CNN深度估计系列第11页

深度学习 -- 逻辑回归 PyTorch实现逻辑回归

前言线性回归解决的是回归问题，而逻辑回归解决的是分类问题，这两种问题的区别是前者的目标属性是连续的数值类型，而后者的目标属性是离散的标称类型。可以将逻辑回归视为神经网络的一个神经元，因此学习逻辑回归能帮助理解神经网络的工作原理。什么是逻辑回归？逻辑回归是一种广义的线性回归分析模型，是监督学习的一种重要方法，主要用于二分类问题，但也可以用于多分类问题。逻辑回归的主要思想是，对于一个二分类问题，先根据

冲鸭嘟嘟可·2025-03-07 14:53

面试基础---MySQL 分布式 ID 方案深度解析

MySQL分布式ID方案深度解析：UUID、自增ID与雪花算法引言在分布式系统中，生成全局唯一的ID是一个常见的需求。

WeiLai1112·2025-03-07 14:18

阿里深夜开源QwQ-32B模型，仅需1/10的成本即可比肩R1满血版

例如，DeepSeekR1通过整合冷启动数据和多阶段训练，实现了最先进的性能，使其能够进行深度思考和复杂推理。这一次，我们探讨了大规模强化学习（RL）

伪_装·2025-03-07 13:45

Agentic：基于DeepSeek V3与R1的智能代理技术深度解析

引言人工智能的快速发展正在重塑我们的技术世界，而智能代理（Agentic）作为AI领域的新兴分支，正以其自主性、适应性和智能化特性吸引着越来越多的关注。与传统工具不同，Agentic技术赋予系统感知环境、推理决策并主动执行任务的能力，使其成为连接人类与数字世界的“智能助手”。在这一领域，DeepSeek推出了两款强大的模型：生成式文本模型DeepSeekV3和推理生成式文本模型DeepSeekR1

weixin_40941102·2025-03-07 13:45

探索智能边界：深度求索（DeepSeek）技术全景解析与实战指南

引言：智能时代的探路者在人工智能技术持续突破的2023年，一家名为深度求索（DeepSeek）的中国AI公司正在用独特的技术路径重新定义智能边界。

瘸·2025-03-07 13:43

AI学习预备知识-数据操作（5）内存节省

AI学习预备知识-数据操作（5）内存节省提示：本系列持续更新中文章目录AI学习预备知识-数据操作（5）内存节省前言内存节省总结前言随着开始人工智能的学习越来越多，那么再学习过程中，我们应该有一定的基础知识储备

羞涩的小吉他·2025-03-07 13:41

从零理解人工智能：技术原理、底层逻辑与手写数字识别实战

www.captainbed.cn/north文章目录引言一、人工智能技术体系1.1核心技术栈二、神经网络底层逻辑2.1神经元数学模型2.2前向传播与反向传播三、手写数字识别实战（MNIST）3.1环境配置3.2数据预处理3.3CNN

北辰alk·2025-03-07 13:40

深度学习的数学之魂：传统机器学习的超越者

深度学习的数学之魂：传统机器学习的超越者前言第一部分：神经元的数学语言1.1神经元模型的启示1.2激活函数的非线性魔法第二部分：网络结构的层次之美2.1网络结构的多样性2.2层次结构的力量第三部分：图像的力量与直观理解

洋葱蚯蚓·2025-03-07 13:39

Android四大组件系列8 Broadcast广播机制（下）

概述广播(Broadcast)机制用于进程或线程间通信，广播分为广播发送和广播接收两个过程，其中广播接收者BroadcastReceiver是Android四大组件之一。BroadcastReceiver分为两类：静态广播接收者：通过AndroidManifest.xml的标签来声明的BroadcastReceiver动态广播接收者：通过AMS.registerReceiver()方式注册的Bro

Big Skipper·2025-03-07 13:38

机器学习与深度学习里生成模型和判别模型的理解

两个模型是啥我们从几句话进入这两个概念：1、机器学习分为有监督的机器学习和无监督的机器学习；2、有监督的机器学习就是已知训练集数据的类别情况来训练分类器，无监督的机器学习就是不知道训练集的类别情况来训练分类器；3、所以说，有监督的机器学习可以抽象为一个分类task，而无监督的基本完成的是聚类；4、有监督的机器学习中，我们可以概述为通过很多有标记的数据，训练出一个模型，然后利用这个，对输入的X进行预

