深度学习记录

深度学习的算法在人群计数（数人头）

基于深度学习的算法在人群计数（数人头）任务中表现较为出色，尤其是在处理复杂场景和大规模数据集时。
人工智能专属驿站·2025-02-09 10:25

深度学习之基于多模态融合的商品分类方法研究与实现

文章目录一项目简介二、功能三、系统四.总结一项目简介  项目简介：深度学习之基于多模态融合的商品分类方法研究与实现一、项目背景与目标随着电子商务的快速发展，商品分类成为提高购物体验和效率的关键环节。
Q1744828575·2025-02-09 10:54

C++，设计模式，【单例模式】

文章目录一、模式定义与核心价值二、模式结构解析三、关键实现技术演进1.基础版（非线程安全）2.线程安全版（双重检查锁）3.现代C++实现（C++11起）四、实战案例：全局日志管理器五、模式优缺点深度分析
智驾·2025-02-09 10:53

多模态大模型：技术原理与实战 多模态大模型在情绪识别领域的应用

多模态大模型：技术原理与实战多模态大模型在情绪识别领域的应用1.背景介绍1.1问题由来近年来，深度学习技术在图像、语音、文本等多个模态的语音识别、视觉识别、自然语言处理等领域取得了重大突破。
杭州大厂Java程序媛·2025-02-09 10:23

DeepSeek使用技巧大全（含本地部署教程）

DeepSeek是一款由国内顶尖团队研发的人工智能，它基于先进的深度学习算法构建，拥有强大的自然语言处理能力和对复杂任务的处理能力。
xiecoding.cn·2025-02-09 10:21

深度学习论文阅读路线图

如果你是深度学习领域的新人，你的第一个问题可能是“我该从哪些论文开始读起呢？”这就是深度学习论文的阅读路线图！这个路线图是根据下面几个规则构建的：从概要到细节从老的到最新的业
喜欢打酱油的老鸟·2025-02-09 09:49

AIGC参数设置

在计算机视觉与深度学习的学术研究中，生成文本通常用于论文写作、代码生成、研究思路探索、实验报告撰写等。
@BreCaspian·2025-02-09 08:09

深度整理总结MySQL——事务简介

事务简介什么是事务为什么需要事务事务特性原子性现实世界的转账操作是不可分割的数据库世界的转账操作可能是多个步骤可能发生的错误和故障隔离性一致性数据库的一致性持久性事务的状态状态分析活动的（Active）部分提交的(PartiallyCommitted)提交的(Committed)失败的(Failed)中止的(Aborted)事务生命周期总结举例说明事务语法开启事务提交事务手动中止事务自动提交隐式提
左灯右行的爱情·2025-02-09 08:38

mac环境下，ollama+deepseek+cherry studio+chatbox本地部署

具体的深度安装部署，这里不做赘述，因为网上的资源真的很详细。
猿粪已尽·2025-02-09 07:02

深度剖析分布式存储架构

【摘要】本文介绍了分布式存储的架构类型、分布式理论、不同的分布式文件系统和分布式键值系统等，较为系统详尽。全文约2万字，可收藏。目录一、集中存储结构二、分布式存储1、分布式存储的兴起2、分布式存储的重要性3、分布式存储的种类和比较三、分布式理论浅析1、一致性和可用性2、数据分布3、复制4、分布式协议5、跨机房部署四、分布式文件系统1、Google文件系统（GFS）2、Taobao文件系统（TFS）
罗伯特之技术屋·2025-02-09 07:28

TensorFlow 与 PyTorch 的直观区别

背景TensorFlow与PyTorch都是比较流行的深度学习框架。tf由谷歌在2015年发布，而PyTorch则是FacecbookAI研究团队2016年在原来Torch的基础上发布的。
Cacciatore->·2025-02-09 06:54

PyTorch深度学习实战（37）——CycleGAN详解与实现

PyTorch深度学习实战（37）——CycleGAN详解与实现0.前言1.CycleGAN基本原理2.CycleGAN模型分析3.实现CycleGAN小结系列链接0.前言CycleGAN是一种用于图像转换的生成对抗网络
盼小辉丶·2025-02-09 06:50

