量化感知训练第16页

Android 视图切换的艺术

特别是在横向滑动列表中，如何让用户能够直观地感知到当前选中的项，是一个值得探讨的问题。

t0_54manong·2025-03-11 05:58

在LangChain中运行Replicate模型的实用指南

##技术背景介绍Replicate是一个平台，可以轻松调用各种预训练的AI模型。与传统的模型托管和调用相比，Replicate提供了简单的API接口，使开发者能够快速集成和使用强大的AI模型。

fgayif·2025-03-11 04:50

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

点云语义分割：PointNet++在S3DIS数据集上的训练

点云语义分割：PointNet++在S3DIS数据集上的训练点云语义分割是计算机视觉领域的一个重要任务，旨在将点云数据中的每个点分配给其对应的语义类别。

完美代码·2025-03-11 00:25

DeepSeek的发展背景与前景分析

以下从发展背景与前景两个维度进行综合分析：一、发展背景1.创始团队与资源基础-DeepSeek成立于2023年7月，由量化投资公司幻方量化联合创始人梁文锋创立，核心团队汇聚了北大、清华等顶尖高校的博士及年轻人才

盐都不盐·2025-03-11 00:50

计算机视觉｜3D 点云处理黑科技：PointNet++ 原理剖析与实战指南

以自动驾驶为例，车辆需要实时感知周围复杂的环境信息，包括行人、车辆、交通标志和路况等。3D点云数据能够提供高精度的三维空间信息，使自动驾驶车辆更准确地识别和定位周围物体，从而做出安全、合理的行驶决策。

紫雾凌寒·2025-03-10 23:19

windows11家庭版安装ubuntu子系统训练深度模型

文章目录环境准备前提条件安装环境安装Hyper-V安装Linux分发版升级WSL内核启用虚拟机功能安装ubuntu24.04安装桌面环境安装远程控制软件xrdp从Windows启动桌面版Ubuntu环境准备前提条件windows机器需要支持虚拟化，并且需要在BIOS中开启虚拟化技术，因为WSL2基于hyper-V，查看是否开启虚拟化：按住Windows+R输入cmd打开命令行，输入systemin

吃水果不削皮·2025-03-10 23:16

在Ubuntu系统下部署大语言模型

前言在Ubuntu系统下部署大语言模型，可以使用HuggingFace的Transformers库来加载和使用预训练的模型。

脱泥不tony·2025-03-10 22:39

机器学习算法（2）—— 线性回归算法

82,80],[85,78],[90,90],[86,82],[82,90],[78,80],[92,94]]y=[84.2,80.6,80.1,90,83.2,87.6,79.4,93.4]‘’‘模型训练

疯狂的石头。·2025-03-10 21:35

Compressed Channel Estimation for Intelligent Reflecting Surface-Assisted Millimeter Wave Systems

为了减少训练开销，利用了毫米波信

No_one-_-2022·2025-03-10 20:21

文本向量化-词嵌入方法系列1：静态词嵌入(Word2Vec+GloVe)

文本分散化表示指将语言表示成低维、稠密、连续的向量，分为静态嵌入和动态嵌入两种方式。静态词嵌入有Word2Vec，Sen2Vec，Doc2Vec，以及GloVe模型；而动态词嵌入有ELMO，Transformer，GPT，Bert和XLNet等等。本文主要对静态词嵌入方法做一个整体介绍，动态词嵌入会在系列2中更新。目录1.Word2Vec1.1CBOW1.2Skip-gram1.3Sen2Vec+

学习ml的小菜鸡·2025-03-10 19:15

同一个问题看看Grok3怎么回答-什么是智能体？

关键要点研究表明，智能体（可能是“智能代理”的意思）在人工智能中是一个能够感知环境、自主行动以实现目标的系统。

释迦呼呼·2025-03-10 18:40

探索Agent AI智能体的未来

这些智能体可以感知环境、理解上下文、做出决策并采取行动，

A-Kamen·2025-03-10 18:08

AI产品大模型学习指南：清晰路线，AI产品经理必备知识点一网打尽！_AI产品经理

实际上AI只是一种对传统产品或服务赋能的手段而已，将各种“中间件”（通常是一种训练好的模型，当输入一定数据后自动返回一定的输出值）、传感器等不同形式的软件、硬件融入传统产品或服务的使用或体验流程中。

