数和中间计算结果。

白鹭凡·2025-03-11 01:26

Linux SSHD 启动失败：OpenSSL 版本不匹配问题分析与解决

共享库方法4：重新安装OpenSSH总结LinuxSSHD启动失败：OpenSSL版本不匹配问题分析与解决在Linux服务器上，sshd可能因OpenSSL版本不匹配而启动失败，具体错误信息如下：Mar1100

XMYX-0·2025-03-11 00:56

点云语义分割：PointNet++在S3DIS数据集上的训练

PointNet++是一种流行的深度学习方法，可用于处理点云数据，并在各种任务中取得了良好的性能。在本文中，我们将探讨如何使用PointNet++模型在S3DIS数据集上进行训练，并提供相应的源代码。

完美代码·2025-03-11 00:25

PointNet、PointNet++ 基于深度学习的3D点云分类和分割

前言PointNet是直接对点云进行处理的，它对输入点云中的每一个点，学习其对应的空间编码，之后再利用所有点的特征得到一个全局的点云特征。Pointnet提取的全局特征能够很好地完成分类任务，但局部特征提取能力较差，这使得它很难对复杂场景进行分析。PointNet++核心是提出了多层次特征提取结构，有效提取局部特征提取，和全局特征。目录一、PointNet1.1PointNet思路流程1.2Poi

一颗小树x·2025-03-11 00:54

「MySQL 数据库优化」降低存储与查询成本的最佳实践

图书作者：《ESP32-C3物联网工程开发实战》图书作者：《SwiftUI入门，进阶与实战》超级个体：CO

网罗开发·2025-03-11 00:24

基于YOLOv5的烟雾检测系统：从数据集准备到UI界面实现

近年来，随着深度学习技术的发展，目标检测算法被广泛应用于烟雾检测，尤其是基于YOLOv5的目标检测模型，由于其较高的精度和较低的计算开销，已经成为许多实时检测系统的首选模型。

深度学习&目标检测实战项目·2025-03-11 00:52

【C++】3-1.2.3 函数通过指针传参

函数通过值传参，参考博客：【C++】part3-函数通过值传参https://jn10010537.blog.csdn.net/article/

jn10010537·2025-03-11 00:52

推荐频道