深度学习过程

Cursor 与多语言开发：全栈开发的利器

Cursor作为一款AI驱动的智能编程助手，凭借其对20+编程语言和主流框架的深度支持，正在成为全栈开发的“瑞士军刀”。
drebander·2025-02-04 23:16

电影《哪吒之魔童闹海》迅雷百度云完整下载资源[MP4／1.12GB／2.35GB]高清版画质[HD720p中字]

作为《哪吒之魔童降世》的续集，这部电影不仅延续了前作的精彩剧情和独特风格，还在视觉效果、角色塑造和主题深度上进行了全面升级。
·2025-02-04 22:09

[Windows] DeepSeek R1 本地部署 web-ui 可以断网

它现在不但比OpenAI开放，也比它有活力它的功能堪称全能，日常写作、翻译、问答轻松拿捏，独特的“深度思考”模式加上联网搜索，在编程、解题、文献解读等复杂任务里也游刃有余
私人珍藏库·2025-02-04 21:35

Redis数据类型深掘：如何有效使用List，Set和Sorted Set

List（列表）List数据类型的深度解析定义复习Redis的List数据类型是一个字符串的序列集合，这些字符串按照插入的顺序进行排序。
哎 你看·2025-02-04 20:29

《AI赋能行业实战：‌揭秘企业数字化转型最佳实践，‌落地案例深度解析！‌》 ---- 总目录

文章大纲金融行业落地实践浅析基于PySpark进行信用卡评分--实战案例迁移学习小样本金融风控生物信息识别大健康行业落地实践浅析传统行业深度融合升级如何深度参与创业？
shiter·2025-02-04 20:58

DeepSeek R1重塑行业标准：BIM智能审查效率提升300%的实战解密

DeepSeekR1驱动的BIM模型智能审查技术深度解析与实践指南第一章BIM智能审查技术概述建筑信息模型（BIM）的智能化审查是建筑行业数字化转型的核心环节。
Coderabo·2025-02-04 20:55

DeepSeek R1赋能智能建造：施工安全风险预判系统全栈开发实战与创新解析

DeepSeekR1智能分析系统通过融合计算机视觉、物联网传感技术和深度学习算法，构建了多维度的风险预警体系。本系统具备以下核心功能：实时视频监控分析（安全装备检测、危险区域入侵识别）设备状态
Coderabo·2025-02-04 20:55

基于深度学习的政策效果仿真推演：实现智能化决策支持

政策效果仿真推演：基于DeepSeekR1的人工智能驱动决策支持系统引言政策效果仿真推演是现代社会治理中不可或缺的重要环节。通过模拟不同政策在实际执行过程中可能产生的各种影响，政府和相关机构可以更科学地制定和调整政策，从而提高治理效率和效果。然而，传统的政策仿真方法往往依赖于大量的历史数据、复杂的数学模型以及人工经验判断，存在耗时长、成本高、结果不够精准等问题。近年来，随着人工智能技术的快速发展，
Coderabo·2025-02-04 19:22

Intel 与 Yocto 项目的深度融合：全面解析与平台对比

在嵌入式Linux领域，Yocto项目已成为构建定制化Linux发行版的事实标准，广泛应用于不同架构的SoC平台。Intel作为x86架构的领导者，在Yocto生态中投入了大量资源，为其嵌入式处理器、FPGA和AI加速硬件提供了完整的支持。本文将详细介绍Intel如何在Yocto项目中构建、优化和维护其嵌入式Linux解决方案，并与其他芯片平台（如NXP、AMD、RaspberryPi）进行对比，
嵌入式Jerry·2025-02-04 19:52

深度学习｜表示学习｜卷积神经网络｜输出维度公式｜15

如是我闻：在卷积和池化操作中，计算输出维度的公式是关键，它们分别可以帮助我们计算卷积操作和池化操作后的输出大小。下面分别总结公式，并结合解释它们的意义：1.卷积操作的输出维度公式当我们对输入图像进行卷积时，输出的宽度和高度可以通过以下公式计算：输出大小=输入大小−卷积核大小+2⋅填充大小步长+1\text{输出大小}=\frac{\text{输入大小}-\text{卷积核大小}+2\cdot\te
漂亮_大男孩·2025-02-04 19:52

