首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏三分恶的专栏

    华强•程序员版

    最近小破站老给我推“华强”,整的各种活让我目瞪口呆,突然灵感上来,忍不住整个程序员版的——纯属玩梗,请勿与任何现实挂钩。 ---- ---- 素材来源电视剧《征服》,里面有出现了一个非常经典的梗——你这保熟吗? 剧中,刘华强的前妻在水果摊买了一个,发现缺斤短两还不熟,便回去找商贩要求换一个。 没成想商贩郝哥是个地痞流氓,不仅拒绝换,还当她女儿的面用言语调戏她。 刘华强从女儿口中得知此事后,佯装前去卖的顾客,反复问商贩“这保熟吗”让其不耐烦,接着当面揭露商贩不仅卖生还对秤做手脚。 商贩恼羞成怒要打华强,被刘华强拿西瓜刀ci伤。

    1.1K30发布于 2021-09-26
  • 来自专栏全球技术精选

    使用 ML.NET 再现 《华强

    /t.ly/0cUt super-resolution模型 下载地址:https://t.ly/rnsi(需要解压提取内部的onnx文件) 操作流程 1、首先我们将目标视频(我这里就用B站经典短视频《华强 所以我们还需要通过ML.NET加载【超分辨率预训练模型】将每一帧图片进行超分辨率放大得到一张672672的图片 4、通过ffmpeg将新的图片合并成新的视频 首先先看看成品(这里我转换成gif方便演示): 原版视频《华强

    1K10编辑于 2022-09-05
  • 来自专栏新智元

    大谷Stable Diffusion巨制:《华强》好莱坞巨星版来了!

    前两天,大谷就用它做了个《华强》——好莱坞国际巨星版。 熟不熟不知道,但这AI保熟吗? 一句话,就换了1、2、3、4个…演员。

    90320编辑于 2022-09-20
  • 来自专栏机器学习与统计学

    收手吧,华强!我用机器学习帮你挑西瓜

    今天我们就把它们结合起来,用机器学习帮华强挑西瓜!仅供娱乐,希望大家可以学到一些新姿势。 watermelon-prediction/main/app.py 老规矩,先看效果图(GIF刷新有点慢,请耐心等待) 使用方法 第一步,左侧先选择西瓜外观 第二步,选择决策树的模型参数 第三步,看结果 如果是好, 页面弹出的就是笑眯眯的图片~ 如果是坏,页面显示的是后果很严重的图片 实现方式 注:篇幅原因,仅贴出核心代码 完整代码我放到了网页里,需要可以copy走 data.py 主要是原始数据的处理,inputData ,不得', unsafe_allow_html=True) return y_pred,model 决策树可视化 决策树可视化和插入网页我用decisionTreeViz和svg_write GIF 不适配手机屏幕 移动端预测坏页面刷新bug 以上问题,如有兴趣,欢迎贡献代码。

    83230编辑于 2021-12-15
  • 来自专栏量子位

    只要5秒就能“克隆”本人语音!美玉学姐不再查寝,而是吃起了桃桃丨开源

    (像我们后面就试着白学了一下华强 ) 此外,还有正经的方言版,比如台湾腔就完全冇问题: 这就是GitHub博主Vega最新的语音克隆项目MockingBird,能够在5秒之内克隆任意中文语音,并用这一音色合成新的说话内容 我们先选用一位路人小姐姐的声音,试着让他像华强一样,来一句“这保熟吗”,效果如何? 嗯,果然小姐姐的语气没有华强的凶猛,不过也准确还原了本人的音色: 这不禁让我们有了一些大胆的想法。 模型再次顺利地合成了“我要买一百个”,看来合成的音频质量效果也是不错的: 除此之外,我们还试了一下其他文本,基本效果都挺OK。 例如,在某位同事的强烈建议下,我们拜托作者用最新的预训练模型白学了一把华强: 嗯?原本的黑社会混混,真就变成了一位内向白学家…… 其实,为了防止不法分子利用,作者并没有上传最新的模型。

    2K40编辑于 2023-03-01
  • [C++]使用C++部署yolov9的tensorrt模型进行目标检测

    ,yolov9+bytetrack+pyqt5实现目标追踪结果演示,YOLOv9华强,Yolov9教程来了!赶快学习吧!

