logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

微信机器人开发SDK使用教程--执行养号动作命令

微信机器人开发SDK使用教程--执行养号动作命令case "WeChatMaintenanceTask": {// 执行养号动作命令log.debug("websocket:msgtype=WeChatMaintenanceTask。。。。。");weChatMaintenanceTaskWebsocketHandler.handleMsg(ctx, vo,contentJsonStr);...

#网络
用TensorFlow 2.10和DQN教AI玩转LunarLander:从环境搭建到模型部署的保姆级避坑指南

本文详细介绍了如何使用TensorFlow 2.10和DQN算法构建LunarLander智能体,从环境配置到模型部署的全流程。包含关键代码实现、工程优化技巧和常见问题解决方案,帮助开发者快速掌握强化学习在LunarLander环境中的实战应用。

用YOLOv5s训练自己的FPS游戏数据集:从截图标注到模型部署的完整避坑指南

本文详细介绍了如何使用YOLOv5s训练FPS游戏数据集,从截图标注到模型部署的完整流程。涵盖环境配置、数据集构建、模型训练参数调优及部署优化等关键步骤,帮助开发者快速掌握深度学习在游戏目标检测中的应用,提升AI模型的实战性能。

#深度学习#目标检测
机器学习实战指南:从数据预处理到模型部署的完整路径解析

机器学习作为人工智能的核心技术,其本质是通过算法让计算机从数据中自动学习规律。其基本原理涉及从数据中提取特征,通过模型训练优化参数,最终实现预测或决策。这项技术的核心价值在于能够自动化处理复杂模式识别任务,显著提升效率与准确性。在实际应用中,机器学习已广泛应用于自然语言处理、计算机视觉、推荐系统等多个场景。本文基于社区242个实践案例,重点解析了数据预处理中的类别数据编码与不平衡数据处理等关键环节

#机器学习
HiPHI开源617.5小时人体运动数据,如何驱动人形机器人具身智能?

动作捕捉技术正从影视动画走向机器人数据工程的核心。高精度人体运动数据通过正运动学与重定向,转化为机器人可理解的关节控制信号,为模仿学习和强化学习提供关键先验。开源数据集的涌现,将数据从私有壁垒变为生态资源,加速人形机器人在复杂场景下的技能习得。诺亦腾发布的HiPHI,以617.5小时专业级动捕数据,为具身智能研究者和工程师提供了一条高质量训练数据路径,有望推动行业从模型架构竞争转向数据工程竞争。

从单片机到Linux内核:手把手教你将DS18B20驱动移植到野火i.MX6ULL开发板

本文详细介绍了如何将DS18B20温度传感器驱动从单片机环境移植到野火i.MX6ULL开发板的Linux内核中。通过对比单片机与Linux驱动开发的差异,解析设备树配置、驱动框架核心组件及代码迁移策略,帮助开发者快速掌握Linux驱动编程技巧,实现硬件功能的稳定运行。

编译linux内核Documentation为man手册

对每一个linux内核以及驱动开发者来说,内核自带的 Documentation目录无疑是一个非常非常有用的参考资料和学习资料。建议多读~当我们在写驱动或者修改内核的时候,可能需要用到某些kernel api,我们也想能够像libc api那样可以通过man手册查看其使用方法,毫无疑问,直接到内核 source code 里面去查找到相关的函数定义是一种方法,但是显得比较麻烦。你可以将内核api.

#运维
redis修改密码和更改端口

Liunx下redis修改密码和更改端口redis一个实例就是一个节点,每个节点分配一个端口号,每个节点对应一个redis.conf配置文件。redis默认配置的端口号是6379,假设现在要多配置一个6380,我们可以直接复制redis.conf命名为redis6380.conf,并且编辑配置文件cp /etc/redis/redis.conf /etc/redis/redis63...

#数据库#操作系统
AMD规范:define和require的区别

define和require在依赖处理和回调执行上都是一样的,不一样的地方是define的回调函数需要有return语句返回模块对象(注意是对象),这样define定义的模块才能被其他模块引用;require的回调函数不需要return语句。转载于:https://www.cnblogs.com/cag2050/p/5913452.html...

流程挖掘与AI智能体:从软件工程日志生成自动化工作流

流程挖掘(Process Mining)是一种数据驱动的技术,它通过分析事件日志中的活动序列,自动发现、监控和优化业务流程。其核心原理是从系统记录中提取事件数据,运用算法(如启发式挖掘)还原真实流程模型,并识别瓶颈、偏差和优化机会。在软件工程领域,这项技术能显著提升DevOps效能,将散落在Jira、Git、CI/CD等工具中的过程数据转化为可执行的智能洞察。结合AI智能体(AI Agents),

#AI智能体#软件工程
    共 391 条
  • 1
  • 2
  • 3
  • 40
  • 请选择