ACM日常水题练习集第9页

智慧医疗蛀牙检测数据集VOC+YOLO格式2792张3类别

数据集格式：PascalVOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)图片数量(jpg文件个数)：2792标注数量(xml

FL1623863129·2025-03-16 13:51

AI编程篇-python基础篇

转型AI算法后的总结-python基础篇python基础AI算法工程师的日常开发工作离不开python这门语言。python的优点：开源免费、简单易学、丰富的库。

cv工程师(ctrl+c\v)·2025-03-16 13:18

计算机组成与设计：硬件软件接口（RISC-V版）

第二章总结本篇主要总结RSIC-V的指令集，分别介绍不同类型的指令功能以及指令的使用示例。

忧··2025-03-16 13:18

大规模语言模型从理论到实践开源指令数据集

大规模语言模型从理论到实践开源指令数据集1.背景介绍大规模语言模型（LargeLanguageModels,LLMs）近年来在自然语言处理（NLP）领域取得了显著的进展。

AI天才研究院·2025-03-16 13:17

RISC-V架构 vs ARM架构：硬件工程师的深度对比

1.架构设计：精简vs成熟RISC-V：开源与模块化RISC-V是一种基于精简指令集计算（RISC）原则的开源指令集架构（I

ICGOODFIND1·2025-03-16 12:15

kaggle-ISIC 2024 - 使用 3D-TBP 检测皮肤癌-学习笔记

问题描述：通过从3D全身照片(TBP)中裁剪出单个病变来识别经组织学确诊的皮肤癌病例数据集描述：图像+临床文本信息评价指标：pAUC，用于保证敏感性高于指定阈值下的AUC主流方法分析（文本）基于CatBoost

supernova121·2025-03-16 12:10

RISC-V与ARM

RISC-V与ARMRISC-V架构RISC-V架构特点ARM架构RISC-V与ARM指令集架构(ISA)基本上是汇编级程序员，或编译器编写者可见的机器部分。ISA是软件与硬件相遇的地方。

IT_Beijing_BIT·2025-03-16 11:36

Python 在人工智能领域的实际6大案例

二、案例一：手写数字识别（MNIST）1.背景介绍手写数字识别是机器学习领域的经典入门项目，MNIST数据集包含了

Solomon_肖哥弹架构·2025-03-16 10:00

万人在单一世界互动问答集(2)---公开数据多少玩家能进行多少即时互动？

在先前的测试数据，每个逻辑伺服器能处理约80万个任务/秒，每个任务影响3-5个物件。若我们假设10个逻辑伺服器，每秒可处理800万个互动，而这是在24,000名玩家的情境下（每个代理服务处理2,400名玩家，假设10个代理）。测试数据显示，每个代理服务处理2,400名玩家时，流量为220MiB/s。若我们同样线性推算，则60,000名玩家将产生约5.5GiB/s（约5500MiB/s）的网路流量，

微网兔子·2025-03-16 10:56

KNN算法性能优化技巧与实战案例

一、核心性能瓶颈维度挑战描述计算复杂度单次预测需计算全部训练样本距离，时间复杂度为（n=样本数，d=特征维度）内存占用需全量存储训练数据，大规模数据集难以加载高维灾难高维数据中距离计算失去

可问可问春风·2025-03-16 09:22

JavaScript语言的游戏开发

JavaScript游戏开发入门指南在互联网迅速发展的今天，游戏已经成为了我们日常生活中不可或缺的一部分。无论是手机游戏、网页游戏，还是大型的3D游戏，它们的背后都离不开强大的编程技术。

凌嘉遥·2025-03-16 08:15

Java对正则表达式的支持（手机、身份证校验）

目录1【数量:单个】字符匹配2【数量:单个】字符集(可以从里面任选一个字符)。

周里奥·2025-03-16 07:36

大白话讲解MIPI DPHY、C PHY与M PHY的不同应用与优势

1.MIPIDPHY：高速公路上的小跑车想象一下你在高速公路上开着一辆小跑车，这辆车虽然不如跑车那样极速，但它能在城市和乡村之间快速穿梭，满足大多数日常需求。

空间机器人·2025-03-16 07:06

Matlab多种算法解决未来杯B的多分类问题

1.读取数据首先，我们从Excel文件中读取训练集和测试集：2.训练集划分我们将80%的数据用于训练，20%用于验证。3.训练多个模型我们选取8种常见分类模型，并存储预测结果。