RabbitMQ技术深度解析：打造高效消息传递系统

引言在当前的分布式系统架构中，消息队列作为一种高效的消息传递机制，扮演着越来越重要的角色。RabbitMQ，作为广泛使用的开源消息代理，以其高可用性、扩展性和灵活性赢得了众多开发者的青睐。本文将深入探讨RabbitMQ的核心概念、高级功能以及实战应用，帮助读者更好地理解并掌握这一强大的消息队列系统。RabbitMQ核心概念1.Exchange（交换机）Exchange是RabbitMQ的核心组件之
lozhyf·2025-02-09 05:17

深入探索TTS：一个强大的深度学习文本转语音工具包

TTS简介：开源的文本转语音利器TTS(Text-to-Speech)是由Coqui.ai开发的一个开源深度学习文本转语音工具包。
Nifc666·2025-02-09 04:34

【学习记录】使用高德地图API开发一个简单基础的WebGIS系统(GIS考研院校专题地图网站)

文章目录0.前言1.功能设计2.数据处理3.项目结构4.功能实现4.1.初始化4.2.地图基础功能模块4.2.1.放大缩小功能,图层管理功能4.2.2.地图测量功能,几何绘制功能4.3.导航规划功能模块4.4.POI检索功能模块4.5.专题数据加载5.总结0.前言本人只是一个普普通通的GIS学生,下面是记录我的写的一个作业demo的内容,可能会存在一定的错误,欢迎在评论区\私信交流!*完整功能展示
Simon_Fitz·2025-02-09 04:31

win32汇编环境,窗口程序中自定义工具栏的使用示例四

需留意所需图标的规格，下例中为128*128像素，位深度为32位,这样的清晰度高点。;直接抄进RadAsm可编译运行。重要部分加备注。
一品人家·2025-02-09 02:20

深度学习（四）：深度生成模型DGM

深度系列主要为我在国科大研一期间，在《深度学习》课程中所学知识概述，根据PPT制作思维导图，及其课后补充知识-----------------------------------------------
想养一只哈士奇·2025-02-09 01:42

什么是FP8混合精度?

FP8混合精度是一种在深度学习训练中使用8位浮点数（FP8）格式的混合精度训练技术，旨在通过降低数据精度来提升计算效率、减少内存占用和降低训练成本，同时尽量保持模型的性能和准确性。
魔王阿卡纳兹·2025-02-09 01:11

OpenAI & Google 强势回应 DeepSeek！最新AI模型免费开放，谁更胜一筹？

与全球数同行一同，从行业内部的深度分析和实用指南中受益。不要错过这个机会，成为AI领域的领跑者。点击订阅，与未来同行！
新加坡内哥谈技术·2025-02-08 23:30

DQN深度强化学习：CartPole倒立摆任务（完整代码）

DQN（DeepQ-Network，深度Q网络）是Q-Learning的深度学习扩展，通过神经网络替代Q表的方式来解决高维状态空间问题（例如图像输入），开启了深度强化学习时代。它在2013年由Dee
林泽毅·2025-02-08 21:45

Vue3中watch和watchEffect的使用场景和区别

watch场景一：监听单个或多个特定数据的变化并执行副作用场景二：监听多个数据源watchEffect场景一：自动追踪依赖并执行副作用场景二：初始化时立即执行副作用区别监听方式回调触发时机响应式数据追踪方式深度监听减少
zhanggongzichu·2025-02-08 20:42

深度学习之DCGAN算法深度解析

DCGAN（DeepConvolutionalGenerativeAdversarialNetworks）算法解析1.DCGAN算法由来DCGAN（深度卷积生成对抗网络）是IanGoodfellow在2014
贾斯汀玛尔斯·2025-02-08 20:08

