登录社区云，与社区用户共同成长
邀请您加入社区
新增支持生成提示词，简易应用新增支持MCP和工具调用功能。
是一个基于Web的低代码开发平台，旨在通过可视化界面和丰富的API，支持快速应用开发、企业内部工具构建以及教育用途。
本文讨论了如何使用 Hugging Face 推理终端搭建模块化的 “ASR + 说话人分割 + 投机解码”工作流。该方案使用了模块化的设计，使用户可以根据需要轻松配置并调整流水线，并轻松地将其部署至推理终端！
II-Medical-8B-1706是由智能互联网研发的医疗推理大语言模型，基于Qwen3-8B进行优化，专注于提升医学问答能力。该模型采用两阶段训练方法：首先进行监督微调(SFT)，随后通过强化学习(RL)优化医学推理和安全响应能力。在HealthBench等10个医疗基准测试中表现优异，多项指标超过70分，与MedGemma-27B性能相当。训练数据包含230万样本，涵盖公共数据集和合成数据，
目标跟踪：MeanShift、CamShift、KLT 和基于 DNN 的跟踪器（例如 GOTURN）。物体检测模型：使用 DNN 模块的 SSD、YOLO、Faster R-CNN。机器学习算法：SVM、k-NN、决策树、随机森林、KMeans 聚类等。边缘检测：Sobel、Scharr、拉普拉斯和 Canny 边缘检测。基本结构：Mat、Scalar、Point、Size、Rect 等。关键点
支持企业用户本地私有化部署，可将CIMPro客户端和服务端整体部署在企业自有服务器，支持公有云、私有云和自有机房，让开发数据的传输、存储均在可控的内部环境，最大程度保护企业机密与数据安全。平台具有独立知识产权，并通过国家权威机构的代码自主率认证，并已适配国产芯片、操作系统、数据库，符合当下信创能力要求。全局规划布局、全景监测、模型数据管理、电站看板、智能巡检、设备监测……实时监控、预测维护、仿真优
使用`InBuilder`平台，您可以以低代码的方式设计和开发`UBML`模型，无需大量手动编写代码。这将大大简化和加速您的开发过程，并提供可视化的方式来构建复杂的用户行为模型
比赛等项目常见嵌入式视觉工具编辑快捷键tab 是缩进shift + tab 是减少缩进Ctrl + /：快速将选定行或光标所在行注释或取消注释。(如果快捷键用不了，可能是与其他软件快捷键冲突，可以尝试关掉其他软件或者通过搜索和AI查找解决方法 )如何确定像素大小阈值一个像素对应的毫米数与摄像头的视场角、分辨率、物体与摄像头的距离以及镜头焦距等因素密切相关。
chatgpt已经成为了当下热门，github首页的trending排行榜上天天都有它的相关项目，但背后隐藏的却是openai公司提供的api收费服务。
Swagger Editor是一个用于编写OpenAPI规范的开源编辑器。它提供了一个可视化的界面，使得用户可以更加方便地编写和管理API文档。
我就知道人大还留有后手。自从这篇中文大模型综述发布以后，在全网收到了一致好评。人大这边也一直没闲着，在后续一年之内修改了十多遍，收录了近千篇的参考文献，快马加鞭赶出了这本大语言模型中文版。一经发布就震惊国内高校和研究人员，是更适合中国体制的大模型指南。本书内容简单易懂，只需要有一点深度学习基础就能轻松读懂，可以作为一本入门级的技术书籍。全书一共有391页，主要分成5大部分，分别是大模型的预训练、指
导读11 月 21 日到 23 日，搜狗、百度和科大讯飞三家公司接连召开了三场发布会，向外界展示了自己在语音识别和机器翻译等方面的最新进展。值得注意的是，这三家公司几乎在同一时段宣布了各自中文语音识别准确率达到了 97%。其中搜狗语音团队在 11 月 21 日推出了自己的语音实时翻译技术。搜狗的这项技术主要包括两个方面，分别是语音识别和机器翻译。根据该团队的介绍，搜狗语音识别的准确率达到了 97%
