- 🌟【技术大咖愚公搬代码：全栈专家的成长之路，你关注的宝藏博主在这里！】🌟📣开发者圈持续输出高质量干货的"愚公精神"践行者——全网百万开发者都在追更的顶级技术博主！👉 江湖人称"愚公搬代码"，用七年如一日的精神深耕技术领域，以"挖山不止"的毅力为开发者们搬开知识道路上的重重阻碍！💎【行业认证·权威头衔】✔ 华为云天团核心成员：特约编辑/云享专家/开发者专家/产品云测专家✔ 开发者社区... 🌟【技术大咖愚公搬代码：全栈专家的成长之路，你关注的宝藏博主在这里！】🌟📣开发者圈持续输出高质量干货的"愚公精神"践行者——全网百万开发者都在追更的顶级技术博主！👉 江湖人称"愚公搬代码"，用七年如一日的精神深耕技术领域，以"挖山不止"的毅力为开发者们搬开知识道路上的重重阻碍！💎【行业认证·权威头衔】✔ 华为云天团核心成员：特约编辑/云享专家/开发者专家/产品云测专家✔ 开发者社区...
- 随着人工智能和机器学习的迅猛发展，各种模型和算法被广泛应用于图像识别、自然语言处理、自动驾驶等领域。为了提升模型的性能、效率和适应性，研究者们提出了神经网络剪枝、支持向量机、决策树优化和强化学习策略等方法。本文将深入探讨这些关键技术，揭示其原理和应用场景。 一、神经网络剪枝 1.1 什么是神经网络剪枝**神经网络剪枝（Neural Network Pruning）**是一种模型压缩技术，通过... 随着人工智能和机器学习的迅猛发展，各种模型和算法被广泛应用于图像识别、自然语言处理、自动驾驶等领域。为了提升模型的性能、效率和适应性，研究者们提出了神经网络剪枝、支持向量机、决策树优化和强化学习策略等方法。本文将深入探讨这些关键技术，揭示其原理和应用场景。 一、神经网络剪枝 1.1 什么是神经网络剪枝**神经网络剪枝（Neural Network Pruning）**是一种模型压缩技术，通过...
- 生成式AI研究聚焦：揭开基于扩散的模型的神秘面纱 引言：从“噪声”到“杰作”扩散模型（Diffusion Models）在过去三年里几乎重塑了生成式AI的版图：Stable Diffusion、DALL·E 2、Imagen、Sora……这些耳熟能详的名字背后是一套统一的数学框架——逐步去噪的马尔可夫链。本文将用一条可运行的完整代码主线，带你亲手训练一个 64×64 图像扩散模型，并拆解其... 生成式AI研究聚焦：揭开基于扩散的模型的神秘面纱 引言：从“噪声”到“杰作”扩散模型（Diffusion Models）在过去三年里几乎重塑了生成式AI的版图：Stable Diffusion、DALL·E 2、Imagen、Sora……这些耳熟能详的名字背后是一套统一的数学框架——逐步去噪的马尔可夫链。本文将用一条可运行的完整代码主线，带你亲手训练一个 64×64 图像扩散模型，并拆解其...
- 探索 FP8 训练中 Debug 思路与技巧 一、为什么 FP8 训练需要专门的 Debug 体系FP8（Float-8）把 Tensor Core 每次运算的 bit 数再砍一半，带来 1.3 ~ 2× 的吞吐收益，但也让数值动态范围进一步缩小。在 1k+ GPU 的大模型训练中，我们最常遇到的三类异常是：Spike：Loss 突然飙升后缓慢回落。Drift：Loss 与 BF16 基线... 探索 FP8 训练中 Debug 思路与技巧 一、为什么 FP8 训练需要专门的 Debug 体系FP8（Float-8）把 Tensor Core 每次运算的 bit 数再砍一半，带来 1.3 ~ 2× 的吞吐收益，但也让数值动态范围进一步缩小。在 1k+ GPU 的大模型训练中，我们最常遇到的三类异常是：Spike：Loss 突然飙升后缓慢回落。Drift：Loss 与 BF16 基线...
