PAT-练习集

点云从入门到精通技术详解100篇-基于激光雷达点云的三维目标检测

目录前言图像目标检测算法研究现状点云目标检测算法研究现状基于投影图的方法基于体素的方法基于点云的多模态融合方法2地面点云滤波及神经网络2.1目标检测数据集及采集设备2.1.1KITTI数据集2.1.2车载激光雷达
格图素书·2025-03-13 13:08

Epoch 和 Batch Size的设计 + 模型的早停策略（基于上篇）

1.Epoch的设计epoch表示整个数据集被模型完整遍历一次。
一只小铁柱·2025-03-13 13:08

AI大模型：教育行业的革新引擎

她轻触桌面的全息投影，AI助手“DeepSeek-R1”立刻扫描题目：“这道几何题需要先构建辅助线，还记得昨天练习的相似三角形判定法吗？”随即调出3D动态演示，讲解着自己的解题思路。
AI360labs_atyun·2025-03-13 13:06

java基础之选择结构（if）、循环结构（for、while）篇

前言本章主要是对选择结构（if-else）、循环结构（for、while）的练习一、选择结构判断瑞年题目要求：闰年的条件是能被4整除，但不能被100整除；或能被400整除。
Rookie_lyj·2025-03-13 11:22

神经网络机器学习中说的过拟合是什么意思

过拟合的表现训练误差很低，但测试误差很高：模型在训练集上的准确率非常高，但在测试集上的准确率却显著下降。模型过于复杂：模型学习了训练数据中的噪声或不相关
yuanpan·2025-03-13 10:46

NVME-MI详解

NVMe-MI通信机制与协议对比分析引言NVMe管理接口(NVMe-MI)是一种专为NVMe存储设备管理而设计的标准化接口，它提供了一套完整的命令集和架构，使远程管理应用程序能够发现、监控和更新NVMe
dropevil·2025-03-13 10:45

分布式并行策略概述

可以显著减少训练时间，尤其是当模型较小，而数据集较大时。缺点：随着模型大小的增加，每个处理单元需要的内存也增加，可能受限于单个GPU的内存容量。大规模时通
灵海之森·2025-03-13 10:11

Ae 效果详解：分形

Ae菜单：效果/生成/分形Generate/Fractal分形Fractal效果可生成曼德布罗特集和朱莉娅集的视觉效果，通常用于创作独特的抽象图案和动态纹理，广泛应用于背景生成和抽象视觉表现。
MediaTea·2025-03-13 10:41

BY组态-低代码web可视化组件

简介BY组态是集实时数据展示、动态交互等一体的全功能可视化平台。
by组态软件·2025-03-13 07:49

计算机系统架构2

6.对指令集的基本要求：完整性；规整性；高效率；兼容性7.CISC复杂指令集
落——枫·2025-03-13 07:48

在线访谈系统解决方案书

联迅在线访谈系统是威海联讯信息技术有限公司研发的一套集网络访谈直播、网络会议直播、网络文字直播、往期访谈点播、观众嘉宾互动等于一体的多用户视
3D小将·2025-03-13 06:41

论文学习：基于机器学习的光声图像分析1

期间论文学习笔记，关于基于机器学习的光声图像分析的6篇1区论文血管结构模拟&分割：Quantificationofvascularnetworksinphotoacousticmesoscopy链接数据集链接摘要这篇论文提出了一种新的方法
superace7911·2025-03-13 05:37

MES基于C#开发计划管理组件集成WinCC中使用

MES系统通常都会与SCADA系统集成使用，尤其具备中控管理需求的工厂，集控SCADA需要集成MES系统的计划工单数据实现工单数据、工艺配方数据、SN数据、打码数据等下发，执行状态、关键参数反馈等上传。
dephixf·2025-03-13 05:36