这件事必须上 Linux，还是一块会跑 Python 的相机 MCU 就够？OpenMV 把路走窄了：专注单片机上的机器视觉与执行闭环。窄的好处是，示例脚本、IDE 预览、引脚输出，能把「看见 → 动作」压缩到一个周末能验证的长度。买板 → 装 IDE → 跑通色跟踪或 AprilTag → 把坐标打到串口或 PWM → 再考虑 TinyML 和换镜头。别第一天就追求刷榜模型——多数好玩的项目，其
本文探讨了工程师如何通过参与机器人领域的开源项目（如ROS2、Nav2等）建立行业影响力。文章指出，参与开源不仅能提升技术能力、学习顶尖设计思路，还能拓展人脉并为简历加分。针对新手常见顾虑，作者建议从日常使用的项目入手，选择标注"good first issue"的任务，并遵循社区礼仪。详细介绍了贡献流程：从文档修改、修复简单bug开始，逐步提升到功能开发，强调PR质量与规范。
HDF和DTS是两个独立的配置世界，有各自的镜像、缓存和配置。在HCS（HDF配置文件）中修改内容并不总会对设备树产生效果；你必须处理HCS缓存（hcb），并确保刷新正确的分区。设备树仍然可用，但HDF是其自己的系统，处理触摸、音频、显示等。它们通过政策设置、模块名称和匹配属性进行通信。
在Cortex‑M、TrustZone安全隔离、边缘物联网项目中，FreeRTOS是全球使用最广泛的实时操作系统内核；而`CMSIS‑FreeRTOS`作为ARM官方封装适配层，打通了CMSIS‑RTOS2标准API与原生FreeRTOS内核。很多嵌入式团队在选型时，只会参考官方文档与Demo案例，**缺少一份从源码快照出发、可复现、证据闭环的静态工程画像**。选型阶段盲目引入，后期极易出现构建适
下表列出了可用的预训练语义分割模型以及用于加载它们的 segnet 的相关 --network 参数。语义分割基于图像识别，对于环境感知尤其有用，它可以对场景中的许多不同潜在对象进行密集的逐像素分类，包括场景的前景和背景。以下是可用的各种预训练分割模型，它们使用具有 Jetson 实时性能的 FCN-ResNet18 网络。注：这个模型文件下载要注意，将解压缩文件放置到FCN-ResNet18-P
ROS2 双2D激光雷达 数据融合
2024年，当百度宣布文心大模型4.5系列全面开源时，这不仅仅是一次技术发布，更是一场关于AI产业未来走向的战略博弈。在全球AI竞争白热化的当下，开源意味着什么？是技术实力的自信展示，还是商业模式的战略转型？通过深度体验ERNIE-4.5-21B-A3B模型，我们试图从产业变革的角度，解读这场开源运动背后的深层逻辑。
浪潮inBuilder低代码平台开源社区版是基于UBML开源项目（开放原子开源基金会旗下核心项目）的免费发行版，欢迎大家下载使用，了解最火热的低零代码技术，下载地址：inBuilder社区
整理了 6 个不错的基于 Spring Boot 开发的社区类项目，每个都非常不错！你可以参考这些项目用来作为自己的项目经验，或者你可以基于这些项目搭建一个自己的知识社区。原创不易，如果本文对你有帮助的话，欢迎，这对我继续分享&创作优质文章非常重要。
通过深入剖析如 Label Studio、CVAT、Autolabel 等多款实用开源工具，从数据标注、模型训练到部署的全流程，阐述如何利用它们搭建高效且低成本的 AI 数据标注平台，实现成本降低 70% 的目标，为广大 AI 从业者提供极具价值的实践指南与策略参考。因此，在引入开源工具链时，需要对团队成员进行相应的培训，或者寻求专业的技术支持，以确保工具的正确使用。因此，在使用开源工具链时，需要
oec - hardware 凭借出色的硬件兼容性、实时监测与灵活调配能力，在开源硬件管理领域站稳脚跟。无论是专业硬件工程师打造工业级解决方案，还是 DIY 爱好者鼓捣新奇小玩意，它都是不可或缺的得力助手，值得大家深入探索与应用。