深度学习｜表示学习｜卷积神经网络｜输出维度公式如何理解？｜16

如是我闻：当我们对输入图像进行卷积时，输出的宽度和高度可以通过以下公式计算：输出大小=输入大小−卷积核大小+2⋅填充大小步长+1\text{输出大小}=\frac{\text{输入大小}-\text{卷积核大小}+2\cdot\text{填充大小}}{\text{步长}}+1输出大小=步长输入大小−卷积核大小+2⋅填充大小+1池化（Pooling）的输出大小公式类似卷积，但更加简单：输出大小=输入
漂亮_大男孩·2025-02-04 19:21

pytorch中深度拷贝_PyTorch中的拷贝与就地操作详解

前言PyTroch中我们经常使用到Numpy进行数据的处理，然后再转为Tensor，但是关系到数据的更改时我们要注意方法是否是共享地址，这关系到整个网络的更新。本篇就In-palce操作，拷贝操作中的注意点进行总结。In-place操作pytorch中原地操作的后缀为_，如.add_()或.scatter_()，就地操作是直接更改给定Tensor的内容而不进行复制的操作，即不会为变量分配新的内存。
weixin_39906130·2025-02-04 19:51

PyTorch中的In-place操作是什么？为什么要避免使用这种操作？

如今的高级深度神经网络拥有数百万个可训练参数，训练它们通常会导致GPU内存耗尽。
小白学视觉·2025-02-04 19:49

深度学习-98-大语言模型LLM之基于langchain的代理create_react_agent工具

文章目录1Agent代理1.1代理的分类1.2ReAct和Structuredchat2代理应用ReAct2.1创建工具2.1.1嵌入模型2.1.2创建检索器2.1.3测试检索结果2.1.4创建工具列表2.2初始化大模型2.3创建Agent2.4运行Agent3参考附录1Agent代理Agent代理的核心思想是使用语言模型来选择要采取的一系列动作。(1)在链中，动作序列是硬编码的。(2)在代理中，
皮皮冰燃·2025-02-04 18:46

2025-0204学习记录5——【论文】修改论文的随笔

好久没记录学习过程了...正准备写博客呢，发现草稿里有一篇1.11写的，当时在忙着写毕设的开题报告，唉，说来惭愧，开题报告也是随便写了写，Z导提了很多建议，但ddl迫在眉睫，无奈最终草草了事（毕业设计一定要好好干
阿楠今天学GEE了吗·2025-02-04 18:14

《深度揭秘LDA：开启人工智能降维与分类优化的大门》

在当今人工智能蓬勃发展的时代，数据成为了驱动技术进步的核心要素。随着数据采集和存储技术的飞速发展，我们所面临的数据量不仅日益庞大，其维度也愈发复杂。高维数据虽然蕴含着丰富的信息，但却给机器学习算法带来了一系列严峻的挑战，这便是著名的“维度诅咒”。在众多应对这一难题的技术中，线性判别分析（LDA）脱颖而出，作为一种强大的监督学习降维方法，它在提升分类性能方面发挥着关键作用。一、LDA：核心原理大起底
·2025-02-04 18:03

03 掌握Docker核心架构：镜像、仓库、容器及运行管理的深度解析

文章目录03掌握Docker核心架构：镜像、仓库、容器及运行管理的深度解析一概述1.1镜像1.2镜像仓库1.3容器二、镜像及镜像仓库2.1本地镜像仓库2.2镜像仓库简介2.3使用远端仓库2.3.1从远端镜像仓库拉取
superman超哥·2025-02-04 18:39