动手深度学习笔记（二十九）5.5. 读写文件

动手深度学习笔记（二十九）5.5.读写文件5.深度学习计算5.5.读写文件5.5.1.加载和保存张量5.5.2.加载和保存模型参数5.5.3.小结5.5.4.练习5.深度学习计算5.5.读写文件到目前为止
落花逐流水·2025-03-13 04:29

【深度学习】从全连接层到卷积

例如，在之前猫狗分类的例子中：假设我们有一个足够充分的照片数据集，数据集中是拥有标注的照片，每张照片具有百万级像素，
熙曦Sakura·2025-03-13 04:56

算法练习——双指针算法(更新中)

一、介绍双指针算法双指针（或称为双索引）算法是一种高效的算法技巧，常用于处理数组或链表等线性数据结构。它通过使用两个指针来遍历数据，从而减少时间复杂度，避免使用嵌套循环。双指针算法在解决诸如查找、排序、去重等问题时非常有效。1.双指针算法的基本思想双指针算法的核心思想是通过两个指针（通常是索引）来遍历数组或链表，而不是使用嵌套循环。这两个指针可以是：快慢指针：一个指针移动速度比另一个快。左右指针：
*TQK*·2025-03-13 04:56

PostgreSQL教程（一）入门介绍

PostgreSQL是一个功能强大的开源关系型数据库系统，它使用并扩展了SQL语言，并结合了许多功能，可以安全地存储和扩展复杂的数据工作PostgreSQL因其经过验证的架构、可靠性、数据完整性、强大的功能集、
空说·2025-03-13 04:24

【Scannet V2 三维数据集下载】

ScannetV2三维数据下载ScannetV2数据介绍：“ScanNet是一个RGB-D视频数据集，包含2多次扫描中的5万次观看，并带有1500D摄像机姿势、表面重建和实例级语义分割进行注释。
萧伯纳.·2025-03-13 03:20

mysql练习

创建数据库db_ck，再创建表t_hero，将四大名著中的主要人物都插入这个表中，将实现过程中sql提交上上来1、创建数据库db_ckmysql>createdatabasedb_ck;2、创建表t_heromysql>usedb_ckDatabasechangedmysql>createtablet_hero(->idintprimarykeyauto_increment,->namevarch
夏炎正好眠·2025-03-13 03:18

PyTorch分布式训练

分布式训练概述环境设置数据并行（DDP）模型并行启动训练性能优化建议示例代码参考资料和相关问题以下是为您整理的PyTorch分布式训练教程指南：一、PyTorch分布式训练核心概念数据并行：通过分割数据集实现多
阳光明媚大男孩·2025-03-13 02:16

机器学习专栏博文汇总

本篇汇集了Python游乐园中机器学习专栏博文，会持续更新，需要的小伙伴可以收藏一下Python机器学习实战：基于不同机器学习算法的鸢尾花数据集分析机器学习常见问题：过拟合及其处理方式结构化数据和非结构化数据的区别是什么如何选择合适的机器学习算法来处理非结构化数据可用于文本分析的机器学习算法都有哪些
python游乐园·2025-03-13 02:09

论文阅读：Personalized Purchase Prediction of Market with Wasserstein-Based Sequence Matching

概述问题背景及陈述预测算法步骤一：itemembeddings步骤二：计算wassersteinDistance步骤三：Wasserstein-BasedDynamicTimeWarping预测实验评价标准数据集对比的
Narcissus`小暮·2025-03-13 01:07

论文阅读 EEG-TCNet

EG-TCNET成功地推广了单个数据集，通过0.25的元效应优于MOABB的当前最新技术水平
Plan-C-·2025-03-13 01:36

论文阅读《Semantic Stereo Matching with Pyramid Cost Volumes》

SSPCV-Net（语义立体匹配网络）目的：进一步捕捉视差的细节主要模块：数据集：SceneFlow,KITTI2012,KITTI2015,Cityscape(比较泛化能力)-------------
cunese0088·2025-03-13 01:34

