- 1 简介安全地配置和存储云服务的 AK/SK（Access Key / Secret Key） 是非常重要的。不直接将它们硬编码进代码更能提高安全性。以下是几种推荐方式（以 Python 和 Go 为例）： ✅ 通用安全策略 方法 优点 场景 环境变量 简单、支持多平台 本地开发、部署在云主机 配置文件 + 加密 灵活、适合版本管... 1 简介安全地配置和存储云服务的 AK/SK（Access Key / Secret Key） 是非常重要的。不直接将它们硬编码进代码更能提高安全性。以下是几种推荐方式（以 Python 和 Go 为例）： ✅ 通用安全策略 方法 优点 场景 环境变量 简单、支持多平台 本地开发、部署在云主机 配置文件 + 加密 灵活、适合版本管...
- 1 简介ent 是一个简单但功能强大的 Go 实体框架，使其易于构建 维护具有大数据模型的应用程序，并遵循以下原则：轻松地将数据库架构建模为图形结构。将 schema 定义为编程 Go 代码。基于代码生成的静态类型。数据库查询和图形遍历很容易编写。使用 Go 模板轻松扩展和自定义。 2 Ent 与 GORM 对比分析主要区别 特性 Ent (Entity Framework) G... 1 简介ent 是一个简单但功能强大的 Go 实体框架，使其易于构建 维护具有大数据模型的应用程序，并遵循以下原则：轻松地将数据库架构建模为图形结构。将 schema 定义为编程 Go 代码。基于代码生成的静态类型。数据库查询和图形遍历很容易编写。使用 Go 模板轻松扩展和自定义。 2 Ent 与 GORM 对比分析主要区别 特性 Ent (Entity Framework) G...
- 1 简介作为最流行的经典机器学习算法之一，决策树的可解释性比其他算法更直观。CART算法经常用于构建决策树模型，它可能也是最常用的算法。当我们将 Scikit-Learn 库用于决策树分类器时，它是默认算法。用 scikit-learn 构建一个 CART 决策树模型；计算每个叶节点上“流失”类别的概率；根据概率阈值为每个叶节点打上模态标签： □ churn（必然流失，概率 > 0.9）... 1 简介作为最流行的经典机器学习算法之一，决策树的可解释性比其他算法更直观。CART算法经常用于构建决策树模型，它可能也是最常用的算法。当我们将 Scikit-Learn 库用于决策树分类器时，它是默认算法。用 scikit-learn 构建一个 CART 决策树模型；计算每个叶节点上“流失”类别的概率；根据概率阈值为每个叶节点打上模态标签： □ churn（必然流失，概率 > 0.9）...
- 1 简介模态逻辑（Modal Logic）是一种对“不确定性”、“可能性”、“必然性”等语义进行形式化推理的逻辑系统，它已经被广泛引入到现代人工智能（AI）、自然语言处理、知识表示与自动推理、博弈论、以及机器学习等领域。在数据科学中，模态逻辑与决策树（如 CART）结合使用，可以将“确定性计算”与“不确定性建模”融合，用于推理、决策支持或局部可信度评估。 2、模态逻辑的核心思想和计算目的基... 1 简介模态逻辑（Modal Logic）是一种对“不确定性”、“可能性”、“必然性”等语义进行形式化推理的逻辑系统，它已经被广泛引入到现代人工智能（AI）、自然语言处理、知识表示与自动推理、博弈论、以及机器学习等领域。在数据科学中，模态逻辑与决策树（如 CART）结合使用，可以将“确定性计算”与“不确定性建模”融合，用于推理、决策支持或局部可信度评估。 2、模态逻辑的核心思想和计算目的基...
- 1 简介本文介绍模态逻辑对现代计算机与人工智能的助力。 2 应用场景知识表示与推理（Knowledge Representation and Reasoning）模态逻辑，特别是认知逻辑（epistemic logic），提供了一种形式化的工具，表达“智能体知道/相信什么”。多智能体系统中，用模态逻辑建模每个智能体的信息状态与推理过程。描述如：“Agent A 知道 Agent B 不知道... 1 简介本文介绍模态逻辑对现代计算机与人工智能的助力。 2 应用场景知识表示与推理（Knowledge Representation and Reasoning）模态逻辑，特别是认知逻辑（epistemic logic），提供了一种形式化的工具，表达“智能体知道/相信什么”。多智能体系统中，用模态逻辑建模每个智能体的信息状态与推理过程。描述如：“Agent A 知道 Agent B 不知道...
