- 本节书摘来自华章计算机《Python大规模机器学习》一书中的第1章，第1.3.1节，作者是［荷］巴斯蒂安·贾丁（Bastiaan Sjardin）［意］卢卡·马萨罗（Luca Massaron）［意］阿尔贝托·博斯凯蒂（Alberto Boschetti）王贵财刘春明译。 本节书摘来自华章计算机《Python大规模机器学习》一书中的第1章，第1.3.1节，作者是［荷］巴斯蒂安·贾丁（Bastiaan Sjardin）［意］卢卡·马萨罗（Luca Massaron）［意］阿尔贝托·博斯凯蒂（Alberto Boschetti）王贵财刘春明译。
- 本节书摘来自华章计算机《Python大规模机器学习》一书中的第1章，第1.2.5节，作者是［荷］巴斯蒂安·贾丁（Bastiaan Sjardin）［意］卢卡·马萨罗（Luca Massaron）［意］阿尔贝托·博斯凯蒂（Alberto Boschetti）王贵财刘春明译。 本节书摘来自华章计算机《Python大规模机器学习》一书中的第1章，第1.2.5节，作者是［荷］巴斯蒂安·贾丁（Bastiaan Sjardin）［意］卢卡·马萨罗（Luca Massaron）［意］阿尔贝托·博斯凯蒂（Alberto Boschetti）王贵财刘春明译。
- 本节书摘来自华章计算机《Python大规模机器学习》一书中的第1章，第1.2.2节，作者是［荷］巴斯蒂安·贾丁（Bastiaan Sjardin）［意］卢卡·马萨罗（Luca Massaron）［意］阿尔贝托·博斯凯蒂（Alberto Boschetti）王贵财刘春明译。 本节书摘来自华章计算机《Python大规模机器学习》一书中的第1章，第1.2.2节，作者是［荷］巴斯蒂安·贾丁（Bastiaan Sjardin）［意］卢卡·马萨罗（Luca Massaron）［意］阿尔贝托·博斯凯蒂（Alberto Boschetti）王贵财刘春明译。
- 本节书摘来自华章计算机《Python大规模机器学习》一书中的第1章，第1.1.4节，作者是［荷］巴斯蒂安·贾丁（Bastiaan Sjardin）［意］卢卡·马萨罗（Luca Massaron）［意］阿尔贝托·博斯凯蒂（Alberto Boschetti）王贵财刘春明译。 本节书摘来自华章计算机《Python大规模机器学习》一书中的第1章，第1.1.4节，作者是［荷］巴斯蒂安·贾丁（Bastiaan Sjardin）［意］卢卡·马萨罗（Luca Massaron）［意］阿尔贝托·博斯凯蒂（Alberto Boschetti）王贵财刘春明译。
- 本节书摘来自华章计算机《Python大规模机器学习》一书中的第1章，第1.1.2节，作者是［荷］巴斯蒂安·贾丁（Bastiaan Sjardin）［意］卢卡·马萨罗（Luca Massaron）［意］阿尔贝托·博斯凯蒂（Alberto Boschetti）王贵财刘春明译。 本节书摘来自华章计算机《Python大规模机器学习》一书中的第1章，第1.1.2节，作者是［荷］巴斯蒂安·贾丁（Bastiaan Sjardin）［意］卢卡·马萨罗（Luca Massaron）［意］阿尔贝托·博斯凯蒂（Alberto Boschetti）王贵财刘春明译。
- 本周Python生态活力十足：Polars带来流式排序合并连接优化，Django 6.1进入Alpha阶段，多项PEP推进中。此外还有Claude API实战、Hypothesis属性测试、容器精简等实用教程，以及多地PyCon/Py... 本周Python生态活力十足：Polars带来流式排序合并连接优化，Django 6.1进入Alpha阶段，多项PEP推进中。此外还有Claude API实战、Hypothesis属性测试、容器精简等实用教程，以及多地PyCon/Py...
