- 残差网络（Residual Network，ResNet）是卷积神经网络（CNN）领域里程碑式的架构创新，由何恺明（Kaiming He）等人于2015年提出。其核心目标是通过残差学习（Residual Learning）解决深度网络训练中的退化问题（Degradation Problem），即当网络层数增加时，性能不升反降的现象，而梯度消失正是退化问题的主因之一。 传统深... 残差网络（Residual Network，ResNet）是卷积神经网络（CNN）领域里程碑式的架构创新，由何恺明（Kaiming He）等人于2015年提出。其核心目标是通过残差学习（Residual Learning）解决深度网络训练中的退化问题（Degradation Problem），即当网络层数增加时，性能不升反降的现象，而梯度消失正是退化问题的主因之一。 传统深...
- 需求提炼难：从模糊场景到精准任务的跨越困境剖析在行业与企业中，业务场景丰富多样且错综复杂。以制造业为例，车间的生产调度涉及设备状态、订单优先级、原材料供应等多因素，要将其转化为大模型能解决的任务绝非易事。业务人员虽熟知业务流程，却难以用技术语言描述需求；技术人员又因缺乏对业务细节的深度理解，无法精准把握需求核心。这导致双方沟通存在鸿沟，使得需求在传递过程中不断失真，最终提炼出的任务无法有... 需求提炼难：从模糊场景到精准任务的跨越困境剖析在行业与企业中，业务场景丰富多样且错综复杂。以制造业为例，车间的生产调度涉及设备状态、订单优先级、原材料供应等多因素，要将其转化为大模型能解决的任务绝非易事。业务人员虽熟知业务流程，却难以用技术语言描述需求；技术人员又因缺乏对业务细节的深度理解，无法精准把握需求核心。这导致双方沟通存在鸿沟，使得需求在传递过程中不断失真，最终提炼出的任务无法有...
- 在 AI 大模型的激烈竞争中，DeepSeek 凭借其持续迭代的技术和出色的性能，逐渐崭露头角，成为众多开发者、企业和研究机构关注的焦点。从最初专注于代码生成的 V1 版本，到具备强大推理能力和多模态融合潜力的 R3 等版本，DeepSeek 每一次更新都带来了显著的功能提升和应用拓展。今天，我们就来深入剖析 DeepSeek 不同版本之间的区别，以及它们各自最适合的应用场景，帮助大家更好地理解和 在 AI 大模型的激烈竞争中，DeepSeek 凭借其持续迭代的技术和出色的性能，逐渐崭露头角，成为众多开发者、企业和研究机构关注的焦点。从最初专注于代码生成的 V1 版本，到具备强大推理能力和多模态融合潜力的 R3 等版本，DeepSeek 每一次更新都带来了显著的功能提升和应用拓展。今天，我们就来深入剖析 DeepSeek 不同版本之间的区别，以及它们各自最适合的应用场景，帮助大家更好地理解和
- 机器学习(算法篇 2 ) 1.1 朴素贝叶斯算法简介 1.2 概率基础复习 学习目标 1.概率定义 2.案例：判断女神对你的喜欢情况 3.联合概率、条件概率与相互独立 4.贝叶斯公式 4.1 公式介绍 4.2 案例计算 4.3 文章分类计算 5 小结 1.3 案例：商品评论情感分析 1.api介绍 HMM模型 4.7 HMM模型API介绍 1 API的安装： 2 hmmlear 机器学习(算法篇 2 ) 1.1 朴素贝叶斯算法简介 1.2 概率基础复习 学习目标 1.概率定义 2.案例：判断女神对你的喜欢情况 3.联合概率、条件概率与相互独立 4.贝叶斯公式 4.1 公式介绍 4.2 案例计算 4.3 文章分类计算 5 小结 1.3 案例：商品评论情感分析 1.api介绍 HMM模型 4.7 HMM模型API介绍 1 API的安装： 2 hmmlear
- 拟合线性模型：从理论到实践1. 引言线性模型是统计学和机器学习中最基础且广泛应用的算法之一，用于描述自变量（特征）与因变量（目标）之间的线性关系。从房价预测到金融风险评估，线性模型的核心价值在于其简洁性、可解释性和高效性。本文将深入探讨线性模型的数学原理、实现方法及实际应用，帮助读者掌握这一经典算法的完整知识体系。2. 技术背景2.1 线性模型的数学表达线性模型假设目... 拟合线性模型：从理论到实践1. 引言线性模型是统计学和机器学习中最基础且广泛应用的算法之一，用于描述自变量（特征）与因变量（目标）之间的线性关系。从房价预测到金融风险评估，线性模型的核心价值在于其简洁性、可解释性和高效性。本文将深入探讨线性模型的数学原理、实现方法及实际应用，帮助读者掌握这一经典算法的完整知识体系。2. 技术背景2.1 线性模型的数学表达线性模型假设目...
