- 综合排序
- 最热优先
- 最新优先
- 来自专栏情情说
推荐2个工具
话题一转，说说今天的主角：2个工具，一个是抓包工具Charles，一个是API调试工具Postman。
3.1K80发布于 2018-05-11 - 来自专栏有关SQL
推荐 2 个阅读神器
说下我推荐的 2个阅读神器。 为什么说是阅读，而不是看书呢。在我朋友圈的读者们，可能已经知道了。比起看书，我平常阅读更多的是，期刊论文或者博硕毕设。偶尔，要学点新技术，看书才会成为我的选择。 所以，我要推荐的，1个神器，是微信读书，用来看书；第2个神器，是知网和谷歌学术。 微信读书，是我的年度最佳 app ，绝对可以排前三。 下图层1，是谷歌学术搜索；图层2/3，是知网的。但，他俩代表的是两个世界 如果你有好的看书，阅读神器，也欢迎留意，与大家一起分享！ 不出意外，这是农历2022年前，最后一篇文章了。
99220编辑于 2022-03-31 - 来自专栏AutoML(自动机器学习)
优秀开源AI框架推荐
AI领域开源框架推荐 AutoML开发框架 AutoML全称是Automated Machine Learning，即自动机器学习，听起来是不是很酷，没错的确很酷，如果感兴趣的话可以读一下我们实验室写的 利益相关首先推荐 Vega，之前写了一篇介绍Vega的文章，如下。 https://zhuanlan.zhihu.com/p/97244535zhuanlan.zhihu.com fast.ai： 这个库怎么说呢，我个人是不太喜欢用的，文档写的不合我的胃口。 首推鼎鼎大名的mmdetection https://github.com/open-mmlab/mmdetection [d649rklv8.png] 当然Pytorch官方的 Detectron2 也是一个非常不错的选择 https://github.com/facebookresearch/detectron2 [7uipmq3xzd.png] 联邦学习开发框架: FedML.ai [5ft69derdq.jpeg
1.5K40发布于 2020-10-21 - 来自专栏软件安装
2款AI工具推荐，都是一些经常要找的工具
同时，AI工具虽多，但分散得太厉害。 今天我就给大家推荐两款AI神器软件。 ▌秘塔回响 秘塔回响是秘塔AI新推出的国产神器，一个能满足你语音识别、翻译、搜索等需求，可以将逻辑凌乱的语音实时整理成思路清晰、可以直接发送的信息。 ▌LiblibAI LiblibAI作为国内最大的一站式AI创作平台，拥有超2500万AI创作者，实力自然没得说。 想象力无上限，工具也要跟得上！ 它集成了市面上绝大多数顶尖模型，香蕉 Pro(全能图片模型v2)、Seedream 4.5、Flux.2 Pro、Qwen-Image、可灵全系等……如今都被浓缩进了这一个网页里。 全能模型V2/ Seedream 4.5 F.2 Pro / Qwen-Image 同样的指令，不同的灵魂，在同一界面下生成。你会发现，在相同的提示词下，每个模型的性格截然不同。
39610编辑于 2026-03-26 - 来自专栏AutoML(自动机器学习)
优秀开源AI框架推荐
AI领域开源框架推荐 AutoML开发框架 AutoML全称是Automated Machine Learning，即自动机器学习，听起来是不是很酷，没错的确很酷，如果感兴趣的话可以读一下我们实验室写的 https://zhuanlan.zhihu.com/p/158162306zhuanlan.zhihu.com 至于开发框架主要以基于深度学习的为主推荐一下几个： 利益相关首先推荐 Vega，之前写了一篇介绍 https://zhuanlan.zhihu.com/p/97244535zhuanlan.zhihu.com fast.ai： 这个库怎么说呢，我个人是不太喜欢用的，文档写的不合我的胃口。 当然Pytorch官方的 Detectron2 也是一个非常不错的选择 https://github.com/facebookresearch/detectron2 ? 联邦学习开发框架: FedML.ai ? https://zhuanlan.zhihu.com/p/262497372zhuanlan.zhihu.com ?
