登录社区云,与社区用户共同成长
邀请您加入社区
Keras3支持多后端(TensorFlow、PyTorch、JAX),通过设置环境变量切换,兼容指定版本。pip安装后可用Sequential API快速构建CNN模型,如MNIST分类示例,实
本文针对多人共用GPU服务器时常见的权限问题,提出一套基于用户组、setgid、ACL的协作目录配置方案。通过合理划分code、data、outputs、logs目录,结合组权限与默认ACL,实现安全共享与最小权限原则,避免误删、权限错乱及训练中断,适用于深度学习项目与GPU云平台部署。
YOLO土壤与木材表面颜色特征目标检测数据集聚焦于农业和林业领域中常见的材料表面缺陷检测任务,旨在为基于深度学习的图像识别提供高质量的标注数据支持。该数据集名称直接反映了其核心应用场景,即通过颜色特征对土壤和木材表面进行分类与定位,适用于农作物生长环境监测、木材质量评估以及自动化分拣等实际需求。数据集的设计充分考虑了工业场景中的复杂背景与多变光照条件,具备较强的现实应用价值。
第1章。
有做端侧AI落地的同行,评论区聊聊你们的模型选型和推理优化方案,互相学习。AIoT不是把AI模型塞进物联网设备这么简单,它是一条从感知到决策的完整数据链路,每一环都需要精心设计。传感器采集要可靠,特征工程要有效,模型推理要够快,决策逻辑要防误报,云端联动要有协同价值。当端侧模型的置信度低于阈值(比如0.7),说明模型对当前输入不确定,这时应该把原始数据上传到云端,用更强大的模型做二次判断。这种从硬
2026年工业物联网的核心趋势是从"连接设备"走向"覆盖设备、网络、数据和生产系统的整体连接架构"。eRedCap技术在3GPP Release 18标准冻结,2026年开始商用,为工业场景提供更低成本和功耗的5G连接选项。边缘计算网关在这条链路中的位置是确定的:它是工业现场数据进入数字世界的第一个关口。协议转换、边缘计算、断点续传、远程运维,每一环都直接影响数据质量和系统可靠性。工业物联网方向的
太原暑假培训周末班人工智能的发展方向自动化运维。运维工作者对的需求很大,小伙伴们快快行动起来吧,学习自动化运维也能有个的工资。自动化测试。这门语言分高效,只要是
Suno 这次把 v4 到 v5.5 的旧模型全部退役,没有过渡期。意思很明确:你现在就得做选择,别想拿旧版苟着。我懂这种感觉,就像公司突然通知全员换新系统,你那些精心调教的提示词,一夜之间全部变成"历史遗留资产"。但换个角度想:旧歌还在,新歌更好,工具箱里还多了把手术刀。这波,不亏。P.S. 推荐一个大神的教程给想要了解或者学习人工智能知识的读者,这个教程里内容讲解通俗易懂且风趣幽默,对我帮助很
AIO Sandbox 没有试图做一个更聪明的 Agent 框架,它解决的是一个更基础的问题——让 Agent 用到的工具们,至少能看见同一份文件系统。这让我想到,很多家庭矛盾的根源,不是谁不爱谁,而是冰箱里的东西不共享。工具孤岛这个问题解决好了,Agent 开发能少掉一大半的头发。反正我是准备把它请进我的工具箱了——毕竟,让 Agent 少搬一次砖,就是让我自己少掉一根头发。P.S. 推荐一个大
为了消除标准注意力机制中计算复杂度随序列长度呈二次方增长的限制,该结构采用基于线性整流单元的线性注意力方案,利用矩阵乘法的结合律调整计算顺序,避免了计算全尺寸注意力矩阵的需求,将计算复杂度与存储占用降低至线性阶。在此基础上,模块在投影变换路径中嵌入了小卷积核的深度可分离卷积单元,先通过通道扩张与一维深度卷积捕获局部相邻周期内的细微变化,再通过逐点卷积完成通道间信息交互,以此弥补线性注意力在局部特征
