HelloWorld 开发者社区
科技资讯
微软 MAI Code 2 系列进入 Copilot:按工程任务选择编程模型
OpenAI 发布 GPT-6.2 Astra 与 Sol:专业交付、编程效率与团队选型
Qwen4-Max 发布:百万 Token 上下文、多模态与长任务如何落地
Jync 2.2.1 发布:完善告警通知,修复 CDC 与 ETL 可靠性问题
phimint 0.10.0 发布:终端智能体加入交互输入处理
Cursor 更新安全事件调查:扩展分发、历史凭据与团队排查
SoduWork 开源,尝试用独立审查与插件治理组织智能体交付
百度世界提出智能组织思路,关注 AI 从个人工具进入业务闭环
openKylin 全球生态推广会举行,推进本地化与社区合作
光船 1.1.0 尝鲜版二更新,探索 AI 会话与代码生成结合
开源项目
全部项目推荐好文
情感分析技术:让智能客服更懂人类情感
简介:智能客服在解决客户高频业务问题的同时,也需要提供给客户多维度的、具有类人能力的助理、导购、语聊和娱乐等服务能力,提高客户对智能客服机器人的整体满意度。在此过程中,情感分析技术在机器人类人能力建设中起到了至关重要的作用。本文将围绕智能客服系统中人机结合的服务形式,从五个维度总结和介绍情
【技术博客】ResNet的介绍和实现
ResNet的介绍和实现ResNet的介绍为什么要用ResNet<pre<code我们都知道:在训练卷积神经网络的过程中,当浅层的神经网络训练效果较差时,可以通过适当地加深网络的层数,从而获取一个优化效果更好的模型。这是因为随着网络的深度的增加,网
新型大脑启发式学习方法来了,可帮助人工神经网络节省内存和能量
文章来源:学术头条( ID: SciTouTiao)作者:何静如今,人工智能的发展如火如荼,广泛应用到了图像、自然语言、人机对话等各个领域,对各个产业进行了变革。而在移动应用中,人工智能广泛使用的最大障碍之一是人工神经网络的学习活动需要消耗大量能量,而解决这一问题的一种方法可以从大脑
Gradient Centralization: 一行代码加速训练并提升泛化能力 | ECCV 2020 Oral
<blockquote梯度中心化GC对权值梯度进行零均值化,能够使得网络的训练更加稳定,并且能提高网络的泛化能力,算法思路简单,论文的理论分析十分充分,能够很好地解释GC的作用原理<br/ <br/来源:晓飞的算法工程笔记公众号</blockquote论文:Gradient
【技术博客】GPU 编程之从零开始实现 MNIST-CNN
【技术博客】GPU编程之从零开始实现MNISTCNN很多人最开始接触“GPU”想必都是通过游戏,一块高性能的GPU能带来非凡的游戏体验。而真正使GPU被越来越多人熟知是因为机器学习、深度学习的大热(也有人用于比特币挖矿),因为庞大的数据与计算量需要更快的处理速度,GPU编
残差网络为何有效,都有哪些发展?
残差网络为何有效,都有哪些发展?amaze2的回答知乎https://www.zhihu.com/questio...(https://link.segmentfault.com/?encjP27k3f%2B41I8%2B0LVLUFE1w%3D%3D.%2BZZasWO2elC
深度学习故障诊断方法:残差收缩网络
残差收缩网络是应用在机械故障诊断领域的一种深度学习方法,其实是残差网络、注意力机制和软阈值化的结合。残差收缩网络的工作原理,可以解释为:通过注意力机制注意到不重要的特征,通过软阈值函数将它们置为零;或者说,通过注意力机制注意到重要的特征,将它们保留下来,加强深度神经网络从含噪信号中提取有用特
DETR:基于Transformer的目标检测新范式,性能媲美Faster RCNN | ECCV 2020 Oral
<blockquoteDETR基于标准的Transorfmer结构,性能能够媲美FasterRCNN,而论文整体思想十分简洁,希望能像FasterRCNN为后续的很多研究提供了大致的思路<br/ <br/来源:晓飞的算法工程笔记公众号</blockquote论文:En
BorderDet:通过边界特征大幅提升检测准确率,即插即用且速度不慢 | ECCV 2020 Oral
<blockquote边界对于定位问题十分重要,BorderDet的核心思想BorderAlign巧妙又有效,将边界特征融入到目标定位预测中,而且能够简单地融入到各种目标检测算法中带来较大的性能提升下。在开源实现中,对BorderAlign进行了高效CUDA实现,不会对耗时带来很大的影响,整个工作
Gradient Centralization: 一行代码加速训练并提升泛化能力 | ECCV 2020 Oral
<blockquote梯度中心化GC对权值梯度进行零均值化,能够使得网络的训练更加稳定,并且能提高网络的泛化能力,算法思路简单,论文的理论分析十分充分,能够很好地解释GC的作用原理<br/ <br/来源:晓飞的算法工程笔记公众号</blockquote论文:Gradient
正在加载更多文章…
加载更多已加载文章中没有匹配内容,可继续加载更多。