    51710编辑于 2025-07-20
  • 来自专栏三分恶的专栏

    手写HashMap,快手面试官直呼内行!

    例如,我们一堆无规律的名字诸葛钢铁、刘华强、王司徒、张全蛋……我们就需要通过散列函数,算出这些名字应该分配到哪一号工位。 " + i, "你这保熟吗?" 1","哥们,你这保熟吗?") ; map.put("刘华强1","你这熟我肯定要啊!") ; System.out.println(map.get("刘华强1")); } 大家可以自行跑一下看看结果。

    77930发布于 2021-11-29
  • 来自专栏程序猿石头

    逛一次北京环球影城,得花多少钱

    鉴于你们并没有在 11 岁生日前收到猫头鹰送来的霍格沃茨入学通知书,大概只能使用麻世界的通用货币来换取一张入场券了。 如果你不想排这么长的队,那就要乖乖氪金买张 400 元起的“优速通”,或者直接 1200 元起的“VIP 贵宾体验”来免排队,假装自己在魔法学院“有人”。 这笔周边的钱在北京环球影城大概也很难省下来。 虽然还没正式开园,但环球影城的官网网店已经上线了小黄人、功夫熊猫、侏罗纪世界三个 IP 的商品。 多数本土主题公园,都采用了和地产、表演相结合的产业模式,有本土大 IP 熊出没的华强方特是为数不多将 IP 做成产业的主题公园。 尽管华强方特的熊出没已是国产 IP 中的佼佼者,但由于受众年龄较低,以此为卖点的主题公园,大概多是孩子“带着”家长去玩,很难调动起其他人为其买单。

    96210发布于 2021-09-24
  • 来自专栏智能相对论

    库克“坐视不理”,与苹果共同芯片,山寨AirPods到底有多“横”?

    而论及山寨AirPods,甚至于国内不同阶段的新兴智能硬件市场,存在着一个不可或缺的角色——华强北。 (图源:时代财经) “正品,谁来华强北啊”,华强北一家店铺的老板在接受《时代财经》记者采访时说道。在华强耳机,除非门口有“正品专区”标志,否则大多数情况都是山寨产品。 电商平台的商家不会明目张胆的使用AirPods字样,而是配以“华强北苹果耳机”“华强北黑科技”“苹果官方三代”“官方原封三代耳机”等引流文案。 山寨AirPods所造就的财富故事,在华强北商人群体中并不罕见。 “早几年开始做的都发财了”,“生意好的时候一天赚个几十万的都有”,“有朋友靠做这个在深圳都已经买了几套房了”······ 可以说,纵观华强北的“发展史”,山寨AirPods在华强北的出现,是一个必然的结果

    71940发布于 2021-09-14
  • 来自专栏PaddlePaddle

    从00后小学生到童心工程师:让我们荡起“飞桨”,共度快乐六一

    1 热AI生活 “你这,保熟吗?” 著名找茬青年刘华强凭借这句话引发了“一个西瓜的血案”,也贡献了年度最火表情包。玩梗的网友不亦乐乎,水果摊摊主瑟瑟发抖。 然而,即使掌握了各种挑水果攻略,还是免不了买到“生蛋子”。日常生活中,买到不成熟、不新鲜水果是司空见惯的事,大部分人会自认倒霉。毕竟对于水果新鲜度的判断,就像薛定谔的猫,打开了才有定论。 “我想帮外婆最新鲜的水果。” 覃希妍,是一名来自海淀实验二小的学生,今年上4年级。从小就是一个“科技迷”的她,特别喜欢钻研生活中的小细节。 覃希妍发现,外婆的香蕉拿回家后很快就变黑了,她想让外婆吃到更加新鲜的水果,但自己也很难判断。于是,她萌生了做一个“水果新鲜度检测工具”的想法。 说干就干。

    43810编辑于 2022-08-31
  • 来自专栏AiCharm

    Meta发布视觉大模 | 自监督学习无需微调,多任务效果超OpenCLIP,已开源

    官网上给出的图片效果还是挺不错的,输入铁塔照片,可以生成不少含铁塔的相似艺术图片: 这里我们也试了试,输入一张华强,给出来的艺术图片大多数与西瓜有关: 那么,这样的自监督视觉大模型可以用在哪里?

