登录社区云，与社区用户共同成长
邀请您加入社区
摘要： 本文设计并实现了一个基于Django框架的智能推荐系统，采用Python语言开发，以MySQL为数据库、Tomcat为应用服务器，采用B/S架构和分层设计思想。系统功能涵盖用户管理、商品分类、购物商品及订单处理等模块，实现了用户信息的增删改查（如图5-15所示）及个性化推荐。通过自顶向下的模块化开发，完成了从需求分析到功能实现的完整流程，最终总结了项目开发经验，验证了系统在电商信息管理中的
【CRL研究新机遇与自动驾驶强化学习进展】当前因果强化学习(CRL)成为AI研究蓝海，其中离线因果RL因工业需求旺盛备受关注。两篇最新论文展示了CRL的创新应用：1）NeurIPS论文RAD构建基于3D高斯溅射的自动驾驶仿真环境，结合因果RL与模仿学习，通过多维度奖励设计显著降低碰撞风险；2）Sci China Inf Sci提出因果动作赋能框架(CAE)，利用因果推理优化强化学习的动作探索效率，
本文分析了HarmonyOS 6购物应用中Swiper组件与内外层手势冲突的两种典型场景：1）内嵌横向可拖拽组件时Swiper抢占手势；2）外层侧滑返回拦截Swiper操作。通过揭示HarmonyOS手势竞争三原则（冒泡顺序、独占识别、优先级声明），提出针对性解决方案：场景A使用priorityGesture让子组件优先识别横向滑动，场景B调整外层为普通gesture避免抢占。文章还提供了避坑指南
本文详解从零搭建 AMD 深度学习环境的全流程。通过 HIPify 工具实现 CUDA 代码一键迁移至 ROCm 平台，并结合 LLaMA-Factory 框架提供避坑指南。帮助开发者在 Linux 系统下高效完成大模型微调，释放 AMD 显卡的高性价比算力优势。
实现一个内存版 CRUD API（GET/POST/PUT/DELETE /api/items）处理 404 未知路由和 500 服务端错误的统一返回用 Postman 或 curl 测试所有接口，验证功能正确完成阶段三练习任务（mini-http-server 项目）回顾总结：手写 HTTP 服务器让你理解了框架的哪些能力。
这篇文章用通俗易懂的语言解释了AI领域的关键概念及其相互关系： 大模型是AI核心，相当于超级大脑（如ChatGPT、Claude的基础） Token是AI处理文字的计量单位，直接影响使用成本和响应速度 Prompt是与AI沟通的指令，质量决定输出效果 Skill是AI的功能扩展，使其能执行具体任务（如查天气、画图） MCP是标准化接口协议，让不同AI能连接相同工具 Agent是能自主完成任务的AI
本文介绍了在HarmonyOS应用开发中，通过页面复用优化收藏页面的实现方案。核心思路是将分类列表、收藏列表和个人中心三个功能整合到同一个CategoryList页面，通过category参数区分不同数据来源。文章详细讲解了数据路由设计、状态管理方案（AppStorage与本地持久化存储的组合使用），并重点解决了页面返回时底部导航栏状态不正确的问题，通过onPageShow生命周期回调实现状态重置
本文详细记录了HarmonyOS应用中底部导航栏的三次迭代优化过程：第一版使用圆形占位符实现基础功能，第二版增加可选回调解决页面跳转问题，第三版采用SymbolGlyph系统图标和集中状态管理，最终实现了视觉统一、性能优化和逻辑简化的导航组件。文章通过对比三种方案，重点介绍了SymbolGlyph的系统图标优势以及状态管理的实现方式，并说明了特殊按钮（如中间"+"按钮）的独立处理策略。整个演进过程
摘要：该文档展示了国家超算中心昆山站异构加速卡1（16GB显存）的海光Z100SM HCU系统环境概览。系统包含两个Hygon C86 7185 32核CPU处理器，每个处理器具有8个计算单元、32MB L1缓存，主频2GHz，支持HSA 1.1运行时环境。系统内存池总容量约32GB，提供细粒度/粗粒度内存分配选项。该配置采用小端字节序，未启用Mwaitx特性，且不支持DMAbuf。设备信息显示系
