轻量级深度卷积神经网络模型第8页

有哪些有效的算法和模型

炒股自动化：申请官方API接口，散户也可以python炒股自动化（0），申请券商API接口python炒股自动化（1），量化交易接口区别Python炒股自动化（2）：获取股票实时数据和历史数据Python炒股自动化（3）：分析取回的实时数据和历史数据Python炒股自动化（4）：通过接口向交易所发送订单Python炒股自动化（5）：通过接口查询订单，查询账户资产股票量化，Python炒股，CSDN

财云量化·2025-03-25 12:06

Python预测股票市场的未来价格及成交量（最最最基础版）

什么LSTM（当时模型误差训练出来只有5%的错误率，确实不错了）RNN，我在写的时候，直接炸裂，根本不会啊！直接上最基础的线性回归算法，对训练集和测试集的数据进行比

DHC丶·2025-03-25 11:33

AutoGluon快速上手

我叫不三不四，很高兴见到大家，欢迎一起学习交流和进步今天来讲一讲机器学习包AutoGluon简介：AutoGluon提供了多种模型来处理不同类型的数据和任务，是由亚马逊AWS团队开发的一款开源AutoML

不三不四୭·2025-03-25 11:03

一文带你理解DDD邻域驱动设计

通过定义领域模型，从而确定业务和应用的边界，保证业务模型和代码模型的一致因为DDD主要应用在微服务架构场景，所以想要更好的理解DDD的概念，需要结合微服务架构来看:微服务的拆分一直是业界的一个难题:微服务拆分的粒度应该多大

空说·2025-03-25 11:32

在我的电脑上构建ollama+deepseek-r1-7b运行环境；

这里写自定义目录标题一、环境准备（20分钟）1.1系统要求1.2基础依赖安装二、Ollama安装配置Windows（PowerShell管理员模式）三、DeepSeek模型部署3.1下载模型文件3.2创建

可克·2025-03-25 11:00

4.Vue 更新机制深度解析与性能优化

一、典型场景性能问题分析1.1倒计时组件性能隐患让我们从一个简单的倒计时组件入手，分析潜在的性能问题。以下是代码示例：{{other}}{{timer}}import{ref}from'vue'letother='hello'//非响应式变量consttimer=ref(200)//响应式变量setInterval(()=>{timer.value--//每秒修改timer值},1000)//3秒

_gxy·2025-03-25 10:00

AI产品经理=大模型产品经理

一：多看行业资讯网站或者公众号转行AIGC必看的网站/公主号：新智元：AI深度文章；机器之心：行业资讯、ai干货、新产品；量子位：公关PR稿；行业

AI大模型-大飞·2025-03-25 10:59

R²AIN SUITE 亮相中国制造业&新能源数智峰会

这款基于大模型的智能提效平台，在峰会现场引发多家制造业公司技术决策者的高度关注。R²AINSUITE深度契合制造业数字化升级的核心诉求，专为采购计划

Vteam画简科技·2025-03-25 10:54

Unity引擎架构介绍及代码示例

一、Unity引擎架构概述Unity引擎的架构可以分为以下几个主要部分：1.核心模块：渲染系统：负责将3D模型、材质、光照等元素渲染到屏幕上。

NotOnlyCoding·2025-03-25 10:21

21.13 “零代码实战：ChatGLM3-6B+Gradio打造企业级翻译神器，本地部署秒级响应“

基于ChatGLM3-6B实现图形化界面的openai-translator关键词：ChatGLM3-6B应用开发,Gradio界面设计,多语言翻译系统,大模型微调,本地化部署一、项目背景与技术选型1.1

少林码僧·2025-03-25 10:20

AI一键草图生成3D模型：设计师的“3D草图本”来了！

你是否也曾幻想过，随手画几笔草图，就能瞬间生成一个栩栩如生的3D模型？现在，这个梦想已经成为现实！

花生糖@·2025-03-25 09:18

LangChain4j 与 LLM 代理（Agent）机制的深度结合

LangChain4j与LLM代理（Agent）机制的深度结合在大语言模型（LLM）的应用开发中，Agent（代理）是一个强大的概念，它可以使LLM不仅仅是一个简单的对话模型，而是能够动态决策、调用工具

