- 深度学习助力虚拟化管理：迈向智能化运维的新时代 深度学习助力虚拟化管理：迈向智能化运维的新时代
- 扩散模型在视频生成中的潜力与挑战扩散模型（Diffusion Models）近年来在图像生成和图像超分辨率等领域取得了显著的进展。随着计算能力的提升和深度学习算法的发展，扩散模型逐渐被探索应用于视频生成任务，成为生成对抗网络（GANs）和变分自编码器（VAEs）等传统生成模型的有力竞争者。本文将深入探讨扩散模型在视频生成中的潜力与面临的挑战，分析其应用前景，并通过代码实例展示扩散模型在视频... 扩散模型在视频生成中的潜力与挑战扩散模型（Diffusion Models）近年来在图像生成和图像超分辨率等领域取得了显著的进展。随着计算能力的提升和深度学习算法的发展，扩散模型逐渐被探索应用于视频生成任务，成为生成对抗网络（GANs）和变分自编码器（VAEs）等传统生成模型的有力竞争者。本文将深入探讨扩散模型在视频生成中的潜力与面临的挑战，分析其应用前景，并通过代码实例展示扩散模型在视频...
- 基于大模型的多模态数据融合实战应用 引言多模态数据融合是当前人工智能（AI）研究的热门领域，涉及文本、图像、音频、视频等多种数据类型的集成。随着大型语言模型（LLM）和多模态大模型（如GPT-4V、BLIP-2、Flamingo等）的发展，AI 在处理多模态数据的能力得到极大提升。本文将探讨基于大模型的多模态数据融合方法，并通过 Python 代码示例演示如何构建多模态应用。 多模态数据融... 基于大模型的多模态数据融合实战应用 引言多模态数据融合是当前人工智能（AI）研究的热门领域，涉及文本、图像、音频、视频等多种数据类型的集成。随着大型语言模型（LLM）和多模态大模型（如GPT-4V、BLIP-2、Flamingo等）的发展，AI 在处理多模态数据的能力得到极大提升。本文将探讨基于大模型的多模态数据融合方法，并通过 Python 代码示例演示如何构建多模态应用。 多模态数据融...
- Spark 机器学习库 MLlib 编程实践 介绍Spark MLlib 是 Apache Spark 的一个机器学习库，提供了常用的机器学习算法和工具。MLlib 在分布式环境下运行，可以处理大规模数据集，是构建可扩展机器学习应用程序的理想选择。 应用使用场景大数据分析：在大规模数据集上训练机器学习模型，如推荐系统、分类、聚类。实时流处理：结合 Spark Streaming 实现实时数... Spark 机器学习库 MLlib 编程实践 介绍Spark MLlib 是 Apache Spark 的一个机器学习库，提供了常用的机器学习算法和工具。MLlib 在分布式环境下运行，可以处理大规模数据集，是构建可扩展机器学习应用程序的理想选择。 应用使用场景大数据分析：在大规模数据集上训练机器学习模型，如推荐系统、分类、聚类。实时流处理：结合 Spark Streaming 实现实时数...
- 在 .NET 9 下使用 TensorFlow.NET 构建卷积神经网络 (CNN) 识别手写数字 介绍TensorFlow.NET 是一个 .NET 库，使您能够在 .NET 环境中使用 TensorFlow，提供类似 Python 的 API。通过它，我们可以在 .NET 中实现深度学习模型，如卷积神经网络（CNN）来处理图像分类任务，例如 MNIST 手写数字识别。 应用使用场景数字... 在 .NET 9 下使用 TensorFlow.NET 构建卷积神经网络 (CNN) 识别手写数字 介绍TensorFlow.NET 是一个 .NET 库，使您能够在 .NET 环境中使用 TensorFlow，提供类似 Python 的 API。通过它，我们可以在 .NET 中实现深度学习模型，如卷积神经网络（CNN）来处理图像分类任务，例如 MNIST 手写数字识别。 应用使用场景数字...
- 使用 TensorFlow 训练一个简单线性模型 介绍线性模型是机器学习中最基本的模型之一，用于解决回归问题。它通过简单的线性方程来拟合数据关系。TensorFlow 提供了强大的工具来实现和训练这种模型。 应用使用场景预测分析：比如预测房价、股票市场趋势等。数据建模：用于理解变量间的线性关系。基础研究：作为复杂模型（如神经网络）的基石，帮助理解更复杂的非线性模型。 原理解释线性模型的核心... 使用 TensorFlow 训练一个简单线性模型 介绍线性模型是机器学习中最基本的模型之一，用于解决回归问题。它通过简单的线性方程来拟合数据关系。TensorFlow 提供了强大的工具来实现和训练这种模型。 应用使用场景预测分析：比如预测房价、股票市场趋势等。数据建模：用于理解变量间的线性关系。基础研究：作为复杂模型（如神经网络）的基石，帮助理解更复杂的非线性模型。 原理解释线性模型的核心...