程序员羊羊·2025-03-07 12:03

（24-1）DeepSeek中的强化学习：DeepSeek简介

DeepSeek以卓越的创新精神和前沿的技术架构，突破常规极限，将海量知识与智能推理完美融合，展现出惊人的计算力与思维深度。

码农三叔·2025-03-07 12:33

Spring Boot 3.0深度实战：从核心特性到生产级调优

一、SpringBoot3.0核心特性解读1.1JDK17LTS支持（实测性能提升）记录类（Record）与SpringDataJPA完美适配模式匹配简化类型判断密封类（SealedClass）增强DTO安全性//使用Record优化DTOpublicrecordUserDTO(@NotBlankStringusername,@EmailStringemail){}//密封接口定义响应类型publ

Code_Cracke·2025-03-07 12:02

[系统安全] 五十七.恶意软件分析 (9)利用MS Defender实现恶意样本家族批量标注（含学术探讨）

只是想更好地帮助初学者了解病毒逆向分析和系统安全，更加成体系且不破坏之前的系列。

Eastmount·2025-03-07 12:02

计算机视觉 vs 机器视觉 | 机器学习 vs 深度学习：核心差异与行业启示

一、计算机视觉（CV）与机器视觉（MV）：从学术研究到工业落地的分水岭1.定义与目标差异计算机视觉（CV）目标是赋予计算机类似人类的视觉理解能力，通过算法对图像或视频中的目标进行识别、跟踪和语义理解。其核心是研究如何从二维图像反推三维世界的结构和规律。例如，自动驾驶中通过多摄像头融合实现道路场景理解，属于典型的CV任务。机器视觉（MV）聚焦于工业场景的自动化检测与控制，强调实时性和精准性。MV系统

程序员Linc·2025-03-07 12:00

使用python Selenium实现智慧树界面化自动刷网课 chromehandless实现智慧树无界面化自动刷网课

我是通过使用selenium驱动真实的浏览器来实现1.自动点击播放2.自动切换到流畅画质（省流量）3.自动1.5倍速4.自动静音4.自动检查当前播放时间，结束后调到下一集由于是驱动真实的浏览器来实现一系列操作

我所向往的美好·2025-03-07 12:54

鸿蒙原生应用Q&A：应用上架系列-解锁应用上架难题!（一）

一图了解应用上架前期必要的资质准备工作，包括APP备案、审核，软著申请以及注意事项，以确保已完成开发测试的应用顺利上架。

·2025-03-07 11:01

Manus：通用型AI智能体的全面剖析与前景展望

功能特点与应用场景三、技术实力与性能表现3.1GAIA基准测试结果3.2实际任务处理能力分析3.3技术创新与突破四、市场表现与竞争格局4.1市场反响与用户评价4.2资本市场反应4.3主要竞争对手分析五、应用案例深度剖析

萧十一郎@·2025-03-07 11:08

【新人系列】Golang 入门（三）：条件循环

在这个Golang的新人系列专栏下，将会

Pandaconda 的测开之路·2025-03-07 10:06

蚂蚁集团可转正实习算法岗内推-自然语言

具备极佳的工程实现能力，精通C/C++、Java、Pvthon、Perl等至少一门语言:对目前主流的深度学习平台:tensorflow、pytorch、mxnet等，至少对其中一个有上手经验;熟悉深度学习以及常见机器学习算法的原理与算法

飞300·2025-03-07 10:59

深圳传音控股AI算法岗内推

2熟悉常用的机器学习算法，掌握常用的深度学习模型与编程实践。3熟悉Pytorch或TensorFlow等深度学习框架，有一定项目经验。4良好的沟通协调能力，执着的专业精神。

飞300·2025-03-07 10:57

【北上广深杭大厂AI算法面试题】深度学习篇...MobileNet 系列网络发展与高效性分析（附代码）（二）

【北上广深杭大厂AI算法面试题】深度学习篇…MobileNet系列网络发展与高效性分析（附代码）（二）【北上广深杭大厂AI算法面试题】深度学习篇…MobileNet系列网络发展与高效性分析（附代码）（二

努力毕业的小土博^_^·2025-03-07 10:26

”天下第一神数“——紫微斗数的JAVA实现！紫微玄机速run~

钮钴禄·爱因斯晨·2025-03-07 10:25

小鹏汽车申请注册“P7 Ultra”商标或为P7车型升级版铺路

作为小鹏汽车主力车型，P7系列自2020年上市以来累计交付量已突破14万辆，2024年前4个月仍保持月均超2000辆销量。此次申请“Ultra”后缀商标，或延续其产品线升级策略——此前小

大湾区经济门户网·2025-03-07 10:22

Docker中GPU的使用指南

在当今的计算领域，GPU（图形处理单元）已经成为了加速各种计算密集型任务的关键硬件，特别是在深度学习、科学模拟和高性能计算等领域。

俞兆鹏·2025-03-07 10:22

大模型最新面试题系列：训练篇之模型监控与调试

1.训练过程中需要监控哪些关键指标？如何设置报警阈值？关键指标损失函数值：包括训练损失和验证损失，反映模型在训练和验证数据上的拟合程度。准确率：分类任务中的预测正确样本占总样本的比例，评估模型的预测能力。召回率和F1值：在二分类或多分类任务中，用于更全面地评估模型性能，特别是在正负样本不均衡的情况下。学习率：监控学习率的变化，确保其处于合适的范围，避免学习率过大导致模型不稳定或过小导致训练收敛过慢

