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
【炼丹侠】如何用GPU服务器实现VGGNet训练
VGGNet是一种深度卷积神经网络,由牛津大学计算机视觉组的研究团队开发。VGGNet的设计思想简单而有效,以深度堆叠的卷积层为主要特点。VGGNet的核心思想是通过多个小尺寸的卷积核和池化层来构建深度网络,具有比较小的感受野。相比于其他网络结构,如AlexNet,VGGNet采用了更深的网络结
使用Pytorch和OpenCV实现视频人脸替换
“DeepFaceLab”项目已经发布了很长时间了,作为研究的目的,本文将介绍他的原理,并使用Pytorch和OpenCV创建一个简化版本。本文将分成3个部分,第一部分从两个视频中提取人脸并构建标准人脸数据集。第二部分使用数据集与神经网络一起学习如何在潜在空间中表示人脸,并从该表示中重建人脸图像
了解GPT的最快方法,阅读《这就是ChatGPT》
在图灵编辑部公众号了解到沃尔弗拉姆写的这本《这就是ChatGPT》后,果断下单,一是因为在读论文的时候了解过沃尔弗拉姆所创立的“计算等价原理”,是很有意思的理论,知道他是位大牛,二是ChatGPT也已经火了一段时间了,它的英文写作真的很高效,让我受益颇多。但由于我不是算法方向,没怎么去研究大模型方向
FlashAttention算法详解
这篇文章的目的是详细的解释FlashAttention,为什么要解释FlashAttention呢?因为FlashAttention是一种重新排序注意力计算的算法,它无需任何近似即可加速注意力计算并减少内存占用。所以作为目前LLM的模型加速它是一个非常好的解决方案,本文介绍经典的V1版本,最新的
华为昇腾 import acl 报错 ModuleNotFoundError: No module named 'acl'
https://gitee.com/ascend/samples/issues/I7TWXSnote_20629228(https://link.segmentfault.com/?enc%2FIWPSGj7eApbLtcQIlr2zg%3D%3D.E%2Fo9HQ5m%2BAInUA1YM
【炼丹侠】如何使用GPU服务器实现CNN训练
CNN是一种深度学习神经网络结构,特别适用于处理和分析具有网格结构数据的任务,如图像和视频数据。CNN在计算机视觉领域广泛应用,能够自动学习图像中的特征,并在各种视觉任务中表现出色。CNN的设计灵感来源于生物学中的视觉皮层的工作原理,它使用了卷积操作来捕捉图像中的局部特征,并通过池化操作来减少数据的
基于时态差分法的强化学习:Sarsa和Q-learning
时态差分法(TemporalDifference,TD)是一类在强化学习中广泛应用的算法,用于学习价值函数或策略。Sarsa和Qlearning都是基于时态差分法的重要算法,用于解决马尔可夫决策过程(MarkovDecisionProcess,MDP)中的强化学习问题。下面是最简单的
Gartner RPA魔力象限报告解读:国产厂商“破纪录”跃升意味着什么?
!图片(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/d913074317d434dc45f757a17c314b8a.png)2023GartnerRPA魔力象限报告解读:象限跃升彰显国产RPA厂商实力2023Gar
用于3D MRI和CT扫描的深度学习模型总结
医学成像数据与其他我们日常图像的最大区别之一是它们很多都是3D的,比如在处理DICOM系列数据时尤其如此。DICOM图像由很多的2D切片组成了一个扫描或身体的特定部分。那么如何为这类数据构建深度学习解决方案呢?本文中将介绍6种神经网络架构,可以使用它们来训练3D医疗数据上的深度学习模型。
华为 Ascend AI Compiler (ATC) 工具的 framework 参数是什么意思?
!图片.png(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/53a0d0b0a7d34c882e3f4c20ad244a78.png)上面,chatGPT的回答是错误的正确的答案,看官方文档:https://www
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。