    1.1K30编辑于 2023-05-15
  • 来自专栏量子位

    当AI作画入侵鬼畜区……

    Round 1: (往左滑) Round 2: (往左滑) Round 3: (往左滑) Round 4: (往左滑) 在看完AI魔改后的《华强》,网友直呼:强哥果然是御姐型!

    94610编辑于 2023-02-28
  • 来自专栏机器学习

    —— 用 “西瓜” 讲透核心逻辑

    ——用“西瓜”讲透核心逻辑快速导读难度:入门位置:第1篇读完可接:第2篇《机器学习基本术语大拆解——用西瓜数据集逐个对应》@[toc]一、先看人类怎么“学习”挑西瓜你之所以能快速挑到好,背后藏着三个关键步骤 ,这和机器学习的核心流程完全对应:1.积累“数据”——收集经验你第一次西瓜时可能不懂分辨,要么听老板推荐,要么凭感觉选。 但的次数多了,就会默默记下各种“线索”:色泽:青绿的好像比浅白的好;根蒂:蜷缩的比硬挺的甜;敲声:浊响的比清脆的熟得透。 2.总结“规律”——训练模型的西瓜多了,你会不自觉地总结出一套“挑规则”:如果色泽=青绿AND根蒂=蜷缩AND敲声=浊响→好;如果色泽=浅白OR根蒂=硬挺→大概率是差。 3.判断“新”——模型预测下次再瓜时,你不会再盲目尝试,而是直接用总结好的“规则”去套新:看到一个青绿、蜷缩、浊响的,立刻判断是好,果断下手。

    39710编辑于 2026-01-22
  • 来自专栏量子位

    小扎亲自官宣Meta视觉大模型!自监督学习无需微调,多任务效果超OpenCLIP丨开源

    官网上给出的图片效果还是挺不错的,输入铁塔照片,可以生成不少含铁塔的相似艺术图片: 这里我们也试了试,输入一张华强,给出来的艺术图片大多数与西瓜有关: 那么,这样的自监督视觉大模型可以用在哪里?

    68320编辑于 2023-05-06
  • 来自专栏红色石头的机器学习之路

    通俗易懂!白话朴素贝叶斯

    问题 首先,我们要介绍两个数学概念:先验概率、后验概率。是不是又要晕乎乎了?没关系,我们通过一个例子来帮助你理解这两种概率。 红色石头西瓜的例子中,P(熟,瓜蒂脱落) 称之为联合分布,它表示熟了且瓜蒂脱落的概率。 红色石头终于明白了如何利用朴素贝叶斯法,来判断是否熟了。 4. 朴素贝叶斯分类 红色石头已经了解了贝叶斯定理和朴素贝叶斯法,接下来已经可以很自信地去了。 之前,还有一件事情要做,就是搜集样本数据。红色石头通过网上资料和查阅,获得了一组包含 10 组样本的数据。这组数据是不同瓜蒂、形状、颜色对应的西瓜是生是熟。 不知道红色石头的这次经历是否对你了解朴素贝叶斯有所帮助呢?

    1K10发布于 2019-05-25
  • 来自专栏xiaosen

    DFS算法及应用

    小蓝正在一个摊上摊上共有n个,每个的重量为A;小蓝刀功了得,他可以把任何劈成完全等重的两份,不过每个只能劈一刀。小蓝希望买到的的重量的和恰好为m。 请问小蓝至少要劈多少个才能买到重量恰好为m的。如果无论怎样小蓝都无法得到总重恰好为m 的,请输出—1。 def dfs(depth, weight, cnt): # 写之前要明确参数,这是第几个,目前买到的质量是多少,目前劈几次 # 第depth个 # 当前买到的重量 ans, cnt) if depth == n: # 正常的出口 return # 不买 dfs(depth + 1, weight, cnt) # # 卖一半 dfs(depth + 1, weight + A[depth] // 2, cnt + 1) n, m = map(int, input().split()) # n

    48410编辑于 2024-03-15
  • 来自专栏镁客网

    “配件不送,自己”,库克还有多少种方法让苹果赚钱?