Subject.625Ruben·2025-03-16 06:05

基于群智能算法的三维无线传感网络覆盖优化数学模型-可以使用群智能算法直接调用进行优化，完整MATLAB代码

在三维监测区域中随机抛洒NNN个传感器节点，形成节点集S={s1,s2,s3,⋯ ,sN}S=\{s_1,s_2,s_3,\cdots,s_N\}S={s1,s2,s3,⋯,sN}，第iii个节点的坐

算法小狂人·2025-03-16 06:04

气候变化和人类活动对中国植被固碳的贡献量化数据（2001-2018）

气候变化和人类活动对中国植被固碳的贡献量化数据（2001-2018）数据分享：气候变化和人类活动对中国植被固碳的贡献量化数据（2001-2018）该数据集包括中国2001~2018年月尺度或年尺度的地表短波波段反照率

树谷-胡老师·2025-03-16 04:50

提出机器人自主学习新范式，深大团队最新顶会论文，刷新6大复杂任务SOTA

众所周知，随着机器人技术的快速发展，其应用已渗透至日常生活和工业生产场景。然而在多自由度机器人控制领域，传统

·2025-03-16 04:50

这些 JavaScript 编码习惯，让你最大程度提高你的项目可维护性！

而今天我们要说的就是，怎么在日常编码中通过一些的良好的编码习惯，从你编码的基础层面就能使得你的JavaScript代码可以更好维护。什么是可维护性？很多人学习前端，可能是从各种不同的渠道获

快乐非自愿·2025-03-16 04:48

数据处理和分析之数据降维：t-SNE：使用t-SNE进行数据可视化实践

数据处理和分析之数据降维：t-SNE：使用t-SNE进行数据可视化实践数据降维简介降维技术的重要性在数据科学和机器学习领域，数据降维是一种关键的技术，用于减少数据集的维度，同时保留数据的结构和重要信息。

kkchenkx·2025-03-16 04:17

mybatis一对多结果集,主表分页查询,子表条件查询

文章目录前言一、举个栗子二、如何解决这个问题1.嵌套查询2.嵌套结果集查询根据如上思路,这里做些伪代码方便大家理解总结太复杂了,有更简单的前言一对多查询mybatis中一对多的查询一般分为两种:嵌套查询

寂寞旅行·2025-03-16 04:15

MyBatis一对多关联查询

转自:MyBatis一对多关联查询一对多级联关系的处理一对多的级联关系：在我们日常开发中有很多这样的情况，如:一个用户下面会有很多订单，但是每一个订单都只会属于一个用户，这就是一个典型的一对多的级联关系操作

qq_25073223·2025-03-16 04:45

MyBatis高级查询：一对多查询详解

MyBatis免除了几乎所有的JDBC代码和手动设置参数以及获取结果集的工作。

蓝天资源分享·2025-03-16 03:13

计算机系统04 - Unicode 和 UTF-8

什么是字符集认识Unicode字符集为什么要使用Unicode字符集Unicode编码标准Unicode编码格式UTF-8编码UTF的字节序问题总结什么是字符编码什么是字符？

是小崔啊·2025-03-16 03:10

【AI】Transformer布道：让AI学会“左顾右盼”的超级大脑！（扫盲帖）

在LLM爆火的时代，如果还不了解Transformer就太落伍了，下面我第一次尝试用一种更日常、更口语化的方式，把Transformer这个模型讲个大概。

碣石潇湘无限路·2025-03-16 03:37

#PyCharm 2024.1新增功能

以下是对这些新增功能的详细解析：一、智能编码辅助HuggingFace模型和数据集文档预览PyCharm2024.1引入了HuggingFace模型和数据集的快速文档预览功能。

Dingdangr·2025-03-16 02:05

正则表达式全解析 + Java常用示例

目录一、正则表达式基础（一）元字符（二）字符集（三）量词二、正则表达式常用示例（一）验证邮箱格式（二）验证电话号码格式（三）提取网页中的链接（四）验证日期格式（五）验证URL格式三、正则表达式在Java