- 大数据：医疗保健的未来之钥 大数据：医疗保健的未来之钥
- CIR-DFENet：结合跨模态图像表示和双流特征增强网络进行活动识别 CIR-DFENet：结合跨模态图像表示和双流特征增强网络进行活动识别
- 大模型技术在安全威胁检测中的应用：从传统到未来的跃升 大模型技术在安全威胁检测中的应用：从传统到未来的跃升
- 低资源环境中的扩散模型优化：减少计算资源的生成方法在人工智能生成内容（AIGC）领域，扩散模型（Diffusion Models）凭借其卓越的生成能力，成为了近年来备受关注的生成模型之一。尽管其在图像生成、文本生成等领域表现出了极大的潜力，但扩散模型的计算开销较大，这使得其在低资源环境中应用时遇到了巨大的挑战。本文将探讨在低资源环境下，如何优化扩散模型的计算资源使用，减少其对硬件的依赖，并... 低资源环境中的扩散模型优化：减少计算资源的生成方法在人工智能生成内容（AIGC）领域，扩散模型（Diffusion Models）凭借其卓越的生成能力，成为了近年来备受关注的生成模型之一。尽管其在图像生成、文本生成等领域表现出了极大的潜力，但扩散模型的计算开销较大，这使得其在低资源环境中应用时遇到了巨大的挑战。本文将探讨在低资源环境下，如何优化扩散模型的计算资源使用，减少其对硬件的依赖，并...
- 1.程序功能描述 基于贝叶斯优化的自适应马尔科夫链蒙特卡洛(Adaptive-MCMC)算法matlab仿真.对比Kawasaki sampler，IMExpert，IMUnif以及IMBayesOpt。2.测试软件版本以及运行结果展示MATLAB2022A版本运行（完整程序运行后无水印）3.核心程序% 以下部分（IMExpert, IMUnif, IMBayesOpt）与Kaw... 1.程序功能描述 基于贝叶斯优化的自适应马尔科夫链蒙特卡洛(Adaptive-MCMC)算法matlab仿真.对比Kawasaki sampler，IMExpert，IMUnif以及IMBayesOpt。2.测试软件版本以及运行结果展示MATLAB2022A版本运行（完整程序运行后无水印）3.核心程序% 以下部分（IMExpert, IMUnif, IMBayesOpt）与Kaw...
- 基于AI的自动化服务器管理：解锁运维的未来 基于AI的自动化服务器管理：解锁运维的未来
- 通过生成对抗网络 (GAN) 基于基因组信息生成未来外貌的预测图像是一项跨越多领域的挑战，涉及基因组数据的分析、深度学习模型的训练以及对基因与表型的复杂关系的精确建模。这一过程不仅需要充分理解 GAN 的生成能力，还需要将基因组数据与人体外貌的特征相联系，从而得出较为可信的图像预测结果。我们可以从以下几方面详细阐述这一过程，包括基因与外貌的关系、生成对抗网络的结构及其技术细节，以及如何将基因... 通过生成对抗网络 (GAN) 基于基因组信息生成未来外貌的预测图像是一项跨越多领域的挑战，涉及基因组数据的分析、深度学习模型的训练以及对基因与表型的复杂关系的精确建模。这一过程不仅需要充分理解 GAN 的生成能力，还需要将基因组数据与人体外貌的特征相联系，从而得出较为可信的图像预测结果。我们可以从以下几方面详细阐述这一过程，包括基因与外貌的关系、生成对抗网络的结构及其技术细节，以及如何将基因...
- 八、(了解即可)MyBatis懒加载(或者叫延迟加载) 八、(了解即可)MyBatis懒加载(或者叫延迟加载)
- 在人工智能领域，减少对大量标注数据的依赖是当前研究的一个重要方向。以下是一些最新的技术和方法，它们能够在减少标注数据需求的同时，保持或提高模型的性能：半监督学习（Semi-Supervised Learning, SSL）：• 半监督学习利用少量标注数据和大量未标注数据进行训练。通过利用未标注数据中的结构信息，模型可以更好地泛化到新的数据。• 例如，自训练（Self-Training）、一致... 在人工智能领域，减少对大量标注数据的依赖是当前研究的一个重要方向。以下是一些最新的技术和方法，它们能够在减少标注数据需求的同时，保持或提高模型的性能：半监督学习（Semi-Supervised Learning, SSL）：• 半监督学习利用少量标注数据和大量未标注数据进行训练。通过利用未标注数据中的结构信息，模型可以更好地泛化到新的数据。• 例如，自训练（Self-Training）、一致...
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