撰写文献必用的评价指标之普通表格

深度学习文献撰写之普通表格文章目录深度学习文献撰写之普通表格前言一、普通表格总结前言用来撰写深度学习之智慧医疗领域的SIC文献必备一、普通表格表格需要自己设计，其中可以包含各种模型，后面对应各种评价指标
小辉同志·2025-02-08 20:37

Deepseek成功启示：从 TRPO 到 GRPO训练LLM

DeepSeek（DeepSeek-V3深度剖析：下一代AI模型的全面解读）最近在AI社区引起了不小的轰动，这要归功于它以相对较低的成本提供令人印象深刻的性能。
大模型之路·2025-02-08 20:03

大数据集群Spark-on-Yarn+Paddle深度学习模型部署

背景：因数据量较大，想要将模型部署到大数据集群上进行计算。测试环境：Spark版本：2.4.0Python版本：2.6.XPaddlePaddle版本：2.4.2处理器：CPU过程记录:1.python运行环境准备本人使用Anaconda管理虚拟环境。关于虚拟环境的准备：模型需要什么第三方库就安装哪些库，最后可以使用conda-pack打包虚拟环境。1.1conda-pack打包记录在虚拟环境里下
jqtree·2025-02-08 19:32

多厂商宣布接入DeepSeek，迅易科技能帮助客户按需实现数智化革新

依托深厚的行业积累和技术实力，迅易科技与国内外知名生态伙伴展开深度合作，致力于打造多样化的场景解决方
·2025-02-08 19:59

多厂商宣布接入DeepSeek，迅易科技能帮助客户按需实现数智化革新

依托深厚的行业积累和技术实力，迅易科技与国内外知名生态伙伴展开深度合作，致力于打造多样化的场景解决方
·2025-02-08 19:58

百度安全获得中国信通院深度伪造视频检测服务评估优秀级

近年来深度合成技术迅猛发展的背后，“真实”和“虚假”的界限愈发难以分辨，技术滥用和恶意应用已经引发了一系列风险。
·2025-02-08 19:55

深度解析 DeepSeek 的蒸馏技术

转自微信公众号，https://mp.weixin.qq.com/s/pvx4nYeBcfmMVRBCdvP9Yw如有侵权，请联系删除。DeepSeek蒸馏技术概述1.1蒸馏技术定义与原理图片模型蒸馏（KnowledgeDistillation）是一种将大型复杂模型（教师模型）的知识迁移到小型高效模型（学生模型）的技术。其核心目标是在保持模型性能的同时，显著降低模型的计算复杂度和存储需求，使其更适
海持Alvin·2025-02-08 15:04

智能制造碳中和实战：基于深度学习的工业碳足迹实时监测与优化系统全解析

深度解析AI驱动的工业能耗智能管控体系——基于生产过程碳足迹实时监测的完整实战引言：智能制造的绿色革命在"双碳"目标驱动下，我国制造业正面临前所未有的能效升级挑战。
Coderabo·2025-02-08 15:32

深度学习的一些方向

深度学习的一些方向目录深度学习的一些方向一、多模态1.特征提取（featureextraction)2.文本转图像3.可视化问题回答二、计算机视觉1.深度估计（depthestimation)2.图像分类
xinpao·2025-02-08 15:32

【深度学习】L1损失、L2损失、L1正则化、L2正则化

文章目录1.L1损失（L1Loss）2.L2损失（L2Loss）3.L1正则化（L1Regularization）4.L2正则化（L2Regularization）5.总结5.1为什么L1正则化会产生稀疏解L2正则化会让权重变小L1损失、L2损失、L1正则化、L2正则化是机器学习中常用的损失函数和正则化技术，它们在优化过程中起着至关重要的作用。它们的作用分别在于如何计算模型误差和如何控制模型的复杂
小小小小祥·2025-02-08 15:31

李沐深度学习-多层感知机简洁实现

importtorchimportnumpyasnpimporttorch.nnasnnfromtorch.nnimportinitimporttorchvision.transformsastransformsimporttorch.utils.dataasDataimportsyssys.path.append("路径")importd2lzh_pytorchasd2lnum_inputs,n
大小猫吃猫饼干·2025-02-08 15:31