微调就像给一个“学霸”补课，让它从“通才”变成某个领域的“专家”。此处以本文进行微调的医学数据进行举例： 假设你有一个很聪明的朋友，他读过全世界的书（相当于大模型的预训练阶段），能和你聊历史、科学、文学等各种话题。但如果你需要他帮你看医学报告段），能和你聊历史、科学、文学等各种话题。但如果你需要他帮你看医学报告，虽然他懂一些基础知识，但可能不够专业。这时候，你给他一堆医学书籍和病例，让他专门学习这
随着模型规模的扩大，如何确保训练数据的质量和模型的泛化能力，避免过度拟合特定数据集，成为了一个挑战。同时许多现有的大型语言模型虽然公开了部分信息，但关键的复现细节和数据集往往不透明，限制了研究者对模型的深入研究和应用。为了重振开源社区的活力并推动AI领域的透明度，Kunlun Inc.的Skywork团队提出了Skywork-13B，一个在超过3.2万亿词符的英文和中文文本上训练的大型双语基础模型
但是后来我觉得，如果我使用了这张图片，也就是一个拟题相对来说较为特殊的题目来做示例并以此给出方案，那么我的方案是应对一个相对特殊的条件下的问题的，而不是“通解”。所以呢，先去检索云南关口这个关键词，得出所有的关口信息（尤其是视觉信息）后，拿这些信息去（与原图信息）做对比（要点在于视觉对比，对比建筑），就可以知道这个是哪个关口了。第一眼观察，本图无可辨识文字信息，但其他要点很明显：不像国内的建筑形式
Google推出的MedSigLIP是基于SigLIP-400M的医学视觉-语言预训练模型，采用双塔架构（4亿参数视觉/文本编码器）。该模型通过联合对比学习将医学图像与文本映射到同一语义空间，适用于分类、检索等任务。训练数据融合公开数据集（MIMIC-CXR等）和私有医疗数据，经严格去标识化处理。在23项医疗任务中零样本表现优异（如胸部X光AUC 0.844），但需注意合规要求，禁止直接临床使用。
在 AI 技术飞速迭代的今天，“找对资源” 比 “盲目学习” 更重要 —— 无论是想快速上手 AI 工具、追踪行业动态，还是系统学习技术、参与开源实战，一份清晰的信息源清单能帮你少走 80% 的弯路。本文整合了中文场景下最实用的 AI 资源，涵盖工具导航、每日资讯、教程课程、开源社区四大板块，适合 AI 初学者、职场从业者、科研爱好者等不同人群。
本期我们就讲执行器的控制方法，还讲到了什么是串口通信，以及怎么去读取模拟量显示在电脑上，和怎么去通过电位器去控制舵机旋转
先不列举了，大家直接到专栏看和视频里面看把。V3.3.0-STM32智能小车视频: FreeRTOS带您从零完成 循迹、避障、跟随、遥控、PID速度控制、PID循迹、角度闭环控制、视觉循迹、FreeRTOS、电磁循迹等等还在更:HAL库开发、功能：PID速度控制、PID循迹、PID跟随、遥控、避障、PID角度控制、视觉控制、电磁循迹、RTOS等功能。STM32智能小车V3-STM32入门教程-op
er_3000.pth切换成你internvl_ft_run_8_filter目录下的pth即可。来源：使用huggingface上的zhongshsh/CLoT-Oogiri-GO据集。复用4.3LMDeploy 量化部署进阶实践的环境。问题1：30%开发机的gpu不够。这里使用share的，即1.4。开发机种的数据集是处理过的。最终config展示。
这款导航系统是基于 SiteHub 二次开发的网址导航系统，拥有独立前台和拟态风格的后台管理中心。我爱导航系统 (52DH Pro 网址导航系统) 集合网上优质网站网址导航，支持前台自主提交收录、自动获取 TDK 与网站 Icon 与后端审核管理，涵盖网站收录和文章发布等。
在项目目录下使用 npm list parse-logger 查询是否已安装该组件，或使用 npm list -g parse-logger 查询是否全局安装该投毒版本组件，如果已安装请立即使用 npm uninstallparse-logger 或 npm uninstall -g parse-logger 进行卸载。漏洞的成因可能与缺乏对输入数据的充分校验有关，攻击者可通过特制的输入数据诱导系
