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
DALL·E-2是如何工作的以及部署自己的DALL·E模型
DALL·E2可以通过自然语言的描述创建现实的图像。Openai发布了dall·e2的Beta版。在本文中,我们将仔细研究DALL·E2的原始研究论文,并了解其确切的工作方式。由于并没有开放源代码,BorisDayma等人根据论文创建了一个迷你但是开源的模型Dall·EMini(命名
面向推荐的汽车知识图谱构建
一背景1引言知识图谱的概念,最早由Google在2012年提出,旨在实现更智能的搜索引擎,并在2013年之后开始在学术界和工业级普及。目前,随着人工智能技术的高速发展,知识图谱已广泛应用于搜索、推荐、广告、风控、智能调度、语音识别、机器人等多个领域。
更简单的掩码图像建模框架SimMIM介绍和PyTorch代码实现
MAE发布以来,各种使用掩码技术的自监督掩码模型在其基础之上有了更进一步的研究。在本文中我们将探索一篇和MAE同期的工作:SimMIM:ASimpleFrameworkforMaskedImageModeling,研究团队是微软亚研院,并在PyTorch中编写它,最后我们也会提供相关的
Learning a Deep Compact Image Representation for Visual Tracking
原文链接(https://link.segmentfault.com/?enc6KTC794t5h1aVNOdXJDoRw%3D%3D.6cjIlOF0lxiBU5myOgfaRSqE2s1S%2BnpS8T9uN%2FUnWdo8pA3DatZQ1V98AFFsbcGcbjDwsCDKSSx
在表格数据集上训练变分自编码器 (VAE)示例
变分自编码器(VAE)是在图像数据应用中被提出,但VAE不仅可以应用在图像中。在这篇文章中,我们将简单介绍什么是VAE,以及解释“为什么”变分自编码器是可以应用在数值类型的数据上,最后使用Numerai数据集展示“如何”训练它。Numerai数据集数据集包含全球股市数十年的历史数据,在Num
Transferring Rich Feature Hierarchies for Robust Visual Tracking
原文链接(https://link.segmentfault.com/?encE2GT1YfWzLRgtZ9UR2JfPg%3D%3D.YjSsx2lGznIqV90c25ru%2Bu7bBiKDVUay244%2FkbkftbpxP2Zh8%2BoSc5g2ThsirGvKkQF%2BRc8
细胞图像数据的主动学习
通过细胞图像的标签对模型性能的影响,为数据设置优先级和权重。许多机器学习任务的主要障碍之一是缺乏标记数据。而标记数据可能会耗费很长的时间,并且很昂贵,因此很多时候尝试使用机器学习方法来解决问题是不合理的。为了解决这个问题,机器学习领域出现了一个叫做主动学习的领域。主动学习是机器学习中的一种方
深度学习跟踪DLT (deep learning tracker)
原文链接(https://link.segmentfault.com/?encd0VcbAAtECDR%2B6s6Kj5pXQ%3D%3D.3n7Hifjo7VwJ1%2BaUdGwQvwClBrVN7GTxzfJpmGrMoE6bTRt41T5Quu7vhbGV7A8%2FreXNbz1IF
手把手教你使用LabVIEW人工智能视觉工具包快速实现图像读取与采集
@TOC(%E6%96%87%E7%AB%A0%E7%9B%AE%E5%BD%95)前言今天我们一起来使用LabVIEWAI视觉工具包快速实现图像的读取与颜色空间转换、从摄像头采集图像。工具包的安装与下载方法可见之前的两篇博客。一、工具包位置已经安装好的工具
18张图,直观理解神经网络、流形和拓扑
!image.png(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/dbe7bef92a7d386de08e31d9c079faa6.png)<blockquote迄今,人们对神经网络的一大疑虑是,它是难以解释的黑盒。本
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。