- AI：新书预告—从机器学习避坑指南(分类/回归/聚类/可解释性)到大语言模型落地手记(RAG/Agent/MCP)，一场耗时5+3年的技术沉淀—“代码可跑，经验可抄”—【一个处女座的程序猿】携两本AI实战书终于正式来了！导读：大家好！今天2025年7月，我是「一个处女座的程序猿」博主，本人的两本新书《数据驱动：机器学习实战之道》和《语言之舞：大语言模型代码实战与部署应用》终于要在2025年的... AI：新书预告—从机器学习避坑指南(分类/回归/聚类/可解释性)到大语言模型落地手记(RAG/Agent/MCP)，一场耗时5+3年的技术沉淀—“代码可跑，经验可抄”—【一个处女座的程序猿】携两本AI实战书终于正式来了！导读：大家好！今天2025年7月，我是「一个处女座的程序猿」博主，本人的两本新书《数据驱动：机器学习实战之道》和《语言之舞：大语言模型代码实战与部署应用》终于要在2025年的...
- 包名开发者 / 维护者主要用途GitHub 仓库地址accelerateHugging Face简化深度学习模型的分布式训练，支持多 GPU、TPU 等设备https://github.com/huggingface/acceleratecodetimingReal Python 团队轻量级 Python 计时器库，通过类、上下文管理器或装饰器为代码片段计时，用于性能测试和优化https:/... 包名开发者 / 维护者主要用途GitHub 仓库地址accelerateHugging Face简化深度学习模型的分布式训练，支持多 GPU、TPU 等设备https://github.com/huggingface/acceleratecodetimingReal Python 团队轻量级 Python 计时器库，通过类、上下文管理器或装饰器为代码片段计时，用于性能测试和优化https:/...
- 基于YOLOv8的高压电线是否故障检测识别项目｜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‘源码在文末哔哩哔哩视频简介处获取。[‘电缆破损’, ‘绝缘子破损’, ‘正常电缆’, ‘正常绝缘子’, ‘杆塔’, ‘植被遮挡’] 项目摘要本项目集成了 YOLOv8... 基于YOLOv8的高压电线是否故障检测识别项目｜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‘源码在文末哔哩哔哩视频简介处获取。[‘电缆破损’, ‘绝缘子破损’, ‘正常电缆’, ‘正常绝缘子’, ‘杆塔’, ‘植被遮挡’] 项目摘要本项目集成了 YOLOv8...
- 一、引言随着消费者需求日益多样化和个性化，传统仓储模式已难以满足高效、精准的物流配送需求。智能仓储通过引入先进的信息技术和自动化设备，实现了仓储管理的智能化、自动化和数字化，为企业带来了显著的效益提升。智能仓储的核心在于构建一个协同进化的闭环体系，将销量预测、库位调整和 AGV 调度紧密结合，形成一个有机的整体。销量预测为库位优化提供了数据支撑，库位优化则为 AGV 调度创造了良好的作业环境... 一、引言随着消费者需求日益多样化和个性化，传统仓储模式已难以满足高效、精准的物流配送需求。智能仓储通过引入先进的信息技术和自动化设备，实现了仓储管理的智能化、自动化和数字化，为企业带来了显著的效益提升。智能仓储的核心在于构建一个协同进化的闭环体系，将销量预测、库位调整和 AGV 调度紧密结合，形成一个有机的整体。销量预测为库位优化提供了数据支撑，库位优化则为 AGV 调度创造了良好的作业环境...
- 基于YOLOv8的农作物叶片病害、叶片病斑精准识别项目｜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‘源码在文末哔哩哔哩视频简介处获取。✅ 图片识别（单张叶片图像上传检测）✅ 批量识别（文件夹内所有叶片图片自动识别）✅ 视频流检测（病害叶片监控视频实时检测）✅... 基于YOLOv8的农作物叶片病害、叶片病斑精准识别项目｜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‘源码在文末哔哩哔哩视频简介处获取。✅ 图片识别（单张叶片图像上传检测）✅ 批量识别（文件夹内所有叶片图片自动识别）✅ 视频流检测（病害叶片监控视频实时检测）✅...
