- 综合排序
- 最热优先
- 最新优先
- 来自专栏hotarugaliの技术分享
AI论文学习资料汇总
视频讲解 跟李沐学AI：讲解的非常透彻明了。 2. 科研工具 ReadPaper：论文阅读神器！ AI-Paper-Search：AI 论文检索神器！ AI-research-tools：AI 科研工具大礼包！ AMiner：科技情报大数据挖掘与服务系统平台，可以提供订阅等功能，为广大科研人提供科研动态的实时追踪、个人科研信息流的定制化服务。 Conference-Accepted-Paper-List：AI 会议论文 Paper List 大汇总！ 3. 4.
73230编辑于 2023-02-02 AI进化论 —— LeNet 论文学习
4. 全连接层 —— 最后的决策大脑当经过几层卷积和池化操作后，图像中的特征已经被层层提取、不断压缩。这时，我们需要把这些零散的信息整合起来，做出最终的判断——这张图片到底代表哪个数字？ self.conv2 = nn.Conv2d(in_channels=6, out_channels=16, kernel_size=5) # 全连接层：16 个特征图（经过两次池化后尺寸缩小为 4x4 ）映射到 120 个神经元 self.fc1 = nn.Linear(16 * 4 * 4, 120) # 全连接层：120 映射到 84 self.fc2 = print(f'Epoch [{epoch+1}/{num_epochs}], Step [{i+1}/{len(train_loader)}], Loss: {running_loss/100:.4f
48100编辑于 2025-03-19- 来自专栏余生大大
一文学会使用neo4j
当前AI领域热门的计算机图像、语音识别甚至是NLP，其实都是AI的感知能力，真正AI的认知能力，就要靠知识图谱。 知识图谱目前的应用主要在搜索、智能问答、推荐系统等方面。 Neo4J简介 图形数据库也被称为图形数据库管理系统（GDBMS），现发展比较成熟的图数据库有Neo4j、OracleNoSQL、OrientDB、HypherGraphDB和GraphBase等 其中 在建立节点或关系时要求事先分组 数据浏览器：Neo4j自己的可视化界面，用于提供用户执行Cypher查询命令并查看输出文本和图形 Neo4J安装 在我之前的文章中使用linux安装了neo4j，可以借鉴 ：Linux在线安装一个Neo4j图数据库 Neo4J基础操作 Neo4J安装后已经提供了可视化页面，并且可以直接执行语句来操作数据和查看数据库关系即标签，可谓非常好用。 实战 我们接下来使用neo4j实现社交的关系模型 1.
1.6K51编辑于 2022-11-02 - 来自专栏Datawhale专栏
AI拿下艺术大奖，它离文学奖还有多远？
“源”创作的诗歌、小说、戏剧等艺术作品达到与文学家的作品“以假乱真”，以下哪一首为源（AI所做）： 1. 夜战桑乾北，秦兵半不归。朝来有乡信，犹自寄寒衣。 2. 战鼓催征千嶂寒，阴阳交会九皋盘。 因此“源”有能力一秒生成几十首生成极具文学美感的诗歌： 秋色无边月影新， 玉盘清辉照人频。 夜深忽动思乡念， 疑是嫦娥降广津。 从诗情画意的诗人，到“中年危机”的主人公 在NLP研究领域，人工智能专家一直不断探索着大模型文学创作的边界。 在先前大量尝试中，“源”已经多次证明了创作能力。 编辑（Edit），源大模型根据规划给出行动的结果，人可以对这一结果进行编辑，然后给出新的创意或规划； 4. 重复生成（Repeat），重新进行行动，直到得到满意的结果。 这或许就是未来人工智能对文学创作做出的最可能、也是最突出的贡献。 未来，AI作家、AI画家可能会非常常见，我们甚至会像喜欢一些别具风格的作家一样，追捧某个由独特数据集训练出来的AI作家。
60310编辑于 2022-10-31 - 来自专栏技术汇总专栏
借势AI系列：从技术到文化-AI生成文学的创新实战