- tensorflow自带的评估器（estimator）有Pre-made模式，可以轻松启动第一个深度学习模型。 tensorflow自带的评估器（estimator）有Pre-made模式，可以轻松启动第一个深度学习模型。
- 摘要注意力机制（Attention Mechanism）是现代大语言模型的核心基石，源自2017年《Attention Is All You Need》提出的Transformer架构。它模仿人类阅读时“重点关注相关信息、忽略无关内容”的认知习惯，让模型可以直接建立序列内任意token之间的关联，摆脱了RNN、LSTM串行建模长依赖的局限。本文从基础思想、缩放点积自注意力、多头注意力、因果掩... 摘要注意力机制（Attention Mechanism）是现代大语言模型的核心基石，源自2017年《Attention Is All You Need》提出的Transformer架构。它模仿人类阅读时“重点关注相关信息、忽略无关内容”的认知习惯，让模型可以直接建立序列内任意token之间的关联，摆脱了RNN、LSTM串行建模长依赖的局限。本文从基础思想、缩放点积自注意力、多头注意力、因果掩...
- Kimi 今天，我们正式推出 Kimi K3.1 Pro，这是 K3.1 系列的第一个模型，也是我们迄今能力最强的 3 万亿级参数模型，支持 100 万上下文。Kimi K3.1 Pro 在代码、3D 创作、金融研究和其他长程 Agent 能力上的提升尤为显著。我们同步推出高速版模型 Kimi K3.1 Pro Highspeed，同等智能，输出速度约 2~3 倍。即日起，可通过官网、Kim... Kimi 今天，我们正式推出 Kimi K3.1 Pro，这是 K3.1 系列的第一个模型，也是我们迄今能力最强的 3 万亿级参数模型，支持 100 万上下文。Kimi K3.1 Pro 在代码、3D 创作、金融研究和其他长程 Agent 能力上的提升尤为显著。我们同步推出高速版模型 Kimi K3.1 Pro Highspeed，同等智能，输出速度约 2~3 倍。即日起，可通过官网、Kim...
- 1 显卡的算力数字：单位、计算方式、和“这张卡适合干什么”1.1 算力 FLOPS 是什么算力的单位是 FLOPS，即每秒能做多少次浮点运算。FLOP 指一次浮点数的加法或乘法，末尾的 S 是 per second。TFLOPS 是每秒 1e12 次（一万亿），PFLOPS 是每秒 1e15 次（一千万亿）。“一次浮点数的加法或乘法”：虽然对人类来说，乘法比加法难多了，但是对硬件来说，两者成... 1 显卡的算力数字：单位、计算方式、和“这张卡适合干什么”1.1 算力 FLOPS 是什么算力的单位是 FLOPS，即每秒能做多少次浮点运算。FLOP 指一次浮点数的加法或乘法，末尾的 S 是 per second。TFLOPS 是每秒 1e12 次（一万亿），PFLOPS 是每秒 1e15 次（一千万亿）。“一次浮点数的加法或乘法”：虽然对人类来说，乘法比加法难多了，但是对硬件来说，两者成...
- 先说一个让我后背发凉的瞬间。有天晚上我改一份文档，改到某一句，我停下来想了两分钟，然后把那句话删掉重写了。写完之后我盯着屏幕愣了一下——我刚才是按它的习惯在写。那种三段式的节奏、"不是……而是……"的句式、每段最后压一句总结性金句的收法，全都是它的味道。我在用它的方式思考，而我是在改它的稿子的过程中学会的。一、驯化从来不是单向的我们习惯把自己放在使用者的位置：我写提示词，它给结果；我挑毛病，... 先说一个让我后背发凉的瞬间。有天晚上我改一份文档，改到某一句，我停下来想了两分钟，然后把那句话删掉重写了。写完之后我盯着屏幕愣了一下——我刚才是按它的习惯在写。那种三段式的节奏、"不是……而是……"的句式、每段最后压一句总结性金句的收法，全都是它的味道。我在用它的方式思考，而我是在改它的稿子的过程中学会的。一、驯化从来不是单向的我们习惯把自己放在使用者的位置：我写提示词，它给结果；我挑毛病，...