人肉推土机·2025-03-07 10:21

深入理解Kettle：ETL工具的学习与实践

本学习笔记着重于Kettle的核心——转换引擎，详细探讨其数据处理的各个步骤，包括数据的输入、转换、输出以及工作原理，提供了一系列的学习资源和实践操作指南，旨在帮助学习者深入理解并掌握Kettle的转换引擎

未知方程无解·2025-03-07 10:14

【AGI】DeepSeek开源周：The whale is making waves！

思维火花引言一、DeepSeek模型体系的技术演进1.通用语言模型：DeepSeek-V3系列2.推理优化模型：DeepSeek-R1系列3.多模态模型：Janus系列二、开源周三大工具库的技术解析1.

LeeZhao@·2025-03-07 09:10

【AGI】中国大模型扛把子：通义家族

阿里云推出的**通义千问（Qwen）**系列大模型，凭借其多层次的技术架构、多样化的模型生态及开源战略，已成为全球AI领域的重要标

LeeZhao@·2025-03-07 09:40

R语言机器学习系列-随机森林回归代码解读

回归问题指的是因变量或者被预测变量是连续性变量的情形，比如预测身高体重的具体数值是多少的情形。整个代码大致可以分为包、数据、模型、预测评估4个部分，接下来逐一解读。1、包部分，也就是加载各类包，包括随机森林包randomForest，数据相关包tidyverse、skimr、DataExplorer，模型评估包caret。2、数据部分，主要是读取数据，处理缺失值，转换变量类型。3、模型部分。为了对

Mrrunsen·2025-03-07 09:33

【学习笔记5】Linux下cuda、cudnn、pytorch版本对应关系

全球的深度学习研究人员和框架开发人员都依赖cuDN

longii11·2025-03-07 08:56

MySQL锁机制深度解析：从乐观锁到悲观锁的哲学思辨与技术实践

一、并发控制的本质与挑战在数据库系统的核心地带，并发控制始终是保障数据一致性的核心命题。当每秒百万级的交易请求在金融系统中穿梭，当电商平台的库存数字在促销瞬间剧烈波动，当社交媒体的点赞计数以指数级增长时，数据库工程师们必须直面并发控制的终极挑战：如何在保证数据一致性的前提下，实现最大程度的并发性能。这个问题的解决之道，本质上是对"时间"这个维度的不同处理策略。悲观锁（PessimisticLock

·2025-03-07 07:57

大数据面试系列之——Hadoop

Hadoop的三个核心：HDFS（分布式存储系统）MapReduce（分布式计算系统）YARN(分布式资源调度)1.Hadoop集群的几种搭建模式1.单机模式：直接解压安装，不存在分布式存储系统2.伪分布式：NameNode和DataNode安装于同一个节点，无法体现分布式处理的优势。3.完全分布式：一个主节点，多个从节点，存在如果主节点宕机，集群就无法使用的缺点。4.高可用模式：多个主节点，多个

潜心_守道·2025-03-07 07:17

动画 + 大白话讲清楚React渲染原理

为啥在render中不能写setState等等问题…在一系列的问题中，我终于还是打开了那份久违的源码，并且Ctrl+F慢慢探

梅花十三儿·2025-03-07 07:46

# React源码解析之Reconciler运行循环与scheduler调度

React源码之看完吊打面试官系列经历一个月的学习整理，站在前人的肩膀上，对React有了一些浅薄的理解，希望记录自己的学习过程的同时也可以给大家带来一点小帮助。

Bug程序员枯港·2025-03-07 07:46

大白话react第十五章React 应用性能优化深度实践

大白话react第十五章React应用性能优化深度实践1.React服务端渲染（SSR）的深入运用白话解释：之前咱们做的网页大多是在浏览器里把页面一点点搭建起来，这得花点时间。

IT木昜·2025-03-07 07:45

vue3的福音框架arco.design

1.简介1.1.概述Vue3框架Arco.design是一个基于Vue3的开源设计系统，它提供了一系列的UI组件和工具，可以帮助开发者快速构建高质量的Web应用。