小张学Ai·2025-03-25 09:18

AI开发：用模型来识别手写数字的完整教程含源码 - Python 机器学习

scikit-learn是一个强大的Python机器学习库，提供多种分类、回归、聚类算法，适用于从数据预处理到模型评估的全流程。它支持简单一致的API，适合快速构建和测试模型。

minstbe·2025-03-25 09:47

基于ISSA-CNN-BiGRU-SelfAttention多变量时序预测（多输入单输出）Matlab

基于ISSA-CNN-BiGRU-SelfAttention的多变量时序预测模型研究一、引言1.1研究背景与意义在当今信息化、数字化飞速发展的时代，多变量时序预测在诸多领域都发挥着至关重要的作用。

默默科研仔·2025-03-25 09:45

ai-by-hand-excel: 用 Excel 手搓各种 AI 算法和模型

GitHub：https://github.com/ImagineAILab/ai-by-hand-excel更多AI开源软件：发现分享好用的AI工具、AI开源软件、AI模型、AI变现-小众AI通过Excel

小众AI·2025-03-25 09:14

第三十三篇事实表深度设计原理：从数学基础到工业级实现的完整框架

目录一、数学原理深度解析1.1四元组模型详解1.2关系代数公式拆解1.3可加性类型辨析二、工业级设计规范2.1粒度控制矩阵详解2.2范式理论实践三、高级工程实践3.1SCD类型4实现详解3.2分布式存储设计四

随缘而动，随遇而安·2025-03-25 09:14

大模型推理能力的局限性

然而，尽管这些模型表现出色，它们在推理和理解复杂上下文方面仍然面临重大挑战。这些模型擅长识别并模仿训练数据中的模式，但当任务需要真正的理解和逻辑推理时，它们往往遇困。

·2025-03-25 08:13

椭圆曲线密码学（ECC）深度解析：原理、算法与工程实践

一、椭圆曲线密码学概述椭圆曲线密码学（EllipticCurveCryptography,ECC）作为现代非对称密码体系的核心技术，通过将传统离散对数问题（DLP）映射到代数曲线上的有理点群，构建了兼具高安全性和低计算开销的密码系统。相较于RSA算法，ECC在实现同等安全强度时密钥长度可缩减为1/6，这一特性使其在移动通信、物联网设备等资源受限场景中展现出显著优势。二、数学基础构建2.1椭圆曲线的

·2025-03-25 08:12

阿里微服务架构面试专题：springboot+springcloud+docker

服务之间采用轻量级的通信机制互相沟通（通常是基于HTTP的RESTfulAPI）。每个服务都围绕着具体业务进行构建，并且能够被独立地部署到生产环境、类生产环境等。

java码农之路1·2025-03-25 08:43

基础算法篇(2)(蓝桥杯常考点)

刃神太酷啦·2025-03-25 08:12

Spring AI Alibaba快速使用

但是，SpringAI不支持获取接入国内的大部分常见模型的，比如文心一言、通义千问等。所以，对于国内开发者来说，能够正常使用（不需要魔法）SpringAI就是刚需了，即

Charge8·2025-03-25 08:41

YOLO编程：开启计算机视觉的神奇之门

、YOLO的独特优势（一）速度为王（二）精度可靠（三）部署便捷四、YOLO的工作流程揭秘（一）图像分割与网格划分（二）目标预测与数据输出（三）结果筛选与最终确定五、YOLO编程实践（一）准备工作（二）模型训练

大雨淅淅·2025-03-25 07:37

Spring AI Alibaba ChatClient使用

简介ChatClient：https://java2ai.com/docs/1.0.0-M5.1/tutorials/chat-client/1、ChatClient简介ChatClient提供了与AI模型通信的

Charge8·2025-03-25 07:07

Tensorflow 2 单GPU同时训练多个模型

Tensorflow2单GPU同时训练多个模型问题有时我们需要对多个模型进行性能对比。若一次只训练一个模型，我们需要时刻关注训练进度，非常耗费精力。同时进行多个模型的训练能够降低人力成本。

TTTYYZZ·2025-03-25 07:36

十亿级流量削峰实战：LinkedBlockingQueue缓冲池的工程化实现

《十亿级流量削峰实战：LinkedBlockingQueue缓冲池的工程化实现》本文将以电商秒杀系统为背景，深度解析如何通过LinkedBlockingQueue构建百万QPS级异步缓冲系统，包含容量计算模型

