- 基于YOLOv8的多种水果种类识别项目｜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+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/训练教程该项目已实现以下核心功能演示：支持通过摄像头实时检测多种水果种类；可通过图像、视频、文件夹方式批量识别水果种类；PyQt5图形界面集成识别结果显示与图像预览功能；显示水果类别标... 基于YOLOv8的多种水果种类识别项目｜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+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/训练教程该项目已实现以下核心功能演示：支持通过摄像头实时检测多种水果种类；可通过图像、视频、文件夹方式批量识别水果种类；PyQt5图形界面集成识别结果显示与图像预览功能；显示水果类别标...
- 本项目通过结合 YOLOv8 高效目标检测算法 与 PyQt5 图形界面开发工具，实现了一个实用且具备扩展性的 石头剪刀布手势实时识别系统。从数据准备、模型训练到界面交互与实时识别，项目构建了一条完整的深度学习应用链路 本项目通过结合 YOLOv8 高效目标检测算法 与 PyQt5 图形界面开发工具，实现了一个实用且具备扩展性的 石头剪刀布手势实时识别系统。从数据准备、模型训练到界面交互与实时识别，项目构建了一条完整的深度学习应用链路
- 模拟天气这件事，终于有人靠“量子力学”来救场了！ 模拟天气这件事，终于有人靠“量子力学”来救场了！
- ACT-America: L2 In Situ Atmospheric CO2, CO, CH4, and O3 Concentrations, Eastern USA简介该数据集提供了大气中二氧化碳 (CO2)、一氧化碳 (CO)、甲烷 (CH4)、水蒸气 (H2O) 和臭氧 (O3) 的浓度，这些浓度是在大气碳和运输-美国 (ACT-America) 项目开展的空中活动期间收集的。ACT... ACT-America: L2 In Situ Atmospheric CO2, CO, CH4, and O3 Concentrations, Eastern USA简介该数据集提供了大气中二氧化碳 (CO2)、一氧化碳 (CO)、甲烷 (CH4)、水蒸气 (H2O) 和臭氧 (O3) 的浓度，这些浓度是在大气碳和运输-美国 (ACT-America) 项目开展的空中活动期间收集的。ACT...
- 本文由AI产品专家三桥君探讨了AI从被动响应到主动决策的演进路径，重点分析了函数调用和RAG技术在构建AI Agent中的关键作用。文章梳理了大模型能力的迭代（原生能力与涌现能力），技术演进的三个阶段（提示工程→函数调用→RAG），并提出AI Agent需具备环境感知、推理决策和行动执行的核心要素。三桥君认为，未来AGI需突破跨领域学习、实时更新和安全性挑战，最终实现如"贾维斯"般的智能伙伴。 本文由AI产品专家三桥君探讨了AI从被动响应到主动决策的演进路径，重点分析了函数调用和RAG技术在构建AI Agent中的关键作用。文章梳理了大模型能力的迭代（原生能力与涌现能力），技术演进的三个阶段（提示工程→函数调用→RAG），并提出AI Agent需具备环境感知、推理决策和行动执行的核心要素。三桥君认为，未来AGI需突破跨领域学习、实时更新和安全性挑战，最终实现如"贾维斯"般的智能伙伴。
- 我们正在引入一种分析地球的新方法。Google 的卫星嵌入数据集利用人工智能的力量，将一年的多源卫星数据打包到每个 10 米像素中，从而实现更快、更强大的地理空间分析。欢迎来到 Earth Engine 中深度学习的未来。15 年前，我们推出了 Earth Engine，其使命是提供对地球观测图像和地理空间数据的广泛访问。随着我们在地球引擎数据目录中添加了数 PB 的公开数据，这一雄心勃勃的... 我们正在引入一种分析地球的新方法。Google 的卫星嵌入数据集利用人工智能的力量，将一年的多源卫星数据打包到每个 10 米像素中，从而实现更快、更强大的地理空间分析。欢迎来到 Earth Engine 中深度学习的未来。15 年前，我们推出了 Earth Engine，其使命是提供对地球观测图像和地理空间数据的广泛访问。随着我们在地球引擎数据目录中添加了数 PB 的公开数据，这一雄心勃勃的...