- 夜间野生动物目标检测数据集分享（适用于YOLO系列深度学习分类检测任务） 源码下载链接:https://pan.baidu.com/s/1DiVTVeLSfvqbT5cczmITqw?pwd=fdu8提取码:fdu8 前言随着人工智能与计算机视觉技术的快速发展，智能监测系统在生态保护领域的应用越来越广泛。特别是在自然保护区、森林生态监测以及野生动物研究中，如何在夜间环境下准确识别不同种类的... 夜间野生动物目标检测数据集分享（适用于YOLO系列深度学习分类检测任务） 源码下载链接:https://pan.baidu.com/s/1DiVTVeLSfvqbT5cczmITqw?pwd=fdu8提取码:fdu8 前言随着人工智能与计算机视觉技术的快速发展，智能监测系统在生态保护领域的应用越来越广泛。特别是在自然保护区、森林生态监测以及野生动物研究中，如何在夜间环境下准确识别不同种类的...
- OMI/Aura Cloud Pressure and Fraction (O2-O2 Absorption) 1-Orbit L2 Swath 13x24km V003 (OMCLDO2) at GES DISC简介经重新处理后的 OMI/Aura 二级云数据产品 OMCLDO2 现已由 NASA 戈达德地球科学数据与信息服务中心（GES DISC）向公众开放。这是版本 003 的第二个版... OMI/Aura Cloud Pressure and Fraction (O2-O2 Absorption) 1-Orbit L2 Swath 13x24km V003 (OMCLDO2) at GES DISC简介经重新处理后的 OMI/Aura 二级云数据产品 OMCLDO2 现已由 NASA 戈达德地球科学数据与信息服务中心（GES DISC）向公众开放。这是版本 003 的第二个版...
- YOLO不是“魔法”，是你自己也能跑通的一条工程流水线：Python从标注到训练全实战 YOLO不是“魔法”，是你自己也能跑通的一条工程流水线：Python从标注到训练全实战
- 在模型迁移的复杂工程中，我们时常面临一个悖论：测试越充分，上线越安心，但业务迭代速度不等人。 试图在切换前穷尽所有边缘场景，往往会让迁移陷入“测试沼泽”。既然“零风险”不可能，架构师需要引入一种更务实的策略——MVP for Reliability（面向可靠性的最小可行集合）。这不仅仅是“先上个简单版本试试”，而是通过逻辑筛选，划定出绝对不能出事的核心业务红线。在展开方法论之前，先分享一个高... 在模型迁移的复杂工程中，我们时常面临一个悖论：测试越充分，上线越安心，但业务迭代速度不等人。 试图在切换前穷尽所有边缘场景，往往会让迁移陷入“测试沼泽”。既然“零风险”不可能，架构师需要引入一种更务实的策略——MVP for Reliability（面向可靠性的最小可行集合）。这不仅仅是“先上个简单版本试试”，而是通过逻辑筛选，划定出绝对不能出事的核心业务红线。在展开方法论之前，先分享一个高...
- 你的观察非常敏锐。当 GPT-5.5 和 Claude 4.8 在核心推理和多模态能力上穷追猛赶时，Gemini 3.5 确实在押注一个看似“朴素”但工程价值极高的维度——上下文长度与处理深度。这不仅是多塞几个 Token 的问题，而是一场关于“系统架构”和“处理范式”的差异化竞争。KULAAI（dl.877ai.cn）一、为什么“上下文长度”是比参数更高级的壁垒？在模型能力趋于收敛的今天，... 你的观察非常敏锐。当 GPT-5.5 和 Claude 4.8 在核心推理和多模态能力上穷追猛赶时，Gemini 3.5 确实在押注一个看似“朴素”但工程价值极高的维度——上下文长度与处理深度。这不仅是多塞几个 Token 的问题，而是一场关于“系统架构”和“处理范式”的差异化竞争。KULAAI（dl.877ai.cn）一、为什么“上下文长度”是比参数更高级的壁垒？在模型能力趋于收敛的今天，...
