登录社区云，与社区用户共同成长
邀请您加入社区
本文详解了按“所属部门”拆分Excel总表为多个独立文件的四种方案：PowerQuery（零代码但格式丢失、重复操作）、Python脚本（功能强但需编程、格式难保留）、VBA宏（可保格式但门槛高），以及推荐的免费开源本地工具ExcelRouter——支持保留多层表头、合并单元格、列宽等格式，三步操作即可批量拆分，还支持二级拆分到人、自动打包ZIP，无需代码、免安装、数据本地处理，适合频繁使用且对格
最终验收再次强调：主指标为“自助解决率、首答准确率、转人工率、满意度、响应延迟”，重点风险为“知识过期、用户表达口语化、多轮上下文丢失、答错成本高”，推荐技术栈为“Python、FastAPI、Redis、Elasticsearch、LLM API、Vue”。第三层是工程层，要求接口稳定、可监控、可回滚、异常可追踪；围绕“售前咨询、售后支持和内部IT服务台的自动问答”，我们从需求边界、数据治理、意
本文以中文电商评论情感分类数据集C-MTEB/OnlineShopping-classification为例，完整演示NLP入门实战流程：数据下载、导入、预处理、可视化，对比传统机器学习（TF-IDF+LR/SVM/NB）与BERT微调两种方法。所有实验均在纯CPU笔记本上完成，适合初学者复现。项目涵盖数据探索、模型构建、训练评估与推理测试，强调可解释性与工业落地价值，提供从零到一的完整案例参考。
对于追求 “全平台、多模态、全球化 AI 覆盖” 的企业而言，泓动数据提供的全栈 GEO 服务不仅深度覆盖 DeepSeek、豆包、文心一言、Kimi、腾讯元宝等国内所有顶流大模型平台，更全面延伸至海外 Google AI Overview、ChatGPT、Perplexity 等全球主流生成式搜索与大模型生态，同时适配文生图、数字人、AI 视频等多模态大模型输出场景，确保品牌在全球多语言、全模态
本篇是我训练营TensorFlow 篇的第 7 次学习（T7），任务是在咖啡豆数据集（Dark / Green / Light / Medium 共 4 类、1200 张）上完成 VGG-16 图像分类。VGG-16 网络结构：13 个卷积层 + 3 个全连接层，全部使用 3×3 卷积核与 2×2 最大池化；VGG-16 的参数量分布特征：全连接层占总量约 89%，是轻量化探索的切入点。K同学啊老
本文基于Kaggle宠物面部表情数据集，利用EfficientNetB5迁移学习构建深度模型，实现对狗、猫等宠物情绪（如愤怒、悲伤、开心）的自动识别。通过数据预处理、增强与可视化，模型在测试集上达到96.25%准确率，尤其在“生气”类别表现优异。研究为宠物情感理解、智能硬件开发及动物福利提供了有力技术支持。
入门阶段，你可能已经能跑通官方示例，写一个简单的发布者/订阅者，用 launch 启动两三个节点。十几个节点，一个一个手动启动太麻烦改了参数要重新编译，效率极低激光雷达数据收不到，不知道是驱动问题还是 QoS 不匹配RViz 里模型乱飞，TF 坐标对不上中级阶段的核心目标，就是从**“会写一个节点"进化到"能独立搭建一整套机器人系统”**。通信机制、系统管理、调试工具。模块核心内容常用命令通信机制
S（Standard，标准）：统一智能体的数据格式、通信协议、状态模型与质量要求，让异构系统“说同一种语言”。K（Knowledge，知识）：规范工业知识的表达、抽取、存储与推理方式，让专家经验与机理模型可被智能体理解和使用。I（Interoperability，互操作性）：保障智能体与 MES、SCADA、ERP、PLC、机器人等既有工业系统之间的无缝协同。I（Intelligence，智能）：
本文介绍了使用Python的pandas和openpyxl库根据Excel单元格背景色提取并分类数据的方法。文章首先展示了原始文件和按背景色分类后的效果图，然后提供了完整的实现代码。代码实现了列名与数字转换功能，并分别通过openpyxl和xlwings两种方式获取单元格背景色。主要功能包括：检测单元格填充颜色、处理主题色和索引色、使用Excel COM作为后备方案获取最终显示颜色，最终将相同背景
推荐算法基本分类
yolov5s模型使用tensorrt加速在显卡1060上运行FPS提升到90左右，比原始官方模型提升一倍左右支持python调用和c++调用
一、逻辑斯蒂回归分类器逻辑斯蒂回归（logistic regression）是统计学习中的经典分类方法，属于对数线性模型。logistic回归的因变量可以是二分类的，也可以是多分类的。任务描述：以iris数据集（iris）为例进行分析（iris下载地址：http://dblab.xmu.edu.cn/blog/wp-content/uploads/2017/03/iris.txt）iris以鸢尾花
一、分类、检测、分割常用网络模型：入口： https://github.com/soeaver/caffe-model我看了一下，主要还是分类的网络模型多一些，而且预训练模型也都是分类的模型检测和分割很少 我们打开分类的文件夹看看基本常用的几个都有，而且里面有不同层数的版本如resnet： 二、预训练模型：入口： https://gi...