- 通过实际Python代码演示，文章不仅揭示了Agentic AI在智能化协同任务执行中的强大潜力，也明确指出了未来发展方向，如引入长期记忆机制、引导式学习、RAG与LoRA集成等。 通过实际Python代码演示，文章不仅揭示了Agentic AI在智能化协同任务执行中的强大潜力，也明确指出了未来发展方向，如引入长期记忆机制、引导式学习、RAG与LoRA集成等。
- 统一多模态 Transformer 架构在跨模态表示学习中的应用与优化随着人工智能的发展，文本与图像等多模态数据的统一建模成为研究热点。统一多模态 Transformer（Unified Multimodal Transformer, UMT）正逐步展现其强大的泛化能力，尤其在图文检索、图像生成、图文问答等任务中展现卓越性能。本文将从原理、架构、实现细节到实验效果，深入解析一个简化版的统一... 统一多模态 Transformer 架构在跨模态表示学习中的应用与优化随着人工智能的发展，文本与图像等多模态数据的统一建模成为研究热点。统一多模态 Transformer（Unified Multimodal Transformer, UMT）正逐步展现其强大的泛化能力，尤其在图文检索、图像生成、图文问答等任务中展现卓越性能。本文将从原理、架构、实现细节到实验效果，深入解析一个简化版的统一...
- Summary of the ABoVE L-band and P-band Airborne SAR Surveys, 2012-2022简介该数据集包含 2012 年至 2022 年在阿拉斯加和加拿大进行的合成孔径雷达 (SAR) 调查的机载飞行元数据表格。美国宇航局的北极北方脆弱性实验 (ABoVE) 在 2017、2018、2019 和 2022 年期间对阿拉斯加和加拿大西北部超过 ... Summary of the ABoVE L-band and P-band Airborne SAR Surveys, 2012-2022简介该数据集包含 2012 年至 2022 年在阿拉斯加和加拿大进行的合成孔径雷达 (SAR) 调查的机载飞行元数据表格。美国宇航局的北极北方脆弱性实验 (ABoVE) 在 2017、2018、2019 和 2022 年期间对阿拉斯加和加拿大西北部超过 ...
- 基于YOLOv8的太阳能电池片缺陷检测项目｜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‘源码在文末哔哩哔哩视频简介处获取。 项目摘要本项目集成了YOLOv8系列缺陷检测模型与PyQt5可视化界面工具，专为太阳能电池片制造过程中常见缺陷（如裂纹、暗斑、断栅、划... 基于YOLOv8的太阳能电池片缺陷检测项目｜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‘源码在文末哔哩哔哩视频简介处获取。 项目摘要本项目集成了YOLOv8系列缺陷检测模型与PyQt5可视化界面工具，专为太阳能电池片制造过程中常见缺陷（如裂纹、暗斑、断栅、划...
- 企业级AI项目常因数据质量不佳未能达到预期，其中非结构化数据的处理是关键瓶颈。三桥君指出，PDF等非结构化文档包含大量表格、图表和公式等复杂元素，传统OCR技术难以有效提取。为解决这一难题，现代文档解析工具应具备多模态解析能力，能精确提取复杂元素并保持原始结构。文档质量直接影响AI模型效果，高质量结构化数据可显著提升模型性能。 企业级AI项目常因数据质量不佳未能达到预期，其中非结构化数据的处理是关键瓶颈。三桥君指出，PDF等非结构化文档包含大量表格、图表和公式等复杂元素，传统OCR技术难以有效提取。为解决这一难题，现代文档解析工具应具备多模态解析能力，能精确提取复杂元素并保持原始结构。文档质量直接影响AI模型效果，高质量结构化数据可显著提升模型性能。
- ABoVE: Active Layer Thickness from Airborne L- and P- band SAR, Alaska, 2017, Ver. 3简介该数据集提供了 ABoVE 区域 51 个站点（包括阿拉斯加的 39 个站点和加拿大西北部的 12 个站点）在 30 米分辨率下的季节性沉降、活动层厚度（ALT）、垂直土壤湿度剖面和不确定性的估计值。ALT 和土壤湿度剖... ABoVE: Active Layer Thickness from Airborne L- and P- band SAR, Alaska, 2017, Ver. 3简介该数据集提供了 ABoVE 区域 51 个站点（包括阿拉斯加的 39 个站点和加拿大西北部的 12 个站点）在 30 米分辨率下的季节性沉降、活动层厚度（ALT）、垂直土壤湿度剖面和不确定性的估计值。ALT 和土壤湿度剖...