- DevOps 不香了？可能是你还没用上“智能运维”！ DevOps 不香了？可能是你还没用上“智能运维”！
- ACT-America: L1 DAOD Measurements by Airborne CO2 Lidar, Eastern USA简介该数据集提供了通过多功能光纤激光雷达（MFLL；哈里斯公司）在 2016 年夏季、2017 年冬季、2017 年秋季和 2018 年春季在美国中部和东部地区开展的大气碳和输送（ACT-America）项目机载观测期间进行的 1 级（L1）遥感差分吸收... ACT-America: L1 DAOD Measurements by Airborne CO2 Lidar, Eastern USA简介该数据集提供了通过多功能光纤激光雷达（MFLL；哈里斯公司）在 2016 年夏季、2017 年冬季、2017 年秋季和 2018 年春季在美国中部和东部地区开展的大气碳和输送（ACT-America）项目机载观测期间进行的 1 级（L1）遥感差分吸收...
- 人工智能在语言学习中的实践：从 Duolingo 到自研系统的深度剖析 1. 引言：当 AI 成为语言教师的“第二大脑” 1.1 语言学习的三大痛点反馈延迟：传统课堂无法做到“随问随答”内容同质化：教材更新缓慢，难以匹配个人兴趣遗忘曲线：缺乏科学复习节奏，导致“学得快忘得更快”Duolingo 用 AI 解决的正是这三个问题：实时语法纠错（NLP）个性化习题推荐（Bandit + 强化学习... 人工智能在语言学习中的实践：从 Duolingo 到自研系统的深度剖析 1. 引言：当 AI 成为语言教师的“第二大脑” 1.1 语言学习的三大痛点反馈延迟：传统课堂无法做到“随问随答”内容同质化：教材更新缓慢，难以匹配个人兴趣遗忘曲线：缺乏科学复习节奏，导致“学得快忘得更快”Duolingo 用 AI 解决的正是这三个问题：实时语法纠错（NLP）个性化习题推荐（Bandit + 强化学习...
- HMM模型 4.7 HMM模型API介绍 集成学习进阶 5.1 xgboost算法原理 5.4 otto案例介绍 -- Otto Group Product Classification Challenge【xgboost实现】 数据变化可视化 5.5 lightGBM 5.9 stacking算法基本思想 5.10 住房月租金预测 向量与矩阵的范数 朗格朗日乘子法 Huber HMM模型 4.7 HMM模型API介绍 集成学习进阶 5.1 xgboost算法原理 5.4 otto案例介绍 -- Otto Group Product Classification Challenge【xgboost实现】 数据变化可视化 5.5 lightGBM 5.9 stacking算法基本思想 5.10 住房月租金预测 向量与矩阵的范数 朗格朗日乘子法 Huber
- 在构建现代自然语言处理模型时，像 GPT 这样的预训练模型已经成为了必不可少的基础。这些模型的训练成本高昂，但在完成预训练之后，通过引入 Adapter 模块可以使得在不同任务中的微调更加高效。 Adapter 简介Adapter 是一种小型的神经网络模块，通常在模型的每一层 Transformer 之后被引入，以减少微调大规模预训练模型的计算和存储成本。Adapter 模块的主要思路是将一... 在构建现代自然语言处理模型时，像 GPT 这样的预训练模型已经成为了必不可少的基础。这些模型的训练成本高昂，但在完成预训练之后，通过引入 Adapter 模块可以使得在不同任务中的微调更加高效。 Adapter 简介Adapter 是一种小型的神经网络模块，通常在模型的每一层 Transformer 之后被引入，以减少微调大规模预训练模型的计算和存储成本。Adapter 模块的主要思路是将一...