包括:大模型学习线路汇总、学习阶段,大模型实战案例,大模型学习视频,人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型!😝有需要的小伙伴,可以保存图片到。
校园驿站管理系统基于Spring Boot与MySQL构建,旨在解决高校快递管理中信息不透明、取件效率低、资源分配不合理等痛点。系统实现快递入库、智能分拣、自助取件、异常处理及数据分析全流程数字化,依托物联网与大数据技术提升管理效率,优化资源配置。支持移动端操作,具备可扩展性,助力智慧校园建设,兼具管理升级与社会价值,推动高校后勤服务向智能化、精细化转型。
本文为实用NumPy代数指南,涵盖数组代数、广播、矩阵乘法、张量操作、多项式计算、最小二乘与特征值分析。强调区分逐元素运算与矩阵代数,明确shape、axis、dtype语义,善用broadcasting与einsum实现高效向量化计算。通过残差、恒等式与数值稳定性验证结果,推荐使用np.allclose进行浮点比较,确保代数逻辑正确性。代码示例可直接运行,适用于科学计算与工程建模。
我们需要一种能够理解工业系统时序逻辑的智能体,它不依赖固定的黑名单,而是通过深度学习正常工艺的波动规律,任何偏离这一“生理节拍”的操作——无论是否包含已知病毒特征——都将被视为潜在威胁。然而,工业现场的环境是持续变化的,新的设备接入、工艺升级乃至攻击手法的迭代,都要求模型具备在线适应能力。压箱底的好资料,全面地介绍网络安全的基础理论,包括逆向、八层网络防御、汇编语言、白帽子web安全、密码学、网络
Product Hunt 每日热榜 | 2026-09-24 Solid的人工智能代理可以帮你创建应用、自动化工作流程,处理那些你没有时间或专业知识去做的任务。它们能够选择并设置自己的真实机器,创建账户并支付服务费。它们通过API使用你的应用,或者像人一样登录。它们能填补空缺并在过程中解决问题。不要只把目光放在个人助手如Grok Bot和Muse上:Solid旨在为你和你的团队处理复杂且长期的工作
同时,随着人口老龄化加剧、人力成本持续攀升,工业高危岗位、仓储物流岗位、家庭服务岗位出现巨大人力缺口,传统人工作业模式存在安全风险高、效率不稳定、人力成本高昂等问题,行业亟需可替代人工、适配全场景、自主化作业的智能设备。同时,随着低空经济、卫星遥感、远洋航运、全域物联网的快速发展,传统地面通信无法满足高空、远洋、全域移动的高速、低时延、广覆盖通信需求,低空飞行器通信干扰、偏远地区网络空白、远洋数据
很多刚入门深度学习的小伙伴可能都有这样的经历:兴冲冲地下载了模型代码,结果一运行就报错——“CUDA找不到”、“GPU驱动不匹配”、“TensorRT版本错误”……本文将用最直白的语言,带你从零开始安装CUDA、cuDNN和TensorRT,避开常见坑点,让GPU飞起来。2. 解压后,将 bin/、include/、lib/ 文件夹复制到CUDA安装目录(如 C:\Program Files\NV
根植中国,服务全球。金融科技是公司的核心业务之一,依托在人工智能、大数据、云计算、物联网等方面的多年技术沉淀,公司为银行、证券、保险、金控等领域金融客户提供产品与解决方案、咨询规划、系统集成、ITO、BPO、出海等数智化相关服务,赋能各业务场景全生命周期“向新向智”转型升级。平台以“治理中枢+生产平台”为核心,围绕“统一管理、快速构建、稳定交付”三项目标,打造覆盖智能体构建、发布、运行、优化全生命
我越来越相信,自动驾驶感知不能建立在“传感器永不失效”的假设上。Uni-Map 用一个模型兼容相机、激光雷达和融合输入,通过共享 BEV 表示与混合训练,让系统在缺帧、雷达异常甚至单传感器缺失时仍能构建道路地图。面对相机缺失,它将 mAP 从 22.5 提升到 61.2。对我而言,真正的智能不是晴天分数更高,而是在信息不完整时依然看得清路。