深度剖析 DNS 劫持

在互联网时代，我们每天都在通过浏览器访问各种网站，获取信息、进行社交、购物娱乐等。然而，在这看似便捷的网络交互背后，却隐藏着一种威胁——DNS劫持。DNS劫持就像一个隐形的“网络小偷”，悄然改变着我们的网络访问路径，带来诸多危害。那么，究竟什么是DNS劫持？它为何会出现？又有哪些实际案例和常见场景？我们该如何解决这一问题呢？想要深入了解这些，我们首先需要清楚DNS解析过程。一、DNS解析过程当我们
·2025-02-08 14:49

DeepSeek：知识图谱与大模型参数化知识融合的创新架构

大模型，凭借其在海量数据上的深度训练，拥有强大的语言理解与生成能力，能够处理多种自然语言处理任务，如文本生成、问答系统、机器翻译等，像GPT系列模型，一经推出便在全球范围内引起了广泛关注，展示了大模型在语言处理方面的卓越能力
·2025-02-08 14:49

日拱一卒（20）——leetcode学习记录：大小为 K 且平均值大于等于阈值的子数组数目

一、题目给定数组，统计数组中长度为k的子数组且该子数组的平均值大于threshold的数量二、思路滑动窗思路，计算长度为k的滑动窗的平均值，关键点在于，每滑动一次，只需要去掉头增加尾，而不需要重新全部计算，进而将计算量从O(n*k)降低为O(n)三、题解classSolution:defnumOfSubarrays(self,arr,k,threshold):curr=sum(arr[:k])n=
特立独行的Q·2025-02-08 14:00

8648 图的深度遍历

SCAU数据结构OJ第六章文章目录8648图的深度遍历8648图的深度遍历代码如下：#include"string.h"#include"malloc.h"/*malloc()等*/#include"stdio.h
软工在逃男大学生·2025-02-08 14:58

PyTorch深度学习实战（42）——图像字幕生成

PyTorch深度学习实战（42）——图像字幕生成0.前言1.图像字幕1.1基本概念1.2模型分析1.3数据集分析2.图像字幕生成模型小结系列链接0.前言图像字幕生成(Imagecaptioning)模型是一种将图像与对应描述文字关联起来的神经网络模型
盼小辉丶·2025-02-08 14:57

云原生时代的性能守护者：Java应用全链路性能监控深度解析

在当今快速发展的云计算环境中，构建高效稳定的微服务架构已成为企业竞争力的关键因素之一。然而，随着系统复杂度的增加，如何确保各个组件之间的高效协作并及时发现潜在问题成为了新的挑战。特别是在云原生（CloudNative）背景下，传统意义上的单体应用被分解成众多独立部署的服务单元，这就要求我们具备更加精细和全面的性能监控能力。今天，我们将深入探讨适用于Java云原生开发工具链的性能监控策略，并通过详尽
墨夶·2025-02-08 14:56

自学黑客（网络安全），一般人我劝你还是算了吧

基于入门网络安全/黑客打造的：黑客&网络安全入门&进阶学习资源包文章讲述了自学网络安全时常见的误区，如先学编程、过度追求深度学习以及收集过多资料，并提供了前期学习的硬件、软件选择建议，强调了基础编程知识和英文能力的重要性
网安周星星·2025-02-08 14:26

数字产品全生命周期管理的深度解析

1.数字产品发展背景在当今数字经济背景下，企业需要将IT和业务的管理整合，以实现更高的效率和竞争力。本次课程旨在探讨数字产品管理的核心概念和全生命周期管理方法，为专业人士提供全面的视角。随着技术的快速发展，企业逐渐认识到仅仅依靠传统的IT服务管理已不足以应对市场的变化和用户需求的提升。数字产品的管理方式不仅提高了企业的运营效率，更在市场竞争中占据了优势地位。通过引入数字产品管理，企业能够更好地协调
AZone架构院·2025-02-08 14:26

