登录社区云，与社区用户共同成长
邀请您加入社区
华为推出的 CANN（Compute Architecture for Neural Networks）框架，作为昇腾 AI 处理器的配套软件，正逐渐成为推动 AI 技术进步的重要力量。它通过多层次的抽象和优化，充分利用昇腾处理器的硬件特性，为用户提供了一个高效、易用的 AI 开发平台。通过对其架构和功能的深入理解，开发者可以更好地利用这一强大的工具，推动 AI 技术的创新和应用。高性能：通过对硬
2026年开发者工具趋势：提升效率与体验的关键选择 本文总结了2026年值得关注的开发者工具趋势，涵盖从本地开发到生产部署的全流程。重点推荐了Dev Containers和Nix等本地开发工具，Ghostty终端和Traefik代理等基础设施工具，以及Sourcegraph等代码智能工具。在测试领域，Playwright和Bruno因其可靠性和易用性脱颖而出。可观测性方面推荐Grafana All
这个报错翻译过来就是超过索引列表上限，是我弄UCF101的数据集分割报出来的，当我租了4090的算力后解决。电脑用cpu或者说gpu不强力的话，就会报错这个。解决方法：去AutoDL算力云平台租算力或者换gpu。附上爱莉希雅和芽衣的图。
摘要： 2015年Word2Vec作为静态词向量代表主导NLP领域，准确率70-80%。2019年起，BERT等预训练模型实现动态句向量（准确率90%+），中国厂商百度ERNIE、华为盘古崛起。2023年后，多模态大模型（如CLIP、通义千问）实现视觉语言联合嵌入，准确率突破95%。至2025年，VLA自进化模型（DeepSeek-Embed等）融合量子计算，实现全域动态意图理解，中国在万亿参数训
摘要： 2015–2025年，自然语言生成（NLG）技术经历了从Seq2Seq短句机械生成到万亿级多模态自进化模型的跨越式发展。早期以RNN和Transformer为主，生成长度仅几十词，BLEU评分25–45；2019年后，GPT-3等千亿级模型实现万词级生成，Human Eval达60%。2023年起，多模态大模型（如GPT-4、文心一言）实现意图级精确控制，支持百万词级创作。中国技术从跟随到
神经网络十年演进：从CNN到VLA通用智能（2015-2025） 过去十年，神经网络经历了从CNN手工特征到VLA通用智能的跨越式发展。2015年ResNet引领CNN巅峰，2023年多模态大模型崛起，2025年将实现十万亿级参数的自进化量子架构。中国从技术跟随者成长为全球领跑者，华为、阿里、百度等企业推动参数规模从百万级跃升至十万亿级，零样本泛化能力突破99%。关键转折包括：2017年Trans
ERROR: Could not find a version that satisfies the requirement...ERROR: Could not find a version that satisfies the requirement...ERROR: No matching distribution found for...关于musl、manylinux、glibc等系统库
本文系统讲解大语言模型(LLMs)在企业落地的技术路径，涵盖四大核心模块：1)模型微调(LoRA/QLoRA方法)，通过领域数据适配提升垂直场景表现；2)提示词工程(CRISPE框架)，优化API调用效果；3)多模态应用(Qwen-VL等模型)，实现图文/视频理解；4)企业级解决方案，包括统一API网关、模型路由、缓存机制等架构设计。文章提供代码示例、流程图和架构图，并分享智能客服系统落地案例，实
阿拉伯语、保加利亚语、加泰罗尼亚语、中文、克罗地亚语、捷克语、丹麦语、荷兰语、英语、芬兰语、法语、加利西亚语、德语、希腊语、意大利语、日语、韩语、马其顿语、波兰语、葡萄牙语、罗马尼亚语、俄语、斯洛伐克语、西班牙语、瑞典语、泰米尔语、泰语、土耳其语、乌克兰语、乌尔都语、越南语。今天，我为大家带来一款真正的“永久免费翻译神器”，它不仅功能强大，还能完美满足你的多语言需求，绝对是你的不二之选！1. 自媒
作为一名专业智能创作助手，我将基于专利申请的标准流程和AI辅助工具的特性，逐步为您梳理DeepSeek在专利申请中的技术创新点，并构建权利要求书框架。技术创新点是专利的核心，需清晰描述DeepSeek相较于现有技术的独特优势。框架基于标准专利格式（如中国专利法），分为独立权利要求和从属权利要求。如果您提供DeepSeek的更多技术细节（如算法流程图或测试数据），我可以进一步优化内容。在梳理时，建议
文生图模型加速
comfyui文生图，添加翻译软件
LoRA作为一种新兴的大型语言模型微调技术，近年来在各大领域备受注。本文综述了LoRA技术的多方面内容。首先深入剖析了LoRA的原理，接着详细回顾了LoRA的发展历程。此外，对LoRA的应用情况进行了广泛梳理，凸显了LoRA相较于传统微调方法的优势。同时，探讨了LoRA与其他微调技术的结合应用，进一步拓展了其应用边界和性能潜力。最后，对LoRA技术面临的挑战进行了分析，并展望了未来的发展方向。本文
