- 道路表面缺陷数据集（裂缝/井盖/坑洼）（6000张图片已划分、已标注）｜适用于YOLO系列深度学习分类检测任务【数据集分享】数据集已划分为train、test、val。共计6000张图片，对应标注文件。本数据集专注于 道路表面缺陷检测与识别，共计 6000张高分辨率图片，涵盖了常见的 裂缝、井盖、坑洼、修补区域 等多种复杂场景。数据集采用 YOLO项目标准格式，并已完成 train、val... 道路表面缺陷数据集（裂缝/井盖/坑洼）（6000张图片已划分、已标注）｜适用于YOLO系列深度学习分类检测任务【数据集分享】数据集已划分为train、test、val。共计6000张图片，对应标注文件。本数据集专注于 道路表面缺陷检测与识别，共计 6000张高分辨率图片，涵盖了常见的 裂缝、井盖、坑洼、修补区域 等多种复杂场景。数据集采用 YOLO项目标准格式，并已完成 train、val...
- 作为一名资深程序员，我们在优化代码性能时总会面临一个核心问题：如何准确评估并充分利用目标平台的算力资源。从早期单核 CPU 的 MHz 竞速，到如今 CPU-GPU-NPU 异构混合计算，计算机算力的演进不仅改变了硬件架构，更重塑了我们对计算效率的理解方式。本文将深入探讨算力评估的演变历程，剖析不同处理器架构的特性，并揭示现代异构计算的性能优化本质。一、CPU 算力演进：从单核串行到并行扩展... 作为一名资深程序员，我们在优化代码性能时总会面临一个核心问题：如何准确评估并充分利用目标平台的算力资源。从早期单核 CPU 的 MHz 竞速，到如今 CPU-GPU-NPU 异构混合计算，计算机算力的演进不仅改变了硬件架构，更重塑了我们对计算效率的理解方式。本文将深入探讨算力评估的演变历程，剖析不同处理器架构的特性，并揭示现代异构计算的性能优化本质。一、CPU 算力演进：从单核串行到并行扩展...
- 随着中医药现代化和智能化进程的不断推进，如何借助人工智能技术实现中药材的快速识别与分类，已成为中医药信息化领域的重要研究方向。传统的中药材识别依赖于专家经验和人工比对，效率低下、误差较大，尤其在中药材种类繁多、外观相似度高的背景下，更加凸显自动识别技术的重要性。 随着中医药现代化和智能化进程的不断推进，如何借助人工智能技术实现中药材的快速识别与分类，已成为中医药信息化领域的重要研究方向。传统的中药材识别依赖于专家经验和人工比对，效率低下、误差较大，尤其在中药材种类繁多、外观相似度高的背景下，更加凸显自动识别技术的重要性。
- 1.1 深度学习介绍 深度学习与神经网络 1.2 神经网络基础 1.3 浅层神经网络 2.1 多分类与 TensorFlow 5、得出每次训练的准确率（通过真实值和预测值进行位置比较，每个样本都比较） 2.2 梯度下降算法改进 2.3.4 其它正则化方法 2.4 BN 与神经网络调优 3.1 图像数据与边缘检测 3.2 卷积神经网络(CNN)原理 3.3 经典分类网络结构 4. 1.1 深度学习介绍 深度学习与神经网络 1.2 神经网络基础 1.3 浅层神经网络 2.1 多分类与 TensorFlow 5、得出每次训练的准确率（通过真实值和预测值进行位置比较，每个样本都比较） 2.2 梯度下降算法改进 2.3.4 其它正则化方法 2.4 BN 与神经网络调优 3.1 图像数据与边缘检测 3.2 卷积神经网络(CNN)原理 3.3 经典分类网络结构 4.
- 1.深度学习概述包括深度学习与机器学习区别、深度学习应用场景、深度学习框架介绍、项目演示、开发环境搭建（pycharm安装）。2. TensorFlow基础涵盖TF数据流图、TensorFlow实现加法运算、图与TensorBoard（图结构、图相关操作、默认图、创建图、OP）、张量（张量概念、张量的阶、张量数学运算）、变量OP（创建变量）、增加其他功能（命名空间、模型保存与加 1.深度学习概述包括深度学习与机器学习区别、深度学习应用场景、深度学习框架介绍、项目演示、开发环境搭建（pycharm安装）。2. TensorFlow基础涵盖TF数据流图、TensorFlow实现加法运算、图与TensorBoard（图结构、图相关操作、默认图、创建图、OP）、张量（张量概念、张量的阶、张量数学运算）、变量OP（创建变量）、增加其他功能（命名空间、模型保存与加
- YOLOv4深度解析：革命性的实时目标检测技术 YOLOv4深度解析：革命性的实时目标检测技术
- 通道注意力机制|Channel Attention Neural Network 通道注意力机制|Channel Attention Neural Network
- F-GNN的新型检测框架：随机森林增强图神经网络 F-GNN的新型检测框架：随机森林增强图神经网络
- 近年来，大语言模型技术呈现两大显著发展趋势：一是混合专家（Mixture-of-Experts, MoE）架构的普及，万亿参数规模模型通过动态路由机制实现高效推理与领域专精；二是Agent能力的重要性持续提升，模型从被动对话交互向主动执行任务、工具调用及复杂工作流编排演进。 近年来，大语言模型技术呈现两大显著发展趋势：一是混合专家（Mixture-of-Experts, MoE）架构的普及，万亿参数规模模型通过动态路由机制实现高效推理与领域专精；二是Agent能力的重要性持续提升，模型从被动对话交互向主动执行任务、工具调用及复杂工作流编排演进。