【C++指南】C++内存管理 深度解析

博客主页：倔强的石头的CSDN主页Gitee主页：倔强的石头的gitee主页⏩文章专栏：《C++指南》期待您的关注目录引言一、C++内存管理概述二、C++内存区域划分三、C++内存管理方式1.自动内存管理（栈内存）2.静态内存管理（全局和静态变量）3.动态内存管理（堆内存）四、C++动态内存管理方式1.new和delete的用法2.使用new和delete的注意事项3.new、delete与mal
倔强的石头_·2025-02-08 14:56

双深位重型货架的特点

与单深位货架相比，它的存储深度增加了一倍，
·2025-02-08 14:42

DEEPSEKK GPT等AI体的出现如何重构工厂数字化架构：从设备控制到ERP MES系统的全面优化

随着深度学习（DeepSeek）、GPT等先进AI技术的出现，工厂的数字化架构正在经历前所未有的变革。
有续技术·2025-02-08 14:25

【深度学习】不同领域中对于token的理解

在计算机科学中，“Token”这个术语通常指一串字符或符号在安全领域，它常常指代密钥或访问令牌在自然语言处理（NLP）中，Token通常是文本处理的最小单元，可能是一个单词、词组，或者一个符号如何理解token？假设要让AI识别一句话："Ilovenaturallanguageprocessing!"对于机器来说，它并不会直接理解这句话的含义，而是需要先将这句话拆解成一个个Token单元进行处理。
小小小小祥·2025-02-08 14:55

【DeepSeek】DeepSeek小模型蒸馏与本地部署深度解析DeepSeek小模型蒸馏与本地部署深度解析

一、引言与背景在人工智能领域，大型语言模型（LLM）如DeepSeek以其卓越的自然语言理解和生成能力，推动了众多应用场景的发展。然而，大型模型的高昂计算和存储成本，以及潜在的数据隐私风险，限制了其在某些场景下的应用。为了克服这些挑战，DeepSeek引入了知识蒸馏技术，通过将大型模型的知识转移到小型模型中，实现了模型的轻量化。本文将深入探讨DeepSeek小模型蒸馏的原理，并提供详细的本地部署步
后端研发Marion·2025-02-08 14:24

深度解析：网站快速收录与用户体验的关系

本文转自：百万收录网原文链接：https://www.baiwanshoulu.com/76.html网站快速收录与用户体验之间存在着密切的关系，这种关系可以从多个维度进行深入解析。一、网站快速收录对用户体验的影响提高网站可见度：网站被搜索引擎快速收录后，会在搜索结果中展示给用户，从而提高了网站的可见度。用户更容易找到网站，进而访问和获取所需信息。提升用户信任度：搜索引擎通常会将高质量、有价值的网
百度网站快速收录·2025-02-08 13:16

第五节《VTK 点与网格模型求交处理技巧》

我基于VTK提供的算法总结了3种点与网格求交计算的方法，第一种vtkOBBTree直线与网格求交计算；第二种局部网格直线求交计算；第三种基于深度缓存求交计算；第一种vtkOBBTree直线与网格求交计算
《雨声》·2025-02-08 12:45

2025自学黑客（网络安全），一般人学不来

目录：一、自学网络安全学习的误区和陷阱1.不要试图先成为一名程序员（以编程为基础的学习）再开始学习2.不要把深度学习作为入门第一课3.不要收集过多的资料二、学习网络安全的一些前期准备1.硬件选择2.软件选择
程序员羊羊·2025-02-08 12:10

神经网络压缩实验-Deep-compression

首发于个人博客，结合论文阅读笔记更佳实验准备基础网络搭建为了实现神经网络的deepcompression，首先要训练一个深度神经网络，为了方便实现，这里实现一个两层卷积+两层MLP的神经网络classnet
无用技术研究所·2025-02-08 11:06
上一页 5 6 7 8 9 10 11 12 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他