丁爸·2025-03-07 06:03

LLM辅助编程：代码自动生成与优化

LLM,代码生成,代码优化,编程辅助,AI编程,自然语言处理,深度学习1.背景介绍随着软件开发的日益复杂化，程序员面临着越来越高的开发压力和效率要求。

AI智能涌现深度研究·2025-03-07 05:54

国内开源深度学习框架

目录一、国内开源深度学习框架1、PaddlePaddle（百度飞浆）2、MindSpore（华为昇思）3、MegEngine（旷视天元）4、OneFlow（一流科技）5、Jittor（清华计图）二、快速入手

we19a0sen·2025-03-07 05:53

高频算法题精讲（Java解法）——算法+实际场景化拆解

结合高频算法题，逐步带你走向深度理解。无论你是准备面试，还是在开发中需要优化，掌握这些基础的算法思维将会让你事半功倍。

大熊计算机毕设·2025-03-07 04:49

【力扣Hot100】543.二叉树的直径

题目：二叉树的直径分析：还记不记得如何求二叉树的最大深度，那么如何求穿过根节点的直径，很显然答案就是将左子树的最大深度+右子树的最大深度；但是题目中要求最大直径，也就是说最大直径路径不一定是穿过根节点的

Data跳动·2025-03-07 04:18

力扣简单题系列：两个数组的交集（LeetCode 349）

力扣简单题系列：两个数组的交集（LeetCode349）题目描述：给定两个数组nums1和nums2，返回它们的交集。输出结果中的每个元素是唯一的，且可以不考虑输出结果的顺序。

Yohen-·2025-03-07 03:38

Django ORM 中的 RelatedManager 特殊方法

当我们在模型之间定义外键（ForeignKey）、一对多（OneToMany）或多对多（ManyToMany）关系时，Django提供了一系列工具和方法来方便地管理这些关系。

jay丿·2025-03-07 03:31

HTML5新特性深度解析

HTML5新特性深度解析HTML5作为现代Web开发的基石，其LivingStandard模式持续为开发者带来创新工具。

longdong7889·2025-03-07 03:29

第五章 nfs服务器

NFS（NetworkFileSystem，网络文件系统）是FreeBSD支持的文件系统中的一种，它允许网络中的计算机（不同的计算机、不同的操作系统）之间通过TCP/IP网络共享资源，主要在unix系列操作系统上使用

Chen_l916·2025-03-07 01:50

神经网络ＶＳ决策树

以下是它们的详细比较：神经网络优点:强大的学习能力:神经网络，尤其是深度神经网络，能够自动学习数据中的复杂特征，可以处理高维和非线性的问题。

Persistence is gold·2025-03-07 01:16

Gin框架深度解剖：中间件的实现原理

引言Gin是一个用Go语言编写的高性能Web框架，以其简洁的API和卓越的性能著称。在Gin中，中间件（Middleware）是一个非常重要的概念，它允许我们在请求处理的前后执行一些通用的逻辑，比如日志记录、身份验证、错误处理等。本文将深入探讨Gin框架中中间件的实现原理，帮助读者更好地理解和使用Gin框架。什么是中间件？中间件是一种在HTTP请求到达目标处理函数之前或之后执行的函数。它可以用来处

魔法小匠·2025-03-07 01:43

Gin框架深度解剖：路由树的实现原理

引言Gin是Golang中最受欢迎的Web框架之一，以其高性能和简洁的API设计著称。Gin的核心之一是其高效的路由机制，而路由机制的核心则是**路由树**的实现。本文将深入探讨Gin框架中路由树的实现原理，帮助读者理解Gin是如何通过路由树来高效处理HTTP请求的。1.路由树的基本概念在Web框架中，路由是指将HTTP请求的URL路径映射到相应的处理函数。Gin框架使用了一种称为**前缀树（Tr

魔法小匠·2025-03-07 01:42

【免费收藏】清华大学DeepSeek使用手册合集 600页完整版

DeepSeek资料链接：https://pan.quark.cn/s/c927326f70c5在人工智能席卷全球的当下，DeepSeek作为前沿深度学习技术，正推动着全面AI时代的到来。

周师姐·2025-03-07 01:10

8、Java核心API系列(六)

七、文件与IO1、文件和目录操作（File类）Java中的File类位于java.io包中，主要用于处理文件和目录的基本操作，如创建、删除、复制、移动文件或目录，以及获取文件的属性。1.创建文件或目录创建文件：使用File类的构造器并调用createNewFile()方法。创建目录：使用mkdir()方法创建单层目录，使用mkdirs()方法创建多层目录。示例：importjava.io.File

跟着汪老师学编程·2025-03-07 01:40

10、Java核心API系列(八)

九、并发与多线程1、Java并发API概述Java并发API是Java语言中用于多线程编程的核心工具包，主要位于java.util.concurrent和java.util.concurrent.locks包中。它提供了高效、简洁的方式来处理并发编程中的常见问题。Java并发的核心目标：提高程序的响应速度。提高程序的吞吐量（处理更多任务）。-简化并发编程的复杂性。Java并发的基本概念：线程（Th