- 基于YOLOv8的AI虫子种类识别项目｜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/训练教程源码在文末哔哩哔哩视频简介处获取。 项目摘要本项目集成了 YOLOv8 高精度虫子识别模型 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虫... 基于YOLOv8的AI虫子种类识别项目｜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/训练教程源码在文末哔哩哔哩视频简介处获取。 项目摘要本项目集成了 YOLOv8 高精度虫子识别模型 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虫...
- ABoVE: Directory of Field Sites Associated with 2017 ABoVE Airborne Campaign简介本数据集列出了用于规划 2017 年 ABoVE 空降行动（AAC）的约 6,700 个实地站点。这些站点包括用于确定 2017 年 AAC 飞行路径的点、面和线位置。我们希望这份汇编能够帮助调查人员了解飞行路线的选择，并帮助调查人员识... ABoVE: Directory of Field Sites Associated with 2017 ABoVE Airborne Campaign简介本数据集列出了用于规划 2017 年 ABoVE 空降行动（AAC）的约 6,700 个实地站点。这些站点包括用于确定 2017 年 AAC 飞行路径的点、面和线位置。我们希望这份汇编能够帮助调查人员了解飞行路线的选择，并帮助调查人员识...
- 开篇语哈喽，各位小伙伴们，你们好呀，我是喵手。运营社区：C站/掘金/腾讯云/阿里云/华为云/51CTO；欢迎大家常来逛逛 今天我要给大家分享一些自己日常学习到的一些知识点，并以文字的形式跟大家一起交流，互相学习，一个人虽可以走的更快，但一群人可以走的更远。 我是一名后端开发爱好者，工作日常接触到最多的就是Java语言啦，所以我都尽量抽业余时间把自己所学到所会的，通过文章的形式进行输出，... 开篇语哈喽，各位小伙伴们，你们好呀，我是喵手。运营社区：C站/掘金/腾讯云/阿里云/华为云/51CTO；欢迎大家常来逛逛 今天我要给大家分享一些自己日常学习到的一些知识点，并以文字的形式跟大家一起交流，互相学习，一个人虽可以走的更快，但一群人可以走的更远。 我是一名后端开发爱好者，工作日常接触到最多的就是Java语言啦，所以我都尽量抽业余时间把自己所学到所会的，通过文章的形式进行输出，...
- 基于MCP的一体化人工智能部署架构-从训练、调度到性能反馈的闭环系统设计（附代码）随着企业对自动化、智能化运维需求的不断提升，MCP（Model Control Pipeline） 正成为行业自动化流程中的关键技术组件。本文将以实际应用为基础，从部署、集成到监控的全过程，探讨 MCP 在工业制造、能源与物联网等领域的落地案例，并提供代码示例，展示如何构建一体化的 AI 控制与监控流程。 一... 基于MCP的一体化人工智能部署架构-从训练、调度到性能反馈的闭环系统设计（附代码）随着企业对自动化、智能化运维需求的不断提升，MCP（Model Control Pipeline） 正成为行业自动化流程中的关键技术组件。本文将以实际应用为基础，从部署、集成到监控的全过程，探讨 MCP 在工业制造、能源与物联网等领域的落地案例，并提供代码示例，展示如何构建一体化的 AI 控制与监控流程。 一...
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