- 综合排序
- 最热优先
- 最新优先
- 来自专栏悟道
2-4 快速乘法 模板
适用于不让用/ * 的情况实现某些结果 ! /** * 快速乘法 * * @param a 乘数 * @param b 被乘数 * @return 积 */ public static long quickMulti(long a, long b) { long result = 0; while (b > 0) { if ((b & 1) == 1) {
56110发布于 2021-06-01 - 来自专栏刷题笔记
2-4 另类堆栈 (20 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/101049523 2-4 另类堆栈 (20 分) 在栈的顺序存储实现中，另有一种方法是将Top
86930发布于 2019-11-08 - 来自专栏Deep learning进阶路
2-4 线性表之双链表
2-4 线性表之双链表 双向链表除了相当于在单链表的基础上，每个结点多了一个指针域prior，用于存储其直接前驱的地址。同时保留有next，用于存储其直接后继的地址。 ?
64020发布于 2019-07-02 - 来自专栏Hank’s Blog
2-4 R语言基础 列表
> l1 <- list("a",2,10L,3+4i,TRUE) #每个元素没有名字 > l1 [[1]] [1] "a"
62820发布于 2020-09-16 - 来自专栏IT技术圈
练习2-4 温度转换 (5分)
本题要求编写程序，计算华氏温度150°F对应的摄氏温度。计算公式：C=5×(F−32)/9，式中：C表示摄氏温度，F表示华氏温度，输出数据要求为整型。
1.2K10发布于 2021-02-24 - 来自专栏育种数据分析之放飞自我
笔记 | GWAS 操作流程2-4：哈温平衡检验
应用Hardy-Weinberg遗传平衡吻合度检验方法，把计算得到的基因频率代入，计算基因型平衡频率，再乘以总人数，求得预期值（e）。把观察数（O）与预期值（e）作比较，进行χ2检验。
5.7K21发布于 2020-04-27 - 来自专栏AI机器学习与深度学习算法
学习分类 2-4 感知机权重向量的更新
下面直接给出权重向量的更新表达式，然后通过可视化的方式来直观的展示权重向量的更新。
1.4K40编辑于 2022-11-08 - 来自专栏刷题笔记
【并查集】2-4 朋友圈 (25 分)
2-4 朋友圈 (25 分) 某学校有N个学生，形成M个俱乐部。每个俱乐部里的学生有着一定相似的兴趣爱好，形成一个朋友圈。一个学生可以同时属于若干个不同的俱乐部。
1.1K10发布于 2020-06-23 - 来自专栏AI小程序
AI人脸应用
这款颜值检测小程序使用了腾讯开放人脸识别API，本项目适合刚入门的同学练手，熟悉整个框架，整体实现如下：
1.4K00发布于 2019-01-06 AI 应用感想
龙虾热潮退去，最终会剩下文字相关的应用——编程、写文章、论文等等。一、大模型本质是文字模型不管形态如何变化，大模型的输出仍然以文字为主。 最终沉淀下来的应用，一定是那些将文字能力发挥到极致的场景。二、多代理提高可用性，但仍未达到可信的专家水平多代理架构让任务可以并行、分工、协作，显著提升了复杂任务的完成率。 这意味着所有AI输出都必须经过经验丰富的人员验证，以避免疏漏和安全问题。这是当前AI应用落地的最大瓶颈——不是技术不够强，而是信任成本太高。 未来可能出现”AI审计AI”的模式：一个代理负责输出，另一个专门负责对抗性验证，降低人工成本的同时保留人类兜底。四、记忆之后，还有知识整理与理解偏差记忆问题的解决只是第一步。 五、下一个高价值方向：代理自组织与AI团队导师人类组织中有项目管理和项目经理，AI代理体系同样需要自组织能力。
13500编辑于 2026-03-30- 来自专栏软件安装
AI应用开发