猿享天开·2025-03-25 07:03

Java SpringBoot调用大模型AI构建AI应用

本文是一个用springboot结合springmvc和springaialibaba调用国产大模型通义千问的具体例子，按照这个做能够快速的搞定Java应用的调用。

m0_74823239·2025-03-25 07:33

怎么在linux服务器选择GPU进行训练模型？

首先查看当前节点有那些可用的GPU：使用nvidia-smi命令来查询Linux服务器上可用的GPUnvidia-smi命令会输出一些关于服务器上NVIDIAGPU的信息，包括每个GPU的型号、驱动版本、总内存、使用内存、温度、功率和运行在其上的进程等。然后选择第0个和第1个GPU进行使用：CUDA_VISIBLE_DEVICES=0,1pythontrain.py设置CUDA_VISIBLE_D

LRJ-jonas·2025-03-25 07:03

如何在多个GPU中训练非常大的模型？

目录一、并行训练策略1.数据并行2.模型并行3.混合并行：4.上下文并行二、内存优化技术三、总结在多个GPU上训练超大规模模型（如千亿参数级语言模型）需要结合并行策略、内存优化技术、分布式框架。

Mr终游·2025-03-25 07:00

腾讯云大模型知识引擎 + DeepSeek：打造懒人专属的谷歌浏览器翻译插件

科技文章：腾讯云大模型知识引擎+DeepSeek：打造懒人专属的谷歌浏览器翻译插件摘要：随着人工智能技术的飞速发展，尤其是大模型技术的不断突破，智能翻译逐渐成为人们日常互联网活动中不可或缺的一部分。

荣华富贵8·2025-03-25 06:58

Linux C++：标准IO&文件IO

1.什么是标准IO：标准I/O是ANSIC建立的一个标准I/O模型，是一个标准函数包和stdio.h头文件中的定义，具有一定的可移植性。标准IO库处理很多细节。例如缓存分配，以优化长度执行IO等。

回忆是本书·2025-03-25 06:58

模型量化的原因和方法

优化模型参数以适应有限内存环境为了使具有大量参数（例如Llama3.1的4050亿个参数）的大型语言模型在合理内存的设备上高效运行，需要对模型进行一系列优化。

潇湘馆记·2025-03-25 06:27

Python 利用随机森林评估农业干旱的动态可预测性与关键因子

前言在61年滑动窗口的73年时间片中，基于随机森林（RandomForest,RF）模型计算农业干旱动态可预测性的解释方差（以决定系数R2乘以100%表示，即R2×100%）。

有梦想的Frank博士·2025-03-25 05:22

从OSI七层网络模型角度了解CAN通信协议

CAN通信协议的网络架构基于OSI七层模型进行设计，但实际实现中根据其应用场景（如汽车电子、工业控制等）进行了简化和优化。

草莓仙生·2025-03-25 05:20

MediaPipe实时机器学习框架

✅跨平台支持（可在PC、Android、iOS上运行）✅轻量级（可在移动设备上实时运行）✅无需深度学习背景（简单调用API就能实现复杂的AI视觉任务）MediaPipe能做什么？

EngineerSuTao·2025-03-25 05:14

群核科技开源空间理解生成模型SpatialLM, 构建具身智能训练基座

在今年的英伟达GTC全球大会上，群核科技自主研发的空间理解模型SpatialLM宣布正式开源。该模型仅通过一段视频即可生成物理正确的3D场景布局。

·2025-03-25 04:10

轻量级AI革命：无需GPU就能运算的DeepSeek-R1-1.5B模型及其低配推荐

随着人工智能技术的快速发展，大语言模型已成为推动产业智能化的重要工具。在这一领域，DeepSeek系列模型凭借其创新的架构和高效的性能，成为众多开发者和企业关注的焦点。

·2025-03-25 04:09

使用 AI 技术实现智能问答系统

本文将介绍如何利用OpenAI的大语言模型API来实现一个简单的智能问答系统，并会演示如何通过中转API地址http://api.wlai.vip调用大模型。

llzwxh888·2025-03-25 04:13

OneFlow深度学习框架介绍

目录第一章：OneFlow深度学习框架引言1.1深度学习框架的重要性1.2OneFlow框架的诞生背景1.3本章内容概要第二章：OneFlow框架基础2.1OneFlow框架的安装与配置2.1.1环境准备