基于 FPGA 的 CNN 卷积神经网络整体实现

基于FPGA的CNN卷积神经网络整体实现介绍卷积神经网络（CNN）是一种强大的深度学习架构，广泛用于图像识别、物体检测和自然语言处理等领域。
鱼弦·2025-02-04 18:37

与孙正义对话，Sam Altman正面回应DeepSeek：“OpenAI投入多少，AI智能就有多强“（附视频）

与孙正义对话，SamAltman正面回应DeepSeek："OpenAI投入多少，AI智能就有多强"（附视频）AI工作坊AI深度研究员2025年02月04日00:03全文12,000字|阅读约42分钟，
AI生成曾小健·2025-02-04 17:34

【大模型应用开发 动手做AI Agent】第二轮思考：模型决定计算

【大模型应用开发动手做AIAgent】第二轮思考：模型决定计算关键词：大模型，AIAgent，模型决定计算，模型优化，计算优化，硬件加速，效率提升1.背景介绍随着深度学习技术的飞速发展，大模型在自然语言处理
AGI大模型与大数据研究院·2025-02-04 16:30

AI Agent: AI的下一个风口 具身机器人的发展趋势

AIAgent:AI的下一个风口——具身机器人的发展趋势1.背景介绍1.1问题的由来随着人工智能技术的快速发展，特别是深度学习的突破性进展，我们正目睹着从“智慧大脑”向“具身智能”的转变。
AGI大模型与大数据研究院·2025-02-04 16:30

2025年最新最全的大模型学习路线规划，对于零基础入门到精通的学习者来说，可以遵循以下阶段进行

同时，了解常用的深度学习框架，如TensorFlow和PyTorch。深度学习基础：学习深度学习的基本原理和常用算法，
程序员辣条·2025-02-04 16:57

什么是大模型？大模型从入门到精通（超详细）看这一篇就够了！！！

大模型（LargeModels），通常指的是拥有大量参数的深度学习模型。这些模型由于其规模庞大，能够捕捉到数据中的复杂模式，因此在自然语言处理（NLP）、计算机
AI产品经理·2025-02-04 15:51

超级好用、超准文字识别框架----飞浆PaddlePaddleOCR（文件检测+识别）实战篇

目录简介项目介绍安装难点问题解决办法参数介绍模型推理调用简介飞桨（PaddlePaddle）OCR（OpticalCharacterRecognition）是一个开源的深度学习框架，用于文字识别任务。
数虫·2025-02-04 14:46

蓝桥杯备考——算法

一、排序冒泡排序、选择排序、插入排序、快速排序、归并排序、桶排序二、枚举三、二分查找与二分答案四、搜索（DFS）DFS（DFS基础、回溯、剪枝、记忆化）1.DFS算法（深度优先搜索算法）深度优先搜索（DFS
糖醋排骨xp·2025-02-04 14:16

基于Python实现机器视觉与深度学习相结合的项目

以下是一个基于Python实现机器视觉与深度学习相结合的项目，用于对茶汤照片进行背景处理、提取RGB值的详细步骤及代码示例。
max500600·2025-02-04 14:45

RabbitMQ深度探索：死信队列

死信队列产生背景：RabbitMQ死信队列俗称备胎队列：消息中间件因为某种原因拒收该消息后，可以转移到私信队列中存放，死信队列也可以有交换机和路由key等生产死信队列的原因：消息投递到MQ存放，消息已经过期，消费者没有及时获取到我们的消息，消息如果存放到MQ服务器中过期之后，会转移到备胎死信队列存放多列达到最大长度(队列已满)消费者消费多次消息失败，就会转义到私信队列中案例：配置类：@Compon
苏-言·2025-02-04 14:42

RabbitMQ深度探索：SpringBoot 整合 RabbitMQ

需创建复合项目父工程Maven依赖：org.springframework.bootspring-boot-starter-parent2.0.0.RELEASEcom.qcbyspringboot-rabbitmqpomproducersms-consumer1.0-SNAPSHOTjunitjunit3.8.1testorg.springframework.bootspring-boot-st
苏-言·2025-02-04 14:12