- ### 问题背景知乎上一个问题：> 为什么数据集仅仅加了40个但模型拟合所需训练次数却大幅度增加?> 我是手搓的transformer。一开始数据集的数量只有40个，大概训练个六七十次就可以拟合，但是我现在把数据集加到了70多个想要训练到拟合就需要几百次才行。这是为什么啊### 数据集增加如何影响模型拟合在机器学习和深度学习的训练过程中，模型的训练速度和拟合能力常常取决于数据集的复杂性和规模... ### 问题背景知乎上一个问题：> 为什么数据集仅仅加了40个但模型拟合所需训练次数却大幅度增加?> 我是手搓的transformer。一开始数据集的数量只有40个，大概训练个六七十次就可以拟合，但是我现在把数据集加到了70多个想要训练到拟合就需要几百次才行。这是为什么啊### 数据集增加如何影响模型拟合在机器学习和深度学习的训练过程中，模型的训练速度和拟合能力常常取决于数据集的复杂性和规模...
- 基于YOLOv8的无人机位置捕捉识别项目｜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+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 项目摘要本项目集成了 YOLOv8无人机目标检测模型 与 PyQt5图形界面工具，实现了对无人机在图像或视频中的精准位置识别和可视化操作。支持图片、视频、摄像头、文件夹批量... 基于YOLOv8的无人机位置捕捉识别项目｜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+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 项目摘要本项目集成了 YOLOv8无人机目标检测模型 与 PyQt5图形界面工具，实现了对无人机在图像或视频中的精准位置识别和可视化操作。支持图片、视频、摄像头、文件夹批量...
- 1 简介原生 map 类型不是线程安全的，尤其在高并发或大批量写入场景下，如果多个 goroutine 同时对同一 map 执行写操作（或读写混合），往往会导致程序 panic、写入失败或不确定行为。Go 1.24 中引入了 Swiss Table 作为 map 数据类型的新底层实现，这是 Go 语言发展中的一个重要改进。这个实现借鉴了现代编程语言（如 C++ 和 Rust）中的哈希表优化... 1 简介原生 map 类型不是线程安全的，尤其在高并发或大批量写入场景下，如果多个 goroutine 同时对同一 map 执行写操作（或读写混合），往往会导致程序 panic、写入失败或不确定行为。Go 1.24 中引入了 Swiss Table 作为 map 数据类型的新底层实现，这是 Go 语言发展中的一个重要改进。这个实现借鉴了现代编程语言（如 C++ 和 Rust）中的哈希表优化...
- ACT-America: L2 Remotely Sensed Column-average CO2 by Airborne Lidar, Eastern USA简介该数据集提供了二级（L2）遥感柱状平均二氧化碳（CO2）浓度，这些浓度是在 2016 年夏季、2017 年冬季、2017 年秋季和 2018 年春季为大气碳和输送（ACT-America）项目在美国中部和东部地区开展的空中观测... ACT-America: L2 Remotely Sensed Column-average CO2 by Airborne Lidar, Eastern USA简介该数据集提供了二级（L2）遥感柱状平均二氧化碳（CO2）浓度，这些浓度是在 2016 年夏季、2017 年冬季、2017 年秋季和 2018 年春季为大气碳和输送（ACT-America）项目在美国中部和东部地区开展的空中观测...
上滑加载中
推荐直播
-
华为云码道Skill实战与极速交付，智能开发全链路实战2026/07/22 周三 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；姜浩-华为云HCDG核心组成员
直播深度解读华为云码道6月产品新特性，从Skill市场安装专家技能，带你零距离体验从需求，开发，审查，重构全链路闭环的开发过程。从零构建并交付一个完整项目，让您体验从代码提交到服务上线的“极速”之旅。
回顾中 -
聚开发者之力，创具身新未来2026/07/23 周四 15:00-17:00
张豪杰/程文/王军/刘新春/黄钦开 /张晓天
本次华为云具身智能开发平台CloudRobo培训面向具身智能开发者，带您全流程体验机器人本体R2C小时级接入、环境重建与轨迹生成仿真数据生产、PB级数据管理、数据评测、模型训推、强化学习和Benchmark一键评测等功能，并体验业界主流具身模型应用。
回顾中 -
用码道，让你的AI作品三步上朋友圈2026/08/04 周二 19:00-20:00
林华鼎-华为云AI开发者运营负责人
从入门 · 到做AI应用 · 到企业级开发。不教编程，只教用AI · 零代码、有产出、能带走、可炫耀 · 每课人人动手实操
回顾中
热门标签