扩散模型（Diffusion Models）近年来在计算机视觉领域引起了广泛关注，尤其在图像生成和图像去噪任务中取得了显著的成果。扩散模型的核心思想来源于物理学中的扩散过程，通过逐步添加噪声并反向模拟去噪过程，最终恢复出清晰的图像。在图像去噪领域，扩散模型的表现优于传统方法，且具备生成性强、结构化处理能力等优点。本文将深入探讨扩散模型在图像去噪中的应用，介绍其基本原理，展示相应的代码示例，并与传统
openGauss当前版本支持了原生DB4AI能力，引入原生AI算子，简化操作流程，充分利用数据库优化器、执行器的优化与执行能力，获得高性能的数据库内模型训练能力。本文介绍了笔者采用鸢尾花数据集，对openGauss DB4AI功能进行测试的一些情况。
本文提出了一种制造业生产线连贯性动作识别系统，通过多模态深度学习技术实现对工人操作流程的实时监控。系统采用分层架构设计，融合Vision Transformer、图神经网络和时序分割技术，能够处理工业环境中复杂的装配动作识别挑战。核心创新包括多尺度特征融合、层次化动作识别策略和精确的SOP匹配算法。系统部署考虑了传感器选型、数据标注规范及计算资源优化，旨在提高生产效率、保障操作安全。该技术解决了传
对于新语言的设计，Sun公司研发人员并没有开发一种全新的语言，而是根据嵌入式软件的要求，对C++进行了改造，去除了留在C++的一些不太实用及影响安全的成分，并结合嵌入式系统的实时性要求，开发了一种称为Oak的面向对象语言。[1995年，互联网的蓬勃发展给了Oak机会。这个时候，Sun公司想起了那个被搁置起来很久的Oak，并且重新审视了那个用软件编写的试验平台，由于它是按照嵌入式系统硬件平台体系结构
DeepSeek认知之旅》文档链接：https://kcnrgc2yrax7.feishu.cn/docx/AJo5dVRS7ortyEx1OW8cX9KBngd?DualPipe：新的双向管道并行算法，用于实现训练中的计算-通信重叠。核心代码仅约300行，在大多数矩阵尺寸下优于其它面向MOE优化的内核。EPLB：用于V3和R1的专家负载均衡器，层次负载均衡+全局负载均衡。周一：FlashMLA，
AI编程正在重塑软件开发范式，主要呈现三大技术趋势：1）自动化代码生成工具（如GitHub Copilot）通过NLP理解开发者意图并生成高质量代码；2）低代码/无代码平台通过可视化组件和AI辅助实现快速应用开发；3）智能算法优化利用贝叶斯优化、强化学习等技术自动调优模型参数。这些技术显著提升开发效率，降低技术门槛，但需注意代码安全审查、知识产权和算法公平性等伦理问题。未来AI编程将向全自动化、个
大多数MCP客户端会直接将所有工具定义预先加载到上下文中，使用直接工具调用语法向模型公开这些定义。工具描述占据了大量的上下文窗口空间，增加了响应时间和成本。在Agent连接到数千种工具的情况下，它们在读取请求之前需要处理数十万个token。MCP为Agent连接许多工具和系统提供了基础协议。然而，一旦连接了太多服务器，工具定义和结果可能会消耗过多的token，降低Agent效率。尽管这里的许多问题
本文探讨了深度学习在糖尿病视网膜病变(DR)自动诊断中的应用。通过构建基于EfficientNetB0的迁移学习模型，实现了从眼底图像中准确识别DR严重程度(0-4级)的多分类任务。研究采用Kaggle的APTOS2019数据集，结合数据增强缓解样本不平衡问题，模型训练后达到良好性能。系统评估包括混淆矩阵、分类报告等量化指标，并可视化预测结果进行分析。
Python凭借其简洁的语法、丰富的库生态和强大的社区支持，成为生成式AI开发的首选语言。典型案例中，CLIP模型的Python重现实现表明，采用混合精度训练和梯度累积策略，内存占用降低42%的同时保持92%的F1值。在文本生成的训练中，通过PyTorch的DeepSpeed集成实现3D并行策略，使模型参数规模突破1000亿量级。基于Ray Tune的分布式架构搜索框架，通过PBT（人群训练）策略
在深度学习模型部署中，跨框架兼容性是一个常见挑战。不同框架（如 PyTorch、TensorFlow）训练出的模型难以直接互操作，导致部署效率低下。ONNX（Open Neural Network Exchange）作为一种开放格式，通过标准化模型表示来解决这一问题。DeepSeek 作为一个典型模型，可以通过 ONNX 转换和优化实现无缝部署。下面，我将逐步解释如何操作，确保过程清晰可靠。
scikit-learn
——scikit-learn
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
鲲鹏昇腾开发者社区
2048 AI社区
九章云极普惠算力
西安城市开发者社区
火山引擎 ADG 社区
openvela