SAM是Meta提出的一个分割一切的提示型模型，其在1100万张图像上训练了超过10亿个掩码，实现了强大的零样本泛化，突破了分割界限。本例程对SAM官方开源仓库的模型和算法进行移植，使之能在基于BM1684X芯片的嵌入式设备上进行高效推理测试。
我们提出了一种名为GSLoc的新型视觉定位技术，该技术基于三维高斯溅射环境图表示。我们在合成数据和真实数据上都已证明，该方法能够实现精确的相机位姿估计。我们通过对各种相机初始化和参数化的全面收敛性分析，验证了这一点。我们深入探讨了由于光度损失的非凸性导致的收敛局限性，并提出了一种由粗到精的策略来缓解这一问题。最后，我们提出了一种有效的方法，通过改进GSLoc的相机初始化来提升定位结果，该初始化是通
本文详细介绍了如何从零开始使用STM32打造智能避障小车，涵盖硬件选型、开发环境搭建、超声波测距算法优化及避障逻辑设计。通过开源代码和实战技巧，帮助开发者快速掌握STM32在智能小车中的应用，实现自主避障功能。
本文详细介绍了如何利用微信小程序和NRF51822蓝牙信标构建低成本室内定位系统，涵盖硬件选型、信号优化、云函数部署等全链路实战经验。通过商场项目验证，系统平均定位精度达1.2米，显著提升用户体验和商业效益。
随着科技的迅猛发展和社交媒体平台的普及，多模态数据在各种下游应用中变得越来越普遍。多模态情感分析（Multimodal Sentiment Analysis, MSA）作为一种能够从语言、声学和视觉数据流中提取人类情感和观点的技术，近年来受到了广泛关注。MSA在多个领域具有重要应用，包括通过分析用户在社交媒体上的文本、语音和视频内容，了解用户的情感倾向和观点，有助于品牌管理和市场营销。在智能助手和
一文详解：8种常见的大模型微调方法，看这篇就够了！
拿来即用，快速搭建个人网站和企业官网
2020年，GPT-3可谓火出了圈。不过，尽管表现惊艳，GPT-3背后到底是实实在在的参数，想要在实际应用场景中落地，难度着实不小。现在，针对这个问题，普林斯顿的师徒和MIT博士生Adam Fisch在最新论文中提出，使用较小的语言模型，并用少量样本来微调语言模型的权重。并且，实验证明，这一名为（better few-shot fine-tuning fo language models）的方法相
Arduino 通过双路L298N电机驱动模块控制麦克纳姆轮运动,实现左转，右转，左上，右上，左平移，右平移，前进，后退等常规动作
目前，微调定制化LLM会耗费工程师的大量时间和精力，而选择合适的微调方法以及掌握相关技巧可以做到事半功倍。此前，在《微调语言大模型选LoRA还是全参数？基于LLaMA 2深度分析》中，文中对比了全参数微调和LoRA各自的优势和劣势。而在《LoRA和QLoRA微调语言大模型：数百次实验后的见解》中，本文作者讨论了使用LoRA和QLoRA对LLM进行微调的实用见解。在本文中，作者进一步分享了使用LoR
商业公司的支持也能发挥重要作用，“只有在开源项目上投入的资源足够多，产生的商业价值足够大，自然就会有更多的年轻人参与。我们的维护者确实不够。而老牌的开源项目，除非能够经过高妙的运营手段，焕发新的生机，再加上老项目的技术能够保持先进性，否则对于年轻人的吸引力，就是会出现‘自然下降’的现象。：例如发掘一些新的技术方向，引入一些新的技术，比如 Linux 的 eBPF 现在就非常火，和云原生结合，就可以
开源
——开源
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
乐奇 Rokid 开放社区
DAMO开发者矩阵
开源鸿蒙跨平台开发者社区
openEuler 社区
天工造物局