- 当GPT-5.5发布时，大多数团队的关注点落在跑分提升和延迟优化上。但在生产环境中，真正影响月度账单的不是这些平均值，而是不同任务类型的成本结构分化。GPT-5.5在指令遵循和推理深度上的提升，让简单任务和复杂任务之间的Token消耗差距进一步拉大——简单对话消耗可能下降，但复杂Agent任务消耗可能显著上升。如果不做成本分层，月底账单会告诉你哪些场景成本失控了，但那时候已经晚了。本文基于华... 当GPT-5.5发布时，大多数团队的关注点落在跑分提升和延迟优化上。但在生产环境中，真正影响月度账单的不是这些平均值，而是不同任务类型的成本结构分化。GPT-5.5在指令遵循和推理深度上的提升，让简单任务和复杂任务之间的Token消耗差距进一步拉大——简单对话消耗可能下降，但复杂Agent任务消耗可能显著上升。如果不做成本分层，月底账单会告诉你哪些场景成本失控了，但那时候已经晚了。本文基于华...
- 模型迁移最危险的阶段，不是上线那一刻，而是从 PoC 到 Production 之间的灰色地带。PoC 证明了模型在理想条件下能做到多好，Production 要求模型在所有条件下都不崩。两者之间的差距，大多数团队靠“灰度放量”来弥合，但灰度本身只是一个手段，不是策略。真正的策略需要回答三个问题：什么时候可以从 PoC 进入灰度、什么时候可以从灰度进入全量、每个阶段的验证标准是什么。本文基于... 模型迁移最危险的阶段，不是上线那一刻，而是从 PoC 到 Production 之间的灰色地带。PoC 证明了模型在理想条件下能做到多好，Production 要求模型在所有条件下都不崩。两者之间的差距，大多数团队靠“灰度放量”来弥合，但灰度本身只是一个手段，不是策略。真正的策略需要回答三个问题：什么时候可以从 PoC 进入灰度、什么时候可以从灰度进入全量、每个阶段的验证标准是什么。本文基于...
- 智慧工地云平台集成AI技术是分层递进的系统化方案，核心遵循：数据采集—算法部署—场景落地—迭代优化的分步路径，具体方案如下：一、前期准备：搭建AI集成的基础支撑要实现AI技术落地，首先需要完成数据采集底座和平台架构改造：数据采集层改造：在工地部署适配AI分析的前端硬件，包括：用于计算机视觉识别的AI摄像头、搭载传感器的智能定位设备（智能安全帽、定位手环）、塔吊/升降机等设备的状态传感... 智慧工地云平台集成AI技术是分层递进的系统化方案，核心遵循：数据采集—算法部署—场景落地—迭代优化的分步路径，具体方案如下：一、前期准备：搭建AI集成的基础支撑要实现AI技术落地，首先需要完成数据采集底座和平台架构改造：数据采集层改造：在工地部署适配AI分析的前端硬件，包括：用于计算机视觉识别的AI摄像头、搭载传感器的智能定位设备（智能安全帽、定位手环）、塔吊/升降机等设备的状态传感...
- 12类农田常见虫害目标检测数据集（秋黏虫/果蝇/红蜘蛛/蓟马等）| 3600张YOLO农业虫害监测数据集 适用于智慧农业、病虫害预警与目标检测研究数据集介绍本数据集是面向农田病虫害智能识别与精准农业管理场景构建的高质量目标检测数据集，共包含 3600张农田实景标注图像，覆盖农业生产过程中常见的12类虫害及田间生物目标。数据集采用标准目标检测标注方式，适配YOLO系列、Faster R-CNN... 12类农田常见虫害目标检测数据集（秋黏虫/果蝇/红蜘蛛/蓟马等）| 3600张YOLO农业虫害监测数据集 适用于智慧农业、病虫害预警与目标检测研究数据集介绍本数据集是面向农田病虫害智能识别与精准农业管理场景构建的高质量目标检测数据集，共包含 3600张农田实景标注图像，覆盖农业生产过程中常见的12类虫害及田间生物目标。数据集采用标准目标检测标注方式，适配YOLO系列、Faster R-CNN...
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