- 1 简介矩阵运算规则矩阵运算类似于对两个或多个数字执行的算术运算。基本运算：矩阵加法、减法、乘法、逆运算、点乘、转置、广播、维度匹配等。矩阵的加法、减法、乘法包括两个或多个矩阵，转置、逆运算仅对一个矩阵进行。矩阵运算的条件取决于运算的类型。对于矩阵的加减法，两个矩阵的顺序应该相同。对于两个矩阵的乘法，两个矩阵的顺序是第一个矩阵中的列数等于第二个矩阵中的行数。乘法矩阵运算有两种类型。矩阵的标... 1 简介矩阵运算规则矩阵运算类似于对两个或多个数字执行的算术运算。基本运算：矩阵加法、减法、乘法、逆运算、点乘、转置、广播、维度匹配等。矩阵的加法、减法、乘法包括两个或多个矩阵，转置、逆运算仅对一个矩阵进行。矩阵运算的条件取决于运算的类型。对于矩阵的加减法，两个矩阵的顺序应该相同。对于两个矩阵的乘法，两个矩阵的顺序是第一个矩阵中的列数等于第二个矩阵中的行数。乘法矩阵运算有两种类型。矩阵的标...
- ABoVE: Study Domain and Standard Reference Grids, Version 2简介北极-北方脆弱性实验 (ABoVE) 已开发两种标准化空间数据产品，以加快研究活动的协调并促进数据互操作性。ABoVE 研究区域涵盖美国阿拉斯加的北极和北方地区以及北美加拿大西部省份。该研究区域内已指定核心研究区域和扩展研究区域，并以矢量表示（Shapefile）、栅格表... ABoVE: Study Domain and Standard Reference Grids, Version 2简介北极-北方脆弱性实验 (ABoVE) 已开发两种标准化空间数据产品，以加快研究活动的协调并促进数据互操作性。ABoVE 研究区域涵盖美国阿拉斯加的北极和北方地区以及北美加拿大西部省份。该研究区域内已指定核心研究区域和扩展研究区域，并以矢量表示（Shapefile）、栅格表...
- 车联网与AI协同的智能交通管理系统：从算法到落地关键词：C-V2X、边缘计算、联邦学习、数字孪生、交通信号优化 1. 系统概念与技术架构 1.1 什么是“车联网+AI”智能交通管理把传统交通系统拆成三个维度来看：车端：OBU（On-Board Unit）实时上报轨迹、速度、故障码；路端：RSU（Road-Side Unit）+ 感知基站（毫米波+摄像头）形成连续感知断面；云端：区域交通大脑... 车联网与AI协同的智能交通管理系统：从算法到落地关键词：C-V2X、边缘计算、联邦学习、数字孪生、交通信号优化 1. 系统概念与技术架构 1.1 什么是“车联网+AI”智能交通管理把传统交通系统拆成三个维度来看：车端：OBU（On-Board Unit）实时上报轨迹、速度、故障码；路端：RSU（Road-Side Unit）+ 感知基站（毫米波+摄像头）形成连续感知断面；云端：区域交通大脑...
- 对抗样本攻击防御：从理论到生产系统的落地对抗样本攻击（Adversarial Attack）是深度学习安全领域最关键的问题之一。它不仅挑战了模型的鲁棒性，还威胁着自动驾驶、医疗诊断、金融风控等关键场景的实际应用安全。本文将系统梳理对抗攻击的理论基础，介绍主流的防御机制，并通过代码示例展示其在生产系统中的实现思路。 一、对抗样本简介与威胁模型对抗样本是对输入样本施加微小扰动后生成的“恶意样本... 对抗样本攻击防御：从理论到生产系统的落地对抗样本攻击（Adversarial Attack）是深度学习安全领域最关键的问题之一。它不仅挑战了模型的鲁棒性，还威胁着自动驾驶、医疗诊断、金融风控等关键场景的实际应用安全。本文将系统梳理对抗攻击的理论基础，介绍主流的防御机制，并通过代码示例展示其在生产系统中的实现思路。 一、对抗样本简介与威胁模型对抗样本是对输入样本施加微小扰动后生成的“恶意样本...
