- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI机器学习与深度学习算法
机器学习入门 5-8 实现多元线性回归
2 封装自己的多元线性回归类 首先在“playML”包下创建一个“LinearRegression.py”文件，此文件存放广义线性模型，也就是支持多元线性回归的方式，当然对于只有一个特征的简单线性回归问题
58300发布于 2019-11-13 - 来自专栏JAVA
Mysql高低版本切换需要修改的配置5-8（此处以aicode为例）(WARN: Establishing SSL connection without server‘s identity veri)
我这边出现此种报错的原因是我本地的数据在后面升级为了8.0版本的数据库，然后代码得到配置依照5.7的版本进行配置，因为升级数据库导致很多代码都出现了问题，故做此记录；希望可以帮助到大家
67010编辑于 2024-11-20 - 来自专栏OpenCV与AI深度学习
趣味应用 | 用OpenCV自动给图片添加彩虹特效---平淡的生活需要技术的点缀
4/5), 180, 0, 180, Scalar(255,0,128), 5); ellipse(img, Point(col/2,row*4/5), Size(col/2-8+100,row*4/5- 8), 180, 0, 180, Scalar(255,0,0), 5); ellipse(img, Point(col/2,row*4/5), Size(col/2-8*2+100,row*4/5-8 2), 180, 0, 180, Scalar(255,255,0), 5); ellipse(img, Point(col/2,row*4/5), Size(col/2-8*3+100,row*4/5- 8*3), 180, 0, 180, Scalar(0,255,0), 5); ellipse(img, Point(col/2,row*4/5), Size(col/2-8*4+100,row*4/5- 4), 180, 0, 180, Scalar(0,255,255), 5); ellipse(img, Point(col/2,row*4/5), Size(col/2-8*5+100,row*4/5-
67110发布于 2021-12-01 #WorkBuddy# 实测：用 WorkBuddy 把古风游戏立绘批量转成微动效视频
在1630年代宫廷模拟经营类游戏的开发中，我尝试用WorkBuddy的图生视频能力，把静态古风角色立绘批量转成5-8秒的微动效视频，记录了完整流程与踩坑经验。 我想到一个替代方案：用AI图生视频，让立绘"微动"起来——保持画面和长相完全不变，只加入呼吸、眨眼这类极小幅度的动作，5-8秒即可。 二、工具选择：WorkBuddyVideoGen我选的是WorkBuddy（腾讯云AI原生桌面工作台）内置的VideoGen图生视频能力，理由有三：原生支持图生视频：直接上传立绘原图，模型基于原图做动作 经过大量测试，我沉淀出一套稳定模板，核心要点：明确"微动"边界：必须写清楚"画面静态、镜头固定、仅呼吸/眨眼/衣袂轻动"，否则模型会自由发挥，把角色整个动起来。 核心经验就一句话：提示词越"收着写"，结果越可控——先想清楚要保留什么、只动什么，比让模型自由发挥靠谱得多。
25310编辑于 2026-08-30deepfig助力电商零售：全链路智能优化