- 卷积神经网络（CNN）在图像识别任务中的优势源于其独特的结构和设计理念，使其成为计算机视觉领域的核心技术。 一、自动特征提取能力端到端学习CNN无需人工设计特征（如SIFT、HOG），而是通过卷积核自动从原始像素中学习局部特征（如边缘、纹理），并逐层组合成高级语义特征（如物体部件或整体结构）。这种能力显著降低了特征工程的复杂度。示例：人脸识别中，浅层提取眼睛轮廓，深层... 卷积神经网络（CNN）在图像识别任务中的优势源于其独特的结构和设计理念，使其成为计算机视觉领域的核心技术。 一、自动特征提取能力端到端学习CNN无需人工设计特征（如SIFT、HOG），而是通过卷积核自动从原始像素中学习局部特征（如边缘、纹理），并逐层组合成高级语义特征（如物体部件或整体结构）。这种能力显著降低了特征工程的复杂度。示例：人脸识别中，浅层提取眼睛轮廓，深层...
- 作为一名电子厂的开发人员，我的日常工作主要围绕MES（制造执行系统）、VMS（视觉管理系统）和IoT（物联网系统）展开。这些系统在工厂的生产管理、设备监控和数据分析中扮演着重要角色。然而，随着制造业数字化转型的深入，我们逐渐意识到传统的数据处理方式已经无法满足日益增长的数据量和复杂的业务需求。正是在这个背景下，我与ODPS结下了不解之缘。 初识ODPS：解决数据存储与计算的痛点在我们的工厂中... 作为一名电子厂的开发人员，我的日常工作主要围绕MES（制造执行系统）、VMS（视觉管理系统）和IoT（物联网系统）展开。这些系统在工厂的生产管理、设备监控和数据分析中扮演着重要角色。然而，随着制造业数字化转型的深入，我们逐渐意识到传统的数据处理方式已经无法满足日益增长的数据量和复杂的业务需求。正是在这个背景下，我与ODPS结下了不解之缘。 初识ODPS：解决数据存储与计算的痛点在我们的工厂中...
- 本项目基于YOLOv8的深度学习目标检测能力，结合PyQt5界面开发，成功构建了一个可部署、可扩展的**风力发电场多目标智能检测系统**。系统不仅支持对风力涡轮机、天线、烟囱和电力线等关键基础设施的精准识别，还覆盖了图像、视频、摄像头等多种输入形式，实现了从模型训练、效果评估到可视化推理的完整闭环。 本项目基于YOLOv8的深度学习目标检测能力，结合PyQt5界面开发，成功构建了一个可部署、可扩展的**风力发电场多目标智能检测系统**。系统不仅支持对风力涡轮机、天线、烟囱和电力线等关键基础设施的精准识别，还覆盖了图像、视频、摄像头等多种输入形式，实现了从模型训练、效果评估到可视化推理的完整闭环。
- 本项目基于YOLOv8目标检测框架，结合PyQt5图形界面，实现了对12类交通车辆的高精度实时检测。无论是图片、视频，还是摄像头输入，系统都能高效完成车辆定位与分类。通过集成训练流程、标注数据集、权重文件与可视化界面，极大降低了使用门槛，用户无需编程经验即可开箱即用、快速部署。 本项目基于YOLOv8目标检测框架，结合PyQt5图形界面，实现了对12类交通车辆的高精度实时检测。无论是图片、视频，还是摄像头输入，系统都能高效完成车辆定位与分类。通过集成训练流程、标注数据集、权重文件与可视化界面，极大降低了使用门槛，用户无需编程经验即可开箱即用、快速部署。
- 批归一化（Batch Normalization，BN）是卷积神经网络（CNN）中的一种关键技术，由Google于2015年提出，旨在解决深度神经网络训练中的内部协变量偏移（Internal Covariate Shift） 问题，显著加速收敛并提升模型稳定性。 一、批归一化的核心机制批归一化通过标准化每一层输入的分布（均值为0、方差为1），并引入可学习参数调整数据尺度与偏移... 批归一化（Batch Normalization，BN）是卷积神经网络（CNN）中的一种关键技术，由Google于2015年提出，旨在解决深度神经网络训练中的内部协变量偏移（Internal Covariate Shift） 问题，显著加速收敛并提升模型稳定性。 一、批归一化的核心机制批归一化通过标准化每一层输入的分布（均值为0、方差为1），并引入可学习参数调整数据尺度与偏移...
- 一、一些常见激活函数对比激活函数数学公式输出范围核心作用主要缺点典型应用场景Sigmoidf(x)=1+e−x1(0, 1)将输入压缩为概率值，适合二分类输出层梯度消失（输入极大/极小时梯度接近0）；输出非零均值，影响收敛二分类输出层Tanhf(x)=ex+e−xex−e−x(-1, 1)零均值输出加速收敛；比Sig... 一、一些常见激活函数对比激活函数数学公式输出范围核心作用主要缺点典型应用场景Sigmoidf(x)=1+e−x1(0, 1)将输入压缩为概率值，适合二分类输出层梯度消失（输入极大/极小时梯度接近0）；输出非零均值，影响收敛二分类输出层Tanhf(x)=ex+e−xex−e−x(-1, 1)零均值输出加速收敛；比Sig...