1.4K20发布于 2020-10-28 - 来自专栏人工智能与演化计算成长与进阶
16推荐系统1-2基于内容的推荐系统
我最常听到的答案是推荐系统。现在，在硅谷有很多团体试图建立很好的推荐系统。因此，如果你考虑网站像亚马逊，或网飞公司或易趣，或 iTunes Genius，有很多的网站或系统试图推荐新产品给用户。 如，亚马逊推荐新书给你，网飞公司试图推荐新电影给你，等等。这些推荐系统，根据浏览你过去买过什么书，或过去评价过什么电影来判断。这些系统会带来很大一部分收入，比如为亚马逊和像网飞这样的公司。 推荐系统是个有趣的问题，在学术机器学习中因此，我们可以去参加一个学术机器学习会议，推荐系统问题实际上受到很少的关注，或者，至少在学术界它占了很小的份额。 (红色框中问号) 选定两个为电影的属性 n=2，一个是电影的爱情片程度 x1，一个是电影的动作片程度 x2，则可以用一个特征向量表示每一部电影(加上截距向量 x0=1),则第一部电影可表示为 ? 在一般的线性回归模型中，误差项和正则项应该都是乘以 1/2m，在这里我们将 m 去掉。并且我们不对方差项 (即截距项) 进行正则化处理。
93450发布于 2020-08-14 2025年AI编程工具推荐
以下基于2025年权威技术报告、开发者社区评测及厂商白皮书，对当前主流AI编程工具进行客观综述与推荐。 数据来源包括IDC《2025中国开发者工具生态告》、信通院《AI辅助编程技术成熟度评》、Stack Overflow开发者调查及头部企业实测案例。 Tabnine 差异化优势：通过SOC 2认证，支持本地化部署与企业自定义训练，确保代码数据不离开本地环境。响应延迟<100ms，适用于金融、医疗等隐私敏感场景。 字节Trae 协同创新：首创AI实时冲突解决引擎，支持50人同时在线编码。 技术细节可参考信通院《2025 AI编程工具技术图谱》及IDC行业白皮书。
4.5K10编辑于 2025-07-04- 来自专栏AI工具
5款“真香”AI工具推荐
如何更好利用AI辅助学习，工作，搞钱，好用的AI工具必不可少。 推荐5个非常好用的AI工具，也是我目前使用频率比较高和准备使用的工具，很香。 Chatgpt不在此推荐中啊，在目前的AI工具中，Chatgpt是大哥，既然是大哥，大哥都知道，就不推荐了,然而其目前主要支持文本输出，虽然丰富的插件拓宽了使用场景，但虽是尊贵的Plus，仍旧有3个小时只能输出 第一款 Bing 图形创建器 类型：AI绘画工具 访问地址：https://www.bing.com/images/create？ FORM=GENILP 推荐理由： AI绘画软件有很多，为什么推荐这个呢？ 重点是比较好用，而且完全免费哈。 Bing 图形创建器，由DALL.E驱动，DALL.E是什么？ 第二款 Adobe firefly 访问地址：https://firefly.adobe.com/ 类型：AI图片处理 推荐理由： 好用强大且免费。
69220编辑于 2023-07-01 日常实用的AI工具推荐！
给大家整理了一些除ChatGPT外的实用AI工具（包括插件），包括AI搜索引擎、AI写作工具、AI绘图工具、AI数据分析工具和AI PPT 工具等，这些工具能够极大地提高我们的日常工作和生活效率。 01AI搜索引擎 开搜AI搜索 https://kaisouai.com 开搜AI，，， 开搜AI搜索，免费无广告，直达结果 小程序 使用环境：中文网络环境即可 特点：开搜AI搜索是一款专为中文用户设计的 开搜AI搜索集成了最新的AI技术，能够智能理解用户的搜索意图，并提供相关性高的搜索结果。 笔灵AI 使用环境：中文网络环境 特点：笔灵AI是一款全能型的AI创作工具，具备一键生成文案内容、文档续写、修改、扩展及润色等功能。 05 AIPPT工具 Beautiful.ai 使用环境：全球网络环境 特点：Beautiful.ai利用AI技术自动设计PPT页面，提供多种模板和设计元素，帮助用户快速创建专业的演示文稿。