AI智能体是当前人工智能落地应用的全新核心形态,彻底改变了传统大模型被动应答的交互模式,具备自主思考、任务拆解、工具调用、循环迭代、闭环执行的完整能力。本文从核心算法原理、技术迭代演进、工程落地难点、全行业业务场景、应用风险治理五个维度,全面解读AI智能体的核心价值,对比传统对话模型与智能体的能力差异,结合办公、科研、企业服务等真实场景拆解落地逻辑,适配大众与行业从业者阅读需求。
面向 Agentic AI,人工智能平台 PAI 不断迭代,为模型与智能体的创新提供坚实基础。
前面几篇文章中,我已经用华为云码道 Agent 完成了一个 OpenCV Vision Lab 项目。从基础图像处理,到 Canny、Harris、SIFT,再到多组参数对比,整个项目已经比较完整。很多算法本身不需要训练模型。只要安装好 OpenCV,就可以直接调用对应算法完成处理。所以这一次,我想继续往前走一步。PyTorch + CNN + 深度学习。Neural Network Playgr
针对 AOI 工业视觉检测方向遴选中外书籍资源。基础理论层面推荐 Gonzalez《数字图像处理》、Szeliski《计算机视觉算法与应用》及 Batchelor《机器视觉手册》;工业系统层面推荐余文勇《机器视觉自动检测技术》、张辉《工业机器视觉技术与应用》;缺陷检测专题推荐余建波《产品缺陷智能检测技术》、郑宏《表面缺陷视觉检测的深度学习技术》及 Mery《X 射线计算机视觉》。建议按"理论—系统
本设计聚焦2027年老龄化与AI融合趋势,构建“智慧养老情感陪伴与健康预警系统”。通过大模型实现情感化语音交互,结合物联网设备实时监测老人健康数据,构建独居老人、子女、医生、管理员四类角色协同的闭环管理机制。系统具备情绪识别、多级预警、亲情互动与数据分析等功能,技术栈完整,功能落地性强,兼具创新性与实用性,适合作为计算机类毕业设计参考。
本文为深度学习环境搭建指南,梳理了从底层驱动到上层框架的必备文件清单与安装顺序:先安装Anaconda/Miniconda及虚拟环境,再配置NVIDIA显卡驱动、CUDA Toolkit、cuDNN,最后通过官方命令安装PyTorch或TensorFlow。强调版本匹配的重要性,推荐以框架官网为准选择CUDA版本,并提供验证GPU可用性的代码。附数据集下载建议与常见问题排查方案,帮助初学者一次性成
大语言模型是基于海量文本训练的深度学习模型,能够理解并生成自然语言。产品形态变化:从「人找信息」变为「对话式交互」。前端需要负责调用模型接口、管理状态、渲染流式输出。前端是 AI 能力与用户之间的最后一公里。Token 是模型处理文本的最小单位,可以是单词、子词或字符。计费:大多数 API 按 Token 计费。上下文窗口:模型能处理的 Token 数量有限。流式输出:Token 逐个到达,前端需
此次双方的合作进一步从“连接”延伸至“智能”:发挥利尔达在物联网终端、SaaS平台及行业应用落地方面的积累,结合华为云的大模型能力,共同探索AI在客户沟通、销售服务等一线场景中的应用。B1 Air与P1已于9月17日正式上市,欢迎有门店服务、客户接待、商务沟通等应用需求的企业与利尔达联系,了解产品详情及行业解决方案,并申请样机体验,共同探索 AI 智能听记在更多一线业务场景中的应用价值。等场景,结
