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
懒人技巧-模型训练完成时发通知到手机
前言现在进行大型数值计算,或训练机器学习模型的时间可以长达数十小时甚至数天。我们自然是希望跑完的时候能够收到通知,这样就不用反复上去查看了。查了下网上居然相关教程非常少,本文提供<codebark</code和<codewxpusher</code两个免费推送服务的使用方法,
实录 | MegEngine 大 Kernel 卷积工程优化实践
<blockquote<p本篇整理自3.19日“LargeKernelMakesCNNGreatAgain”专题Meetup中《MegEngine大Kernel卷积工程优化实践》分享。作者:王彪|旷视MegEngine异构计算组负责人。</p<p<ahr
NLP 进行文本摘要的三种策略代码实现和对比:TextRank vs Seq2Seq vs BART
本文将使用Python实现和对比解释NLP中的3种不同文本摘要策略:老式的TextRank(使用gensim)、著名的Seq2Seq(使基于tensorflow)和最前沿的BART(使用Transformers)。NLP(自然语言处理)是人工智能领域,研究计算机与人类语言之间
深度学习模型:GPU服务器的主要应用场景
什么是显卡?相信很多人都认为这就是一个游戏工具,认为现在高性能的显卡难道只是为游戏而生。其实目前不少公司已经意识到GPU大规模并行计算带来的优势,开始用强大的GPU服务器进行各种方向的研究,而这些研究除了能给公司带来巨大收益外,其研究成果也开始应用在我们的日常生活中。首先,GPU服务器有
一个小目标的达成——Milvus 10,000 星!
!(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/a3a50acd806ba3f3a7acb07216319efa.png)近日,开源项目Milvus在向量数据库征程上取得了新的里程碑——GitHub10,000星。
全局图优化:提升 MegEngine 模型推理性能的又一神器
<blockquote作者:陈思旭|旷视MegEngine架构师</blockquote3分钟快速上手效果对比对深度学习框架来讲,模型的推理性能是用户关注的重要指标。其中一个高度影响性能的因素是Tensor的LayoutFormat(例如NC
基于R语言混合效应模型(mixed model)案例研究
原文链接: http://tecdat.cn/?p2596(https://link.segmentfault.com/?encru%2Fpnse%2BkrAFFBSeU%2BeL4A%3D%3D.wUOmeMpzakitUEnJ4B%2FNPDcg4FsDsJISI9LV2
恒源云(Gpushare)_炼丹萌新指南,这次错不了!
文章来源|恒源云社区(https://link.segmentfault.com/?ench86vdZzyTkInkiiut%2F6LnA%3D%3D.oMYZKsIiEO9mOG0x4pqtzFM6eru%2B5HgdGXXcP1hd7tI%3D)原文地址|【炼丹必备】(ht
Python信贷风控模型:梯度提升Adaboost,SGD, GBOOST, SVC,随机森林, KNN预测金融信贷违约支付
原文链接:http://tecdat.cn/?p26184(https://link.segmentfault.com/?enc10d%2FP0ayLNYn3Jh5W4z%2Fwg%3D%3D.D6VrqcgjAHev76gxD2LyfeWeX5Od0Ujb0fsiJAUwNJk%3D
如何成为更好的AI专业人员?请查收这7条实战经验
作者:YgorSerpa编辑:小白在从事机器学习、人工智能和开发工作近六年后,我列出了我多年来从成功和失败的项目中总结的七条经验教训。最核心的一点是,尽管学习了无数的模型和技术,一名高效、专业的数据科学家和算法工程师要学会尽可能避免复杂性。毕竟真正驱动商业价值的是对紧迫问题的有效解决
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。


