- 综合排序
- 最热优先
- 最新优先
- 来自专栏Deep learning进阶路
2-7 顺序表 和 链表 对比
2-7 顺序表 和 链表 对比 1、存储结构的不同 虽然它们同属于线性表，但数据的存储结构有本质的不同： 顺序表存储数据，需预先申请一整块足够大的存储空间，然后将数据按照次序逐一存储，逻辑关系就是靠元素间物理空间上的邻接关系来维持
45620发布于 2019-07-02 - 来自专栏Hank’s Blog
2-7 R语言基础 数据框
> df <- data.frame(id=c(1,2,3,4),name=c("a","b","c","d"),gender=c(TRUE,TRUE,FALSE,FALSE)) > nrow(df) #4行 [1] 4
40120发布于 2020-09-16 - 来自专栏嵌入式音视频
2-7 输入圆的半径，计算其周长与面积
预览图如下 #include<stdio.h> int main() { int r; printf("请输入r:"); scanf("%d",&r); { if(r>0) {printf("面积是：%f\n",3.14159*r*r); printf("周长是：%f\n",2*3.14159*r);} else printf("输入的r不合法！\n"); } return 0; }
69030编辑于 2022-12-01 - 来自专栏刷题笔记
2-7 一元多项式求导 (20 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/101025651 2-7 一元多项式求导 (20 分) 设计函数求一元多项式的导数。
85520发布于 2019-11-08 AI质检平台系统
一、核心优势解析相较于传统质检模式，AI解决方案在核心功能模块上实现突破性提升：缺陷识别方面，传统模式受人员疲劳影响漏检率高，AI系统可7×24小时稳定输出检测结果，确保检测一致性；标准一致性上，传统模式因人员经验差异导致判定基准不一 ，AI通过统一算法模型确保判定基准恒定，减少人为偏差；追溯管理中，传统纸质记录易丢失，AI实现全链路数据云端存档可溯，方便质量回溯；响应速度上，传统批量处理周期长，AI达成毫秒级实时反馈生产线状态，提升生产效率 四、柔性部署方案支持与MES系统、ERP平台的无缝对接，既可作为独立质检工作站运行，也能嵌入现有生产流程形成闭环管控。 开放的开发者平台支持客户自主训练专属模型，形成具有自主知识产权的智能质检体系。这种可生长的技术架构确保系统始终处于行业前沿水平。 专业团队提供驻场辅导服务，协助完成从旧系统切换到新平台的平滑过渡。十一、未来展望随着边缘计算与5G技术的普及，AI质检系统将向移动端延伸，实现车间级的即时响应。
74910编辑于 2025-10-16- 来自专栏cwl_Java
C++编程之美-数字之魅(代码清单2-7)
代码清单2-7 int lowestOne(int N) { int Ret = 0; while(N) { N >>= 1; Ret
24020编辑于 2022-11-30 - 来自专栏运维开发王义杰
AI：GitHub Models全新的AI开发平台
免费访问AI模型 GitHub Models平台提供了免费的AI模型访问权限，用户可以试验多种先进的语言模型，如OpenAI的GPT-4o、Meta的Llama 3.1和Mistral的Large 2。 二、数据隐私与安全性 GitHub承诺，用户在GitHub Models平台上的所有数据，包括提示语和输出结果，都不会被分享给模型提供商或用于改进现有模型。 这一数据隐私承诺增强了平台的吸引力，确保了用户数据的安全性和隐私性。 三、从测试到生产的便捷路径 GitHub Models不仅提供测试和试验的平台，还支持用户将模型快速部署到生产环境。 六、结论 GitHub Models为开发者、学生、初创公司及爱好者提供了一个强大的平台，使他们能够免费访问和试验各种先进的AI模型。 通过这一创新平台，GitHub不仅在技术上进行了突破，也在推动AI技术的普及和应用方面迈出了重要一步。未来，随着更多用户和模型的加入，GitHub Models必将为AI开发带来更多可能性和创新空间。
85710编辑于 2024-08-05 - 来自专栏开源物联网平台开发