我真的不想做程序员·2025-03-16 02:05

便捷搞定计算机名、IP 与 Mac 地址修改及网卡问题的软件

别看它体积小巧，还不到1M，而且是绿色单文件版，无需复杂安装，使用起来却相当给力，能帮我们轻松搞定一些日常网络设置中的小麻烦。

开开心心就好·2025-03-16 02:03

nvm日常使用中常用命令总结

日常开发vue项目中，不同的项目我们可能需要安装不同的node版本，但是为了方便切换node，我们一般会安装一个名称为nvm的工具，这里总结一下，nvm常用的命令：1、为了查看可用的Node.js版本，

上趣工作室·2025-03-16 02:03

应用场景下的芯片分类

从数据中心级别的高性能芯片，到消费类产品级别的日常应用芯片；从工业类产品级别的稳定可靠芯片，到汽车电子级别的高要求芯片；再到军工和国防级别的专用芯片，不同类型的芯片正以其独特的功能和应用场景，满足着多样化的需求

绿算技术·2025-03-16 02:58

孪生网络模型，当训练集与测试集共用一个数据集时，训练准确率为100%，而测试准确率仍在50%左右浮动

问题描述【问题】孪生网络模型，测试效果异常：当训练集与测试集共用一个数据集（样本、标签完全相同）时，训练准确率为100%，而测试准确率仍在50%左右浮动（正常来说测试的都

bug菌¹·2025-03-16 01:26

《数据挖掘导论》第二章数据

Collectionofdataobjectsandtheirattributes特征值数值型的或者描述性的（男/女-->0/1）特征和特征值之间的区别：相同的属性可能被赋予不同的特征值，如身高的单位可能是米或者英尺不同的属性可以映射到相同的值集，

爱吃草莓的西瓜酱·2025-03-16 01:56

思特奇实践项目入选2024年“数据要素×”大赛优秀项目案例集

2024年“数据要素×”大赛是国内首个聚焦数据要素开发应用的全国性大赛,由国家数据局联合有关部门主办,活动围绕《“数据要素×”三年行动计划(2024—2026年)》部署的工业制造、现代农业、文化旅游等12个行业领域对应设置12个赛道,旨在遴选出一批应用成效显著、创新性强、引领效应好的数据要素开发利用解决方案,带动相关技术产业发展。首届“数据要素×”大赛吸引了来自政产研学用等领域的近2万支队伍、10

资讯分享周·2025-03-16 01:53

Mac下安装Zed以及Zed对MCP（模型上下文协议）的支持

Zed是当前新流行的一种编辑器，支持MCP（模型上下文协议）Mac下安装Zed比较简单，直接有安装包，在这里：brewinstall--caskzedMacMonterey下是可以安装上的，亲测有效。

skywalk8163·2025-03-16 00:20

在MATLAB中进行并行计算和GPU加速？

在MATLAB中进行并行计算和GPU加速是提升计算性能和处理大规模数据集的重要手段。下面将详细介绍如何在MATLAB中实现这些技术。

琛哥的程序·2025-03-16 00:18

自动化测试入门基础知识必看（超详细）

区别对待不同的测试阶段6如何评估测试工具7如何选择合适的测试工具总结重点：配套学习资料和视频教学1初识自动化测试如果以前没有做过自动化测试，那么就不了解自动化测试，可能会觉得自动化测试比较神秘，但是，我们在日常的计算机操作中

软件测试老莫·2025-03-16 00:48

Java架构设计亿级流量场景下的本地缓存方案选型

我真的不想做程序员·2025-03-15 23:39

【网络通信安全】子专栏链接及简介

目录操作系统安全：筑牢网络安全根基网络协议安全：守护数据传输通道Web站点安全开发：打造安全的网络交互平台在数字化浪潮席卷的当下，网络通信已深度融入生活与工作的方方面面，从日常的线上购物、社交互动，到企业间关键业务数据的传输

不羁。。·2025-03-15 21:59

大模型工程师学习日记（十五）：Hugging Face 模型微调训练（基于 BERT 的中文评价情感分析）

1.datasets库核心方法1.1.列出数据集使用datasets库，你可以轻松列出所有HuggingFace平台上的数据集：fromdatasetsimportlist_datasets#列出所有数据集

