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
论文回顾:U2-Net,由U-Net组成的U-Net
点击上方“DeephubImba”,关注公众号,好文章不错过!分割给定图像中的不同对象一直是计算机视觉领域的一项非常重要的任务。多年来,我们已经看到像Deeplab这样的自编码器模型被用于语义分割。在所有分割模型中,仍然有一个名字居于首位那就是UNet。UNet于2018
5分钟NLP:快速实现NER的3个预训练库总结
在文本自动理解的NLP任务中,命名实体识别(NER)是首要的任务。NER模型的作用是识别文本语料库中的命名实体例如人名、组织、位置、语言等。NER模型可以用来理解一个文本句子/短语的意思。它可以识别文本中可能代表who、what和whom的单词,以及文本数据所指的其他主要实体。在本文中,将介
混合密度网络(MDN)进行多元回归详解和代码示例
在本文中,首先简要解释一下混合密度网络MDN(MixtureDensityNetwork)是什么,然后将使用Python代码构建MDN模型,最后使用构建好的模型进行多元回归并测试效果。回归“回归预测建模是逼近从输入变量(X)到连续输出变量(y)的映射函数(
Jina 3 重磅发布:3 大更新助力云原生神经搜索系统搭建
<blockquote<p<strong文章导读</strong</p<pJina3已于昨日发布,与前两个大版本相比,Jina3有哪些重大更新?又将为神经搜索带来哪些全新的使用体验?一起来看看吧!</p</blockquote2022年第一个重磅消息:Jina3
集成学习中的软投票和硬投票机制详解和代码实现
快速回顾集成方法中的软投票和硬投票集成方法是将两个或多个单独的机器学习算法的结果结合在一起,并试图产生比任何单个算法都准确的结果。在软投票中,每个类别的概率被平均以产生结果。例如,如果算法1以40%的概率预测对象是一块岩石,而算法2以80%的概率预测它是一个岩石,那么
5分钟NLP:从 Bag of Words 到 Transformer 的时间年表总结
本文不是NLP研究的完整列表,因为太多了无法总结的这么完整!但是本文对影响NLP研究的一些重要的模型进行总结,并尽量让它简约而不是简单,如果你刚刚进入NLP领域,本文可以作为深入研究该领域的起点。BagofWords(BOW)1954:计算文档中每个单词的出现次数并将其用作特征。
EfficientNetV2 - 通过NAS、Scaling和Fused-MBConv获得更小的模型和更快的训练
EfficientNetV2是由GoogleResearch,BrainTeam发布在2021ICML的一篇论文,它结合使用NAS和缩放,优化训练速度和参数效率。并且模型中使用新操作(如FusedMBConv)在搜索空间中进行搜索。EfficientNetV2模型比EfficientN
「深度学习」感知机原理与实战(手写数字识别)
<blockquote留个纪念,🕚2022年2月15日上午11时,我的思否创作之路自此开启!🎉🎉🎉</blockquote前言所谓机器学习,在大多数时候都是拿到现有的模型做些简单的修改后就开始“炼丹”,主要工作就是调参,所以江湖人称“调参师”或者“炼丹师”。因此,我想对一些常用
牛顿迭代法的可视化详解
牛顿迭代法(_Newton_&39;smethod)又称为牛顿拉夫逊(拉弗森)方法(_NewtonRaphson_method),它是牛顿在17世纪提出的一种在实数域和复数域上近似求解方程的方法。以IsaacNewton和JosephRaphson命名的NewtonRa
Attention图像上应用个人理解
注意力机制最好不要直接在原有的主干网络(backbone)中添加,以免破坏原有的预训练参数,最好是backbone之后添加。添加时,注意注意输入的channels的数量。
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。