机器学习在网络安全领域的深度探索与实践

机器学习技术通过模拟人类的学习过程，能够从历史数据中自适应地
noVonN·2025-02-04 14:40

编程AI深度实战：使用 tree sitter 构建更好的代码库地图

系列文章：编程AI深度实战：私有模型deepseekr1，必会ollama-CSDN博客编程AI深度实战：自己的AI，必会LangChain-CSDN博客编程AI深度实战：给vim装上AI-CSDN博客编程
relis·2025-02-04 14:09

编程AI深度实战：让verilog不再是 AI 的小众语言

系列文章：编程AI深度实战：私有模型deepseekr1，必会ollama-CSDN博客编程AI深度实战：自己的AI，必会LangChain-CSDN博客编程AI深度实战：给vim装上AI-CSDN博客编程
relis·2025-02-04 14:08

编程AI深度实战：给vim装上AI

系列文章：编程AI深度实战：私有模型deepseekr1，必会ollama-CSDN博客编程AI深度实战：自己的AI，必会LangChain-CSDN博客编程AI深度实战：给vim装上AI-CSDN博客编程
relis·2025-02-04 13:33

落地 dnn对象检测

"C:\opencv\opencv\sources\samples\dnn\models.yml"下载opencv的深度模型框架，例如caffe，copyMobileNetSSD_deploy.prototxt
没学上了·2025-02-04 13:32

node.js毕设NBA周边商城论文+程序

在国外，虽然体育商业发展较为成熟，但对于NBA周边商城在数字化、用户体验优化等方面的深度研究也存在不足。在国内，随着NBA的影响力不断扩大，球迷群体日益庞大，周边商
月影_计算机毕设·2025-02-04 13:02

毕设开源 深度学习图像搜索算法-图像搜索引擎(源码分享)

文章目录0简介1前言2图像检索介绍(1)无监督图像检索(2)有监督图像检索3图像检索步骤4应用实例最后0简介今天学长向大家分享一个毕业设计项目毕业设计深度学习图像搜索算法-图像搜索引擎(源码分享)项目运行效果
knooor·2025-02-04 12:28

【漫话机器学习系列】079.超参数调优（Hyperparameter Tuning）

1.超参数的定义超参数是控制学习过程的外部参数，不同于模型参数（例如权重和偏置），超参数不通过训练过程自动优化。常见的超参数包括：学习
IT古董·2025-02-04 11:44

双指针算法深度解析

双指针算法简介双指针是一种常用的算法技巧，它通过使用两个指针在数据结构上进行操作，通常用来优化时间复杂度，解决数组或链表中的一些特定问题。双指针技巧一般用于“有序”数据结构（如排序后的数组或链表），但也可以扩展到一些特殊的无序问题。双指针的基本思想双指针算法通过两个指针同时遍历数组或链表，指针之间根据特定规则相互移动，从而达到解决问题的目的。双指针的经典应用场景包括：寻找两数之和（例如给定一个有序
某个默默无闻奋斗的人·2025-02-04 11:13

深度优先搜索（DFS)

深度优先搜索（DFS）：Java实现与原理解析深度优先搜索（Depth-FirstSearch，简称DFS）是一种用于遍历或搜索树或图的算法。
某个默默无闻奋斗的人·2025-02-04 11:43

全场景深度学习开源框架（MindSpore）

MindSpore是华为推出的一款全场景深度学习开源框架。旨在实现不同计算平台（如云端、边缘端、端侧）和不同硬件（如CPU、GPU、Ascend等）之间的高效协同。
deepdata_cn·2025-02-04 11:41

AI学习指南HuggingFace篇-高级优化技巧

一、引言在深度学习和自然语言处理（NLP）中，模型训练的效率和性能至关重要。HuggingFace提供了多种高级优化技巧，帮助开发者提升模型训练的效率和效果。
俞兆鹏·2025-02-04 10:35

