- 外墙裂缝目标检测数据集：6,000+张图像 | 目标检测源码数据分享链接: https://pan.baidu.com/s/1DoDlXWNUvZbVAnzfo1sMQQ?pwd=hjyx 提取码: hjyx一、引言：建筑结构安全的视觉守护者随着城市化进程的不断推进，大量高层建筑、住宅楼宇以及公共基础设施在城市中快速建设。建筑结构在长期使用过程中，由于材料老化、环境变化以及结构受力等多种因素... 外墙裂缝目标检测数据集：6,000+张图像 | 目标检测源码数据分享链接: https://pan.baidu.com/s/1DoDlXWNUvZbVAnzfo1sMQQ?pwd=hjyx 提取码: hjyx一、引言：建筑结构安全的视觉守护者随着城市化进程的不断推进，大量高层建筑、住宅楼宇以及公共基础设施在城市中快速建设。建筑结构在长期使用过程中，由于材料老化、环境变化以及结构受力等多种因素...
- 引言在机器学习中，Bagging（Bootstrap Aggregating） 是一种经典的集成学习方法，通过组合多个基学习器的预测结果来降低模型方差、提升泛化能力。本文将从原理出发，详细介绍如何使用 Scikit-learn 中的 BaggingRegressor 训练回归模型，并附上完整的代码示例。 一、什么是BaggingRegressor？BaggingRegressor 是 Sc... 引言在机器学习中，Bagging（Bootstrap Aggregating） 是一种经典的集成学习方法，通过组合多个基学习器的预测结果来降低模型方差、提升泛化能力。本文将从原理出发，详细介绍如何使用 Scikit-learn 中的 BaggingRegressor 训练回归模型，并附上完整的代码示例。 一、什么是BaggingRegressor？BaggingRegressor 是 Sc...
- API代码生成 Ascend for PyTorch 训练营(https://www.chaspark.com/#/s/AscendforPyTorch2026?multi=zh) 第四期Dispatcher 分发器作用：算子调度的"路由器"。根据输入张量的设备类型、是否需要梯度等信息，动态匹配最合适的后端实现。机制：维护一个按优先级排序的 DispatchKey 列表，依次查表、命中即执行... API代码生成 Ascend for PyTorch 训练营(https://www.chaspark.com/#/s/AscendforPyTorch2026?multi=zh) 第四期Dispatcher 分发器作用：算子调度的"路由器"。根据输入张量的设备类型、是否需要梯度等信息，动态匹配最合适的后端实现。机制：维护一个按优先级排序的 DispatchKey 列表，依次查表、命中即执行...
- 塑料瓶目标检测数据集：3,000张图像 | 目标检测源码数据分享通过网盘分享的文件：塑料瓶目标检测数据集 链接: https://pan.baidu.com/s/1Fs__Fg29FydMAKLWPz-nWQ?pwd=vqqx 提取码: vqqx一、引言：从人工分拣到AI智能识别的环保变革随着环保意识的不断提升与垃圾分类政策的持续推进，塑料废弃物的智能识别与自动回收正逐渐成为智慧环保领域的重... 塑料瓶目标检测数据集：3,000张图像 | 目标检测源码数据分享通过网盘分享的文件：塑料瓶目标检测数据集 链接: https://pan.baidu.com/s/1Fs__Fg29FydMAKLWPz-nWQ?pwd=vqqx 提取码: vqqx一、引言：从人工分拣到AI智能识别的环保变革随着环保意识的不断提升与垃圾分类政策的持续推进，塑料废弃物的智能识别与自动回收正逐渐成为智慧环保领域的重...
- 黄瓜发育阶段数据集 | 3700张YOLO智慧农业数据集适用于温室巡检、采摘机器人与目标检测研究一、数据集概述本数据集面向智慧农业与设施种植场景，用于黄瓜果实发育阶段的判别，共包含约3700张高质量标注图像。该数据集包含两类目标——发育中果实与成熟果实，可用于自动判断黄瓜的采摘时机，适用于YOLO系列等主流目标检测 算法 的训练、验证与测试，可广泛应用于温室巡检机器人、采摘机器人等场景下的黄... 黄瓜发育阶段数据集 | 3700张YOLO智慧农业数据集适用于温室巡检、采摘机器人与目标检测研究一、数据集概述本数据集面向智慧农业与设施种植场景，用于黄瓜果实发育阶段的判别，共包含约3700张高质量标注图像。该数据集包含两类目标——发育中果实与成熟果实，可用于自动判断黄瓜的采摘时机，适用于YOLO系列等主流目标检测 算法 的训练、验证与测试，可广泛应用于温室巡检机器人、采摘机器人等场景下的黄...