- 4.1.4 GRU(门控循环单元) 4.1.5 LSTM(长短记忆网络) 循环神经网络 4.2 词嵌入与NLP 学习目标 4.2.2 词嵌入 4.2.3 Word2Vec案例 4.3 seq2seq与Attention机制 4.3.2 注意力机制 4.3.3 机器翻译案例 4.3.4 集束搜索（Beam Search） 4.3.5 BLEU-机器翻译的自动评估方法 5.1 生 4.1.4 GRU(门控循环单元) 4.1.5 LSTM(长短记忆网络) 循环神经网络 4.2 词嵌入与NLP 学习目标 4.2.2 词嵌入 4.2.3 Word2Vec案例 4.3 seq2seq与Attention机制 4.3.2 注意力机制 4.3.3 机器翻译案例 4.3.4 集束搜索（Beam Search） 4.3.5 BLEU-机器翻译的自动评估方法 5.1 生
- 深度学习模型虽应用广泛，但其“黑箱”特性导致可解释性不足，尤其在金融、医疗等敏感领域，模型决策逻辑的透明性至关重要。本文聚焦深度学习可解释性中的可视化分析，介绍模型结构、特征、参数及输入激活的可视化方法，帮助理解模型行为、提升透明度，并推动其在关键领域的安全应用。 深度学习模型虽应用广泛，但其“黑箱”特性导致可解释性不足，尤其在金融、医疗等敏感领域，模型决策逻辑的透明性至关重要。本文聚焦深度学习可解释性中的可视化分析，介绍模型结构、特征、参数及输入激活的可视化方法，帮助理解模型行为、提升透明度，并推动其在关键领域的安全应用。
- 1.深度学习课程概述包括深度学习与机器学习区别、深度学习应用场景、深度学习框架介绍、项目演示、开发环境搭建（pycharm安装）。2. TensorFlow基础涵盖TF数据流图、TensorFlow实现加法运算、图与TensorBoard（图结构、图相关操作、默认图、创建图、OP）、张量（张量概念、张量的阶、张量数学运算）、变量OP（创建变量）、增加其他功能（命名空间、模型保存 1.深度学习课程概述包括深度学习与机器学习区别、深度学习应用场景、深度学习框架介绍、项目演示、开发环境搭建（pycharm安装）。2. TensorFlow基础涵盖TF数据流图、TensorFlow实现加法运算、图与TensorBoard（图结构、图相关操作、默认图、创建图、OP）、张量（张量概念、张量的阶、张量数学运算）、变量OP（创建变量）、增加其他功能（命名空间、模型保存
- 本文深入剖析SVG路径动画中时间函数的操控艺术，揭示时间函数与路径特性的深层关联。从路径作为“时空容器”的本质出发，阐释时间函数如何通过调整时间分配权重，让图形运动契合路径的曲率、长度等特征，既符合物理直觉又具视觉美感。探讨复杂路径解析、时间与路径的共振法则，以及突破常规的创意实践与跨感官转译，展现时间函数从基础调控到智能自适应的演进，为SVG动画创作提供高阶思路。 本文深入剖析SVG路径动画中时间函数的操控艺术，揭示时间函数与路径特性的深层关联。从路径作为“时空容器”的本质出发，阐释时间函数如何通过调整时间分配权重，让图形运动契合路径的曲率、长度等特征，既符合物理直觉又具视觉美感。探讨复杂路径解析、时间与路径的共振法则，以及突破常规的创意实践与跨感官转译，展现时间函数从基础调控到智能自适应的演进，为SVG动画创作提供高阶思路。
- 1.算法运行效果图预览(完整程序运行后无水印) 由于网络训练具有一定的随机性，当训练性能略微差时，最后的识别率如下： 2.算法运行软件版本matlab2022a/matlab2024b 3.部分核心程序（完整版代码包含详细中文注释和操作步骤视频） %% 冻结初始图层layers = lgraph.Layers;connections = lgraph.Connections; %% 训练网... 1.算法运行效果图预览(完整程序运行后无水印) 由于网络训练具有一定的随机性，当训练性能略微差时，最后的识别率如下： 2.算法运行软件版本matlab2022a/matlab2024b 3.部分核心程序（完整版代码包含详细中文注释和操作步骤视频） %% 冻结初始图层layers = lgraph.Layers;connections = lgraph.Connections; %% 训练网...
- 4.1.4 GRU(门控循环单元) 4.1.5 LSTM(长短记忆网络) 循环神经网络 4.2 词嵌入与NLP 学习目标 4.2.2 词嵌入 4.2.3 Word2Vec案例 4.3 seq2seq与Attention机制 4.3.2 注意力机制 4.3.3 机器翻译案例 4.3.4 集束搜索（Beam Search） 4.3.5 BLEU-机器翻译的自动评估方法 5.1 生 4.1.4 GRU(门控循环单元) 4.1.5 LSTM(长短记忆网络) 循环神经网络 4.2 词嵌入与NLP 学习目标 4.2.2 词嵌入 4.2.3 Word2Vec案例 4.3 seq2seq与Attention机制 4.3.2 注意力机制 4.3.3 机器翻译案例 4.3.4 集束搜索（Beam Search） 4.3.5 BLEU-机器翻译的自动评估方法 5.1 生
上滑加载中
推荐直播
-
华为云码道 × 仓颉编程：工程化AI编码探索2026/05/27 周三 19:00-21:00
刘俊杰-华为云仓颉语言专家/李炎-华为云码道技术专家/王智鹏-OpenCangjie开源社区发起人
本场直播围绕华为云仓颉语言与华为云码道的深度结合，展示华为云智能编程从零基础到高效落地的完整生态能力。以华为云码道为引擎，仓颉语言为载体，带给大家日常提效、趣味创新到极速量产的开发体验。
回顾中
热门标签