技术探秘者·2025-03-25 04:13

‌HarmonyOS Next 架构深度解析

‌HarmonyOSNext架构深度解析‌一、分布式架构核心设计1.‌跨设备虚拟化（VirtualSuperDevice）‌‌核心概念‌：将多设备硬件能力抽象为统一资源池，通过分布式软总线（D-Bus）

小_铁·2025-03-25 04:12

flask +echarts 二手房数据可视化

技术选择和设置Flask框架的轻量级和灵活性使其成为我构建Web应用的理想选择。它简化了开发流程，同时提供了足够的灵活性，以满足项目的特定需求。而ECharts作为一款强大的数据可视化库，能够

britlee·2025-03-25 04:39

在windows下安装带有glibc的Linux环境

方法一：使用WSL(WindowsSubsystemforLinux)WSL是微软官方支持的轻量级虚拟化技术，可直接在Windows中运行Linux二进制文件，无需完整虚拟机。

小小码农-河北分农·2025-03-25 04:06

Momentum优化器的超参数调优方法

Momentum优化器的超参数调优方法1.背景介绍在深度学习领域，优化器是训练神经网络的关键组件之一。优化器的选择和调优直接影响模型的收敛速度和最终性能。

AI天才研究院·2025-03-25 03:34

Prompt Engineering：如何写出更高效的提示词？

PromptEngineering（提示词工程）是优化输入给AI模型的文本，以提高模型的输出质量和可控性。良好的Prompt设计可以显著提高大模型在文本生成、代码编写、逻辑推理等任务中的表现。

晴天彩虹雨·2025-03-25 03:34

股票进阶分析-21日均线卖出法

之前指标分析已经介绍了如何买，本文将深度剖析两个卖出的交易分析方法：一是21日均线在股价趋势判断中的应用，它能为我们揭示股价中期趋势的变化；二是封单成交比在涨停股卖出决策中的关键作用，帮助我们在股票涨停时做出更明智的抉择

leo_厉锵·2025-03-25 03:33

一文搞懂RAG，原理，流程，最佳实践

我印象中22年23年，讨论大模型应用，都在讲pe，rag，agent三个方向。但是随着越来越多的应用被开发出来，RAG相对另外两者稍显走弱。

AI领航者·2025-03-25 03:01

mysql

知识介绍：基础篇SQLmysql数据库中关系型数据库：是建立在关系模型基础上的，由多张相互连接的二维表组成的数据库SQL通用语法SQL可以单行或多行书写，以分号结尾SQL可以使用空格或者缩进来增强语句的可读性

wjm041006·2025-03-25 03:30

WebSocket：现代实时通信协议的深度解析与实践

一、背景与演进历程1.1传统实时通信的困境//典型的HTTP轮询伪代码while(true){autoresponse=http_client.get("/messages");if(response.has_data())process(response);std::this_thread::sleep_for(1s);//固定间隔轮询}高延迟：轮询间隔导致消息传递延迟带宽浪费：重复传输Head

这个懒人·2025-03-25 03:30

Redis 核心架构深度解析：七大设计哲学揭秘

以下是企业广泛采用Redis的7大核心原因，结合技术原理与真实场景深度解析：一、内存存储：极致性能的根基原理：Redis所有数据常驻内存，避免传统磁盘I/O瓶颈，读写操作在微秒级完成（磁盘数据库如MySQL

这个懒人·2025-03-25 03:29

领域驱动设计模式、原理与实践_领域驱动设计学习之路—DDD的原则与实践

ScottMillett&NickTune编著的《领域驱动设计模式、原理与实践》一书的学习笔记，一共会分为4个部分如下，此文为第1部分：领域驱动设计的原则与实践战略模式：在有界上下文之间通信战术模式：创建有效的领域模型有效应用程序的设计模式一

餘弦Inverse·2025-03-25 02:29

如何评价字节发布的集成了AI的IDE trae？和cursor相比，有什么优势和劣势？

作为国内首个深度集成AI能力的IDE工具，Trae在定位、功能架构和用户体验方面呈现出独特的优势，但也存在需要改进之处。下载TRAEhttps://

几道之旅·2025-03-25 02:57

推荐频道

轻量级深度卷积神经网络模型