HelloWorld 开发者社区
科技资讯
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
Argus 0.5.0 发布:新增进程控制,完善原生 Windows 任务管理
MetaForge 2026.0.0 发布,整合数据库工作台与可视化分析
qData 1.6.7 发布:修复增量读取与 ETL 字段传递问题
Apple HomeView 在部分地区开售,整合家庭控制与视频通话
Cloudflare 推出 Spend Management Beta,为 Workers 增加支出限制
Cloudflare 开源 Kitesurf:面向 AI 智能体的轻量浏览器引擎
JeecgBoot 与敲敲云介绍分层方案,连接低代码开发与业务搭建
开源项目
全部项目推荐好文
【MindStudio训练营第一季】MindStudio 高精度对比随笔
MindStudio精度对比简介<blockquote原因:</blockquote训练场景下,迁移原始网络(如TensorFlow、PyTorch),用于NPU上执行训练,网络迁移可能会造成自有实现的算子运算结果与用原生标准算子运算结果存在偏差。推理场景下,ATC模型转
【MindStudio训练营第一季】MindStudio 可视化AI应用开发体验随笔
MindStudioMindStudio提供一站式AI开发环境,依靠工具与性能调优,采用插件化扩展机制,打造高效、便捷的全流程开发工具链。目前最新版本是5.0.RC3,发布于2022年20月,对应的昇腾社区版本:6.0.RC1。新增众多特性,这里主要介绍两个我非常感兴趣的分析迁移和。
机器学习的一些概念更新(一)
什么是超平面?三维空间的超平面就是二维平面二维空间的超平面就是一维平面一维平面的超平面就是点以此类推支持向量机的目的?支持向量机要做的就是在这个特征空间中寻找某一超平面,使得分布在特征空间中的样本点能够被这个超平面分割为两类。svm属于二分类算法。关于非线性问题的提出?非线性分类问题
联通DataOps和MLOps:将机器学习推理作为新的数据源
<blockquote<p编者按:随着大数据和AI的关注重点转向工程化和能效,DataOps和MLOps逐渐兴起。DataOps侧重于提高数据分析质量、缩短数据交付周期,MLOps侧重于快速交付AI模型。</p<p数据是AI开发生产的重要元素,在数据驱动的AI时代,割裂的DataOps和ML
走进一款新的文生图模型 - Nvidia eDiff-I
<blockquote<p编者按:AIGC(AI生成内容)目前正处于爆发前夜。在前几期的IDPInspirtation,我们曾经介绍过大语言模型GPT3,图像编辑模型Imagic和RunwayEraseandReplace。</p<p本期,让我们跟随VictorDey一起走进Nv
Dive into TensorFlow系列(3)- 揭开Tensor的神秘面纱
TensorFlow计算图是由op和tensor组成,那么tensor一般都用来代表什么呢?显然,像模型的输入数据、网络权重、输入数据经op处理后的输出结果都需要用张量或特殊张量进行表达。既然tensor在TensorFlow体系架构中如此重要,因此本文将带领大家由浅入深地学习tensor的三个话题
Dive into TensorFlow系列(2)- 解析TF核心抽象op算子
本文作者:李杰TF计算图从逻辑层来讲,由op与tensor构成。op是项点代表计算单元,tensor是边代表op之间流动的数据内容,两者配合以数据流图的形式来表达计算图。那么op对应的物理层实现是什么?TF中有哪些op,以及各自的适用场景是什么?op到底是如何运行的?接下来让我们一起探索
TensorFlow深度学习!构建神经网络预测股票价格!⛵
!(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/112a41acd318e30548f50cfc758ebcdd.png)<blockquote股票价格数据是一个时间序列形态的数据。所以,我们使用『循环神经网络(RNN
Dive into TensorFlow系列(1)-静态图运行原理
接触过TensorFlowv1的朋友都知道,训练一个TF模型有三个步骤:定义输入和模型结构,创建tf.Session实例sess,执行sess.run()启动训练。不管是因为历史遗留代码或是团队保守的建模规范,其实很多算法团队仍在大量使用TFv1进行日常建模。我相信很多算法工程师执行sess.r
TensorFlow?PyTorch?Paddle?AI工具库生态之争:ONNX将一统天下
!(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/116002e926c9a22a55dcd5e5c29c5b1e.png)<blockquote💡作者:<ahref"https://link.segmentfau
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。