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
CentripetalNet:更合理的角点匹配,多方面改进CornerNet | CVPR 2020
<blockquoteCentripetalNet的核心在于新的角点匹配方式,额外学习一个向心偏移值,偏移值足够小的角点即为匹配,相对于embedding向量的匹配方式,这种方法更为鲁棒,解释性更好。另外论文提出的十字星变形卷积也很好地贴合角点目标检测的场景,增强角点特征<br/ <br
ExtremeNet:通过极点进行目标检测,更细致的目标区域 | CVPR 2019
<blockquoteExtremeNet检测目标的四个极点,然后以几何的方式将其组合起来进行目标检测,性能与其它传统形式的检测算法相当。ExtremeNet的检测方法十分独特,但是包含了较多的后处理方法,所以有很大的改进空间,感兴趣可以去看看论文实验中的错误分析部分<br/ <br/
技术实践丨体验量子神经网络在自然语言处理中的应用
<blockquote<strong摘要</strong:本文从零带你体验量子神经网络在自然语言处理中的应用</blockquote本文分享自华为云社区《体验量子神经网络在自然语言处理中的应用(https://link.segmentfault.com/?enc9FIFO%2FOu
FBNet/FBNetV2/FBNetV3:Facebook在NAS领域的轻量级网络探索 | 轻量级网络
<blockquoteFBNet系列是完全基于NAS方法的轻量级网络系列,分析当前搜索方法的缺点,逐步增加创新性改进,FBNet结合了DNAS和资源约束,FBNetV2加入了channel和输入分辨率的搜索,FBNetV3则是使用准确率预测来进行快速的网络结构搜索<br/ <br/来源
NetAdapt:MobileNetV3用到的自动化网络简化方法 | ECCV 2018
<blockquoteNetAdapt的思想巧妙且有效,将优化目标分为多个小目标,并且将实际指标引入到优化过程中,能够自动化产生一系列平台相关的简化网络,不仅搜索速度快,而且得到简化网络在准确率和时延上都于较好的表现<br/ <br/来源:晓飞的算法工程笔记公众号</blockq
超级全面人工智能数据集汇总(每周快速增加中...)
人工智能行业的数据集很多,但是当遇到项目时,如何去搜集数据?是个头疼的问题。为了便于大家搜集训练数据,且一目了然的查看。大白将数百个数据集,按照不同的类别,不同的功能,详细的分类汇总。大家可以根据需要,选择查看下载,助你训练快人一步。PS:本页面的数据集汇总,
DARTS:基于梯度下降的经典网络搜索方法,开启端到端的网络搜索 | ICLR 2019
<blockquoteDARTS是很经典的NAS方法,它的出现打破了以往的离散的网络搜索模式,能够进行endtoend的网络搜索。由于DARTS是基于梯度进行网络更新的,所以更新的方向比较准确,搜索时间相当于之前的方法有很大的提升,CIFAR10的搜索仅需要4GPUdays。<br/
OCR性能优化:从神经网络到橡皮泥
<blockquote<strong摘要:</strong在这个算力还可以的时代,我们的研究人员一方面致力于不断地去研究各中不同的场景中的的通用网络,一方面致力于优化神经网络的学习方式,这些都是在试图化减少AI需要的算力资源。</blockquote本文分享自华为云社区《OCR性能优化
IGC系列:全分组卷积网络,分组卷积极致使用 | 轻量级网络
<blockquoteIGC系列网络的核心在分组卷积的极致运用,将常规卷积分解成多个分组卷积,能够减少大量参数,另外互补性原则和排序操作能够在最少的参数量情况下保证分组间的信息流通。但整体而言,虽然使用IGC模块后参数量和计算量降低了,但网络结构变得更为繁琐,可能导致在真实使用时速度变慢<br
一文带你认识MindSpore新一代分子模拟库SPONGE
【本期推荐专题】物联网从业人员必读:华为云专家为你详细解读LiteOS各模块开发及其实现原理。(https://link.segmentfault.com/?encFFVCndsmkepbQfX33eE1Ew%3D%3D.fE2Nqienut%2F9Px8lE9Mb2qlpm%2BuM
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。