【《软件设计模式与体系结构》学习笔记】软件设计模式的概念软件设计模式是对软件设计经验的总结，是对软件设计中反复出现的设计问题的已被验证的成功解决之道。大量的软件设计模式都是之前从事软件设计开发的前人经过大量的实践而摸索出来的，用于帮助后来者快速高效且高质从事软件开发的。软件设计模式的要素软件设计模式一般会包含四个基本要素：模式名称：此种设计模式的名字；问题：是设计者所面临的设计场景，也就是此种设
1.绪论1.1研究背景与意义近年来，高校图书馆数字化转型持续深入，馆藏电子化与纸质资源并行扩张已成为普遍现象。以普通本科院校为例，年均新增纸质图书可达十万册以上，加上采购的电子书数据库，读者实际可触达的资源规模远超其浏览能力。这种“信息过载”的局面使得传统依赖分类导航和关键词检索的查找方式效率锐减，读者往往只能接触到热门或教师指定的少量文献，大量优质馆藏处于“零借阅”状态。与此同时，商业阅读平台和
本文介绍了如何在本地环境中部署和使用ollama与vLLM两大开源大模型框架。ollama适合本地开发和小规模部署，提供简单命令管理Llama2等主流模型；vLLM则专注于生产环境的高并发需求，兼容OpenAI API协议。文章详细讲解了两种框架的安装配置方法（curl安装ollama，pip安装vLLM），并提供了Python客户端实现代码示例，包括统一调用封装的设计方案。最后给出了优化建议：o
在上面三个文件的基础上,再加上一个多机器的配置文件（假设文件名为abc），文件内写上机器的ip地址，以及可用的显卡数量。2.2 需要准备的三部分文件：1.项目文件（例如：main.py）2.deepspeed的配置文件（deepspeed.json）3.运行deepspeed的脚本文件。其次，还要修改脚本文件（run.sh）中的内容，让它识别到多机器的配置文件。2.3.1 使用deepspeed前
具有安全、通用的优点。在当今，为了解决垃圾分类效率低下，开发设计了一套操作简单、使用便捷、分类准确率高的垃圾分类系统，本系统为一个能够通过处理信息的库系统，通过利用编程语言封装好的库函数能够编码实现垃圾分类系统，这样有助于提高程序开发者的编程效率，降低垃圾分类系统的开发成本，互联网行业的迅速发展已经为垃圾分类系统发展奠定了基础[4]。用户通过线下扫一扫的方式可以获取小程序应用，在微信的发现页面可以
在数据处理中，数据分类是一项基础而重要的工作。本文将介绍如何使用Python pandas库，根据某一列的数据将所有数据分类。
用户登录可以查看、修改自己账号的个人信息，也可以通过管理后台修改其他会员的个人信息。数据库(sqlite/mysql/sqlserver等)：sqlite。开发工具(eclipse/idea/vscode等)：pycharm。可以进入管理页面，可以查看词云图、原始页面。
脑连接体拓扑结构异常是重度抑郁障碍(MDD)病理机制的基础。然而，越来越多的证据只关注脑灰质中的功能组织，而忽略了已被证实具有可靠稳定拓扑组织的白质中的功能信息。本研究旨在从一个新的视角-白质WM功能连接组拓扑结构来表征MDD的功能模式中断。我们对发现的91例未服药MDD患者和225例健康对照(HC)和复制样本(34例未服药MDD患者和25例HC)进行了病例对照、横断面静息状态功能磁共振成像研究。
综合应用树莓派芯片上各个模块的功能，设计出一款可以自动巡线，自动避障，自动识别车牌的智能警车巡逻小车。
文章目录1 软件测试流程2 软件测试过程模型2.1 V模型（重点）2.2 W模型（重点）2.3 H模型2.4 X模型3 软件测试过程理念1 软件测试流程软件测试流程独立于开发之外的流程。在执行测试时，与开发有交集。牢记该流程！！！软件开发模型可以指导软件测试过程模型。2 软件测试过程模型如同软件开发过程一样，软件测试也有自己的过程模型。软件测试过程是一种抽象的模型，用于定义软件测试的流程和方法。测
很多人在使用 SVM的 K折交叉法时，会出现这种错误，表们同一样本个数小于n，可是数据集里并不是这样。作者本人也遇到了这个问题，查看了相关文章都没遇到这种情况，后面换了一个数据集，得到了解决。初始的数据集没有对数据进行分类，比如混凝土强度，我们知道是有c30，c40，c50等不同样本的数据，但如果没有进行标注，比如c30用1代替等，系统会默认为同一样本个数为1，这也是为什么我们cv=2也会出现上述
网络类型区块链它是一个p2p网络结构的网络系统在实际的部署过程当中，它还可以有哪些具体的分类呢？1 ） 按网络范围简单的说可以分成公有链，联盟链，私有链，当然这三个范围的划分的其实也并不是一个特别严格的一个定义一、公有链的主要是指部署在互联网范围之内，没有特别的一个权限的一个设置，也没有其他的一些什么登陆上的一些条件比如比特币，以太坊，任何人都可以直接下载节点来使用任何人也可...