58710编辑于 2024-06-19- 来自专栏机器之心
推荐系统之路 (2)：产品聚类
上一篇文章中，我们介绍了「推荐系统之路」，有些小可爱在留言里表示期待下一篇。最近，这位作者大大更新了。 虽然还是关于推荐系统，但这次讲的是产品聚类以及相关方法，具体见下文↓↓ 在上一篇文章中，我大致介绍了推荐系统，但卡在了矩阵系统的性能这一块。 为此，我们使用 2 个不同的向量器：CountVectorizer 和* *tf-idf Vectorizer。前者用 {0,1} 创建二元向量，后者根据单词在所有向量中的频率为每个单词分配一个权重。 为了找出 2 个向量之间的相似性，我们用欧几里得距离来进行衡量。如果 2 个产品被归为 1 类，且距离要高于我们的阈值，我们就称生成的组为 category。 ? 想象一下，我们的数据就像一大桶产品。 https://medium.com/moosend-engineering-data-science/product-clustering-a-text-clustering-approach-c392c2ef4310
1K40发布于 2019-05-15 - 来自专栏PaddlePaddle
GITCHAT系列2：个性化推荐
Facebook创始人扎克伯格使用多种AI技术为自己家里构建了一个自动控制系统，命名为Jarvis，它能够根据家庭成员的喜好播放不同风格的音乐。所以，基于聊天机器人的个性化服务是未来的趋势。 由于Bot是面向API的，我们可以开发某个Workflow（比如IFTTT）完成一系列的任务，有人为其创造了一个新名词，叫“r2r - robots 2 robots”。 2. 接入PaddlePaddle预测文件 变量MODEL_PATH是模型评估. 2016年的最后一天，罗振宇在他的“跨年演讲”中提到，“人工智能不是人的延伸，它是人的替代”；英伟达CEO黄仁勋在《智能工业革命》中认为：“继蒸汽机（发明）、大规模生产以及自动化之后，AI技术将引发第四次工业革命 各个行业的人们都在关注和见证着AI的发展，与此同时，很多工程师和社区（如PaddlePaddle）正在努力着降低学习和应用的门槛。
1.5K90发布于 2018-03-15 - 来自专栏小道
机器学习学习笔记(2) -- 推荐算法
1、推荐系统涉及的知识 电子商务业务知识、网站架构运营、机器学习算法、数学建模、大数据平台… 2、推荐系统涉及的常见算法 聚类、关联模式挖掘、大规模矩阵运算、文本挖掘、复杂网络和图论计算等… 3 、推荐系统分类 Ⅰ、基于应用领域分类 电子商务推荐系统、社交好友推荐系统、搜索引擎推荐系统、信息内容推荐系统...... Ⅱ、基于设计思想分类 基于协同过滤的推荐系统、基于内容的推荐系统、基于知识的推荐系统 、混合推荐系统...... Ⅲ、基于使用何种数据分类 基于用户行为的推荐系统、基于用户标签的推荐系统、基于社交网络数据的推荐系统、基于上下文信息的推荐系统...... 4、实现协同过滤的步骤 ①收集用户偏好数据 ，基于邻域的推荐算法又分为基于物品推荐算法和基于用户推荐算法。 实现基于邻域的算法思路举例： 推荐数据准备：用户id、物品id、偏好值 --- 把数据看成空间中的向量 (1)建立物品的同现矩阵 (2)建立用户对物品的评分矩阵 (3)矩阵计算推荐结果 ---
95130发布于 2021-04-13 - 来自专栏DeepHub IMBA
2022 年 2 月 arXiv 论文推荐
Meta 的新型超级计算机——AI Research SUperCLuster 的发布是为了满足大型机器学习模型日益苛刻的计算需求。再次证明，增长模型的趋势远未结束。 PyTorch 已经 5 岁了！ 只需更换数据加载器，然后…… 本篇文章选择了 10 篇论文，这些论文展示了各种 AI 子领域的关键发展：自动强化学习 (AutoRL)、多模态语言模型 (LM)、计算机视觉 (CV) 中的ConvNets 最近在强化学习和语言模型的交叉点上可能有趣的另一篇论文是Language Models as Zero-Shot Planners: Extracting Actionable Knowledge for Embodied Agents. 2、 多模态一直是 AI 中一个快速发展的子领域，尤其是自从巨大的 Transformer 出现以来。 10、DeepSpeed-MoE: Advancing Mixture-of-Experts Inference and Training to Power Next-Generation AI Scale