本文将探讨AI在文学创作中的应用，分析其带来的创意挑战，以及由此引发的伦理问题。1. AI生成文学作品的现状近年来，利用深度学习和自然语言处理（NLP）技术，AI在生成文本方面取得了显著进展。 AI生成的内容可以是诗歌、短篇小说或其他文学形式，展现出丰富的创意。2. AI生成文学作品的创意挑战虽然AI在文学创作中展现出强大的能力，但也面临许多创意挑战。 3.3 偏见与伦理AI模型的训练数据可能包含社会偏见，生成的内容可能不自觉地反映出这些偏见。这引发了对AI生成内容的伦理审查与监管的需求。4. AI生成文学作品的未来展望在快速发展的技术背景下，AI生成的文学作品不仅是一个技术现象，更是一个文化现象。随着对AI创作的研究与讨论深入，未来的文学创作将如何演变？以下几个方面或将成为未来的重要趋势。 结合AI技术，这些平台可以生成更多个性化和多样化的内容，提升用户体验。8.4 文学教育中的应用AI生成文学作品的潜力也被应用于教育领域。
1.1K20编辑于 2024-10-20 - 来自专栏猿人工厂
猿思考系列4——一文学会java的斗转星移动
看完上一个章节，相信你已经掌握了一些思考的本领了。今天我们来聊一个新的话题。上一篇文章是一个简约的话题，希望简约而不简单。当然，如果觉得太浅了也请立刻告知猿人工厂君，可以考虑做一些调整来更好的帮助到你，另外真的很感谢大家的支持，和巨兽的斗争暂时进入僵持阶段，猿人工厂君已经说了，虽千万人，吾往矣。中间细节，猿人工厂君，会在方便的时候公开，程序猿鸭，且行且珍惜。
36710发布于 2020-07-28 - 来自专栏闪电gogogo的专栏
SAMP论文学习
SAMP：稀疏度自适应匹配追踪 实际应用中信号通常是可压缩的而不一定为稀疏的，而且稀疏信号的稀疏度我们通常也会不了解的。论文中提到过高或者过低估计了信号的稀疏度，都会对信号的重构造成影响。如果过低估计
1.5K120发布于 2018-04-02 - 来自专栏Jack-Cui
1小时1篇文学会用python进行AI修复！
上两天，「AI修复五四运动现场」热搜大家看到了吗？ 热搜1.8亿+阅读，5.1万+讨论。利用 AI 技术，修复五四运动现场。 AI修复 话题有些跑偏，我们回归正题： AI 修复。 这篇算是科普文了，介绍下「AI修复五四运动现场」用到了哪些 AI 技术。 这项技术，显然也可以应用在 AI 修复上，用来提高视频的帧率，带啦更加丝滑的视频浏览体验。 DAIN 可以扩展到常见的任何类型视频：电影、定格动画、 动画卡通等等。 总结 AI 修复，效果上仍然有所欠缺，比如有些场景颜色修复的不够自然，但发展空间很大，针对一些特定场景 finetune 一番，绝对能有提升。 总之，AI 可以做很多有意义的事情，尽情发挥吧~ 开工了，该收心了。
1.7K30编辑于 2022-01-08 - 来自专栏Opensource翻译专栏
帮助你开始学习天文学的4个 Python 工具【Programming（Python）】
天文学与 Python Python 是一种伟大的科学语言，尤其是天文学语言。 各种各样的软件包，如 NumPy、 SciPy、 Scikit-Image 和 Astropy (仅举几例) ，都是对 Python 适用于天文学的最好证明，并且有大量的用例。 自从10多年前离开天文学研究领域，开始第二份软件开发工作以来，我一直对这些软件包的演变很感兴趣。 我在天文学领域的许多前同事在他们的研究工作中使用了大部分(如果不是全部的话)这些软件包。 例如，我一直致力于为智利甚大望远镜(VLT)的仪器实现专业的天文学软件包。 4. 耐心一点。 可能需要一段时间才能理解数据格式以及如何处理它。 绘制一些像素数据图和直方图可以帮助您理解它。 坚持下去很值得！ 您将学到很多有关成像数据和处理的知识。
1.4K00发布于 2019-11-17 - 来自专栏全栈程序员必看
GoogLeNet论文学习笔记
大家好，又见面了，我是你们的朋友全栈君 GoogLeNet论文学习笔记 Abstract 提出一种叫做inception的卷积神经网络结构，基于inception构建的22层的深度网络（GoogLeNet 在拓扑图中可以看到，作者在inception (4a)和(4d)的上面分别放了一个更小的卷积网络，每个卷积网络都有一个分类器。 旁边额外的网络（包括辅助的分类器）的具体结构如下： filter大小为5×5、stride为3的average pooling，对于（4a）输出大小为4x4x512，对于（4d）输出为4x4x528 dropout层 softmax损失的线性分类器（与主分类器一样预测1000个类别，但预测时移除） Training Methodology 随机梯度下降，momentum为0.9，每8个epochs学习率衰减4%