    如果消费者想要将这些原来就有的配件齐,还得额外再花费将近500元。 最新消息,在外媒透露MagSafe的拆解图之后,华强北厂商就成功破解了MagSafe相关技术,不过这种破解大多数是中小厂所为。 从拆解图来看,新技术所用电路简单,似乎没有看到什么认证芯片,这对于中国深圳华强北来说,破解也就很简单了。 目前现在带线圈的手机壳的价格已经下降到几十元人民币。 很多人都会抱怨华强北的配件在质量上存在问题,并且很大一部分都在外观上侵权了苹果原厂配件,但相对来说价格方面比起苹果来说便宜了许多。

    72120发布于 2020-11-06
  • 来自专栏软件开发

    C语言 第六章 多重循环

    printf("\n"); } } /* 1 1 4 0 9 11-2*i 2 3 3 1 7 11-4 3 5 2 2 5 11-6 4 7 1 3 3 11 -8 5 9 0 4 1 11-10 ********* ******* ***** *** * */ 三、三重循环 百钱百鸡的问题算是一套非常经典的不定方程的问题,题目很简单

    1.4K50发布于 2018-01-03
  • 来自专栏人工智能应用

    七天学完十大机器学习经典算法-03.决策树:人类思考的算法实现

    行业应用统计: 医疗诊断:85%的临床决策支持系统使用决策树 金融风控:信用卡审批的核心算法 制造业:产品缺陷根源分析工具 二、决策树本质:问答游戏的算法实现 生活案例1:西瓜决策 特征 好(1) 坏(0) 纹理 清晰 8 2 模糊 1 9 敲声 清脆 9 1 沉闷 2 8 人类决策逻辑: 先看纹理:清晰的80%是好 若纹理模糊:直接判坏(准确率90%) 若纹理清晰:再听敲声 清脆→好(90%概率) 沉闷→坏(80%概率) 三、核心问题:如何选择最佳提问顺序? 关键指标1:信息熵(混乱度度量) S:当前数据集 pᵢ:第i类样本的比例 案例计算(数据集): 初始状态(10好+10坏): 按纹理清晰分割后: 清晰组(8好+2坏):Entropy

    64310编辑于 2025-08-01
  • 来自专栏程序猿DD

    还说Facebook创始人扎克伯格开飞度?这回被打脸了

    这个问题网络上之前流传被吃群众的热议,作为身价一度超过4000亿的“马爸爸”,一辆神车飞度座驾成为热议的话题,似乎网友们都更喜欢看到首富们过着节俭的生活。 因此,在我们的印象中,扎克伯格是一心投入事业当中,穿衣普通,不去昂贵的餐馆,当然也不会豪车! 然而,我们看到的都是表象,首富们的生活我们只看到了一角,只是他们更愿意把钱花到什么地方而已。 讴歌TSX作为一款中级运动轿车,定位要高于ILX,扎克伯格的选择的这款座驾采用2.4L发动机搭配5速变速器,当然要保持低调不招摇过市,不被人注意到,中配就可以了,3.5V6版本的留给咱们老百姓去。 3.本田飞度 飞度向来被国内车迷称作神车,发动机送车的典型代表,素有平民超跑美誉,集强劲动力、超大空间、经济省油等终极优点,也许扎克伯格也是看中了这些吧,因为有人曾经拍到扎克伯格驾驶飞度的照片,因此 国内售价2000万级别的超跑被购入囊中,我们相信在首富眼中,Huayra是要比飞度好一些的,毕竟6.0V12发动机动力要强几条街,相信扎克伯格也不会开着帕加尼Huayra上班的,这是话题终结者,以后我们吃群众不用再聊首富开什么车了

    1.6K20发布于 2018-12-28
领券