AI Token Platform - AI Token 中转计费平台
AI Token Platform - AI Token 中转计费平台 AI Token Platform 是一款企业级 AI Token 中转与计费平台，深度融合 多模型 AI 网关、Kill Bill 平台以"统一 API 接入 + 灵活计费策略 + 企业级会员体系"为核心理念，提供多模型统一管理、精细化 Token 计费、会员套餐管理、支付集成等核心能力，打造可扩展、可计费、可运营的新一代 AI 服务平台 平台简介 核心能力 能力 描述 多模型统一接入 支持 OpenAI、Claude、Gemini、DeepSeek 等 10+ 主流大模型，统一 API 格式 Kill Bill 计费引擎 集成开源计费平台 Spring Boot 3.2 + Kill Bill Java Client 的高性能计费服务 技术架构 用户 → Nginx (反代+限速+SSL) ├── / → LobeChat (AI localhost:3000 new-api 后台 API 接口 http://localhost/v1/chat/completions 兼容 OpenAI 格式 计费系统说明 Kill Bill 计费引擎 平台集成
1.2K10编辑于 2026-04-02 - 来自专栏Flink实战应用指南
FaceBook开源体现AI平台AI Habitat
导读 有别于传统的AI可思考、推理或解决抽象的问题，许多研究人员开始推测，体现AI将成为未来AI技术主流，例如请机器人帮你拿放在楼上书桌上的手机，或者借由一个配戴装置协助视障人士驾驭不熟悉的地铁系统 ? 脸书最近开源了体现AI（embodied AI）平台AI Habitat，这是一个模拟平台，专供研究人员在逼真的3D环境中训练诸如虚拟机器人等体现代理人，而且可结合同样来自脸书的Replica，或是第三方的 传统的AI可思考、推理或解决抽象的问题，而体现AI则能移动，并与真实的世界进行实际的互动，有愈来愈多的研究人员相信，体现AI才是在未来能够展示更多能力并辅助人类的AI技术，例如请机器人帮你拿放在楼上书桌上的手机 AI Habitat平台是由Habitat-Sim、Habitat-API及Habitat Challenge等3个元件所组成，其中的Habitat-Sim是个3D模拟器，具备可配置的代理人、感应器，也能处理各种 脸书表示，AI Habitat是专为体现AI研究人员所开发的平台，也是一个较少依赖监督式学习所使用之大型注释资料集的系统，若有愈多的研究人员采用AI Habitat，就能加快共同开发体现AI技术的速度，
1.5K40发布于 2019-07-02 - 来自专栏深度学习|机器学习|歌声合成|语音合成
AI平台算子开发思路
文章目录 AI平台 平台算子 开发算子 算子开发包 AI平台 AI平台就是承载数据的输入、AI算法的模型的输出、AI模型的服务、AI模型的训练、调优以及AI模型快速搭建的平台，方便使用者快速的去学习AI 某大型AI平台的示例： ? 平台算子 平台算子就是把机器学习或者深度学习的步骤拆分为一个个小的步骤去实现，比如数据加载、数据特征处理、归一化、特征选择、模型算法、数据集拆分、训练、模型评估等步骤。
2.5K30发布于 2021-01-14 - 来自专栏祝威廉
大数据平台和AI平台应该如何整合
大数据和AI两者最核心的部分都是数据。大数据的主要工作是对数据进行各种转换和存储。而AI的主要工作是学习数据并且得出模型。 AI天然需要大数据的基础，因为AI需要各种形态的数据，而我们得到这些形态的数据，必然离不开大数据。就此而言，他们两个合在一起，才是一个完整的工作流。 所以大数据平台要和AI进行整合，有两个核心点： 数据的交换 统一的语言 无论进程内还是进程间，数据交换最高效的方式是通过 Apache Arrow。那么数据交换的问题算是有了一个标准。 统一的语言呢？ 大部分大数据基础软件都是Java/Scala,而AI则是Python based on C++/C的。大部分公司最后会选择Python作为一个大一统语言。 配合MLSQL Console 系统，我们基本可以覆盖AI同学工作的大部分时间。
1.7K20编辑于 2022-07-21 【AI平台核心架构设计】