41330编辑于 2022-09-21 - 来自专栏数据小冰
raft论文学习-safety
安全性 在raft论文学习-raft basics & leader election和raft论文学习-log replication文章中已经介绍了raft算法的领导人选举和日志复制，然而它们并不能充分的保证每个节点会按照相同的顺序执行相同的指令 这里在分析下为什么S5可以当选为leader节点，根据前一小节的约束，S5的term为3，S3和S4的term为1，所以当S3和S4收到S5的 requestVote RPC时，是满足S5的日志比S3和 S4新的，因为term较大，会投票给S5. 这里继续分析下为啥S1又又可以成为leader节点，因为它的term为4，比S2、S3、S4和S5的term都大，所以是满足前一小节约束条件的，可以成为leader节点。 对应到上图中的(e),在崩溃之前，如果S1在自己的任期(term=4)里复制了日志条目（term=4,index=3)到大多数节点上，然后这个日志条目就会被提交（S5不可能选举成功，因为它的日志没有S1
55110编辑于 2022-08-15 上下文学习的神奇魔法：轻松理解AI如何无师自通
这就是今天我们要聊的主角：「上下文学习（In-Context Learning）」。它让AI像那个聪明的实习生一样，看几个例子就能上手新工作。图1：传统训练 vs 上下文学习的对比 什么是上下文学习？ 你以为的AI学习 vs 实际的上下文学习「你以为的AI学习：」第一步：准备10万条训练数据第二步：训练模型72小时第三步：调参到崩溃第四步：终于学会了新任务「实际的上下文学习：」第一步：给AI看几个例子第二步 客服：[AI神奇地知道该怎么回复]这就是上下文学习的魔法！ 「输入-输出映射」：具体的对应关系即使你把第4点搞乱了，前3点依然在提供有用信息！ 客服：正常使用可续航一整天，支持快充30分钟充电80%=== 现在开始实战 ===客户：我买的耳机一个响一个不响AI客服：[神奇地给出专业回复]效果对比图4：上下文学习AI vs 传统规则客服的处理流程
22210编辑于 2025-08-13- 来自专栏深度学习与python
AI 的尽头在宇宙？AI 已帮助天文学家找到 22 颗“星星”
这场“AI+ 天文”的跨界合作始于 2021 年。时年 7 月，马化腾在去年的 WAIC 上透露，腾讯与国家天文台启动“探星计划”，用 AI+ 云寻找脉冲星，提高探星效率。 双方合作主要包括三个层面：（1）AI 辅助脉冲星搜索效率提升；（2）AI 辅助快速射电暴搜索；（3）AI 辅助近密双星系统中脉冲星搜索。 此外，信号图成像复杂，传统的图像处理和机器学习算法召回率低，加上跨界学习成本高，天文领域专家对 AI 模型的设计和使用不擅长，面临多种 AI 模型设计难点。 而“云 +AI”可以很好地应对这些问题。 在汪铖杰看来，AI for Science 就是在探索 AI 未知能力的边界。 “探星计划”是腾讯优图实验室总负责人吴运声所提出“AI 普适化”愿景的重要实现环节之一，“AI 普适化”旨在让 AI 技术能够具备在各行各业里应用和落地的能力，且能够实实在在地为某一个行业带来实质性的变化
77510编辑于 2023-03-29 - 来自专栏全栈程序员必看
MixMatch论文学习笔记
与之前的方法不同，MixMatch同时对准了所有的属性，获得了如下好处： MixMatch在所有标准的图像基准上获得了SOTA的结果，并且在CIFAR-10上将错误率降低了4倍； 作者在消融实验中将展示 4. 损失函数 对于 χ ′ \chi’ χ′，计算标签和模型预测之间的交叉熵；对于 U ′ U’ U′，计算预测和猜测标签之间的 L 2 L_2 L2损失。
92320编辑于 2022-11-16 公众号智能体「落花雨文学助手」开发指南：让文学浸润日常