AGI大模型学习·2025-03-10 18:38

学习总结项目

近段时间学习了机器学习、线性回归和softmax回归、多层感知机、卷积神经网络、Pytorch神经网络工具箱、Python数据处理工具箱、图像分类等的知识，学习了利用神经网络实现cifar10的操作、手写图像识别项目以及其对应的实验项目报告总结

苏小夕夕·2025-03-10 18:07

Training-Free Transformer Architecture Search WithZero-Cost Proxy Guided Evolution（预览版本）

为了提高搜索效率，基于无训练代理的方法已在神经架构搜索(NAS)中得到广泛采用。然而，这些代理被发现不足以很好地推广到Transformer搜索空间，这一点已被多项研究和我们自己的实

境心镜·2025-03-10 18:05

智能制造数字孪生概念模型与关键技术

智能制造数字孪生是在现代传感技术、网络技术、自动化技术、拟人化智能技术等技术的基础上，通过智能化的感知、人机交互、决策和执行技术，对产

·2025-03-10 17:22

用双色球数据集微调后的大模型

最近用Qwen/Qwen1.5-1.8B-Chat大模型来微调训练双色球2003001-2025011的数据集，实验测一下大模型出球的预测情况。

qq_29790801·2025-03-10 17:33

深度学习项目十一：mmdetection训练自己的数据集

mmdetection训练自己的数据集这里写目录标题mmdetection训练自己的数据集一：环境搭建二：数据集格式转换(yolo转coco格式)yolo数据集格式coco数据集格式yolo转coco数据集格式

小啊磊_Vv·2025-03-10 17:02

中小型企业如何选择合适的设备巡检系统？

据统计，类似草料二维码这样的轻量化平台已吸引数十万用户，覆盖制造、物业、消防等多个行业。中小企业往往设备数量有限、管理资源不足，传统的手工记录不仅效率低，还容易出错。

·2025-03-10 17:21

【大模型】DeepSeek-R1-Distill-Qwen部署及API调用

DeepSeek-R1-Distill-Qwen是由中国人工智能公司深度求索（DeepSeek）开发的轻量化大语言模型，基于阿里巴巴的Qwen系列模型通过知识蒸馏技术优化而来。

油泼辣子多加·2025-03-10 17:29

深度学习 PyTorch 中 18 种数据增强策略与实现

深度学习pytorch之简单方法自定义9类卷积即插即用数据增强通过对训练数据进行多种变换，增加数据的多样性，它帮助我们提高模型的鲁棒性，并减少过拟合的风险。

@Mr_LiuYang·2025-03-10 16:25

从前端程序员到大模型工程师的转型攻略

在科技日新月异的今天，人工智能（AI）特别是大规模预训练模型（大模型）的发展正引领着新一轮的技术革命。

七七Seven～·2025-03-10 15:19

PyBroker：利用 Python 和机器学习助力算法交易

PyBroker介绍官方说明文档：利用PyBroker进行量化投资官方说明文档

skywalk8163·2025-03-10 15:48

深度学习笔记——Resnet和迁移学习

这使得深层网络难以训练。梯度消失：梯度消失是指在训练深度神经网络时，通过多层传递的梯度(误差)变得非常小，接近于零。这导致网络中较早层的权重更新非常缓慢，甚至几乎不更新。

肆——·2025-03-10 15:17

MMDetection实用工具详解（上）：日志分析、结果分析、混淆矩阵

实用工具目录一、日志分析使用方法实际案例二、结果分析pkl结果文件生成使用方法实际案例三、混淆矩阵使用方法实际案例遇到的UserWarning解决方案MMDetection官方除了训练和测试脚本，他们还在