读数据可视化03可视化分类
基于图像识别的智能垃圾分类系统，聚焦解决 “分类标准复杂、人工分拣效率低、居民参与度不足” 的痛点，通过计算机视觉技术实现垃圾的自动化识别与分类，构建 “前端识别 - 中端分类 - 后端追溯” 的智能化处理体系。系统核心包括：硬件端集成高清摄像头与边缘计算模块，实时拍摄拍摄垃圾图像，实时传输至后端；算法层采用 YOLOv8 深度学习模型，对图像进行特征提取（如饮料瓶的轮廓、包装纹理），匹配训练好的
8.解耦知识蒸馏的训练过程，先训练教师网络，保存教师网络权重，再训练学生网络，loss=0.5*hard_loss+0.5*soft_loss表明在训练学生网络的过程中同时进行了交叉熵损失与KL散度损失。在解耦知识蒸馏中超参数较多，需要手动测试合适的超参数。7.学生网络训练函数，在知识蒸馏中学生网络同样要经过交叉熵损失训练，是占一定比例的训练。4.定义蒸馏损失，本文采用解耦知识蒸馏的方法实现知识蒸
利用 unity XR interaction制作垃圾仿真分类项目
随网络安全行业产品分类共分为四大类（网安产品、安全服务、等级保护、其他）涉及硬件与服务多种产品，针对四大类进行细化可继续向下分为3级，共同构成网络安全产品分类图谱，包含一级4类、二级34类、三级126类、四级83类。本篇将为您详细介绍各级产品的明细。包含网络与基础架构安全、计算机环境安全等。包含安全集成、应急响应、攻防演练、渗透测试等。包含等级保护评测、等级保护工具等。不属于以上三种分类的其他产品
这里整理了一份《鸿蒙零基础入门学习指南》，希望能对那些想要学习鸿蒙，但是有没有方向的人提供一点帮助。本文档适用于HarmonyOS应用开发的初学者（由于文档内容过多，因此为了避免影响到大家的阅读体验，在此只以截图展示部分内容，详细完整版的看文末有免费的获取方式！
floor(n/2)
用强模型，温度 0.1只看当前问题，不看历史类别少、清晰、互斥提示词给定义 + 示例强制只输出类别收集错例，优化提示词。
协同过滤是推荐系统中最成熟的技术，通过分析用户行为数据实现个性化推荐。本文深入解析协同过滤原理，包括用户/物品相似度计算、评分预测等核心算法，并提供基于MovieLens和电商数据的实战案例。文章对比了协同过滤与基于内容推荐的优劣，详细介绍了算法实现步骤和数学公式，并给出无库依赖的Python代码实现。同时分析了协同过滤的优势（推荐质量高、无需物品元数据）和挑战（冷启动、数据稀疏性），提供了参数调
动态规划是一种通过分解问题为重叠子问题并存储子问题解以提高效率的算法方法。其核心特点包括最优子结构、重叠子问题和状态转移方程。动态规划可分为多种类型：按状态转移方式分为线性DP、区间DP、树形DP等；按问题类型分为背包问题、序列问题等。文中给出了四个经典动态规划问题的实现：最长递增子序列（LIS）通过比较元素值更新状态矩阵；矩阵连乘问题通过区间分割优化计算顺序；0-1背包问题通过逆序遍历容量确保物
本文介绍了DINOv3视觉模型的三种部署方式：PyTorch推理、ONNX Runtime部署和TensorRT部署。在PyTorch部分，详细展示了模型加载、图像预处理和推理过程，并提供了将模型导出为ONNX格式的代码。ONNX Runtime部分说明了如何加载ONNX模型并进行推理，包括图像预处理和推理执行步骤。TensorRT部署部分则着重介绍了显存需求（约30GB）和推理流程，包括引擎加载
DINOv2模型部署指南：提供ONNX Runtime和TensorRT两种部署方式。首先从GitHub下载DINOv2源码，通过PyTorch导出ONNX模型（输入尺寸700x700）。ONNX模型结构包含多层Transformer模块。ONNX Runtime部署时需进行图像预处理（归一化、标准化），TensorRT部署需转换引擎文件并使用CUDA加速。两种方式最终输出分类结果，通过argma
多GPU数据并行训练中GPU利用率不均衡问题分析与解决方案 摘要： 本文深入分析了PyTorch DataParallel多GPU训练中常见的GPU 0利用率100%而其他GPU闲置的问题。通过剖析DataParallel的工作原理，包括数据分发(scatter)和结果收集(gather)机制，揭示了问题根源可能来自数据分发不均、模型结构限制或通信瓶颈。文章提供了详细的排查方法，包括梯度同步验证和