- 大语言模型为什么能生成上下文连贯的文本？当我们和 ChatGPT 这类大语言模型对话时，常常会觉得它“记得”前面说过什么：它能保持话题、接住指代、延续语气，甚至模仿某种文风。它并不是真正像人一样理解世界，但它确实能生成高度连贯的文本。这背后，是训练目标、模型结构和生成策略共同作用的结果。 一、核心起点：预测下一个词大语言模型最基础的训练目标是“下一词预测”。给定前文，模型要预测下一个词最可... 大语言模型为什么能生成上下文连贯的文本？当我们和 ChatGPT 这类大语言模型对话时，常常会觉得它“记得”前面说过什么：它能保持话题、接住指代、延续语气，甚至模仿某种文风。它并不是真正像人一样理解世界，但它确实能生成高度连贯的文本。这背后，是训练目标、模型结构和生成策略共同作用的结果。 一、核心起点：预测下一个词大语言模型最基础的训练目标是“下一词预测”。给定前文，模型要预测下一个词最可...
- 训练深度学习模型，早期很多人是在单张显卡上完成的。数据不算太大，模型也不算太深，跑一晚上往往就有结果。后来模型越来越大，数据越来越多，一张卡的显存和算力很快成为瓶颈。有人换更贵的卡，有人开始把任务拆到多张卡、多台机器上。这就是分布式训练要解决的问题：怎么让多份计算资源一起干活，又尽量少地互相拖后腿。这篇文章用比较直白的方式，聊聊分布式训练在做什么、常见怎么拆、以及实际用起来会遇到什么。 为什... 训练深度学习模型，早期很多人是在单张显卡上完成的。数据不算太大，模型也不算太深，跑一晚上往往就有结果。后来模型越来越大，数据越来越多，一张卡的显存和算力很快成为瓶颈。有人换更贵的卡，有人开始把任务拆到多张卡、多台机器上。这就是分布式训练要解决的问题：怎么让多份计算资源一起干活，又尽量少地互相拖后腿。这篇文章用比较直白的方式，聊聊分布式训练在做什么、常见怎么拆、以及实际用起来会遇到什么。 为什...
- 做目标检测的人，几乎都用过 YOLO。它快、好上手，从 YOLOv5 到后面的版本，社区教程和预训练权重都很丰富。很多人第一次跑通官方例子，看着验证集上漂亮的 mAP，会觉得“已经够用了”。真正把模型放到自己的业务里，问题才开始显现：漏检多、误检多、小目标抓不住、或者在真实摄像头画面上效果断崖式下降。这时候就需要调优。调优不是玄学，也不是把所有参数都试一遍。它更像是针对数据和场景，把模型从“... 做目标检测的人，几乎都用过 YOLO。它快、好上手，从 YOLOv5 到后面的版本，社区教程和预训练权重都很丰富。很多人第一次跑通官方例子，看着验证集上漂亮的 mAP，会觉得“已经够用了”。真正把模型放到自己的业务里，问题才开始显现：漏检多、误检多、小目标抓不住、或者在真实摄像头画面上效果断崖式下降。这时候就需要调优。调优不是玄学，也不是把所有参数都试一遍。它更像是针对数据和场景，把模型从“...
- 作者：Dawes转载来源：黄大年茶思屋凌晨一点，我合上笔记本电脑，屏幕右下角的AI助手弹出提示“已自动整理今日项目文档，生成3版技术方案对比报告，待你明日确认。”窗外的写字楼仍亮着零星灯光，其中几盏属于隔壁的自动驾驶研发中心——就像过去一年里无数个深夜一样，AI正在以不同形式融入行业的每一个角落。作为一名深耕大模型与行业应用的AI从业者，2025年于我而言，不仅是技术迭代的“加速年”，更是A... 作者：Dawes转载来源：黄大年茶思屋凌晨一点，我合上笔记本电脑，屏幕右下角的AI助手弹出提示“已自动整理今日项目文档，生成3版技术方案对比报告，待你明日确认。”窗外的写字楼仍亮着零星灯光，其中几盏属于隔壁的自动驾驶研发中心——就像过去一年里无数个深夜一样，AI正在以不同形式融入行业的每一个角落。作为一名深耕大模型与行业应用的AI从业者，2025年于我而言，不仅是技术迭代的“加速年”，更是A...
- 文章转载了【空间数据研究所】的最新POI数据，数据比较新。需要科研和做数据处理的朋友可以重点关注。 文章转载了【空间数据研究所】的最新POI数据，数据比较新。需要科研和做数据处理的朋友可以重点关注。
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