MickeyCV·2025-03-10 15:46

从零开始学机器学习——什么是机器学习

机器学习（ML）作为人工智能的重要子领域，专注于运用特定的算法发现有意义的信息，并从感知数据中

努力的小雨·2025-03-10 14:12

嵌入式开发必读：RTOS选型指南与实例分析

1.1实时性的核心定义1.2关键技术指标指标详解不同RTOS的指标表现1.3RTOS与通用OS的本质区别实例对比使用通用OS的后果二、RTOS选型的重要性三、RTOS选型的关键因素1.实时性要求实时性要求量化分析

大模型大数据攻城狮·2025-03-10 14:10

解锁激光焊接新境界：填丝/填粉自适应技术大揭秘

在汽车制造领域，激光焊接能够实现车身零部件的高精度连接，有效提升车身的结构强度与刚性，同时降低车身重量，为汽车的轻量化设计

计算机学长·2025-03-10 14:09

Vision Transformer 分类水果图片集 Python 代码（可训练自己数据集）

代码链接:https://github.com/Illusionna/ComputerVision/tree/main/EfficientTransformerArepositoryforViT.ContributetoIllusionna/TransformerdevelopmentbycreatinganaccountonGitHub.https://github.com/Illusionna

Illusionna.·2025-03-10 14:37

AI浪潮下的数据保卫战：SSL证书为何成为企业刚需？

无论是训练AI模型、优化算法，还是提供个性化服务，数据的安全性和隐私保护都至关重要。

·2025-03-10 13:16

深度学习在SSVEP信号分类中的应用分析

目录前言1.SSVEP信号分类的处理流程2.模型输入和数据预处理3.模型结构设计3.1卷积神经网络（CNN）3.2长短期记忆网络（LSTM）4.训练方法与激活函数5.性能评估与挑战6.未来方向前言随着脑机接口

自由的晚风·2025-03-10 12:00

炒股开户资金要求是多少？不同证券公司是否有区别？

Python股票接口实现查询账户，提交订单，自动交易（1）Python股票程序交易接口查账，提交订单，自动交易（2）股票量化，Python炒股，CSDN交流社区>>>开户资金的组成部分炒股开户的资金要求包含多个方面

股票程序化交易接口·2025-03-10 12:29

基于BMO磁性细菌优化的WSN网络最优节点部署算法matlab仿真

磁性细菌是一类能够感知地球磁场并沿磁场方向游动的微生物。在BMO算法中，模拟磁性细菌的这种趋磁

软件算法开发·2025-03-10 12:25

多宠识别：基于计算机视觉的智能宠物管理系统架构解析

：1.生物特征混淆：同品种/毛色宠物识别准确率低于65%2.动态场景适应：进食/奔跑状态下的误检率达30%+3.数据孤岛问题：离线设备无法实现持续学习优化快瞳科技采用**双模态视觉融合架构**，结合轻量化