VLRMBench ：一个涵盖数学推理、幻觉理解、多图像理解等多种任务的视觉-语言奖励模型基准测试数据集

2025-03-10，由上海交通大学和小红书公司联合创建了VLRMBench数据集。
·2025-03-12 22:23

异常控制流学习笔记——fork函数和wait函数

wait函数的错误处理在计算机系统中，异常有中断、陷阱、故障和终止四种类别，具体的内容我们不在此处展开，但是无论如何，当异常出现时，计算机系统都会对其进行处理，其大致流程如下图所示：作为初学者，我们平常练习时所编写的代码其实是极为朴素简单的
Lunapius·2025-03-12 22:43

将Labelme标注的数据做成COCO格式的数据集（实例分割的数据集）

这里说明一下：Labelme标注数据时候是用的多边形框，关于标注，可以看前面的博客文章下面制作的COCO数据集是用于实例分割的数据集。
一直开心·2025-03-12 21:39

KMeans实战——聚类和轮廓系数评估啤酒数据集

本文将介绍如何使用KMeans算法对啤酒数据集进行聚类，并使用轮廓系数（SilhouetteScore）来评估聚类结果的质量。1.数据准备首先，我们需要导入必要的库并加载数据集。本文使用的数据集是一
巷955·2025-03-12 21:38

大数据学习（61）-Impala与Hive计算引擎

，请点赞+收藏⭐️+留言支持一下博主哦一、impala与yarn资源管理YARN是ApacheHadoop生态系统中的一个资源管理器，它采用了master/slave的架构，使得多个处理框架能够在同一集群上共享资源
viperrrrrrr·2025-03-12 21:38

java实验报告_java实验一实验报告

宋宸宁实验要求：1.使用JDK编译、运行简单的Java程序2.使用Eclipse编辑、编译、运行、调试Java程序实验内容(一)命令行下Java程序开发(二)Eclipse下Java程序开发、调试(三)练习
赵阿萌·2025-03-12 21:06

HTML 基础

：包含元数据（标题、CSS、字符集等）。：页面可见内容的容器。
磨十三·2025-03-12 19:58

2025年北京市海淀区信息奥赛真题解析（小学组）

专栏特色1.经典算法练习：根据信息学竞赛大纲，精心挑选经典算法题目，提供清晰的代码实现与详细指导，帮助您夯实算法基础。
热爱编程的通信人·2025-03-12 19:53

效果媲美Cursor的开源替代：Roo-Cline

作为一个开源项目，它在保持原版Cline所有核心功能的同时，通过持续的社区贡献不断改进和扩展其功能集。
开源项目精选·2025-03-12 19:52

C语言每日一练——day_3（快速上手C语言）

引言针对初学者，每日练习几个题，快速上手C语言。第三天。（会连续更新）采用在线OJ的形式什么是在线OJ？
Run_Teenage·2025-03-12 19:51

C语言每日一练——day_4

引言针对初学者，每日练习几个题，快速上手C语言。第四天。（连续更新中）采用在线OJ的形式什么是在线OJ？
Run_Teenage·2025-03-12 18:20

【安当产品应用案例100集】040-TDE保护私有模型文件

1.引言随着大语言模型（LLM,LargeLanguageModel）在各行各业的广泛应用，其安全性和隐私保护变得尤为重要。为了防止敏感数据泄露或未经授权的访问，透明数据加密（TDE,TransparentDataEncryption）技术被引入到大语言模型的文件管理中。本案例将详细介绍如何使用TDE技术对大语言模型的文件进行加密，并探讨其优势和实现步骤。2.背景与需求2.1大语言模型的特点庞大的
安 当 加 密·2025-03-12 18:19

常用CPU架构

1.x86/x86-64架构类型：复杂指令集（CISC）核心厂商：Intel、AMD、海光（国产）技术特点：指令集庞大：支持复杂操作（如多媒体处理、加密运算），兼容性强。
大明者省·2025-03-12 18:18