AI平台核心架构设计 知识管理层设计要点 知识管理层采用模块化设计，各功能模块通过统一API网关进行交互。案例库采用版本化存储，支持语义检索和相似度匹配。 "minLength": 10 }, "examples": { "type": "array", "maxItems": 5 } } } AI
40610编辑于 2026-01-20- 来自专栏用户8715145的专栏
语音合成ai开放平台怎么样 语音合成ai开放平台有什么特点
在很多的公众场合，我们就能够看见人工智能的存在，而他们的话语都是通过语音合成的，和大家交流起来和真人没有什么太大区别，而语音合成是需要在平台上完成的，以下就是关于语音合成ai开放平台的相关内容。 语音合成ai开放平台怎么样 语音合成这项技术是比较成熟的，因为在很早之前就开始研发语音合成。语音合成ai开放平台是非常不错的，它让语音合成更加的简单。 和人工比较起来，使用语音合成ai开放平台能够节约不少的成本，而且合成的效果非常好，和真人并无太大区别。 语音合成ai开放平台有什么特点 不同的语音合成平台有着不同的特点。 在云服务器的语音合成平台上，它就具有高拟真度的特点，合成语音的速度非常快，而且语音自然流畅，能够适用在很多的场景中。 语音合成ai开放平台是非常不错的，主要得益于网络技术的不断进步。语音合成尤其适合企业的发展，因为企业对于语音产品的需求量是非常大的，而语音合成成本并不算高。
2.2K20发布于 2021-10-29 - 来自专栏AI技术应用
AI智能体平台的搭建
搭建一个AI智能体平台是一个系统工程，需要综合考虑技术架构、组件选型、开发流程和运维管理。基于我们之前讨论的平台组件和功能，以下是搭建AI智能体平台的主要步骤和关键考虑因素。1. 需求规划与设计 (Requirements Planning & Design):明确平台目标和应用场景： 平台将支持哪类智能体？应用于哪些行业或业务场景？是通用平台还是特定领域平台？ AI/ML框架： 集成TensorFlow, PyTorch等机器学习和深度学习框架，支持智能体中的模型训练和推理。 人才： 搭建和运营AI智能体平台需要跨领域的专业人才，包括AI工程师、后端工程师、DevOps工程师、数据科学家等。生态系统： 考虑平台是否需要开放API或SDK，构建开发者社区，形成生态系统。 搭建AI智能体平台是一个持续演进的过程，通常从核心功能开始，逐步完善其他模块，并根据实际应用的需求和反馈进行迭代优化。
2.2K10编辑于 2025-04-29 - 来自专栏Flink实战应用指南
微软为Power平台加入AI Builder
导读 微软为Power平台加入AI建置工具，让用户以少量程式码就能在企业App加入AI功能，人工智慧建置工具AI Builder提供用户二元分类、物体侦测以及文字分类等多种功能 ? AI Builder现在提供几种常见易用的人工智慧功能，像是物体侦测、二元分类或是文字分类等应用。 Power平台让用户只要撰写少量的程式码，就能简单地分析资料、建构应用程式或是自动化商业流程，而现在微软为PowerApps以及Microsoft Flow进一步加入人工智慧建置工具，让非人工智慧专家， 用户可以在PowerApps Studio或是Microsoft Flow网站的导览介面中开始使用AI Builder，AI Builder下有一个模型页签，可以让用户查看各机器学习模型的重要讯息，并且进行模型部署或是测试等操作 AI Builder可以从用户标记的文字中学习，并处理储存Power平台资料来源CDS中的非结构化文字资料，并重新分配到组织特有的分类。
1.6K50发布于 2019-07-04 - 来自专栏SpringBoot教程
6pen Art - AI绘画平台
AIGC AIGC（AI Generated Content）是指利用人工智能生成内容。是利用人工智能来生成你所需要的内容，GC的意思是创作内容。 什么是AI作画？ 虽然AI作画本身涉及到很多人工智能学习领域跟算法相关的知识，但AI作画的原理解释起来并不复杂。 用户可以在平台上输入各种与风格、主题、氛围有关的关键词，AI根据这些关键词在互联网巨量的资源和素材中搜索、学习，最后糅合与拼接成一些符合要求的画作。这就是AI作画的简单解释。 prompt相关资料： Prompt-Engineering-Guide prompttool 6pen Art 6pen Art是一个AI绘画的网站。 AI时代人人都能成为开发者，所以我们必要提高自己的竞争力，发挥想象力，你会发现全球的知识库和代码都在你的手中，你可以创造任何东西，只需发挥想象力。