- AI种田有多猛？看它如何“统治”自动化农业！ AI种田有多猛？看它如何“统治”自动化农业！
- 基于YOLOv8的FPS射击类游戏人物识别项目｜完整源码数据集+PyQt5界面+完整训练流程+开箱即用！🚀源码包含：完整YOLOv8训练代码 + 精选标注数据集 + 训练权重文件 + 可直接运行的人物识别程序 + 部署教程 & 训练教程本项目仅作为学术研究，严禁用于其他用途。 项目摘要随着YOLO系列目标检测算法的发展，其在实际游戏场景中的应用愈发广泛。尤其在FPS射击类游戏中，如何实时... 基于YOLOv8的FPS射击类游戏人物识别项目｜完整源码数据集+PyQt5界面+完整训练流程+开箱即用！🚀源码包含：完整YOLOv8训练代码 + 精选标注数据集 + 训练权重文件 + 可直接运行的人物识别程序 + 部署教程 & 训练教程本项目仅作为学术研究，严禁用于其他用途。 项目摘要随着YOLO系列目标检测算法的发展，其在实际游戏场景中的应用愈发广泛。尤其在FPS射击类游戏中，如何实时...
- 数据治理的本质是通过规则与技术实现数据价值的可控释放。过去二十年，这一领域经历了三次范式跃迁，每一次变革都伴随着技术架构与治理目标的根本性重构。 数据治理的本质是通过规则与技术实现数据价值的可控释放。过去二十年，这一领域经历了三次范式跃迁，每一次变革都伴随着技术架构与治理目标的根本性重构。
- 在这个数据即燃料的 AI 时代，生成式技术正成为突破 CV 领域数据困境的关键钥匙。从医疗影像的精准生成到工业质检的智能预测，从安防监控的主动预警到创意设计的无限可能，生成式 AI 正在重塑 CV 领域的底层逻辑。尽管挑战重重，但我们有理由相信，在技术创新与伦理规范的双重护航下，生成式 AI 将引领 CV 领域进入一个数据丰裕、智能涌现的新纪元。正如达芬奇所说："艺术永远无法超越自然，但可以无限接 在这个数据即燃料的 AI 时代，生成式技术正成为突破 CV 领域数据困境的关键钥匙。从医疗影像的精准生成到工业质检的智能预测，从安防监控的主动预警到创意设计的无限可能，生成式 AI 正在重塑 CV 领域的底层逻辑。尽管挑战重重，但我们有理由相信，在技术创新与伦理规范的双重护航下，生成式 AI 将引领 CV 领域进入一个数据丰裕、智能涌现的新纪元。正如达芬奇所说："艺术永远无法超越自然，但可以无限接
- DeepSeek 在预测领域已形成技术架构 - 工具链 - 行业方案的完整闭环，通过与华为云的深度协同，实现了从数据标注到边缘部署的端到端能力。对于开发者，建议优先在智能风控、供应链优化等场景进行试点，充分利用华为云的昇腾算力与工具链优势。未来，随着多模态技术的进一步发展，DeepSeek 有望在自动驾驶、能源管理等领域实现更大突破，推动预测技术向智能化、泛在化方向演进。 DeepSeek 在预测领域已形成技术架构 - 工具链 - 行业方案的完整闭环，通过与华为云的深度协同，实现了从数据标注到边缘部署的端到端能力。对于开发者，建议优先在智能风控、供应链优化等场景进行试点，充分利用华为云的昇腾算力与工具链优势。未来，随着多模态技术的进一步发展，DeepSeek 有望在自动驾驶、能源管理等领域实现更大突破，推动预测技术向智能化、泛在化方向演进。
- ABoVE: Post-Fire and Unburned Vegetation Community and Field Data, NWT, Canada, 2017简介该数据集提供了 2017 年从 ABoVE 研究区域内的 11 个研究地点收集的植被群落特征、土壤湿度和生物物理数据。这 11 个研究区域包含 2014 年和 2015 年遭受野火烧毁的 28 个地点和加拿大西北地区 (N... ABoVE: Post-Fire and Unburned Vegetation Community and Field Data, NWT, Canada, 2017简介该数据集提供了 2017 年从 ABoVE 研究区域内的 11 个研究地点收集的植被群落特征、土壤湿度和生物物理数据。这 11 个研究区域包含 2014 年和 2015 年遭受野火烧毁的 28 个地点和加拿大西北地区 (N...
