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
云算力如何设计粘土风滤镜?
在云算力中设计粘土风滤镜并不是一个直接的过程,因为云算力主要提供的是计算资源,如计算能力、存储能力和网络带宽,而不是直接用于图像处理或滤镜设计的工具。然而,你可以利用云算力支持的高性能计算和大数据处理能力来辅助设计和优化粘土风滤镜。https://gpumall.com/login?typere
图神经网络入门示例:使用PyTorch Geometric 进行节点分类
基于图的神经网络是强大的模型,可以学习网络中的复杂模式。在本文中,我们将介绍如何为同构图数据构造PyTorchData对象,然后训练不同类型的神经网络来预测节点所属的类。这种类型的预测问题通常被称为节点分类。!(https://imghelloworld.osscnbeijing.
GPT-4o 屠龙式震撼!多模态、实时交互、全员免费可用,丝滑语音交互的 ChatGPT 这把赢麻了
从5月初爆出将在9日发布搜索引擎;到5月11日,官宣将在当地时间5月13日10时发布ChatGPT与GPT4更新;再到SamAltman亲自下场辟谣「不是GPT5,也不是搜索引擎」,而是「像魔法一样的新东西」;随后,网友开始通过各种蛛丝马迹深挖其发布内
Transformers 加速的一些常用技巧
Transformers是一个强大的架构,但模型因其采用的自注意力机制,虽然能够有效地处理序列数据并捕获长距离依赖关系,但同时也容易导致在训练过程中出现OOM(OutofMemory,内存不足)或者达到GPU的运行时限制。主要是因为参数数量庞大:Transformer模型通
You Only Cache Once:YOCO 基于Decoder-Decoder 的一个新的大语言模型架构
这是微软再5月刚刚发布的一篇论文提出了一种解码器解码器架构YOCO,因为只缓存一次KV对,所以可以大量的节省内存。以前的模型都是通过缓存先前计算的键/值向量,可以在当前生成步骤中重用它们。键值(KV)缓存避免了对每个词元再次编码的过程,这样可以大大提高了推理速度。但是随着词元数量的增加,K
图机器学习入门:基本概念介绍
图机器学习(GraphMachineLearning,简称GraphML)是机器学习的一个分支,专注于利用图形结构的数据。在图形结构中,数据以图的形式表示,其中的节点(或顶点)表示实体,边(或链接)表示实体之间的关系。本篇文章将从基础开始介绍什么是图,我们如何描述和表示它们,以及它们的属性
AlphaFold 3来了!闭源但可供科研使用,DeepMind 子公司近水楼台先推进商用?
当地时间5月8日,GoogleDeepMind联合其子公司IsomorphicLabs重磅发布AlphaFold3。DeepMind表示,AlphaFold3以前所未有的精确度成功预测了所有生命分子(蛋白质、DNA、RNA、配体等)的结构和相互作用。与现有的预测方法相
论文推荐:用多词元预测法提高模型效率与速度
这是4月发表的论文《Better&FasterLargeLanguageModelsviaMultitokenPrediction》,作者们提出了一种创新的多词元预测方法,该方法在提高大型语言模型(LLMs)的样本效率和推理速度方面展示了显著优势。本文将对该论文进行详细的推
号称能打败MLP的KAN到底行不行?数学核心原理全面解析
前几天火爆的KolmogorovArnoldNetworks是具有开创性,目前整个人工智能社区都只关注一件事LLM。我们很少看到有挑战人工智能基本原理的论文了,但这篇论文给了我们新的方向。mlp或多层感知位于AI架构的最底部,几乎是每个深度学习架构的一部分。而KAN直接挑战了这一基础,并且也
循环编码:时间序列中周期性特征的一种常用编码方式
在深度学习或神经网络中,&34;循环编码&34;(CyclicalEncoding)是一种编码技术,其特点是能够捕捉输入或特征中的周期性或循环模式。这种编码方法常用于处理具有周期性行为的任务,比如时间序列预测或理解展示周期性特征的序列。!(https://imghelloworld
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。