核心应用场景智能选品：整合市场趋势+用户偏好+供应链模型视觉搜索：商品图片→相似款推荐→价格对比动态定价：成本+竞品+需求预测多模型协同智能客服：文本+语音+情绪分析无缝切换某电商平台效果转化率提升：18.3% 快速试点阶段（2周）选择1-2个核心场景部署预训练模型组合输出ROI评估报告2. 全面推广阶段（1个月）多场景模型集群部署与现有系统API对接员工培训与操作手册3. 持续优化阶段模型性能监控与调优新增场景扩展成本优化与效率提升行业专属解决方案包表格复制行业预配置模型数量实施周期预期ROI金融科技4-6个2-3周1:5.8生物医药5-8个3-4周1:7.2智能制造3- 5个2-3周1:6.5电商零售4-7个2周1:4.3立即开启AI转型之旅免费场景评估：专家团队上门诊断行业解决方案包：开箱即用的模型组合成功案例分享：获取同行业实施经验
33200编辑于 2025-09-09告别低效创作！AI 文章搬运工助力内容多平台快速出圈
个改写案例输出内容：●具体的写作技巧和句式建议●常用短语和表达方式●实际改写示例展示步骤4：多平台内容生成系统并行处理四个不同的输出分支：4.1小红书内容生成特色功能：●温暖友好的写作风格●自动添加相关表情符号●生成5- 8个SEO标签●口语化表达优化输出格式：[吸睛标题]⭐️[开头段落][分步说明][互动提问]#标签1#标签2#标签34.2Twitter线程生成特色功能：●自动拆分为5-8条推文●每条推文不超过280字符 登录腾讯云智能体开发平台b.选择"创建工作流"c.命名为"内容搬运工作流"2.配置参数提取节点a.添加"参数提取器"节点b.配置两个参数：原文链接(STRING)、文章风格(STRING)c.选择DeepseekV3模型 3.添加内容获取节点a.选择"插件"b.搜索并添加"WebFetch"插件c.配置最大字符数为50004.配置LLM节点a.添加"大语言模型"节点b.选择DeepseekR1模型c.复制写作策略生成的Prompt5 通过智能化的工作流设计，我们实现了：●效率提升：从数小时的人工改写缩短到几分钟的自动化处理●质量保证：基于AI模型的专业写作策略指导●成本降低：减少人工成本，提高ROI●规模化：支持批量处理，满足大规模内容需求随着
55310编辑于 2026-03-09无人机航测技术
OSGB转3DTiles3.4核心工具参数COLMAP空三：SIFT特征，匹配阈值0.7，平差迭代次数100OpenMVS重建：分辨率级别1，最小可见视角3，纹理分辨率40963DTiles转换：LOD层级5- 8级，瓦片大小64×64像素4.精度控制4.1评估指标空三精度：平面中误差≤2×GSD，高程中误差≤3×GSD模型精度：平面中误差≤3×GSD，高程中误差≤4×GSD检查点合格率：≥95%（误差≤3倍中误差 分区调整航高；增加飞行架次运动模糊0.5-2像素降低飞行速度；使用全局快门相机；提高快门速度5.常见问题解决方案问题根因量化解决方案航飞漏洞重叠度不足或地形遮挡补飞漏洞区域，重叠度提高至90%；增加飞行高度模型拉花纹理缺失或匹配错误增加影像数量 ；纹理缺失区域布设人工标记点高程偏差大POS精度低或控制点少使用RTK-POS数据；每平方公里增加至5个控制点空三解算失败匹配点数量不足提高影像重叠度至85%以上；使用SIFT特征模型加载慢数据量过大分块处理 控制点数据（CSV）中间：COLMAP稀疏点云、OpenMVS密集点云、OBJ网格输出：3DTiles、OSGB、glTF/GLB坐标：EPSG:4490（CGCS2000）数据要求：3DTilesLOD层级5-
42510编辑于 2026-05-13- 来自专栏智慧气象
超声波雪深监测站：预防融雪性洪水灾害
超声波雪深监测站：预防融雪性洪水灾害【TH-XS1】超声波雪深监测站通过非接触式高精度测量技术，能够实时追踪积雪深度变化，结合气象数据与水文模型，为融雪性洪水灾害的预防提供关键决策支持。 低维护成本：无机械磨损部件，寿命可达5-8年，适合野外长期部署。 二、融雪性洪水灾害预警机制关键数据融合分析积雪动态模型：结合历史雪深数据与实时监测值，预测积雪消融速度（如升温速率＞3℃/日时风险激增）。 水文耦合模型：输入雪深、土壤湿度、前期降水等参数，计算融雪径流量（公式：Q=C·S·ΔT，其中Q为径流，C为融雪系数，S为积雪面积，ΔT为温度变化）。
