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
探索大型神经网络智能调参(一):构建大规模BPNN
我们正在研究如何用更廉价、更高效、鲁棒性更好的方法对大宽度、大深度的神经网路进行调参(hiddenlayer的层数,每层layer的节点,epochs,batch_size)。无论如何,先构建一个规模较大的神经网络,要保证训练的时间(即使使用GPU计算)。此神经网络有9个隐含层,每层400个节点,
开源|基于TensorFlow的聊天机器人-ErGo
云框架TensorFlowGithub地址:https://github.com/cloudframe...(https://link.segmentfault.com/?enctDje56mcVm7p7VyGsBZFMA%3D%3D.mFMlgQGbl6vv1dCEH9Pqg7%
深夜赶工:CNN神经网络做彩色图像识别,用以测试天价核弹
在图像识别的道路越走越远✌(•̀ω•́)y1.解释一下深夜脑子不是很清楚,大部分代码参考了github……此CNN图像识别神经网络的用途是之后用来评估NVIDIADGX服务器的性能,因此尽量扩大网络的训练时间。此服务器搭载了8块NVIDIATESLAV100显卡,是目前
构建多层感知器神经网络对数字图片进行文本识别
搞点有意思的?!!图像识别✌(•̀ω•́)y在Keras环境下构建多层感知器模型,对数字图像进行精确识别。模型不消耗大量计算资源,使用了cpu版本的keras,以Tensorflow作为backended,在ipython交互环境jupyternotebook中进行编写。1.
TensorFlow-Bitcoin-Robot:Tensorflow 比特币交易机器人
简介一个比特币交易机器人基于TensorflowLSTM模型,仅供娱乐。ABitcointraderobotbasedonTensorflowLSTMmodel.Justforfun.数据集数据来自btctrade,用requests爬
TensorFlow 起飞之旅 · 安装 · demo
为什么要写一开始以为安装tensorflow是一件很方便的事,等装完了之后已经花费了我两天的时间,除了粗心意外没有别的解释了,不要说我智商低,我自己知道就好。。。tensorflow更新之后确实是强大了许多,在各种方面都超过了caffe,mxnet等一系列深度学习框架,在这里我不想去
从零开始使用TensorFlow建立简单的逻辑回归模型
TensorFlow是一个基于python的机器学习框架。在Coursera上学习了逻辑回归的课程内容后,想把在MATLAB中实现了的内容用TensorFlow重新实现一遍,当做学习Python和框架的敲门砖。目标读者知道逻辑回归是什么,懂一点Python
TensorFlow实战:Neural Style
!clipboard.png(/img/bVPmNA?w1056&h707)NeuralStyle是一个非常有意思的深度学习应用:输入一张代表内容的图片和一张代表风格的图片,深度学习网络会输出一张融合了这个风格和内容的新作品。TensorFlow是Google开源的最流行的
TensorFlow 初探
安装CUDA及cuDNN需要确定自己电脑是否是N卡并且显卡支持版本在下面的列表中(具体也可去官网查看),如果不是就跳过该步骤。https://developer.nvidia.com/...(https://link.segmentfault.com/?encu20G
Google I/O 还没开始,我们先来看点什么?
!(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/6bf22cac3aa1062843808a344659b08e.png)回顾GoogleIO20082016历史(https://link.segme
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。