- 摘要一、论文介绍论文主题：本文介绍了一种名为DEA-Net的图像去雾算法。背景信息：单幅图像去雾是一项具有挑战性的任务，旨在从观测到的雾图中恢复出潜在的清晰图像。传统的去雾方法以及现有的基于深度学习的方法都存在不足，尤其是在处理复杂场景和非均匀雾分布时。核心贡献：论文提出了一种包含细节增强卷积（DEConv）和内容引导注意力（CGA）的细节增强注意力模块（DEAB），用于提升去雾性能。二、创... 摘要一、论文介绍论文主题：本文介绍了一种名为DEA-Net的图像去雾算法。背景信息：单幅图像去雾是一项具有挑战性的任务，旨在从观测到的雾图中恢复出潜在的清晰图像。传统的去雾方法以及现有的基于深度学习的方法都存在不足，尤其是在处理复杂场景和非均匀雾分布时。核心贡献：论文提出了一种包含细节增强卷积（DEConv）和内容引导注意力（CGA）的细节增强注意力模块（DEAB），用于提升去雾性能。二、创...
- 在大型语言模型（LLM, Large Language Models）中，精度、参数数量、训练数据量、性能和成本之间的权衡是一个复杂且多维度的问题。本文试图从三篇文章出发，讨论大模型应用中这些因素之间的关联，从而为不同的应用形式提供选择的因素和指导。进而推导出企业未来 AI 应用中的工作重心。 在大型语言模型（LLM, Large Language Models）中，精度、参数数量、训练数据量、性能和成本之间的权衡是一个复杂且多维度的问题。本文试图从三篇文章出发，讨论大模型应用中这些因素之间的关联，从而为不同的应用形式提供选择的因素和指导。进而推导出企业未来 AI 应用中的工作重心。
- 独立Q学习 ---- IQL（Independent Q-Learning）是多智能体强化学习（Multi-Agent Reinforcement Learning, MARL）中一种经典且简单的算法，主要思想是将每个智能体视为独立的学习者，各自执行单智能体的 Q-learning 算法。尽管 IQL 是一个早期的方法，但它在处理多智能体任务时具有一定的应用价值。 [Python] IQL实现（可 独立Q学习 ---- IQL（Independent Q-Learning）是多智能体强化学习（Multi-Agent Reinforcement Learning, MARL）中一种经典且简单的算法，主要思想是将每个智能体视为独立的学习者，各自执行单智能体的 Q-learning 算法。尽管 IQL 是一个早期的方法，但它在处理多智能体任务时具有一定的应用价值。 [Python] IQL实现（可
- 反事实多智能体策略梯度法COMA (Counterfactual Multi-Agent Policy Gradient) 是一种面向多智能体协作问题的强化学习算法，旨在通过减少策略梯度的方差，来提升去中心化智能体的学习效果。 COMA 算法最早由 DeepMind 团队提出，论文标题为 "Counterfactual Multi-Agent Policy Gradients"，由 Jakob 反事实多智能体策略梯度法COMA (Counterfactual Multi-Agent Policy Gradient) 是一种面向多智能体协作问题的强化学习算法，旨在通过减少策略梯度的方差，来提升去中心化智能体的学习效果。 COMA 算法最早由 DeepMind 团队提出，论文标题为 "Counterfactual Multi-Agent Policy Gradients"，由 Jakob
- 摘要本文将分享笔者在项目中应用华为昇腾AI处理器的使用感受和实践经验，探讨其在智能计算和深度学习领域的突出表现，并提供具体的操作流程和应用案例分析。 关键词华为昇腾AI、深度学习、智能计算、实践分享、案例分析作为一名人工智能和机器学习工程师，我在多个项目中体验了华为昇腾AI处理器的强大计算能力。昇腾AI处理器不仅提升了深度学习模型的训练效率，还显著优化了模型的推理速度。以下是我在项目中应用... 摘要本文将分享笔者在项目中应用华为昇腾AI处理器的使用感受和实践经验，探讨其在智能计算和深度学习领域的突出表现，并提供具体的操作流程和应用案例分析。 关键词华为昇腾AI、深度学习、智能计算、实践分享、案例分析作为一名人工智能和机器学习工程师，我在多个项目中体验了华为昇腾AI处理器的强大计算能力。昇腾AI处理器不仅提升了深度学习模型的训练效率，还显著优化了模型的推理速度。以下是我在项目中应用...
