- 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...
- 卷积神经网络（CNN）作为深度学习的代表模型，在处理具有空间结构或局部相关性的数据（如图像、视频、音频、文本等）时，相比传统机器学习方法（如SVM、随机森林、逻辑回归等）具有显著优势。以下是CNN的核心优势及对比分析： 1. 自动特征提取（端到端学习）传统方法：需要手动设计特征（如SIFT、HOG、LBP等），依赖领域知识和大量人工调参，且特征工程的质量直接影响模型性能。CNN优势：通过卷积... 卷积神经网络（CNN）作为深度学习的代表模型，在处理具有空间结构或局部相关性的数据（如图像、视频、音频、文本等）时，相比传统机器学习方法（如SVM、随机森林、逻辑回归等）具有显著优势。以下是CNN的核心优势及对比分析： 1. 自动特征提取（端到端学习）传统方法：需要手动设计特征（如SIFT、HOG、LBP等），依赖领域知识和大量人工调参，且特征工程的质量直接影响模型性能。CNN优势：通过卷积...
- 本项目基于YOLOv8构建了一个高精度的桥梁病害检测系统，具备完整的数据采集、模型训练、可视化推理与图形化界面功能。系统可自动识别包括腐蚀、裂缝、退化混凝土等在内的八类桥梁常见病害，极大提升了桥梁检测工作的自动化与智能化水平。 本项目基于YOLOv8构建了一个高精度的桥梁病害检测系统，具备完整的数据采集、模型训练、可视化推理与图形化界面功能。系统可自动识别包括腐蚀、裂缝、退化混凝土等在内的八类桥梁常见病害，极大提升了桥梁检测工作的自动化与智能化水平。
- Soil Respiration Maps for the ABoVE Domain, 2016-2017简介该数据集以 300 米空间分辨率，提供了 2016 年 8 月 18 日至 2018 年 9 月 12 日期间阿拉斯加和加拿大西北部受冻土影响的苔原和北方针叶林生态系统土壤呼吸作用产生的二氧化碳（CO2）排放的网格化估算值。估算值包括：月平均二氧化碳通量（gCO2 C m-2 d-... Soil Respiration Maps for the ABoVE Domain, 2016-2017简介该数据集以 300 米空间分辨率，提供了 2016 年 8 月 18 日至 2018 年 9 月 12 日期间阿拉斯加和加拿大西北部受冻土影响的苔原和北方针叶林生态系统土壤呼吸作用产生的二氧化碳（CO2）排放的网格化估算值。估算值包括：月平均二氧化碳通量（gCO2 C m-2 d-...
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 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；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第五期2026/09/04 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；蒋春阳-华为云AI开发者案例开发专家
本期直播内容： AI工具体验营 · 第5-8课连讲。Agent-Team 多智能体协作完成毕业设计实践
回顾中 -
华为云开发者AI素养ClassRoom·第六期2026/09/08 周二 19:00-20:00
樊渊-2026华为软件挑战赛冠军
高手来了：看软挑高手解析二维排样问题—从工业难题到算法突破
回顾中
热门标签