人工智能

1. 首页
2. IT互联网
3. 人工智能

【用ChatGPT学编程】——如何让AI帮你写代码注释和Debug？

🎁个人主页：User_芊芊君子 🎉欢迎大家点赞👍评论📝收藏⭐文章 🔍系列专栏：AI 【前言】 在软件开发的道路上，编写清晰的代码注释和高效Debug是每位开发者的必修课。随着人工智能技术的发展，ChatGPT这类强大的语言模型为我们提供了新的学习和

人工智能 2025年04月24日 123 点赞 0 评论 2555 浏览

自编码器 AE（AutoEncoder）程序

原文链接 1.程序讲解 （1）香草编码器 在这种自编码器的最简单结构中，只有三个网络层，即只有一个隐藏层的神经网络。它的输入和输出是相同的，可通过使用Adam优化器和均方误差损失函数，来学习如何重构输入。 在这里，如果隐含层维数（64）小于输入维数（784），则称这个编码器是有损的。通过这个约束，来迫使神经网络来学习数据的压缩表征。 input_size = 784 hidden_size = 6

人工智能 2025年05月02日 36 点赞 0 评论 2698 浏览

跟着Nature Plants学作图：R语言ggplot2画分组折线图和置信区间

论文 The flying spider-monkey tree fern genome provides insights into fern evolution and arborescence #Sec44 数据下载链接

人工智能 2025年04月18日 149 点赞 0 评论 2719 浏览

深入剖析 AI 大模型的反向传播原理

深入剖析 AI 大模型的反向传播原理：从理论到源码实现 本人掘金号，欢迎点击关注：掘金号地址 本人公众号，欢迎点击关注：公众号地址 一、引言在当今人工智能领域，大型语言模型如 GPT - 3、BERT 等取得了令人瞩目的成果。这些模型在自然语言处理、图像识别等众多任务中展现出强大的能力。而在训练这些大模型的过

人工智能 2025年04月21日 131 点赞 0 评论 2959 浏览

从零开始强化学习（四）——策略梯度

四. 策略梯度(Policy Gradient) 4.1 期望奖励(Expected Reward) 在强化学习中有3个组成部分：演员(actor),环境(environment)和奖励函数(reward function) 演员就是一个网络，输入状态，输出动作 环境就是一个函数，输入状态和动作，输出状态。环境是基于规则的规则，是确定不变的 奖励是在某一个状态下采取某个动作能够获得的分数。环境是

人工智能 2025年05月01日 106 点赞 0 评论 3027 浏览

【读论文】AlexNet （ImageNet Classification with Deep Convolutional Neural Networks）

这是一片十年前的文章（2012年），让我们回到十年前来看看Alex小哥、Hinton大佬和他的小伙伴们是怎么设计神经网络的。 论文下载地址： 李沐老师的精读视频：

人工智能 2025年05月07日 57 点赞 0 评论 3047 浏览

人工智能与人类社会的复杂关系：挑战与应对

文章目录 摘要 引言 一、人工智能发展现状及其对人类社会的双重影响 二、人工智能对就业市场的影响 三、人口老龄化背景下的机遇与挑战 四、人工智能引发的社会不平等问题 五、人工智能的伦理与法律挑战 六、应对策略与未来展望 七、结论 摘要本文探讨了人工智能与人类社会的复杂关系，分析了人工智能发展带来的机遇与挑战。文章重点讨论了人工智能对就业市场的影响、人口老龄化

人工智能 2025年04月22日 40 点赞 0 评论 3167 浏览

技术演进中的抗拒与共生：全栈工程师视角看AI焦虑

        无论是想要学习人工智能当做主业营收，还是像我一样作为开发工程师但依然要了解这个颠覆开发的时代宠儿，都有必要了解、学习一下人工智能。        近期发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，入行门槛低，讲解极为丰富。        点击跳转：前言 – 人工智能教程目录技术

人工智能 2025年04月21日 111 点赞 0 评论 3307 浏览

Element-Plus-X：开箱即用的企业级 AI 组件库

Element-Plus-X：开箱即用的企业级 AI 组件库 Element-Plus-X 🚀 Vue3 + Element-Plus 开箱即用的企业级AI组件库前端解决方案 | Element-Plus-X 项目地址: 项目介绍在现代前端开发中&

人工智能 2025年04月22日 40 点赞 0 评论 3326 浏览

也许，这样理解K8s的Pod自动化扩缩容机制更容易

本文尝试以通俗的方式向读者介绍K8s的Pod的自动化横向扩缩容的领域模型。其实是以领域驱动设计（DDD）的思考方式来学习一项技术。希望能对读者帮助。 问题是什么 当要理解一个解决方案时，我们从问题域开始理解，会更容易。 比如存在一个场景：基于Pod的CPU使用率进行自动化扩容。当一个Pod的CPU使用率大于60%，并持续15秒时，我们就希望Pod的数量从10个扩到13个。 要实现这个场景，我们推断

人工智能 2025年04月26日 135 点赞 0 评论 3377 浏览