- 近两年来，随着大型语言模型（LLM）的迅猛崛起，吸引了各行各业的广泛关注，并对我们的日常生活与工作模式带来了显著的积极影响。特别是在春节期间，DeepSeek的火爆表现更是将国产大型语言模型的发展推向了一个崭新的高度，令世界为之震撼与振奋。Ollama 作为一种开源的基于Docker容器的大模型运行工具，它提供了一个统一的平台，用于下载、安装和运行各种AI大模型，为开发者提供了极大的便捷开发... 近两年来，随着大型语言模型（LLM）的迅猛崛起，吸引了各行各业的广泛关注，并对我们的日常生活与工作模式带来了显著的积极影响。特别是在春节期间，DeepSeek的火爆表现更是将国产大型语言模型的发展推向了一个崭新的高度，令世界为之震撼与振奋。Ollama 作为一种开源的基于Docker容器的大模型运行工具，它提供了一个统一的平台，用于下载、安装和运行各种AI大模型，为开发者提供了极大的便捷开发...
- 震撼发布！让你的电脑智商飙升，DeepSeek-R1+Ollama+ChatboxAI合体教程，打造私人智能神器！ 震撼发布！让你的电脑智商飙升，DeepSeek-R1+Ollama+ChatboxAI合体教程，打造私人智能神器！
- 逆天改变！VSCode+Cline+DeepSeek-V3，编程界的新王者就是你 逆天改变！VSCode+Cline+DeepSeek-V3，编程界的新王者就是你
- 基于深度学习的药品分类编码映射系统：设计、实现与优化 介绍现代医疗行业中，管理和分类药品是一个复杂而重要的任务。基于深度学习的药品分类编码映射系统通过自动化分类和编码，将药品信息与其对应的标准编码（如 ATC code）进行匹配，以提高效率并减少人为错误。 应用使用场景医疗数据库管理：统一药品的存储格式，提高检索效率。电子健康记录（EHR）集成：将临床数据和药品信息标准化。制药公司研究：分... 基于深度学习的药品分类编码映射系统：设计、实现与优化 介绍现代医疗行业中，管理和分类药品是一个复杂而重要的任务。基于深度学习的药品分类编码映射系统通过自动化分类和编码，将药品信息与其对应的标准编码（如 ATC code）进行匹配，以提高效率并减少人为错误。 应用使用场景医疗数据库管理：统一药品的存储格式，提高检索效率。电子健康记录（EHR）集成：将临床数据和药品信息标准化。制药公司研究：分...
- 在设计领域，创意草图是设计师灵感的起点。传统草图绘制耗时且依赖个人技能，而生成对抗网络（GANs）通过生成器和判别器的对抗学习，快速生成高质量创意草图，突破创作瓶颈。GANs不仅提高设计效率、激发创意，还降低了设计门槛，使更多人能参与设计。尽管存在生成质量不稳定、语义理解不足及数据隐私等挑战， 在设计领域，创意草图是设计师灵感的起点。传统草图绘制耗时且依赖个人技能，而生成对抗网络（GANs）通过生成器和判别器的对抗学习，快速生成高质量创意草图，突破创作瓶颈。GANs不仅提高设计效率、激发创意，还降低了设计门槛，使更多人能参与设计。尽管存在生成质量不稳定、语义理解不足及数据隐私等挑战，
- Centos7.9版本安装collectd并开启写入rrd文件功能 Centos7.9版本安装collectd并开启写入rrd文件功能
- 在现代数学建模中，优化问题普遍存在于各种领域，如工程设计、数据挖掘、机器学习等。解决这些问题通常依赖于高效的优化算法。智能优化算法，特别是自然启发式算法，近年来成为优化问题求解中的重要工具。这类算法模仿自然界中某些生物的行为，通过模拟自然选择和适应过程寻找问题的最优解。蝴蝶优化算法（Butterfly Optimization Algorithm，简称BOA）作为一种新兴的智能优化算法，已被... 在现代数学建模中，优化问题普遍存在于各种领域，如工程设计、数据挖掘、机器学习等。解决这些问题通常依赖于高效的优化算法。智能优化算法，特别是自然启发式算法，近年来成为优化问题求解中的重要工具。这类算法模仿自然界中某些生物的行为，通过模拟自然选择和适应过程寻找问题的最优解。蝴蝶优化算法（Butterfly Optimization Algorithm，简称BOA）作为一种新兴的智能优化算法，已被...
- 基于知识蒸馏与事实增强的深度学习模型实践 1. 介绍知识蒸馏（Knowledge Distillation）和事实增强（Fact Augmentation）是深度学习中两种重要的技术，用于提升模型的性能和泛化能力。 1.1 知识蒸馏知识蒸馏是一种模型压缩技术，通过将一个复杂模型（教师模型）的知识迁移到一个简单模型（学生模型）中，从而在保持较高性能的同时减少模型的计算复杂度。 1.2 事实增... 基于知识蒸馏与事实增强的深度学习模型实践 1. 介绍知识蒸馏（Knowledge Distillation）和事实增强（Fact Augmentation）是深度学习中两种重要的技术，用于提升模型的性能和泛化能力。 1.1 知识蒸馏知识蒸馏是一种模型压缩技术，通过将一个复杂模型（教师模型）的知识迁移到一个简单模型（学生模型）中，从而在保持较高性能的同时减少模型的计算复杂度。 1.2 事实增...