AI应用开发是将人工智能技术与实际业务场景结合，构建具有智能决策、自动学习或感知能力的应用系统。 它融合了传统软件开发与机器学习、深度学习等AI技术，以下是其核心要素和流程： 一、AI应用的核心技术栈 基础框架 机器学习：Scikit-learn、XGBoost、LightGBM 深度学习：TensorFlow Platform、Azure ML 二、AI应用开发的典型流程 问题定义与数据准备 明确AI要解决的核心问题（如分类、预测、生成等） 数据采集（爬虫、API、传感器等）、清洗（去噪、补全）、标注 （通过API接口或SDK） 构建监控系统（跟踪模型精度衰减、数据漂移） 迭代优化 基于用户反馈和新数据持续更新模型 优化计算效率（边缘部署或云端算力调度） 三、示例：简单的文本分类AI应用 以下是一个基于预训练模型的文本分类应用 ） 可解释性：部分场景（如医疗、金融）需要模型决策可解释 五、常见AI应用场景 智能客服（NLP对话系统） 图像识别（安防监控、质检） 推荐系统（电商、内容平台） 预测分析（金融风控、需求预测） AI应用开发的核心是
88210编辑于 2025-11-12 - 来自专栏一乐来了
AI驱动的应用：插件、应用市场和AI Agents
所以才发明了AI Native/AI First，来表达未来智能应用跟现在软件的不同。 等到ChatGPT发布插件，一众软件从懵懂中醒来，开始瑟瑟发抖，我们好像看到了AI吞噬软件世界的景象。 另一方面，在具体需求满足上，AI跟应用还只是有限度的打通，并不能完全闭环，这大大限制了用户从旧应用体系脱离的意愿和速度。 所以我们相信，大模型AI并不会取代AI以外的软件，尤其是企业应用。 只要用户需求是分散的，智能应用的未来就还属于企业和开发者，AI Native实际是AI Drive。 蓝莺智能插件 蓝莺智能插件（AI Plugin），是由应用自定义提供给大模型AI服务调用的一组API或函数集合。 基本步骤如下： 用户提出问题，应用服务器将问题和相关函数调用的定义发给AI服务； AI识别出缺失的业务信息，根据上下文信息拼装成函数调用返回给应用服务； 应用服务收到拼装好的函数后，进行实际的API或函数调用
75810编辑于 2025-05-23 - 来自专栏云云众生s
用AI制作应用
我用一种我不熟悉的语言和框架制作了多模态多功能移动应用程序 CrayEye，我依靠现代大语言模型来编写代码，而不仅仅是代码片段，而是全部代码。 自从我创建原生应用程序以来已经有一段时间了，我一直想再次尝试一下，而这种多模态多功能工具的用例提供了绝佳的机会。 自从我上次尝试制作原生应用程序以来，Flutter 的受欢迎程度有所提高，所以我决定尝试一下，尽管我之前没有使用过 Dart。 此时，样板应用程序的核心逻辑完全包含在 lib/main.dart 中 - 这使得立即开始工作变得特别容易。 我开始提示添加简单的功能 - 相机预览、远程 HTTP 请求以通过 GPT 分析图像，并且应用程序的功能（和代码行）开始迅速增长。
1.5K10编辑于 2024-05-01 - 来自专栏AI
常见的AI应用
常见的AI应用：语音识别、图像处理、自然语言处理等人工智能（AI）近年来在各个领域取得了飞速进展，尤其是在语音识别、图像处理、自然语言处理等应用中，AI的技术不断推动着这些领域的革新与发展。 以下是三种最为常见且广泛应用的AI技术：语音识别、图像处理与自然语言处理（NLP）。我们将逐一探讨它们的基本概念、应用场景以及具体的例子。 图像处理与计算机视觉图像处理和计算机视觉是AI技术中的两个重要分支，它们的目标是使计算机能够“看”并理解图像、视频等视觉信息。这些技术广泛应用于医疗、自动驾驶、安防监控等领域。 ○ 医疗图像分析：计算机视觉在医学领域应用广泛，尤其是在医学影像的分析和诊断中。AI可以通过分析X光片、CT扫描图像或MRI图像来帮助医生诊断疾病，如肺炎、癌症等。 总结与未来展望语音识别、图像处理、自然语言处理是人工智能领域中最为基础且广泛的应用，它们各自在不同的领域发挥着重要作用。在未来，随着AI技术的进步，这些领域的应用将变得更加精准、智能化。
1.5K10编辑于 2025-01-11 - 来自专栏cwl_Java
C++编程之美-数字之魅(代码清单2-4)
代码清单2-4 int Count(BYTE v) { int num = 0; switch (v) { case 0x0:
21220编辑于 2022-11-30 - 来自专栏PD快充协议
讲解2-4串锂电池升降压快速充电方案