- 项目背景在当今数字化时代，企业和组织积累了海量的数据，这些数据的有效利用是决策制定和策略优化的关键。Google BigQuery作为一种高效的、基于云的分析平台，可以快速处理大数据集，进行数据挖掘与统计分析。结合Python的强大数据处理能力，我们能够实现高效的数据分析流程，进行深度的数据探索和洞察。本博客将详细介绍如何利用Python与Google BigQuery进行数据分析，涵盖从数... 项目背景在当今数字化时代，企业和组织积累了海量的数据，这些数据的有效利用是决策制定和策略优化的关键。Google BigQuery作为一种高效的、基于云的分析平台，可以快速处理大数据集，进行数据挖掘与统计分析。结合Python的强大数据处理能力，我们能够实现高效的数据分析流程，进行深度的数据探索和洞察。本博客将详细介绍如何利用Python与Google BigQuery进行数据分析，涵盖从数...
- 在数据驱动的时代，机器学习至关重要，而 sklearn 作为该领域的佼佼者，提供了丰富的算法和工具。本文将引导你从安装、数据处理、核心算法、模型训练与评估，到实战案例和未来展望，全面了解和掌握 sklearn 的使用技巧，开启机器学习之旅。 在数据驱动的时代，机器学习至关重要，而 sklearn 作为该领域的佼佼者，提供了丰富的算法和工具。本文将引导你从安装、数据处理、核心算法、模型训练与评估，到实战案例和未来展望，全面了解和掌握 sklearn 的使用技巧，开启机器学习之旅。
- 在AI领域，C++因其高效性能和资源利用率，成为模型训练与部署的关键选择。然而，不同环境间的模型迁移面临硬件差异、软件依赖及数据兼容性等挑战。本文探讨了模型迁移的重要性、常见场景及应对策略，包括硬件适配、软件依赖管理和数据适配与验证，旨在帮助开发者和企业克服这些障碍，实现模型的高效迁移与应用。 在AI领域，C++因其高效性能和资源利用率，成为模型训练与部署的关键选择。然而，不同环境间的模型迁移面临硬件差异、软件依赖及数据兼容性等挑战。本文探讨了模型迁移的重要性、常见场景及应对策略，包括硬件适配、软件依赖管理和数据适配与验证，旨在帮助开发者和企业克服这些障碍，实现模型的高效迁移与应用。
- 在深度学习模型的训练过程中，如何有效地从过拟合（Overfitting）到泛化（Generalization）是提升模型性能的关键。过拟合问题通常发生在模型过于复杂、训练数据不足或者训练时间过长时，导致模型在训练集上表现很好，但在新的、未见过的数据上表现较差。相反，良好的泛化能力能够让模型在新的数据集上同样表现出色。本篇文章将深入探讨如何通过多种技巧来优化深度学习模型，从而达到更好的泛化效果... 在深度学习模型的训练过程中，如何有效地从过拟合（Overfitting）到泛化（Generalization）是提升模型性能的关键。过拟合问题通常发生在模型过于复杂、训练数据不足或者训练时间过长时，导致模型在训练集上表现很好，但在新的、未见过的数据上表现较差。相反，良好的泛化能力能够让模型在新的数据集上同样表现出色。本篇文章将深入探讨如何通过多种技巧来优化深度学习模型，从而达到更好的泛化效果...
