人工智能

训练深度学习模型的技巧

最核心的技巧:数据集足够大且标记良好,就可以在不更改模型或训练设置的情况下获得良好的结果 但是,获得大量标记良好的数据集是有很高成本的,当数据集达不到上述要求时,可以遵循下面的技巧。 第一:先使用默认设置获得一个基准性能(baseline performance),找出需要改进的地方。借助wandb/tensorboard等工具,查看:train losses, val losses, mAP,P

当 AI 开始 “自主上班”:智能体如何成为你的数字同事?

【前言】 当 AI 不再只是 “回答问题”,而是能像同事一样 “自主上班”—— 智能体正在重构我们的工作与生活。从 “问答工具” 到“代理执行者”,它如何思考、行动?又将重塑哪些领域?这篇内容会拆解智能体的逻辑、技术与应用,带你看懂这个正在到来的新物种。 文章目录: 一、开篇:当AI开

13.python上下文管理器详解

使用上下文管理器,可以让代码更加优雅简洁。当然,上下文的管理器的作用不止于此,它内部的实现机制,能很好的处理代码异常,提升代码的复用性 1、先看看最简单的例子,with语句 # 创建一个文件写入字符串“Python” f = open('123.txt', 'w') f.write("python") f.close() # 使用with语句调用上下文实现文件写入操作 with open(

实战测试:多模态AI在文档解析、图表分析中的准确率对比

实战测试:多模态AI在文档解析、图表分析中的准确率对比 🌟 Hello,我是摘星! 🌈 在彩虹般绚烂的技术栈中,我是那个永不停歇的色彩收集者。 🦋 每一个优化都是我培育的花朵,每一个特性都是我放飞的蝴蝶。 🔬 每一次代码审查都是我的显微镜观察,每一

埃隆马斯克X-AI发布Grok-2大模型,快来体验~

引言近年来,人工智能技术的快速发展推动了大语言模型的广泛应用。无论是日常生活中的智能助手,还是行业中的自动化解决方案,大语言模型都扮演着越来越重要的角色。2024年,X-AI推出了新一代的大模型——Grok-2,这款模型因其卓越的性能和多样化的应用场景而备受瞩目。本篇博客将带您深入了解Grok-2的技术特点和实际使用方法&#x

DDD碎片记录 01.落地到数据库设计

系统用例设计,分析系统需要完成的功能。 分析系统的业务实体,在领域模型分析中采用类图的形式,每个类可以通过其属性来表述数据结构,又可以通过添加方法来描述对数据结构的处理。 因此在领域模型的设计过程中,即完成了对数据结构的梳理,也确定了系统对这些数据结构的处理。 该过程的核心是领域模型的设计,这样可以知道系统的数据库模型设计与程序设计 数据库设计会弱化成领域对象持久化设计的一种实现方式。 什么叫领域

AI大模型40年发展历程与未来统一趋势研究

1. AI 大模型发展研究背景与目标 1.1 研究范围界定(1986-2026 年)本研究聚焦于 1986 年至 2026 年这四十年间人工智能大模型的发展历程。选择 1986 年作为起点,是因为这一年 David Rumelhart、Geoffrey Hinton 和 Ronald Williams 在《Nature》杂志上发表了关于反向传播算法的里程

LinkedList 源码深度分析(基于 JDK 8)

LinkedList 源码深度分析(基于 JDK 8)LinkedList 是 Java 集合框架中基于双向链表实现的容器类,同时实现了 List 和 Deque 接口,兼具列表(随机访问元素)和双端队列(首尾操作)的特性。其核心优势是首尾 / 中间插入删除效率高,缺点是随

当人人都会用AI,你靠什么脱颖而出?

文章目录 一、引言:AI时代,你真的准备好了吗? 二、脉向AI:连接AI与普通人的桥梁 2.1 什么是脉向AI? 2.2 脉向AI的合作生态 2.3 为什么你需要关注脉向AI? 三、本期重磅:《小Ni会客厅×AI熊厂长》深度对话 3.1 访谈背景 3.2 核心观点一&#xf