- 论文标题：Object Detection in 20 Years: A Survey 1. 引言 (Introduction)背景：介绍目标检测（Object Detection）在计算机视觉中的重要性，以及其在数字图像中检测视觉对象的基本任务。目的：本文旨在回顾过去20年目标检测技术的发展历程，涵盖400多篇相关论文，时间跨度从1990年代到2019年。结构：论文分为几个主要部分，包括目... 论文标题：Object Detection in 20 Years: A Survey 1. 引言 (Introduction)背景：介绍目标检测（Object Detection）在计算机视觉中的重要性，以及其在数字图像中检测视觉对象的基本任务。目的：本文旨在回顾过去20年目标检测技术的发展历程，涵盖400多篇相关论文，时间跨度从1990年代到2019年。结构：论文分为几个主要部分，包括目...
- 在此教程中，我们将对基于Transformer的生成式人工智能模型及其原理进行一个简单的介绍，并实现其训练和推理过程，且至少支持3种数据集，目前支持数据集有：MNIST、CIFAR10、CIFAR100等，并给用户提供一个详细的帮助文档。 在此教程中，我们将对基于Transformer的生成式人工智能模型及其原理进行一个简单的介绍，并实现其训练和推理过程，且至少支持3种数据集，目前支持数据集有：MNIST、CIFAR10、CIFAR100等，并给用户提供一个详细的帮助文档。
- 在此教程中，我们将对深度学习中的图模型及其原理进行一个简单的介绍，并实现一种图模型的训练和推理，至少支持三种数据集，目前支持数据集有：Cora、CiteSeer、PubMed等，并给用户提供一个详细的帮助文档。 在此教程中，我们将对深度学习中的图模型及其原理进行一个简单的介绍，并实现一种图模型的训练和推理，至少支持三种数据集，目前支持数据集有：Cora、CiteSeer、PubMed等，并给用户提供一个详细的帮助文档。
- RAG 系统高效检索提升秘籍：如何精准选择 BGE 智源、GTE 阿里与 Jina 等的嵌入与精排模型的完美搭配 RAG 系统高效检索提升秘籍：如何精准选择 BGE 智源、GTE 阿里与 Jina 等的嵌入与精排模型的完美搭配
- 粒子滤波流程 基本原理：随机选取预测域的 N NN 个点，称为粒子。以此计算出预测值，并算出在测量域的概率，即权重，加权平均就是最优估计。之后按权重比例，重采样，进行下次迭代。 初始状态：用大量粒子模拟X（t），粒子在空间内均匀分布； 预测阶段：根据状态转移方程，每一个粒子得到一个预测粒子； 校正阶段：对预测粒子进行评价，越接近于真实状态的粒子，其权重越大； 重采样：根据粒子权重对粒子进 粒子滤波流程 基本原理：随机选取预测域的 N NN 个点，称为粒子。以此计算出预测值，并算出在测量域的概率，即权重，加权平均就是最优估计。之后按权重比例，重采样，进行下次迭代。 初始状态：用大量粒子模拟X（t），粒子在空间内均匀分布； 预测阶段：根据状态转移方程，每一个粒子得到一个预测粒子； 校正阶段：对预测粒子进行评价，越接近于真实状态的粒子，其权重越大； 重采样：根据粒子权重对粒子进
- 图像分割是继图像分类和目标检测之后的计算机视觉的第三大任务。相较于分类和检测，分割的任务粒度更加细化，需要做到逐像素级别的分类。图像分割可分为语义分割和实例分割。图像分割主要包括语义分割（Semantic Segmentation）和实例分割(Instance Segmentation)。语义分割是对图像中的每个像素都划分出对应的类别，即实现像素级别的分类；而类的具体对象，即为实例，那么实例... 图像分割是继图像分类和目标检测之后的计算机视觉的第三大任务。相较于分类和检测，分割的任务粒度更加细化，需要做到逐像素级别的分类。图像分割可分为语义分割和实例分割。图像分割主要包括语义分割（Semantic Segmentation）和实例分割(Instance Segmentation)。语义分割是对图像中的每个像素都划分出对应的类别，即实现像素级别的分类；而类的具体对象，即为实例，那么实例...
- 退化问题不解决，深度学习就无法Go Deeper。于是残差网络ResNet提出来了。要理解残差网络，就要理解残差块(Residual Block)这个结构，因为残差块是残差网络的基本组成部分。之前的各种卷积网络结构(LeNet5、AlexNet、VGG)，通常结构就是卷积池化再卷积池化，中间的卷积池化操作可以有很多层。类似这样的网络结构何恺明在论文中将其称为普通网络(Plain Networ... 退化问题不解决，深度学习就无法Go Deeper。于是残差网络ResNet提出来了。要理解残差网络，就要理解残差块(Residual Block)这个结构，因为残差块是残差网络的基本组成部分。之前的各种卷积网络结构(LeNet5、AlexNet、VGG)，通常结构就是卷积池化再卷积池化，中间的卷积池化操作可以有很多层。类似这样的网络结构何恺明在论文中将其称为普通网络(Plain Networ...
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第五期2026/09/04 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；蒋春阳-华为云AI开发者案例开发专家
本期直播内容： AI工具体验营 · 第5-8课连讲。Agent-Team 多智能体协作完成毕业设计实践
回顾中 -
华为云开发者AI素养ClassRoom·第六期2026/09/08 周二 19:00-20:00
樊渊-2026华为软件挑战赛冠军
高手来了：看软挑高手解析二维排样问题—从工业难题到算法突破
回顾中
热门标签