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
【专题】2022母婴行业洞察报告PDF合集分享(附原数据表)
报告链接:http://tecdat.cn/?p32654(https://link.segmentfault.com/?enckxd5UDLcD6rw%2FE0ux%2Bfzrg%3D%3D.Wxs881m0TmX1EfQ1mNMfVeUHpoYg6cDhuliceDrJ%2F%2F
【专题】展望人工智能银行:当银行遇到AI报告PDF合集分享(附原数据表)
报告链接:http://tecdat.cn/?p32210(https://link.segmentfault.com/?encD49cdw9YFftJrmEEuuZtGQ%3D%3D.UZybhdN6FHH9vLi6PIDiE5XkG9YNPeAFHxXYeEi6hb0%3D)
Python TensorFlow循环神经网络RNN-LSTM神经网络预测股票市场价格时间序列和MSE评估准确性|附代码数据
全文下载链接:http://tecdat.cn/?p26562(https://link.segmentfault.com/?encx3l1kBQuwr5H4bFiaN9Y8A%3D%3D.Qzoy7MxWh48NmImwBqXAkFl1KsxxK3xUjouH4GSygwk%3D)
直击第二届CCF计算机系统大会,蚂蚁集团亮点抢先看
8月4日5日,第二届CCF计算机系统大会(CCFSys2023)将于江西南昌举行,大会以“智能时代的计算机系统:从研究到产业化”为主题,邀请十余位院士组成大会指导委员会,共话智能时代的计算机系统。会议期间将举办17个特色主题论坛,其中,《隐私计算软硬协同加速技术论坛》由蚂蚁集团主办。蚂蚁技术研究
Python和PyTorch深入实现线性回归模型:一篇文章全面掌握基础机器学习技术
1.简介1.1线性回归模型概述!file(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/fb2077e6b6ad6efc2bdc6d22dbb24dd4.png)线性回归是一种统计学中的预测分
图注意力网络论文详解和PyTorch实现
图神经网络(gnn)是一类功能强大的神经网络,它对图结构数据进行操作。它们通过从节点的局部邻域聚合信息来学习节点表示(嵌入)。这个概念在图表示学习文献中被称为“消息传递”。!(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/3
MegEngine Python 层模块串讲(中)
在前面的文章(https://link.segmentfault.com/?encz1IA3VTfc3eOk1iwBbN6wA%3D%3D.MtJvbb3ylzpuX8wass3eJrhSUfUX6yl5TPIJWcvCXSMyNpo559aquptD78ept9bQ)中,我们简单介绍了在 <
【专题】迎接全球汽车供应链变革 报告PDF合集分享(附原数据表)
全文链接:https://tecdat.cn/?p33309(https://link.segmentfault.com/?encFwuzOheXTnPHj1viBMbnZg%3D%3D.uNBcZByab1%2FduMfARNsIpkvYPlYf356Lr2cTXe9g45M%3D)
深入Scikit-learn:掌握Python最强大的机器学习库
<blockquote本篇博客详细介绍了Python机器学习库Scikitlearn的使用方法和主要特性。内容涵盖了如何安装和配置Scikitlearn,Scikitlearn的主要特性,如何进行数据预处理,如何使用监督学习和无监督学习算法,以及如何评估模型和进行参数调优。本文旨在帮助读者深
DeepSpeed-MoE:训练更大及更复杂的混合专家网络
这是微软发布在2022ICML的论文,MoE可以降低训练成本,但是快速的MoE模型推理仍然是一个未解决的问题。所以论文提出了一个端到端的MoE训练和推理解决方案DeepSpeedMoE:它包括新颖的MoE架构设计和模型压缩技术,可将MoE模型大小减少3.7倍;通过高度优化的推理系统,减少
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。