51-52 CVPR 2024 | Generalized Predictive Model for Autonomous Driving，自动驾驶通用预测模型

作者提出了通用的大规模自动驾驶视频预测模型GenAD，在实现过程中，进一步提出了迄今为止最大的自动驾驶场景训练数据集OpenDV-2K。
深圳季连AIgraphX·2025-03-12 18:18

(9-4-01)MM-Vet多模态大模型评估系统：多模态大模型评估

9.4多模态大模型评估在本项目中，通过文件mm-vet-v2_evaluator.py评估常见多模态模型在MM-Vet-v2数据集上的表现。
码农三叔·2025-03-12 17:13

hive-3.1.3部署文档

archive.apache.org/dist/hive/hive-3.1.3/apache-hive-3.1.3-bin.tar.gzmysql安装包1、内嵌模式由于内嵌模式使用场景太少（基本不用），所以仅练习安装查看基础功能
CXH728·2025-03-12 16:09

ARMV8的64位指令

一、介绍ARMv8体系结构最大的改变是增加了一个新的64位的指令集，这是早前ARM指令集的有益补充和增强。它可以处理64位宽的寄存器和数据并且使用64位的指针来访问内存。
物随心转·2025-03-12 16:08

【模型调优的深入分析与Python实践】

模型调优的深入分析与Python实践一、模型调优的定义与目标模型调优（ModelTuning）是通过系统化调整机器学习模型的超参数和结构参数，使模型在特定数据集上达到最佳性能的过程。
蝉叫醒了夏天·2025-03-12 15:30

python小练习，计算并显示正整数 n 的所有因子及因子的个数，其中 n 的值键盘输入。

计算并显示正整数n的所有因子及因子的个数，其中n的值键盘输入。n=eval(input('请输入正整数n='))a=[]print('%d的因子为：'%n)foriinrange(1
D.Leo·2025-03-12 15:27

ASL 集睿致远CS5263AN DP转HDMI芯片概述

CS5263AN是一款高性能的DisplayPort1.4转HDMI2.0b音视频转换芯片，由集睿致远（ASL）推出。
·2025-03-12 13:00

机器学习背后的数学芝士

矩阵则是二维数组，广泛应用于数据集的表示和变换操作。线性变换线性变换描述了向量在空间中的拉伸、压缩或旋转过程。这类变换在数据预处理、
小技工丨·2025-03-12 11:36

大模型微调：定义、方法、应用与未来展望

一、定义与意义（一）微调的定义大模型微调是指在预训练模型的基础上，通过特定领域的数据集对模型进行进一步训练的过程。
软件职业规划·2025-03-12 11:33

DeepSeek行业应用案例——办公

本案例集初步收录了40多个来自农业、制造业、汽车行业、手机行业、智能家居、物流、云服务、办公、网络安全、金融、医疗、教育等多个关键行业的应用案例。
未来智慧谷·2025-03-12 11:31

扩散 Transformer 策略：用于通才视觉-语言-动作学习的规模化扩散 Transformer

最近，在多样化的机器人数据集上进行预训练的大型视觉-语言-动作模型，已展示出利用少量域内数据泛化到
三谷秋水·2025-03-12 10:27

计算机视觉深度学习入门（4）

在小型数据集上从头开始训练一个卷积神经网络利用少量数据来训练图像分类模型，这是一种很常见的情况。如果你从事与计算机视觉相关的职业，那么很可能会在实践中遇到这种情况。
yyc_audio·2025-03-12 10:26

51-53 CVPR 2024 | DriveWorld：通过自动驾驶世界模型进行 4D 预训练场景理解 （含模型数据流梳理）

DriveWorld在UniAD的基础上又有所成长，提升了自动驾驶目标检测、目标追踪、3D占用、运动预测及规划的性能，后期扩大数据集和调整骨干网络大小应该会
深圳季连AIgraphX·2025-03-12 08:43
上一页 5 6 7 8 9 10 11 12 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他