- AI-Compass宝藏资源库：构建最全面的AI学习与实践生态，服务AI全群体 AI-Compass宝藏资源库：构建最全面的AI学习与实践生态，服务AI全群体
- 吃得安心靠AI？聊聊AI在食品供应链安全里的“神操作” 吃得安心靠AI？聊聊AI在食品供应链安全里的“神操作”
- 卷积神经网络（CNN）相比传统机器学习方法在图像和空间数据处理中具有显著优势 1. 自动特征提取能力传统方法：依赖人工设计特征（如SIFT、HOG或颜色直方图），需专业领域知识且特征泛化性差。CNN：通过卷积层自动学习图像中的局部特征（如边缘、纹理、形状），无需人工干预。例如：低层卷积核识别简单边缘和角点。高层卷积核组合基础特征，形成复杂语义（如物体部件）。优势... 卷积神经网络（CNN）相比传统机器学习方法在图像和空间数据处理中具有显著优势 1. 自动特征提取能力传统方法：依赖人工设计特征（如SIFT、HOG或颜色直方图），需专业领域知识且特征泛化性差。CNN：通过卷积层自动学习图像中的局部特征（如边缘、纹理、形状），无需人工干预。例如：低层卷积核识别简单边缘和角点。高层卷积核组合基础特征，形成复杂语义（如物体部件）。优势...
上滑加载中
推荐直播
-
码道新技能，AI 新生产力——从自动视频生成到开源项目解析2026/04/08 周三 19:00-21:00
童得力-华为云开发者生态运营总监/何文强-无人机企业AI提效负责人
本次华为云码道 Skill 实战活动，聚焦两大 AI 开发场景：通过实战教学，带你打造 AI 编程自动生成视频 Skill，并实现对 GitHub 热门开源项目的智能知识抽取，手把手掌握 Skill 开发全流程，用 AI 提升研发效率与内容生产力。
回顾中 -
华为云码道：零代码股票智能决策平台全功能实战2026/04/18 周六 10:00-12:00
秦拳德-中软国际教育卓越研究院研究员、华为云金牌讲师、云原生技术专家
利用Tushare接口获取实时行情数据，采用Transformer算法进行时序预测与涨跌分析，并集成DeepSeek API提供智能解读。同时，项目深度结合华为云CodeArts（码道）的代码智能体能力，实现代码一键推送至云端代码仓库，建立起高效、可协作的团队开发新范式。开发者可快速上手，从零打造功能完整的个股筛选、智能分析与风险管控产品。
回顾中 -
华为云码道全新升级，多会话并行与多智能体协作2026/05/08 周五 19:00-21:00
王一男-华为云码道产品专家；张嘉冉-华为云码道工程师；胡琦-华为云HCDE；程诗杰-华为云HCDG
华为云码道4月份版本全新升级，此次直播深度解读4月份产品特性，通过“特性解读+实操演示+实战案例+设计创新”的组合，全方位展现码道在多会话并行与多智能体协作方面的能力，赋能开发者提升效率
正在直播
热门标签