35110编辑于 2025-08-14 - 来自专栏大数据仓库建设
我国大陆地区的手机号正则匹配
((13[0-9])|(14[5,7])|(15[0-3,5-9])|(17[0,3,5-8])|(18[0-9])|161|166|198|199|(147))\\d{8}$" 在线正则测试 http ((13[0-9])|(14[5,7])|(15[0-3,5-9])|(17[0,3,5-8])|(18[0-9])|161|166|198|199|(147))\d{8}$
2.3K20发布于 2019-03-14 - 来自专栏大数据仓库建设
我国大陆地区的手机号正则匹配
((13[0-9])|(14[5,7])|(15[0-3,5-9])|(17[0,3,5-8])|(18[0-9])|161|166|198|199|(147))\\d{8}$" 在线正则测试 http ((13[0-9])|(14[5,7])|(15[0-3,5-9])|(17[0,3,5-8])|(18[0-9])|161|166|198|199|(147))\d{8}$
71430发布于 2019-03-12 - 来自专栏数据分析与挖掘
pycaret之集成模型（集成模型、混合模型、堆叠模型）
1、集成模型 组装训练好的模型就像编写ensemble_model一样简单。它仅采用一个强制性参数，即经过训练的模型对象。 此函数可用于混合可以使用blend_models中的estimator_list参数传递的特定训练模型，或者如果未传递列表，它将使用模型库中的所有模型。 3、堆叠模型 堆叠模型是使用元学习的整合方法。堆叠背后的想法是建立一个元模型，该模型使用多个基本估计量的预测来生成最终预测。在PyCaret中堆叠模型就像编写stack_models一样简单。 此函数使用estimator_list参数获取训练模型的列表。所有这些模型构成了堆栈的基础层，它们的预测用作元模型的输入，可以使用meta_model参数传递该元模型。 restack参数控制将原始数据公开给元模型的能力。默认情况下，它设置为True。当更改为False时，元模型将仅使用基本模型的预测来生成最终预测。
3.7K10发布于 2020-10-27 - 来自专栏机器之心
智源研究院发布仿真秀丽线虫天宝1.0：达到当前最高生物精度，走出生命智能到智能生命「关键一步」
机器之心报道 作者：蛋酱 在 5 月 31 日开幕的 2022 北京智源大会上，智源研究院正式发布了当前生物精度最高的仿真秀丽线虫天宝 1.0（MetaWorm），其单个精细神经元所表征的计算复杂度可类比 5- 单个生物神经元表征能力类比 5-8 层 DNN 从普遍的国际前沿精细化模拟工作来看，细胞和亚细胞是当前的最小研究单元，而「天宝 1.0」的优势在于在细胞和亚细胞级别上实现了高精度模拟。 在「天宝 1.0」模型的搭建中，天演团队使用了与该研究一致的模拟核心计算。也就是说，「天宝 1.0」所模拟级别的单个精细神经元所表征的计算复杂度可类比 5-8 层 DNN。 、有限元求解、简化流体模型、强化学习、可视化等多个模块。 此外，2022 北京智源大会的开幕式还公布了更多工作进展： 悟道大模型在众多应用领域持续落地生根。据智源研究院介绍，继 OPPO、好未来、淘宝、搜狗之后，智源悟道大模型在美团 APP 落地。
1.1K20编辑于 2022-05-31 - 来自专栏学习
【软件测试】敏捷模型（Scrum模型）和V模型、W模型