MMMMMMMay Love Code·2025-03-15 20:52

ResNet-SE + MFCC 训练框架，包括数据加载、训练流程，以及混淆矩阵可视化示例

大霸王龙·2025-03-15 19:10

max_samples，batch_size，gradient_accumulation_steps这三个分别的联系和区别

这三个参数都是控制训练数据如何被处理的，它们的作用和区别如下：1.max_samples（最大样本数）定义：限制每个数据集最多使用多少条数据。

背太阳的牧羊人·2025-03-15 19:09

LLM之Colossal-LLaMA-2：源码解读(init_tokenizer.py文件)实现基于源词表的扩展、(init_model.py文件)实现过计算均值扩展模型、(prepare_pretr

)→保存新的分词模型、(init_model.py文件)实现过计算均值来扩展模型的嵌入层以适应新的词汇表，然后保存扩展后的模型、(prepare_pretrain_dataset.py文件)将原始数据集进行处理

一个处女座的程序猿·2025-03-15 18:38

LLMs之Colossal-LLaMA-2：源码解读(train.py文件)基于给定数据集实现持续预训练LLaMA-2—解析命令行参数→初始化配置(分布式训练环境colossalai+训练日志+加速插

LLMs之Colossal-LLaMA-2：源码解读(train.py文件)基于给定数据集实现持续预训练LLaMA-2—解析命令行参数→初始化配置(分布式训练环境colossalai+训练日志+加速插件

一个处女座的程序猿·2025-03-15 18:38

【大一新生必收藏系列】❤机器学习7大方面，30个数据集。纯干货分享❤

而事实上一定是，质量高的数据集可能是最重要的！数据集在机器学习算法项目中具有非常关键的重要性，数据集的大小、质量

.Boss.·2025-03-15 18:05

探究Visual Studio中的乱码问题

三个字符集概念源码字符集MSVC中/source-charset即源代码文本文件的字符集，NodePad++、记事本、VSCode这样类似的文本编辑器，可以打开源文件看一下你的字符集（文件编码）。

L-Super·2025-03-15 17:25

llm数据存储基础设施

原生数据库，可提供对密集向量、稀疏向量、张量（多向量）和全文的快速混合搜索项目仓库:https://github.com/infiniflow/infinity关键特性令人难以置信的快在百万级矢量数据集上实现

galileo2016·2025-03-15 17:24

k8s基础架构介绍

k8s的常用工具在kubernetes中，主要有三个日常使用的工具，这些工具使用kube前缀命名，这三个工具如下：kubeadm用来初始化集群的指令，能够创建集群,并且添加新的节点。

忍界英雄·2025-03-15 16:22

老板既要又要还要......我用Doris+Hudi把不可能变成了日常

老板既要又要还要......我用Doris+Hudi把不可能变成了日常探索Doris与Hudi的完美融合智能查询优化华丽转身-不止于快的进化Doris+Hudi湖仓一体的"艺术之美"大数据江湖中流传着这样一个传说

一臻数据·2025-03-15 15:42

机器学习驱动的智能化电池管理技术与应用

故障诊断人工智能机器学习基础人工智能的发展机器学习的关键概念机器学习在电池管理中的应用案例介绍人工智能在电池荷电状态估计中的应用荷电状态估计方法概述基于迁移学习的SOC估计(1)基于迁移学习的SOC估计方法数据集、

萌萌可爱郭德纲·2025-03-15 15:07

AS32X601双核锁步MCU技术优势分析

AS32X601是国科安芯公司研制的一系列基于32位RISC-V指令集车规级MCU处理器芯片。主频高达180MHz，支持双核锁步架构，基于软错误防护技术加持，显著提高芯片安全性能。

国科安芯·2025-03-15 15:04

高安全可靠MCU芯片AS32X601应用解析

1.AS32X601简介AS32X601系列是国科安芯基于32位RISC-V指令集研发的高性能MCU产品，具备高安全、低失效、多接口、低成本等核心优势。

国科安芯·2025-03-15 14:03

推荐频道

ACM日常水题练习集