- 很多开发者第一次学习 CNN 时，容易停留在“卷积层提特征、池化层降维、全连接层分类”的概念层面；真正写训练代码时，却会遇到一组更工程化的问题：数据目录怎么组织、输入尺寸如何统一、训练和验证如何拆分、模型参数怎样保存、推理脚本如何复用训练时的预处理逻辑。本文不追求刷榜精度，也不编造某个数据集上的测试结果，而是搭建一个可复用的最小训练闭环。你可以先用自己的小型图片数据跑通流程，再替换模型结构、... 很多开发者第一次学习 CNN 时，容易停留在“卷积层提特征、池化层降维、全连接层分类”的概念层面；真正写训练代码时，却会遇到一组更工程化的问题：数据目录怎么组织、输入尺寸如何统一、训练和验证如何拆分、模型参数怎样保存、推理脚本如何复用训练时的预处理逻辑。本文不追求刷榜精度，也不编造某个数据集上的测试结果，而是搭建一个可复用的最小训练闭环。你可以先用自己的小型图片数据跑通流程，再替换模型结构、...
- 引言在机器学习中，集成学习方法通过组合多个弱学习器来构建强大的预测模型。AdaBoost（Adaptive Boosting）作为Boosting家族的代表算法，因其简单高效而广受欢迎。本文将深入介绍Scikit-learn中的AdaBoostRegressor，从算法原理到代码实战，帮助读者全面掌握这一强大的回归工具。 一、AdaBoost回归算法原理AdaBoost最初是为二分类问题设... 引言在机器学习中，集成学习方法通过组合多个弱学习器来构建强大的预测模型。AdaBoost（Adaptive Boosting）作为Boosting家族的代表算法，因其简单高效而广受欢迎。本文将深入介绍Scikit-learn中的AdaBoostRegressor，从算法原理到代码实战，帮助读者全面掌握这一强大的回归工具。 一、AdaBoost回归算法原理AdaBoost最初是为二分类问题设...
- API代码生成 Ascend for PyTorch 训练营(https://www.chaspark.com/#/s/AscendforPyTorch2026?multi=zh) 第四期PyTorch 的 Codegen 的调用全链路：以 torch.add(a, b) 为例，展示一次调用从 Python 到硬件的完整路径：Python 入口 ↓pybind11 C++ 绑定（cod... API代码生成 Ascend for PyTorch 训练营(https://www.chaspark.com/#/s/AscendforPyTorch2026?multi=zh) 第四期PyTorch 的 Codegen 的调用全链路：以 torch.add(a, b) 为例，展示一次调用从 Python 到硬件的完整路径：Python 入口 ↓pybind11 C++ 绑定（cod...
- 机器学习模型不能只看训练结果，更要看它在新数据上的表现。对于科研任务来说，一个模型是否可靠，不仅取决于评价指标高不高，还取决于数据划分是否合理、测试集是否独立、是否存在数据泄漏，以及模型结论是否符合专业认知。 机器学习模型不能只看训练结果，更要看它在新数据上的表现。对于科研任务来说，一个模型是否可靠，不仅取决于评价指标高不高，还取决于数据划分是否合理、测试集是否独立、是否存在数据泄漏，以及模型结论是否符合专业认知。
- 同一个岗位序列，薪资差距已经大到没法用“职级”解释了大家好，我是某互联网大厂质量保障团队的技术负责人，同时也参与了多年的招聘和职级评审工作。今天不聊技术方案，聊一个让很多测试同行扎心的话题——2026年测试岗位的薪资，已经分化到了什么程度？先上一组真实数据。一、两张offer截图，差了一辆特斯拉上个月帮一个学弟看offer，某大厂给AI对齐岗的校招白菜价，总包42万。同一个公司，传统测试开发... 同一个岗位序列，薪资差距已经大到没法用“职级”解释了大家好，我是某互联网大厂质量保障团队的技术负责人，同时也参与了多年的招聘和职级评审工作。今天不聊技术方案，聊一个让很多测试同行扎心的话题——2026年测试岗位的薪资，已经分化到了什么程度？先上一组真实数据。一、两张offer截图，差了一辆特斯拉上个月帮一个学弟看offer，某大厂给AI对齐岗的校招白菜价，总包42万。同一个公司，传统测试开发...