敏捷模型 前面的那些模型以前非常流行，但现在开发人员在使用的时候会遇到各种问题。主要困难包括在项目开发期间处理来自客户的变更请求，以及合并这些变更所需要的高成本和时间。 在实际工作中，一款产品的功能是不断在变化的 所以为了克服这些缺点，就提出了敏捷软件开发模型。在敏捷模型中，需求被分解成许多可以增量开发的小部分。敏捷模型采用迭代开发。每个增量部分都是在迭代中开发的。 敏捷模型主要旨在帮助项目快速适应变更请求。 V 模型 V 模型中，明确的标注了测试过程中存在的不同类型的测试 右边的测试，都需要参考左边对应高度的要求 缺点： 仅仅把测试作为在编码之后的一个阶段，未在需求阶段就介入测试。 缺点和瀑布模型一样 W 模型（双 V 模型） V 模型中未将测试前置的问题在 W 模型中得以解决 开发 V 模型并不是单单指编码阶段，而是为产品开发流程而实施的各个阶段 测试的对象不仅是程序，需求、
3.3K10编辑于 2024-11-15 手搓Clawdbot远程遥控实战，全球A十大风口技术解读，爬取万条招聘数据揭秘行情
）文本+图像+视频统一理解已落地2具身智能（Embodied AI）机器人+大模型，物理世界交互2-3年3光子计算突破摩尔定律，超低功耗3-5年4卫星物联网全球覆盖，无基站通信1-2年5神经接口（脑机） 医疗康复、VR交互5-8年6自主AI Agent任务自动分解与执行已落地7零信任安全架构云原生时代的安全基石已落地8Web3 去中心化身份数据主权回归用户2-3年9生物打印（3D器官）再生医学突破5-10 年10量子机器学习组合优化、药物发现5-8年其中，具身智能 与 Clawdbot 遥相呼应——未来的机器人不仅是遥控，更是自主决策。 四、择业策略：数据驱动的个人发展规划结合技术风口与招聘数据，我构建了一个 三维匹配模型：适合度 = 0.4 × 个人兴趣匹配 + 0.3 × 市场需求（薪资+岗位数） + 0.3 × 技术趋势（增长率） AI 应用层（Prompt Engineering + Agent）：无需深研模型底层，重在场景落地，如客服机器人、智能运维，需求井喷。
17600编辑于 2026-07-31- 来自专栏数据分析与挖掘
pycaret之训练模型（创建模型、比较模型、微调模型）
1、比较模型 这是我们建议在任何受监管实验的工作流程中的第一步。此功能使用默认的超参数训练模型库中的所有模型，并使用交叉验证评估性能指标。它返回经过训练的模型对象。 2、创建模型 在任何模块中创建模型就像编写create_model一样简单。它仅采用一个参数，即型号ID作为字符串。 尽管有一个单独的函数可以对训练后的模型进行集成，但是在通过create_model函数中的ensemble参数和方法参数创建时，有一种快速的方法可以对模型进行集成。 3、微调模型 在任何模块中调整机器学习模型的超参数就像编写tune_model一样简单。它使用带有完全可定制的预定义网格的随机网格搜索来调整作为估计量传递的模型的超参数。 对于有监督的学习，此函数将返回一个表，该表包含k倍的通用评估指标的交叉验证分数以及训练有素的模型对象。对于无监督学习，此函数仅返回经过训练的模型对象。
2.9K10发布于 2020-10-27 - 来自专栏编程创造城市
jQuery创建html元素【jQuery框架应用入门08】
>").appendTo($("ol")) 或者 $("ol").append($("
- 水手
")) 以上三行代码的作用是一样的，利用chrome浏览器的console窗体来实现效果如图5- 图5-8 添加一首歌曲 通过此案例读者进一步见证，创建一个html元素把它添加到指定的节点元素中，可以是字符串类型也可以是DOM节点类型。98510编辑于 2024-05-01 - 来自专栏Java架构师必看
星星模型&&雪花模型
在多维分析的商业智能解决方案中，根据事实表和维度表的关系，可将常见的模型分为星型模型和雪花型模型。在设计逻辑型数据的模型的时候，就应考虑数据是按照星型模型还是雪花型模型进行组织。 星型模型 当所有维表都直接连接到“ 事实表”上时，整个图解就像星星一样，故将该模型称为星型模型。 ? 雪花模型 当有一个或多个维表没有直接连接到事实表上，而是通过其他维表连接到事实表上时，其图解就像多个雪花连接在一起，故称雪花模型。雪花模型是对星型模型的扩展。 雪花模型和星星模型的区别： 星型模型因为数据的冗余所以很多统计查询不需要做外部的连接，因此一般情况下效率比雪花型模型要高。星型结构不用考虑很多正规化的因素，设计与实现都比较简单。 在雪花模型中，数据模型的业务层级是由一个不同维度表主键-外键的关系来代表的。而在星形模型中，所有必要的维度表在事实表中都只拥有外键。 3）性能 第三个区别在于性能的不同。