XSP30 作为一款支持 PD/QC 快充协议的升降压型锂电池充电 IC，凭借其独特的 2-4 节电池兼容、2A 大电流快充等特性，正悄然改变着便携式设备的充电格局，重新定义人们的充电体验。 这种动态电压适配能力在实际应用中具有重要意义，特别适合无人机、便携储能等对快速补电有迫切需求的场景。 四、应用场景与生态适配目前，XSP30 凭借其出色的性能，已在多个领域展现出了良好的适配性。 它的出现，为 2-4 节串联锂电池的充电管理提供了高效、安全、智能的解决方案，不仅满足了当下消费者对快速充电的需求，也为众多电子设备厂商在产品设计和优化上提供了有力的支持。 随着技术的不断进步和应用场景的持续拓展，相信 XSP30 将在更多领域发挥重要作用，推动整个电子行业向更加高效、便捷的方向发展
63310编辑于 2025-11-12 - 来自专栏AI
AI 智能体（AI Agent）的应用
AI 智能体（AI Agent）的应用非常广泛，几乎涵盖了我们生活的方方面面。它们能够自主地感知环境、做出决策并执行行动，从而完成各种复杂的任务。以下是一些 AI 智能体的典型应用场景。 娱乐：游戏 AI： 在游戏中扮演各种角色，例如敌人、队友、NPC 等，提高游戏的可玩性和挑战性。内容创作： 能够生成文本、图像、音乐等内容，例如写小说、作诗、绘画等。 一些具体的例子：谷歌 DeepMind 的 AlphaGo： 击败了人类围棋冠军，展示了 AI 在复杂决策领域的强大能力。亚马逊的 Alexa： 能够通过语音指令控制家电设备、播放音乐、查找信息等。 百度的文心一言 APP 上的智能体： 可以进行“视频对话”、背单词、纠正口语，还可以通过 AI 智能体模拟面试、与 AI 古人对话等，体现了 AI 智能体在内容创作和人机交互方面的应用。 总而言之，AI 智能体正在深刻地改变着我们的生活和工作方式。随着技术的不断发展，AI 智能体的应用领域还将不断拓展，为我们带来更多的便利和创新。
1.8K10编辑于 2024-12-23 - 来自专栏IT技术圈
PTA | 习题2-4 求交错序列前N项和 (15分)
本题要求编写程序，计算交错序列 1-2/3+3/5-4/7+5/9-6/11+... 的前N项之和。
3.2K30发布于 2021-07-14 - 来自专栏AIGC大模型应用
AI大模型应用开发实战(05)-AI时代应用开发破局！
再往下看 3 AI原生应用 不管是ToB还是ToC，这块儿是大量机会，给到我们这些传统做互联网、科技公司、应用开发公司包括科技创业公司，就有我们应用开发者大量的机会存在。 当然了，也是因为我们很多应用级开发者，目前对 AI 不是很了解，他可能有很多应用场景，但是对 AI 能做什么，怎么做，不太清楚。所以这块市场非常广阔，可以说，所有应用都值得用 AI 重做。 应用组件里面就包含了我们的 AI 的能力，我们 AI 的能力，还有我们的云能力，那 AI 能力可能就包括我们的多模态，大模型插件，云能力像什么向量数据库、COS 存储，这些云能力你可理解为是给 AI 开挂的 传统的应用开发者在转型做 AI GC 有 AI 软件工程师，即做 AI 应用，还不过瘾，还想去深度的话，那可能就是偏向了我们的 AI 本身开发，类似我们的视觉工程开发，然后自然语言开发，机器学习等，这都是我们的一些转型职业机会 然后我们要学会使用 AI。 应用级开发者，所谓的学会使用 AI，那和一般用户的使用 AI 还不一样。
2.4K00编辑于 2024-08-11 - 来自专栏VoiceVista语音智能
Reality AI -面向工业应用的语音AI
Reality AI 面向工业场景的嵌入式AI应用，如加速度传感器和震动传感器数据，环境音识别等，极大的扩展了 AI On-edge的应用领域。 ? 对于AI的工业级应用，有效的数据搜集和标记是AI模型训练和预测的关键，Reality.ai更可以提供详细的工具和指引 - ? 可通过如下链接了解更多内容，更可以下载白皮书 -- https://reality.ai/successful-data-collection-for-machine-learning-with-sensors-part
3K40发布于 2020-09-23
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