讯飞医疗作为本次行动的核心技术与运营支撑方,依托国产化医疗大模型底座、多年医疗场景技术积累,以及在全国多家三甲医院验证成熟的运营体系,打造AI诊后患者管理平台,覆盖智能信息采集、分层风险评估、个体化方案制定、动态随访调整全链路。葛均波院士在会上提出的“患者参与式疾病管理” 理念早已被临床验证有效,但要实现规模化落地,必须借助人工智能的力量放大管理效率,而 AI 赋能的技术平台、专业的服务团队、可持
基于AI的智能健康商城小程序,由私域邦网络开发,集成健康自测、风险评估、个性化推荐与在线问诊功能。通过微信登录、实名认证建立健康档案,运用医学知识图谱与深度学习模型实现症状智能分析,生成风险等级报告。结合协同过滤与内容推荐算法,精准推送营养品、器械等商品,支持购物、积分、营销活动。数据加密存储,符合等保三级及医疗合规要求。未来可拓展穿戴设备接入、虚拟助手与医保支付,构建闭环大健康生态。
面向下一个十年,利尔达期待与芯片、运营商、终端厂商及行业伙伴进一步加强协同,在网络、产品、开发工具与应用场景之间形成更高效的联动,共同推动5G RedCap、eRedCap及AI-IoT加快成熟落地,让更多智能终端以更低门槛、更高效率走向规模化应用。当移动物联网走过从“设备联网”到规模普及的第一个十年,产业正在进入新的发展阶段:连接数量仍在增长,但比“连得更多”更重要的,是如何连得更好、开发更快,
简单来说,用户不需要掌握编程语言,只需要描述想要搭建的系统,恐象 AI 就能够完成应用的初步搭建,像客户 CRM、预约表单、企业官网、内部台账系统这类轻量化业务工具,都可以通过恐象 AI 生成。而恐象 AI 的定位和这类通用对话 AI 有所区别,恐象 AI 是结合 AI 能力的无代码应用搭建工具,核心方向不是单纯文字对话,而是把自然语言转化成可直接使用的线上应用。这类人群大多没有编程基础,有搭建内
本文详细指导在Windows环境下搭建深度学习推理环境,涵盖显卡驱动更新、CUDA/cuDNN安装、PyTorch部署及TensorRT配置。关键步骤包括:通过nvidia-smi确认驱动支持的CUDA版本,下载对应CUDAToolkit与cuDNN,使用pip安装匹配CUDA版本的PyTorch,解压TensorRT并将其库文件复制至CUDA路径,配置环境变量后验证nvcc与TensorRT版本
9月4日,工信部发布《人工智能中小企业创业支持计划(2026—2028年)》,明确鼓励各地支持借助智能工具创业、超级个体等微型主体。其实,OPC已经热了一阵。2026年上半年,全国OPC数量突破1600万家,占全国企业总量的27.4%。(WAIC《2026中国OPC深度洞察报告》)OPC社区从95个暴涨到618个,覆盖24省75城,算力补贴、免费工位、创业贷款全面铺开……我们不停地被“一人年入百万
开展首日,现场人气迅速升温,来自物联网产业链上下游的企业代表、行业客户及专业观众齐聚展馆,围绕AI、芯片、通信、智能终端、工业物联网等前沿方向展开交流。本届展会上,利尔达围绕这一趋势,集中展示了覆盖蜂窝通信、短距无线、LPWAN、定位、算力、终端及场景化应用等多个方向的产品与方案。其中,AI、5G、Cat.1、星闪、LoRa等技术及相关应用成为不少观众关注和交流的重点。的利尔达展位迎来了一波又一波
人工智能在能源管理中的应用有哪些?让我们关注一下ICSGPS 2027这个主题分论坛的分享吧~
现在全网都在说AI炒股、AI量化、AI投研,但绝大多数散户根本分不清:哪些是智商税,哪些是真能用的工具。很多人对AI投研的误区只有两个:1、以为AI可以100%预测涨跌2、以为AI投研是大佬专属,普通人学不会其实真正的AI投研,不是"预言行情",而是用数据和模型消除人性弱点,让投资更理性、更系统。今天这篇我用大白话讲清楚:普通人能落地的AI投研,到底是什么、能解决什么问题、怎么用。AI投研 = 用