1.2K31发布于 2021-08-10 - 来自专栏数据万花筒
模型分类之生成模型与鉴别模型
一、生成模型与判别模型概述 生成模型是通过联合概率分布来求条件概率分布，而判别模型是通过数据直接求出条件概率分布，换句话说也就是，生成模型学习了所有数据的特点，判别模型则只是找出分界。 ? 二、生成模型与鉴别模型详细介绍 ? ? 三、生成模型与判别模型的优缺点 概率图分为有向图（bayesian network）与无向图（markov random filed）。 在概率图上可以建立生成模型或判别模型。有向图多为生成模型，无向图多为判别模型。 生成模型（Generative Model），又叫产生式模型。 所以生成模型和判别模型的主要区别在于：添加了先验概率 即：生成模型：p(class, context)=p(class|context)*p(context) 判别模型：p(class|context) ； （5）判别模型的性能比生成模型要简单，比较容易学习。
2.2K20发布于 2020-12-30 生成式人工智能（大模型）服务上线备案常见问题解答
答：大模型备案是由属地网信办初审，各省市的要求不太一样，以下是大概笼统流程：企业与属地网信办沟通并演示大模型，领取备案申请表企业内部准备备案材料和模型安全评估上交属地网信办属地网信办审核材料并测试模型属地网信办通过后 ，打印材料递交至中央网信办中央网信办对材料进行复审，开专家评审会中央网信办复审通过后反馈至属地网信办下发备案号，择期公示备案周期：从准备材料到获取备案号全国大多数地区备案周期在5-8个月左右，北京地区则周期更长些 答：上线备案申请表中，关于模型基本信息需准确填写模型的名称、版本、功能特点等；安全措施部分要详细说明数据安全保护措施、内容过滤机制、用户数据管理机制等；服务范围要明确模型面向的用户群体、应用领域等。 如果只是对模型的一些参数进行微调，需要走什么样的流程？答：模型升级若新增多模态功能等重大变化，需要重新备案、。 如果只是对模型的一些参数进行微调，通常不需要重新备案，但企业应密切关注参数调整对模型性能和安全性的影响，确保符合最新备案政策要求。
94210编辑于 2025-06-11光照模型：Phone模型
Phong模型1) 向量定义（对应图中几何关系）P：表面上一点（当前像素/片元的位置）N：该点的单位法线（图中虚线方向），N = normalize(N)L：光照方向（从点 P 指向光源 LightPos 2) Phong 三项：环境光 + 漫反射 + 镜面反射Phong 模型把最终颜色/亮度写成： I = I_ambient + I_diffuse + I_specular(1) 环境光 Ambient color = (ambient + diffuse + specular) * uObjectColor; FragColor = vec4(color, 1.0);}Blinn-Phong模型在 phong模型的基础上，改变高光的计算，不使用反射向量，取而代之的是半程向量H：H = normalize(L + V)几何意义：H 是 L 和 V 的角平分方向。 镜面反射（替换为 Half Vector）：undefined I_specular = Ks * Il * (max(dot(N, H), 0) ^ shininess)其他项计算和phong模型的计算一致
22000编辑于 2026-02-10
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号