79140编辑于 2022-03-12 - 来自专栏DrugOne
IJCAI 2021 医药AI必读论文推荐
AMA-GCN: Adaptive Multi-layer Aggregation Graph Convolutional Network for Disease Prediction
98450发布于 2021-08-24 - 来自专栏AI研习社
AI研习社本周论文推荐精选
「本周论文精选」是 AI 研习社论文板块（paper.yanxishe.com）推出的全新栏目，展现社友们在研习论文的过程中，推荐自己所阅读到的优秀论文，帮助大家一起学习、讨论每个领域最新、最精彩的学术论文 ① #卷积神经网络# 【中科院】重新审视卷积神经网络的通道数 推荐理由：此前已有EfficientNet[1]等工作使用神经架构搜索(NAS)方法对卷积神经网络(CNN)的整体规模（深度，宽度，分辨率 秋夕（南华大学物联网工程，推荐于ICCV顶会交流小组，ICCV 2019顶会赞助计划参与者） ③ #目标检测# 精确目标检测的不确定边界框回归 推荐理由：大规模的目标检测数据集(例如MS-COCO)在进行 论文链接：https://arxiv.org/abs/1904.08479 推荐人：志浩（中国石油大学(华东) 机械工程，推荐于ICCV顶会交流小组，ICCV 2019顶会赞助计划参与者） ⑤ #深度学习 论文链接：https://arxiv.org/abs/1908.10920 推荐人：杨晓凡（论文研习社首席论文推荐官） ✎✎✎ 除了上述的的五篇精选论文推荐，我们还为你精心准备了可以一键下载的论文集：
60220发布于 2019-09-17 - 来自专栏程序大视界
2026推荐这些好用的AI工具
二、AI的发展史简介 AI从最初的40、50年代的神经元数学模型模拟人脑神经活动，也即神经网络和深度学习的源头，到后来的机器学习、语音识别、推荐算法、搜索等，再到最近的深度学习革命（AlphaGo阿尔法围棋战胜人类世界围棋冠军 https://openai.com/zh-Hans-CN/index/introducing-gpt-5-2/ 2、Google Gemini 3 系列（Pro/Flash） 地位：第二大流量，份额约 一站式AI创作平台，包含文生图、图生图、文生视频及图生视频等功能，2026年2月，平台接入视频生成模型Seedance2.0，支持图像、视频、音频、文本四种模态混合输入及15秒视频生成。 https://jimeng.jianying.com/ai-tool/home 2、Nano Banana Pro Google于2025年11月发布的专业级AI图像生成与编辑平台，底层基于Gemini https://ima.qq.com/ 2、NotebookLM Google推出的专业AI研究助理，基于Gemini引擎，主打严格溯源的RAG问答与深度文献分析，是学术研究、报告撰写和知识深挖的利器。
1.7K21编辑于 2026-03-25 - 来自专栏区块链入门
重磅推荐：AI芯片产业生态梳理