基于YOLOv5的森林火灾识别系统摘要（150字） 本项目开发了一套基于YOLOv5深度学习模型的森林火灾智能识别系统。系统采用PyQt5构建可视化界面，支持图片、视频、摄像头及批量图片检测功能。通过2000张标注数据集训练优化模型，实现高精度火焰识别，检测速度达实时水平。核心技术包括：1）YOLOv5目标检测框架；2）PyTorch模型训练与部署；3）OpenCV图像处理；4）PyQt5交互界面
本文介绍了一种基于YOLOv8深度学习框架的输电塔杆绝缘子红外图像检测方法。使用包含约800张VOC格式标注的红外测温图像数据集，详细说明了从数据预处理到模型训练的全流程。关键技术点包括：1)VOC格式转换为YOLO格式的数据处理脚本；2)数据集划分方法；3)YOLOv8模型配置文件编写；4)环境配置与训练步骤。该方法为电力设备红外检测提供了有效的自动化解决方案，可用于绝缘子缺陷识别等实际应用场景
本文介绍了一款基于DeepSeek AI和规则图学习的双团队生存游戏。游戏采用回合制，两队（A和B）各有一名英雄和三个机器人，由独立的DeepSeek API实例控制。核心机制包括： Matrix Rule Graph：可学习的符号规则系统，通过关联规则挖掘从游戏经验中发现新规则，用于评估和推荐动作。 动作仲裁：比较规则图置信度与阈值，决定是否覆盖AI决策。 游戏环境：30×15网格世界，包含怪物
本文记录了作者在Text-to-CAD检索模型训练过程中遇到的严重问题及排查过程。模型训练表面正常（loss下降、保存checkpoint），但测试指标异常低下（R@1仅0.013%）。经排查发现：1）BRepEncoder权重出现大量NaN值，源于AMP混合精度中的GradScaler静默跳过NaN梯度更新；2）预训练权重加载时complex类型张量引发初始化问题。作者通过添加NaN检测、修复权
随着智能家居与健康饮食管理的快速发展，冰箱内食物自动化识别成为关键任务。本文基于YOLOv8目标检测算法，构建了一个包含30类常见冰箱食物的检测系统。实验采用自建数据集，其中训练集2,896张、验证集103张、测试集51张。模型训练结果显示，整体F1值最高达到0.96，精确率在高置信度下接近1.0，召回率在低置信度下亦接近1.0，mAP50稳定在0.65~0.70之间，mAP50-95达到0.30
该论文提出一种针对恶劣天气图像复原的新方法，通过结合莫顿序遍历和状态空间模型，设计了双退化估计模块(DDEM)来解耦全局和局部退化特征。DDEM输出全局退化描述子和空间自适应核，动态调制MOS2D模块的特征处理，实现上下文感知和空间自适应的图像复原。模型通过多阶段下采样、MDSL层和上采样重建清晰图像。实验表明，该方法能有效处理雨、雾、雪等不同天气导致的图像退化问题。
本文提出神经扰动推断（NPI）框架，通过构建人工神经网络作为大脑的替代模型，系统性扰动虚拟脑区并观测响应，实现全脑有效连接的无创绘制。NPI不仅能推断连接方向与强度，还可区分兴奋/抑制特性。在生成模型验证中，NPI优于传统方法（格兰杰因果、动态因果建模）。应用于静息态fMRI数据时，NPI揭示的结构支持的有效连接模式与皮层诱发电位实测数据高度一致。该研究为从相关分析转向因果理解大脑功能提供了新工具
vime 强化学习训练框架使用指南 vime 是专为大规模语言模型(LLM)和视觉语言模型(VLM)强化学习训练设计的开源框架，由GLM团队开发。该框架基于Megatron和vLLM构建，支持多种RL算法和训练场景。 核心功能： 支持GRPO、GSPO、Reinforce++、PPO等多种RL算法 提供异步训练架构，优化GPU利用率 支持MoE模型训练和专家并行 集成vLLM推理引擎实现高吞吐量数
搭建了sglang Version: 0.5.12.post1环境(注意版本，最新版本可能没有上述bug了)测试openai接口。
深度学习
——深度学习
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
openEuler 社区
魔珐星云开发社区
HarmonyOS开发者社区
AMD开发者中国社区
AtomGit AI 社区
AtomGit开源社区