- 卷积神经网络（CNN）作为深度学习的代表模型，在处理具有空间结构或局部相关性的数据（如图像、视频、音频、文本等）时，相比传统机器学习方法（如SVM、随机森林、逻辑回归等）具有显著优势。以下是CNN的核心优势及对比分析： 1. 自动特征提取（端到端学习）传统方法：需要手动设计特征（如SIFT、HOG、LBP等），依赖领域知识和大量人工调参，且特征工程的质量直接影响模型性能。CNN优势：通过卷积... 卷积神经网络（CNN）作为深度学习的代表模型，在处理具有空间结构或局部相关性的数据（如图像、视频、音频、文本等）时，相比传统机器学习方法（如SVM、随机森林、逻辑回归等）具有显著优势。以下是CNN的核心优势及对比分析： 1. 自动特征提取（端到端学习）传统方法：需要手动设计特征（如SIFT、HOG、LBP等），依赖领域知识和大量人工调参，且特征工程的质量直接影响模型性能。CNN优势：通过卷积...
- 本项目基于YOLOv8构建了一个高精度的桥梁病害检测系统，具备完整的数据采集、模型训练、可视化推理与图形化界面功能。系统可自动识别包括腐蚀、裂缝、退化混凝土等在内的八类桥梁常见病害，极大提升了桥梁检测工作的自动化与智能化水平。 本项目基于YOLOv8构建了一个高精度的桥梁病害检测系统，具备完整的数据采集、模型训练、可视化推理与图形化界面功能。系统可自动识别包括腐蚀、裂缝、退化混凝土等在内的八类桥梁常见病害，极大提升了桥梁检测工作的自动化与智能化水平。
- Soil Respiration Maps for the ABoVE Domain, 2016-2017简介该数据集以 300 米空间分辨率，提供了 2016 年 8 月 18 日至 2018 年 9 月 12 日期间阿拉斯加和加拿大西北部受冻土影响的苔原和北方针叶林生态系统土壤呼吸作用产生的二氧化碳（CO2）排放的网格化估算值。估算值包括：月平均二氧化碳通量（gCO2 C m-2 d-... Soil Respiration Maps for the ABoVE Domain, 2016-2017简介该数据集以 300 米空间分辨率，提供了 2016 年 8 月 18 日至 2018 年 9 月 12 日期间阿拉斯加和加拿大西北部受冻土影响的苔原和北方针叶林生态系统土壤呼吸作用产生的二氧化碳（CO2）排放的网格化估算值。估算值包括：月平均二氧化碳通量（gCO2 C m-2 d-...
- AI：新书预告—从机器学习避坑指南(分类/回归/聚类/可解释性)到大语言模型落地手记(RAG/Agent/MCP)，一场耗时5+3年的技术沉淀—“代码可跑，经验可抄”—【一个处女座的程序猿】携两本AI实战书终于正式来了！导读：大家好！今天2025年7月，我是「一个处女座的程序猿」博主，本人的两本新书《数据驱动：机器学习实战之道》和《语言之舞：大语言模型代码实战与部署应用》终于要在2025年的... AI：新书预告—从机器学习避坑指南(分类/回归/聚类/可解释性)到大语言模型落地手记(RAG/Agent/MCP)，一场耗时5+3年的技术沉淀—“代码可跑，经验可抄”—【一个处女座的程序猿】携两本AI实战书终于正式来了！导读：大家好！今天2025年7月，我是「一个处女座的程序猿」博主，本人的两本新书《数据驱动：机器学习实战之道》和《语言之舞：大语言模型代码实战与部署应用》终于要在2025年的...
- 包名开发者 / 维护者主要用途GitHub 仓库地址accelerateHugging Face简化深度学习模型的分布式训练，支持多 GPU、TPU 等设备https://github.com/huggingface/acceleratecodetimingReal Python 团队轻量级 Python 计时器库，通过类、上下文管理器或装饰器为代码片段计时，用于性能测试和优化https:/... 包名开发者 / 维护者主要用途GitHub 仓库地址accelerateHugging Face简化深度学习模型的分布式训练，支持多 GPU、TPU 等设备https://github.com/huggingface/acceleratecodetimingReal Python 团队轻量级 Python 计时器库，通过类、上下文管理器或装饰器为代码片段计时，用于性能测试和优化https:/...
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签