- 本项目集成了 YOLOv8 缺陷检测模型 与 PyQt5 图形界面工具，实现了包括图片、文件夹、视频与摄像头等多种输入方式的电网绝缘子破损与闪络缺陷识别功能。配套完整源码与训练流程说明，让你开箱即用、快速部署自己的电网缺陷检测系统 本项目集成了 YOLOv8 缺陷检测模型 与 PyQt5 图形界面工具，实现了包括图片、文件夹、视频与摄像头等多种输入方式的电网绝缘子破损与闪络缺陷识别功能。配套完整源码与训练流程说明，让你开箱即用、快速部署自己的电网缺陷检测系统
- 基于YOLOv8的边坡排水沟堵塞检测与识别项目源码包含：完整YOLOv8训练代码+数据集(带标注)+权重文件+直接可允许检测的yolo检测程序+直接部署教程/训练教程‘源码在文末哔哩哔哩视频简介处获取。✅ 支持本地单张图片检测（点击选择图片即可检测是否堵塞）✅ 支持文件夹批量图片检测，适用于无人机航拍数据快速处理✅ 支持视频文件输入（MP4、AVI等格式），检测效果实时可视化✅ 支持USB... 基于YOLOv8的边坡排水沟堵塞检测与识别项目源码包含：完整YOLOv8训练代码+数据集(带标注)+权重文件+直接可允许检测的yolo检测程序+直接部署教程/训练教程‘源码在文末哔哩哔哩视频简介处获取。✅ 支持本地单张图片检测（点击选择图片即可检测是否堵塞）✅ 支持文件夹批量图片检测，适用于无人机航拍数据快速处理✅ 支持视频文件输入（MP4、AVI等格式），检测效果实时可视化✅ 支持USB...
- 大模型的训练里面要搞懂3个名词：模型、数据集、权重。模型（Model）模型是一个数学框架或算法结构，定义了数据的处理逻辑和计算流程。核心结构是多层神经元（或注意力机制、卷积层等）组成的层级结构、计算规则等。数据集（Dataset）数据集是模型训练的 “原材料”，由大量结构化或非结构化数据组成，用于让模型学习规律、形成 “认知”。权重（Weights）权重是模型训练过程中学习到的参数，是模型 ... 大模型的训练里面要搞懂3个名词：模型、数据集、权重。模型（Model）模型是一个数学框架或算法结构，定义了数据的处理逻辑和计算流程。核心结构是多层神经元（或注意力机制、卷积层等）组成的层级结构、计算规则等。数据集（Dataset）数据集是模型训练的 “原材料”，由大量结构化或非结构化数据组成，用于让模型学习规律、形成 “认知”。权重（Weights）权重是模型训练过程中学习到的参数，是模型 ...
- ABoVE: Multi-model Uncertainty of Carbon Stocks and Fluxes across ABoVE Domain, 2003简介该数据集提供了碳循环各组成部分不确定性的估计值，包括：土壤碳储量、自养呼吸 (Ra)、异养呼吸 (Rh)、净生态系统交换 (NEE)、净初级生产力 (NPP) 和总初级生产力 (GPP)，涵盖整个 ABoVE 研究区域，... ABoVE: Multi-model Uncertainty of Carbon Stocks and Fluxes across ABoVE Domain, 2003简介该数据集提供了碳循环各组成部分不确定性的估计值，包括：土壤碳储量、自养呼吸 (Ra)、异养呼吸 (Rh)、净生态系统交换 (NEE)、净初级生产力 (NPP) 和总初级生产力 (GPP)，涵盖整个 ABoVE 研究区域，...
- CI/CD与模型监控平台集成MLOps系统实现的全面路径随着人工智能（AI）和机器学习（ML）技术在企业和各行业中的快速发展，如何高效地进行模型的开发、部署和持续监控，成为了一个亟待解决的问题。在这个背景下，MLOps（机器学习运维）应运而生，它融合了传统的DevOps理念与机器学习开发的特点，提供了一套完善的解决方案。本篇文章将探讨如何通过CI/CD与模型监控平台的结合，构建高效的MLO... CI/CD与模型监控平台集成MLOps系统实现的全面路径随着人工智能（AI）和机器学习（ML）技术在企业和各行业中的快速发展，如何高效地进行模型的开发、部署和持续监控，成为了一个亟待解决的问题。在这个背景下，MLOps（机器学习运维）应运而生，它融合了传统的DevOps理念与机器学习开发的特点，提供了一套完善的解决方案。本篇文章将探讨如何通过CI/CD与模型监控平台的结合，构建高效的MLO...
- 🌟【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...
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