- 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...
- 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...
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