零信任赋予安全牙齿，AI促使它更锋利

之后的几年各种视觉识别遍地开花，AI四小龙在人脸识别上成熟应用，再然后到大热的机器学习、深度学习，对于AI一直都有关注，但商业价值均没有得到有效发挥，大部分都停在科研和实验室阶段。
零信任Enlink_Young·2025-02-04 09:01

Geek Uninstaller——好用的软件卸载工具

它能够在卸载程序后进行深度和快速扫描，彻底删除所有剩余文件和注册表项，帮助您的电脑保持整洁和高效运行。软件特点深度扫描：
小马不是哥哥·2025-02-04 09:31

跨越网络边界：IPv6与零信任架构的深度融合

2024年，工信部发布了《关于开展“网络去NAT”专项工作进一步深化IPv6部署应用的通知》，加速了国内网络由IPv4向IPv6的转型步伐。未来，各行各业将逐步去NAT，逐步向IPv6迁移。在此过程中，网络安全解决方案和产品能力将面临新的挑战，需要根据IPv6环境进行针对性的调整。在当前的网络环境中，随着远程办公、物联网（IoT）和云计算的普及，企业网络边界逐渐模糊，传统的边界安全模型越来越难以应
零信任Enlink_Young·2025-02-04 09:30

PyTorch动态计算图:如何灵活构建复杂模型

PyTorch动态计算图:如何灵活构建复杂模型关键词：PyTorch、动态计算图、自动微分、反向传播、神经网络、模型构建、计算图优化文章目录PyTorch动态计算图:如何灵活构建复杂模型1.背景介绍1.1深度学习框架的发展
AI天才研究院·2025-02-04 07:47

深度学习框架PyTorch原理与实践

作者：禅与计算机程序设计艺术文章目录1.简介2.背景介绍3.基本概念和术语3.1PyTorch简介3.2PyTorch的特点1）自动求导机制2）GPU加速3）模型部署4）数据管道5）代码阅读友好4.核心算法原理4.1神经网络结构4.2神经网络层4.3激活函数5.实际案例——MNIST手写数字识别数据准备模型定义训练测试整体代码1.简介Deeplearning(DL)hasbeenanincreas
AI天才研究院·2025-02-04 07:47

自动驾驶系列—深度剖析自动驾驶芯片SoC架构：选型指南与应用实战

在这里，我们不仅分享代码的智慧，还探讨技术的深度与广度。无论您是资深开发者还是技术新手，这里都有一片属于您的天空。让我们在知识的海洋中一起航行，共同成长，探索技术的无限可能。
学步_技术·2025-02-04 07:40

Apache HttpClient源码深度解析

本文还有配套的精品资源，点击获取简介：HttpClient是一个开源HTTP客户端库，由Apache基金会开发，广泛用于Java应用程序中进行HTTP通信。本源码包包括了核心组件，如HttpClient、HttpCore、HttpRequestExecutor等，支持HTTPS、代理、Cookie管理、重试策略等丰富功能。本文旨在详细介绍HttpClient的主要组件和使用方法，包括构建HttpC
张锦云·2025-02-04 07:39

开源模型应用落地-DeepSeek-R1-Distill-Qwen-7B与vllm实现推理加速的正确姿势（一）

一、前言在当今人工智能技术迅猛发展的时代，各类人工智能模型如雨后春笋般不断涌现，其性能的优劣直接影响着应用的广度与深度。
开源技术探险家·2025-02-04 05:54

python中keras_Python深度学习——keras（一）

大多数深度学习，都是将若干个简单的层给链接起来，实现渐进式的数据过滤，也就是数据蒸馏(过滤到一定程度就等同于蒸馏)首先来看一个数字识别的案例(1)读取训练集和测试集fromkeras.datasetsimportmnist
weixin_39534321·2025-02-04 04:48

OpenAI发布"深度研究"AI助手：开启复杂问题分析新纪元

这项新功能被恰如其分地命名为"深度研究"（deepresearch）。
·2025-02-04 03:49
上一页 12 13 14 15 16 17 18 19 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他