- AI/ML入门：基础知识与常用术语全解析，超全的哟~ AI/ML入门：基础知识与常用术语全解析，超全的哟~
- 在大数据处理和科学计算中，矩阵运算是一个常见且非常重要的任务。无论是机器学习、深度学习、图像处理，还是物理模拟、金融建模等领域，矩阵运算都是核心操作。Python 的 NumPy 库，作为一个高效的数学计算库，提供了非常优化的矩阵运算功能，能够大大提升大规模矩阵计算的效率。在这篇文章中，我们将深入探讨如何利用 NumPy 高效处理大规模矩阵运算，并通过实例演示常见的矩阵运算操作。I. Num... 在大数据处理和科学计算中，矩阵运算是一个常见且非常重要的任务。无论是机器学习、深度学习、图像处理，还是物理模拟、金融建模等领域，矩阵运算都是核心操作。Python 的 NumPy 库，作为一个高效的数学计算库，提供了非常优化的矩阵运算功能，能够大大提升大规模矩阵计算的效率。在这篇文章中，我们将深入探讨如何利用 NumPy 高效处理大规模矩阵运算，并通过实例演示常见的矩阵运算操作。I. Num...
- 随着人工智能的不断进步，特别是自然语言处理（NLP）技术的迅速发展，语言模型在多个领域的应用已经取得了显著突破。近年来，以GPT（Generative Pre-trained Transformer）为代表的大型语言模型（LLMs）引领了这一领域的革命。本文将深入探讨自然语言处理技术的最新突破，分析语言模型的未来发展方向，并通过具体代码实例展示如何利用当前的技术应用于实际任务中。 1. 自然... 随着人工智能的不断进步，特别是自然语言处理（NLP）技术的迅速发展，语言模型在多个领域的应用已经取得了显著突破。近年来，以GPT（Generative Pre-trained Transformer）为代表的大型语言模型（LLMs）引领了这一领域的革命。本文将深入探讨自然语言处理技术的最新突破，分析语言模型的未来发展方向，并通过具体代码实例展示如何利用当前的技术应用于实际任务中。 1. 自然...
- 在人工智能（AI）领域，生成对抗网络（Generative Adversarial Networks, GAN）已经成为一项重要的技术。尤其在数据增强（Data Augmentation）领域，GAN提供了一种创新的方式来生成多样化的训练数据，克服数据稀缺和不平衡问题。本文将探讨GAN在数据增强中的应用、优势、面临的挑战，并通过实际代码实例展示其实现过程。 什么是生成对抗网络（GAN）？生成... 在人工智能（AI）领域，生成对抗网络（Generative Adversarial Networks, GAN）已经成为一项重要的技术。尤其在数据增强（Data Augmentation）领域，GAN提供了一种创新的方式来生成多样化的训练数据，克服数据稀缺和不平衡问题。本文将探讨GAN在数据增强中的应用、优势、面临的挑战，并通过实际代码实例展示其实现过程。 什么是生成对抗网络（GAN）？生成...
- 深度学习作为当前人工智能领域的核心技术之一，已在语音识别、计算机视觉、自然语言处理等多个领域取得了显著进展。在训练深度神经网络时，优化策略是确保模型有效学习、加速收敛的重要手段。优化算法不仅仅依赖于基本的梯度下降方法，还需要结合不同的技巧与创新策略来提高训练效率，克服梯度消失、梯度爆炸等问题。本篇文章将从基础优化算法入手，逐步介绍优化策略的进展与前沿创新，最后结合代码实例展示如何在实际中应用... 深度学习作为当前人工智能领域的核心技术之一，已在语音识别、计算机视觉、自然语言处理等多个领域取得了显著进展。在训练深度神经网络时，优化策略是确保模型有效学习、加速收敛的重要手段。优化算法不仅仅依赖于基本的梯度下降方法，还需要结合不同的技巧与创新策略来提高训练效率，克服梯度消失、梯度爆炸等问题。本篇文章将从基础优化算法入手，逐步介绍优化策略的进展与前沿创新，最后结合代码实例展示如何在实际中应用...
- 本教程详细介绍了如何本地部署和实践 CogVideoX-2b 模型的全过程，为开发者提供了清晰的指导。CogVideoX-2b 通过其先进的3D变分自编码器和3D RoPE技术，大大提高了视频生成的效率和质量。 本教程详细介绍了如何本地部署和实践 CogVideoX-2b 模型的全过程，为开发者提供了清晰的指导。CogVideoX-2b 通过其先进的3D变分自编码器和3D RoPE技术，大大提高了视频生成的效率和质量。
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签