本文介绍了DINO模型的两种部署方式：ONNX Runtime和TensorRT。首先展示了PyTorch推理和ONNX模型导出的代码，包括图像预处理、模型构建和权重加载。接着分别给出ONNX Runtime和TensorRT的推理脚本，详细说明图像预处理流程和推理步骤。两种部署方式都能正确识别测试图像中的公交车（类别636）。代码包含完整的预处理、模型加载和推理过程，适用于计算机视觉任务的模型部
今天要介绍的这篇发表于TIP'25的论文《Adaptive Dual-Axis Style-Based Recalibration Network With Class-Wise Statistics Loss for Imbalanced Medical Image Classification》，提出了一套"双管齐下"的解决方案，不仅能让模型同时捕捉显著与微小病变，还能大幅提升对罕见疾病的分类
本文探讨了开集识别（OSR）任务，提出了一种通过提升闭集分类器性能来增强OSR能力的方法。研究发现，闭集分类器的准确性与开放集性能高度相关，表明更好的闭集分类器能够更可靠地区分已知和未知类别。作者通过改进闭集训练策略，如更长的训练时间、更好的数据增强、标签平滑和余弦学习率调度，提升闭集分类器的准确性，并将开放集检测的评分规则从最大软max概率改为最大对数几率（MLS），以利用未归一化的原始输出信息
本论文提出了T IME M IXER ++，一种通用时间序列模式机器，旨在解决传统模型在捕捉多尺度和多周期性时间序列模式方面的局限。通过多分辨率时间成像（MRTI）、时间图像分解（TID）、多尺度混合（MCM）和多分辨率混合（MRM），T IME M IXER ++能够有效提取复杂的时间序列模式。实验结果表明，该模型在八个时间序列分析任务中均表现出色，超越了现有的通用和任务特定模型，展示了其在时间
微信小程序添加AI类目完整流程
网上支付跨行清算系统（IBPS，俗称超级网银），是以电子方式逐笔实时处理跨行（同行）网上支付、电话支付、移动支付等新兴电子支付业务的应用系统。系统处理遵循“实时入账、定时清算”的原则，逐笔实时处理支付业务，轧差净额结算。一、使用场景不同，HVPS处理金额比较大，比如网银转账，BEPS的特征是小额、批量、轧差，最常见的场景就是代发工资；小额支付系统（BEPS）是中国现代化支付系统的重要组成部分，主要
Pytorch框架——知识蒸馏（Distillation）分类实战
在日常生活中人类每天会产生大量的垃圾，其数量远远高于可再生资源。由于排出量相对较大，成分复杂多样，具有一定的污染性、资源性和社会性，这就需要我们做相应的无害化、资源化、减量化和社会化的处理。如果没有做出妥善处理，一方面这些垃圾会侵占大量土地，污染环境，影响环境卫生，浪费资源，进而破坏生活安全，影响社会和谐。而另一方面，垃圾中又可能含有多种有用物质，可视为一种资源，如果能将其中的有用物质回收利用，不
决策分类树案例， Kaggle竞赛， 数据预处理
在树莓派中创建Thommy文件将下列，将电脑上训练的代码通过VNC传输到树莓派上，只需要把模型和json格式的类别的路径放入相应位置后，就可以实现单片机发送'e'，树莓派接收到以后直接发送类别回传给单片机。
ResNet50网络是2015年由微软实验室的何恺明提出，获得ILSVRC2015图像分类竞赛第一名。在ResNet网络提出之前，传统的卷积神经网络都是将一系列的卷积层和池化层堆叠得到的，但当网络堆叠到一定深度时，就会出现退化问题。下图是在CIFAR-10数据集上使用56层网络与20层网络训练误差和测试误差图，由图中数据可以看出，56层网络比20层网络训练误差和测试误差更大，随着网络的加深，其误差
分类
——分类
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
EazyDevelop社区
DAMO开发者矩阵
快递鸟社区
AtomGit AI 社区
亚马逊云科技技术品牌专区
乐奇 Rokid 开放社区
天工造物局