面向于各大人工智能企业及实验室研发阶段的Training需求(主要是云端，设备端Training需求尚不明确)； 2. 目前Google并不直接出售TPU芯片，而是结合其开源深度学习框架TensorFlow为AI开发者提供TPU云加速的服务，以此发展TPU2的应用和生态，比如TPU2同时发布的TensorFlow Research CPU采用了六核心设计，由2个高性能核心与4个高能效核心组成。 2）自动驾驶 NVIDIA去年发布自动驾驶开发平台DRIVE PX2，基于16nm FinFET工艺，功耗高达250W，采用水冷散热设计；支持12路摄像头输入、激光定位、雷达和超声波传感器；CPU采用两颗新一代 NovuMind的第一个AI芯片(原型)预计会在17年圣诞节前推出。到明年2月份应用程序准备就绪，并能够在该芯片上实现耗能不超过5瓦进行15万亿次浮点运算。
1.5K40发布于 2018-08-10 - 来自专栏java学习java
2023腾讯云AI工具推荐集合
问答式AI工具：腾讯混元大模型 腾讯混元大模型（Tencent Hunyuan）是由腾讯研发的大语言模型，具备强大的中文创作能力，复杂语境下的逻辑推理能力，以及可靠的任务执行能力。 就是说，着重减少由AI模型生成了不属于现实世界的内容（即捏造的虚拟信息），而通过在预训练阶段中运用“探真”算法进行事实修正。 接下来，提取数字 2 并将其添加到反转数字中，变成 32。最后，提取数字 1 并将其添加到反转数字中，变成 321。 绘画式工具：腾讯AI 绘画 AI 绘画（AI Art）是一款 AI 图像生成与编辑技术 API 服务，可以结合输入的文本或图片智能创作出与输入相关的图像内容，具有更强大的中文理解能力、更多样化的风格选择 官网地址：AI绘画_AI作画_AI图像创作-腾讯云 (tencent.com) 视频创作工具：智能创作 智能创作（Creativity Platform）是一站式创作管理运营内容中台，提供内容管理、内容审核
3K32编辑于 2023-12-24 - 来自专栏AI研习社
GitHub项目推荐 | Comma.ai发布无人驾驶数据集comma2k19
项目地址：https://github.com/commaai/comma2k19 comma.ai 发布了 comma2k19, 这是加利福尼亚280高速公路上超过33小时通勤的数据集。 comma2k19是一个完全可重现且可扩展的数据集。 数据采用comma EONs收集，其传感器类似于任何现代智能手机，包括道路相机，手机GPS，温度计和9轴IMU。 如果您在研究中使用comma2k19或Laika，请考虑引用。 数据集的1-2块是RAV4，其余的是civic。RAV4的dongle_id是b0c9d2329ad1606b, civic的dongle_id是99c94dc769b5d96e。 联系 有任何问题、疑虑或者建议，请联系harald@comma.ai 项目地址：https://github.com/commaai/comma2k19
1.8K40发布于 2018-12-28 - 来自专栏猫头虎博客专区
猫头虎推荐｜用 AI 控制硬件设备的 MCP 工具：MCP2MQTT开源项目
猫头虎推荐｜用 AI 控制硬件设备的 MCP 工具：MCP2MQTT开源项目 MCP2MQTT 是一款将物联网设备接入 AI 大模型的框架，它通过 Model Context Protocol（MCP） 上下文更新：mcp2mqtt 将设备状态转换成 MCP 格式，通过 MCP 客户端返回给 AI，大模型据此调整后续指令。 流程图如下： 三、项目愿景 mcp2mqtt 致力于打造“物理世界 ↔ AI 大模型”之间的无缝连接层： 用自然语言控制硬件：人类友好的指令接口。 INFO 响应：CMD INFO {设备信息} 6.2 错误响应 若执行失败，则返回： ERROR: {错误信息} 七、支持的客户端 客户端类型 特性支持 说明 Claude Desktop 完整支持 推荐 无论你是机器人爱好者、智能家居玩家，还是产品工程师，都能借助 mcp2mqtt 快速构建“AI+IoT”场景。 马上动手搭建你的第一个 AI 控制硬件系统吧！
90910编辑于 2025-07-22
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