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
MindSpore易点通·精讲系列--数据集加载之CSVDataset
DiveIntoMindSpore–CSVDatasetForDatasetLoadMindSpore精讲系列–数据集加载之CSVDataset本文开发环境Ubuntu20.04Python3.8MindSpore1.7.0本文内容摘要先看API数据准备两种试错正确示例本文总
5个时间序列预测的深度学习模型对比总结:从模拟统计模型到可以预训练的无监督模型
时间序列预测在最近两年内发生了巨大的变化,尤其是在kaiming的MAE出现以后,现在时间序列的模型也可以用类似MAE的方法进行无监督的预训练MakridakisMCompetitions系列(分别称为M4和M5)分别在2018年和2020年举办(M6也在今年举办了)。对于那些不了解的人来说
自编码器 AE(AutoEncoder)程序
原文链接(https://link.segmentfault.com/?encWzf6zcmQHWUWvXOCBhI3ZQ%3D%3D.7PkjgpHscCxcdizOrQcdLdtJ6RGc5j3DWxfKDybSaqBL0tFeGY%2B%2BCRzprMaj96ARKOe6AvVnnug
以数据为中心和模型为中心的AI是贝叶斯论和频率论的另一种变体吗?
五年前深度学习的一切都是关于如何构建新的、更优化的模型,以便更好地从非结构化数据中学习。这些努力带来了许多研究突破,突破了神经网络的可能性。但慢慢地越来越多的人对这种方法提出了批评,并建议首先关注数据的质量和一致性。这些批评的声音通常来自行业,来自在关键业务环境中长时间大规模操作模型的专业人士。
GPU资源池的虚拟化路径
GPU小常识:GPU(GraphicsProcessingUnit),中文名:图形处理器,曾用名:显卡。1999年,Nvidia(英伟达)公司“ZAO”了GPU,这玩意除了极大的推动了基于PC的游戏市场发展,还彻底改变了并行计算。没想到二十年后,Nvidia摇身一变成了高大上的AI计
YLearn因果学习开源项目「贡献者计划」精彩来袭!
!(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/2a594a00ac181cec34c0b0f077949976.png)2022年7月,九章云极DataCanvas公司重磅发布又一突破性开源技术成果——YLearn因
从预测到决策,九章云极DataCanvas推出YLearn因果学习开源项目
!(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/b4928efa62a2786b9fafd03826569285.png)2016年,AlphaGo击败了围棋世界冠军、职业九段棋手李世石,以机器学习、深度学习为核心的人
Hive on Tez性能优化
升级到CDP后HiveonTez性能调整和故障排除指南优化HiveonTez查询永远不能以一种万能的方法来完成。查询的性能取决于数据的大小、文件类型、查询设计和查询模式。在性能测试期间,要评估和验证配置参数和任何SQL修改。建议在工作负载的性能测试期间一次进行一项更改
Apache Flink ML 2.1.0 发布公告
<blockquote来源|ApacheFlink官方博客</blockquoteApacheFlink社区很荣幸地宣布ApacheFlinkML2.1.0版本正式发布!本次发布的版本重点改进了FlinkML的基础设施,例如PythonSDK,内存管理,以及性能测
看看谷歌如何在目标检测任务使用预训练权值 | CVPR 2022
<blockquote论文提出能够适配硬件加速的动态网络DSNet,通过提出的doubleheaded动态门控来实现动态路由。基于论文提出的高性能网络设计和IEB、SGS训练策略,仅用1/21/4的计算量就能达到静态SOTA网络性能,实际加速也有1.62倍<br/ <br/来源:
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。