这款智能体，只为在你与文学之间架起一座轻桥，让文字记忆复苏，让文学之美融入日常。现在，就让我们用腾讯元器智能体平台，从零打造「落花雨文学助手」公众号智能体！ “文学核心素材库”。 最后总结「落花雨文学助手」专为公众号场景打造，聚焦文学内容补全、素材推荐、知识答疑三大核心需求，让公众号不仅是内容输出平台，更成为读者的文学互动伙伴。 如今，「落花雨文学助手」已正式接入公众号，当读者被某句文字触动、当运营者需要文学素材点缀推文时，它都能稳稳接住需求，让那些被遗忘的文学之美，重新浸润日常。 体验链接微信公众号 ： http://mmbiz.qpic.cn/sz_mmbiz_jpg/xXM6XLfibJv6bYmy8tnlGfSK5Y5t4mUOHz3ictgPtFkBDxDtsiahibgJyCAEYUVIlke1CbPNnAPDdd7trU4cSWckKQ
45940编辑于 2025-12-22- 来自专栏新智元
普林复旦打造AI历史助手，AI破圈人文学科
这一成果不仅填补了人文学科AI测试的空白，更为复杂史料处理与多模态理解建立了系统工具框架。 历史是关于时间中的人的科学。 究其原因，AI当前最缺乏的并非工具性能力，而是对人类智慧与文化的理解能力——这正是人文学科探究的核心。 在众多人文学科中，历史学因其海量的数据规模、多元的史料类型以及复杂的跨文化、跨时空特性，成为检验AI深度认知能力的理想试验场。 它们不仅为AI处理复杂历史问题提供了系统性基准与工具框架，也为评估和提升AI在人文学科中的能力开辟了新路径。 但通过HistBench的测试与HistAgent的尝试，至少拥有了一把探索历史的新钥匙，不仅是AI技术的发展，更是一次AI与人文学科共塑认知边界的尝试。
54710编辑于 2025-06-12 - 来自专栏数据小冰
raft论文学习-log replication
varint,1,opt,name=Type,enum=raftpb.EntryType" json:"Type"` // 日志数据 Data []byte `protobuf:"bytes,4, e和f是缺少日志和存在未提交的日志都有的情况，e缺少Index在[6,10]范围内的日志，多了Index为6和7的任期值为4的日志。
60520编辑于 2022-08-15 - 来自专栏测试学习之路
一文学会postman
4.批量执行接口请求 当我们在一个Collection中编写了很多的接口测试用例，想一起执行这批用例，在postman中是如何操作呢 ？
1.2K31编辑于 2022-03-07 - 来自专栏达达前端
图文学习前端Flex布局
#007AFF; margin: 10upx; } .item { width: 80upx; height: 80upx; background-color: #1CBBB4; .box-flex-justify-content-4 { display: flex; justify-content: space-between; } 如图效果： ? image .box-flex-align-items-4 { display: flex; align-items: baseline; } stretch（默认值）：如果项目未设置高度或设为
1.9K10发布于 2021-01-13 - 来自专栏AI智能体从入门到实践
构建AI智能体：AI古典文学：基于LoRA微调本地大模型打造唐诗生成器
今天我们做个有趣的交融，让古老智慧与现代技术的完美融合，尝试着体验一下参数微调技术邂逅古典文学创作的微妙之旅。 通过LoRA微调技术，让AI模型不仅能够理解唐诗的韵律之美，更能创作出符合古典格律的完全原创作品。 下面将深入探讨基于LoRA技术的唐诗生成模型的构建过程，从技术初衷到实现细节，从数据构建到训练优化，全面解析这一融合传统文学与现代技术的创新实践。 AI诗歌创作可复现性：确保示例代码能够在各种环境顺利运行模型能力匹配度，0.5B参数规模恰好能够：学习唐诗的基本创作规律掌握常用的古典词汇和意象保持一定的创作多样性避免过度复杂导致的训练困难其他版本可供选择参考 4.
62523编辑于 2026-01-05
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