深圳市快瞳科技有限公司·2025-03-10 11:49

AF3 block_delete_msa函数解读

这在训练时可能用于数据增强（防止模型对MSA过度依赖）。推理（inference）时不会使用，因为完整MSA对预测准确性很重要。

qq_27390023·2025-03-10 10:43

基于PyTorch的深度学习4——使用numpy实现机器学习vs使用Tensor及Antograd实现机器学习

利用数组x，y的数据为训练数据。最后，采用梯度梯度下降法，通过多次迭代，学习到w、b的值。以下为具体步骤：1)导入需要的库。

Wis4e·2025-03-10 09:09

论文阅读笔记——Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware

具体来说，当智能体（agent）在测试时遇到训练集中未见过的情况时，可能会产生预测误差。这些误差会逐步累积，导致智能体进入未知状态，最终

寻丶幽风·2025-03-10 09:09

AI 大模型应用数据中心建设：数据中心成本优化

无论是进行深度学习模型的训练，还是大模型应用的推理，数据中心都需要提供充足的计算资源、存储空间和网络带宽。

杭州大厂Java程序媛·2025-03-10 09:38

物联网中如何解决网络复杂性的问题

常见的分层架构包括：感知层：负责数

小赖同学啊·2025-03-10 09:03

物联网（Internet of Things, IoT）中的网络层简介

网络层的主要任务是将感知层（传感器、设备等）收集到的数据通过互联网或其他通信网络传输到应用层（数据处理和分析平台）。

小赖同学啊·2025-03-10 09:02

Process-based Self-Rewarding Language Models 论文简介

基于过程的自奖励语言模型：LLM优化的新范式引言大型语言模型（LLM）在多种任务中展现出了强大的能力，尤其是在使用人工标注的偏好数据进行训练时。

ZHOU_CAMP·2025-03-10 08:31

实战1. 利用Pytorch解决 CIFAR 数据集中的图像分类为 10 类的问题

实战1.利用Pytorch解决CIFAR数据集中的图像分类为10类的问题加载数据建立模型模型训练测试评估你的任务是建立一个用于CIFAR图像分类的神经网络，并实现分类质量>0.5。

啥都鼓捣的小yao·2025-03-10 08:57

Training-free Neural Architecture Searchthrough Variance of Knowledge of Deep Network Weights（预览版本）

然而，NAS的主要限制是其天文数字般的计算成本，因为它通常需要从头开始训练每个候选网络架构。在本文中，我们旨在通过基于Fisher信息提出一种

境心镜·2025-03-10 08:54

谷歌搜索并发搜索/cookie并发生成方案

20并发，则可以每秒保持千次cookie的生成并发查询嘎嘎快，单条cookie存活为60秒，可以重复查询200次以内需要联系另外腾讯系阿里系AI训练标注也可以联系

背拥·2025-03-10 07:17

开源模型应用落地-Qwen2.5-7B-Instruct与vllm实现推理加速的正确姿势-Docker-OpenResty（三）

无论是语言模型还是多模态模型，均在大规模多语言和多模态数据上进行预训练，并通过高质量数据进行后期微调以贴近人类偏好。另外，使用Docker实现便捷测试成为一种高效的解决方案。

开源技术探险家·2025-03-10 06:43

构建一个完整的视觉Transformer（ViT）图像分类模型 VIT （vision transformer）图像分类

Jackie_AI·2025-03-10 04:29

(即插即用模块-特征处理部分) 三十、(2024) BFAM & CBM & DFEM 特征聚合+特征提取+边界感知

文章目录1、BitemporalFeatureAggregationModule2、ChangeBoundary-AwareModule3、DeepFeatureExtractionModule4、代码实现paper：B2CNet:AProgressiveChangeBoundary-to-CenterRefinementNetworkforMultitemporalRemoteSensingIm

御宇w·2025-03-10 03:22

Windows下的PaddleOCR本地部署

anaconda（网上教程很多很详细）2.创建环境3.激活环境并在该环境下安装PaddlePaddle框架4.下载requirments.txt中的库（二）PaddleOCR安装【非重点】二、在自己的数据集上训练模型

wangkun_cl·2025-03-10 03:22

YOLOv7-Tiny：轻量化实时目标检测的革新实践

一、模型定位与核心优势YOLOv7-Tiny作为YOLOv7系列的轻量级版本，专为边缘计算设备和实时检测场景设计。相比标准YOLOv7，其参数量减少约60%（仅6.02M），计算量降至13.2GFLOPs，在保持较高检测精度的同时，推理速度提升至68FPS（NVIDIAV100）。该模型适用于无人机、嵌入式设备、移动端等资源受限场景，在实时性与精度之间实现了极佳平衡。二、模型架构创新主干网络优化深

追寻向上·2025-03-10 03:21

推荐频道

量化感知训练