- 算子接入 Ascend for PyTorch 训练营(https://www.chaspark.com/#/s/AscendforPyTorch2026?multi=zh) 第三期基于 OpPlugin（官方推荐的主流方式）仿照 PyTorch 原生机制，在 YAML 里声明算子信息，编译时自动生成声明和注册代码，开发者只需关注核心逻辑。支持两类算子：ACLOP（旧）和 ACLNN（新），... 算子接入 Ascend for PyTorch 训练营(https://www.chaspark.com/#/s/AscendforPyTorch2026?multi=zh) 第三期基于 OpPlugin（官方推荐的主流方式）仿照 PyTorch 原生机制，在 YAML 里声明算子信息，编译时自动生成声明和注册代码，开发者只需关注核心逻辑。支持两类算子：ACLOP（旧）和 ACLNN（新），...
- 一、引言在机器学习中，集成学习方法通过组合多个基学习器来提升整体性能，而AdaBoost（Adaptive Boosting，自适应增强）正是其中最经典的算法之一。AdaBoost由Freund和Schapire于1996年提出，是第一个成功的Boosting算法实现。本文将从理论到实践，详细介绍如何使用Scikit-learn库训练AdaBoost分类器。 二、AdaBoost算法原理A... 一、引言在机器学习中，集成学习方法通过组合多个基学习器来提升整体性能，而AdaBoost（Adaptive Boosting，自适应增强）正是其中最经典的算法之一。AdaBoost由Freund和Schapire于1996年提出，是第一个成功的Boosting算法实现。本文将从理论到实践，详细介绍如何使用Scikit-learn库训练AdaBoost分类器。 二、AdaBoost算法原理A...
- 文章摘要： Skill工程是构建AIAgent能力体系的核心，通过模块化封装、标准化编排和智能调度，解决大模型在复杂业务场景中逻辑混乱、执行不稳定等问题。Skill分为原子技能（基础能力单元）和复合技能（业务场景组合），需遵循单一职责、输入输出标准化等设计原则。关键实现包括分层封装（工具层、原子层、业务层）、四大编排模式（串行、并行、分支、循环）及智能路由调度（规则、语义、向量匹配）。优化方向涵盖 文章摘要： Skill工程是构建AIAgent能力体系的核心，通过模块化封装、标准化编排和智能调度，解决大模型在复杂业务场景中逻辑混乱、执行不稳定等问题。Skill分为原子技能（基础能力单元）和复合技能（业务场景组合），需遵循单一职责、输入输出标准化等设计原则。关键实现包括分层封装（工具层、原子层、业务层）、四大编排模式（串行、并行、分支、循环）及智能路由调度（规则、语义、向量匹配）。优化方向涵盖
- 很多人第一次做机器学习实验时，会下意识寻找“最先进的模型”。但对于大多数科研预测任务来说，第一步更应该是跑通完整流程，而不是追求复杂算法。本文介绍如何用最朴素的思路完成第一次机器学习实验。 很多人第一次做机器学习实验时，会下意识寻找“最先进的模型”。但对于大多数科研预测任务来说，第一步更应该是跑通完整流程，而不是追求复杂算法。本文介绍如何用最朴素的思路完成第一次机器学习实验。
- 算子接入 Ascend for PyTorch 训练营(https://www.chaspark.com/#/s/AscendforPyTorch2026?multi=zh) 第三期概览与背景算子接入给 PyTorch 和昇腾 NPU 之间搭一座桥。PyTorch 原生算子主要面向 CPU/GPU，要让它在昇腾芯片上跑，需要把上层算子调用翻译成昇腾底层能执行的指令。OpPlugin 就是这个... 算子接入 Ascend for PyTorch 训练营(https://www.chaspark.com/#/s/AscendforPyTorch2026?multi=zh) 第三期概览与背景算子接入给 PyTorch 和昇腾 NPU 之间搭一座桥。PyTorch 原生算子主要面向 CPU/GPU，要让它在昇腾芯片上跑，需要把上层算子调用翻译成昇腾底层能执行的指令。OpPlugin 就是这个...
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