HelloWorld 开发者社区
科技资讯
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
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
开源项目
全部项目推荐好文
GID:旷视提出全方位的检测模型知识蒸馏 | CVPR 2021
<blockquote<p论文提出的GID框架能够自动选择可辨别目标用于知识蒸馏,而且综合了featurebased、relationbased和responsebased知识,全方位蒸馏,适用于不同的检测框架中。从实验结果来看,效果十分不错,值得一看</p<p来源:晓飞的算法工程
3dmax渲染器不断升级,云渲染平台有哪些优势呢?
随着3dmax版本更迭,渲染器的不断升级,设计师们作图更加追求精细化。要作出一张品质很高的效果图,渲染也是很重要的一部分,如果仅仅只是用自己作图的电脑来渲图的话,可能一周4天在作图,有3天都是在渲图,工作效率比较低,如果配一台高配置的渲染电脑的话价格很贵,并且每次渲染还是只能渲一张图,不太划算,
关键点数据标注以及应用案例
在机器学习中,您标注的数据是AI模型的基础,因此选择正确的方式十分重要,建立质检流程,跟进每一个测试环节。随着技术比以往发展地更迅速,人工智能在安全和人脸识别方面的应用愈加普及。当我们使用人脸解锁手机的时候,比如,科技巨头苹果公司通过多轮测试使人脸识别变得准确——正是通过详细的关键点来实现的。什
GWD:基于高斯Wasserstein距离的旋转目标检测 | ICML 2021
<blockquote<p 论文详细描述了当前旋转目标检测的主要问题,提出将旋转回归目标定义为高斯分布,使用Wasserstein距离度量高斯分布间的距离用于训练。目前,常规目标检测也有很多将回归转化为概率分布函数的做法,本文有异曲同工之妙,值得阅读</p<p来源:晓飞的算法工程笔记
基于管线的混合渲染
混合渲染混合渲染(HybridRendering)从字面意思就是非单一方法的渲染机制。这也就使得这个词,没有一个完全标准且唯一准确的定义。首先大家需要明白,渲染的最终目的是呈现画面,不论是图片,视频,还是实时交互的场景。那为了这个最终的呈现结果,如果渲染过程中采用了很多种方案来混合实现,就
【MindSpore易点通】深度学习系列-经典卷积神经网络
上周小伙伴说我们卷积神经网络讲的太简单了,基础嘛,当然要先打好()。这不,更加复杂的卷积神经网络来了~经典CNN之LeNet手写字体识别模型LeNet5诞生于1994年,是最早的卷积神经网络之一。LeNet5利用卷积、参数共享、池化等操作提取特征,避免了大量的计算成本,最后使用全连接神经网络进行
【易学又易用,就在MindSpore v1.7 】MindSpore1.7源码编译安装GPU环境
(1)前置安装确认是安装Ubuntu是x86架构64位操作系统。Ubuntu18.04或者Ubuntu20安装GCC、Git、glibc、CMake、OpenSSL。如已安装,跳过。注意,GCC9不兼容CUDA10.1安装GCCsudoaptgetinsta
【易学又易用,就在MindSpore v1.7 !】基于新特性的mindspore.numpy进行图像拼接
应用体验:MindSporev1.7中MindSporeNumPy工具包提供了一系列类NumPy接口,不仅可以使用类NumPy语法在MindSpore上进行模型的搭建,还可以用其来进行图像处理操作,比如在数据增强场景下进行图像拼接代码:importmindspore.numpyas
MindSpore报错"RuntimeError: Unexpected error. Invalid data."
1报错描述1.1系统环境ardwareEnvironment(Ascend/GPU/CPU):CPUSoftwareEnvironment:–MindSporeversion(sourceorbinary):1.6.0–Pythonversion(e.g.,Python
CAP:多重注意力机制,有趣的细粒度分类方案 | AAAI 2021
<blockquote<p论文提出细粒度分类解决方案CAP,通过上下文感知的注意力机制来帮助模型发现细微的特征变化。除了像素级别的注意力机制,还有区域级别的注意力机制以及局部特征编码方法,与以往的视觉方案很不同,值得一看</p<p来源:晓飞的算法工程笔记公众号</p</blockqu
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。