1.6K40编辑于 2023-04-03 - 来自专栏AI技术应用
AI智能体平台的开发流程
搭建AI智能体平台的开发流程通常遵循标准的软件开发生命周期模型（如敏捷开发、DevOps），并结合AI/ML项目特有的迭代和实验性质。以下是一个典型的开发流程分解。1. 详细需求收集与分析： 召集产品经理、AI专家、潜在用户、工程师和业务方，详细收集功能需求（平台应具备哪些模块和功能）和非功能性需求（性能、可扩展性、安全性、可用性、成本等）。 功能测试： 基于需求文档，测试平台的各项功能是否按预期工作。AI/ML模型测试： 对智能体中使用的模型进行离线评估和在线A/B测试，确保其决策的准确性和有效性。 兼容性测试： 测试平台在不同操作系统、浏览器、设备上的兼容性。用户验收测试 (UAT)： 邀请潜在用户或内部业务团队使用平台，收集反馈并进行调整。 特别是AI/ML相关的部分，可能需要多次实验和模型训练才能达到预期效果。DevOps实践在AI智能体平台的开发和运营中扮演着重要角色，有助于实现快速迭代、稳定部署和高效运维。
1.3K10编辑于 2025-04-29 - 来自专栏wayn的程序开发
企业级 AI 平台建设思路
为什么需要建设企业级 AI 平台 随着 AI 技术从单点实验转向全场景落地，以及近几年越来越多的机器学习模型和生成式 AI 的快速发展。 所以总结企业级 AI 平台的意义如下： 资源整合与效率提升 通过集中管理技术、数据和人才资源，平台可以避免各部门重复造轮子，提高研发效率和资源利用率。 如何建立企业级 AI 平台 企业级 AI 平台的范围 从下图可以看到对于目前最火的生成式 AI 属于深度学习领域，而深度学习属于机器学习领域。 如何构建企业级 AI 平台 首先定义企业级 AI 平台的四个设计原则： 模块化和分层设计 这种设计方法将系统分解为独立的模块，并按功能层次组织。 支持各种大型语言模型和机器学习模型 AI 平台应该能够集成和管理不同类型的AI模型，包括各种大型语言模型（LLMs）和其他机器学习模型。这种多样性使得平台可以适应不同的应用场景和需求。
1.5K10编辑于 2025-04-15 - 来自专栏全栈程序员必看
AI算法实现与云平台应用
陈迪豪，第四范式先知平台架构师。个人兴趣广泛，在开源社区比较活跃，维护了1600+ star的容器Web管理平台Seagull。 我是第四范式的架构师陈迪豪，我们从14年就开始做机器学习，现在机器学习特别火，让我们也感到很困惑，因为大家把跟计算机有关的都说成是智能，或者是AI。 根据我的经验，标题里有AI的分享，10个可能超过8个都有点忽悠人。但是昨天于老师的“小诗机”和洪强宁教授的chatbots都讲得特别好，根据8/10原则我是有点压力的。 今天给大家介绍一下AI相关算法实现，希望大家理解它的实现，对真正的人工智能或者机器学习有一些新的理解。 我是ECUG的新人，首先自我介绍一下。 图19 机器学习平台 图19是我们自己实现的平台。上层是我们的业务，有非结构化的数据，有传统的推荐系统。底层是我们的计算资源，包括公有云、私有云、GPU。
1.4K20编辑于 2022-08-26 - 来自专栏AI质量与效能体系建设
通用AI业务评测平台能力建设
前言：团队现有通用评测平台能力支持单轮&多轮对话评测支持对于评测结果打标支持LLM根据用户的对话目标和对话计划生成自定义轮数的评测用例。 支持评测指标和标准的自定义指标可以设置权重和复用评测提示词支持APE自主评估和优化评测用例支持复用以及任务可重复执行以下是部分平台截图：『业务实践过程中的认知和系统能力迭代需求』背景：本次输出的AI评测的认知迭代和平台能力迭代规划 ，以BC双端AI企微场景的业务专项为背景，沟通收集QA同学，产品同学在整个过程中对于现有工具和平台的使用反馈和建议，结合过程中各角色协作过程中沟通讨论的主要问题，思考总结而成。
12010编辑于 2026-05-27
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