- 在人工智能的广阔领域中，深度神经网络（Deep Neural Networks, DNNs）、卷积神经网络（Convolutional Neural Networks, CNNs）和循环神经网络（Recurrent Neural Networks, RNNs）是三大基石，它们各自在图像识别、自然语言处理等众多领域发挥着不可替代的作用。本文将深入探讨这三种神经网络的基本原理、结构特点及应用场... 在人工智能的广阔领域中，深度神经网络（Deep Neural Networks, DNNs）、卷积神经网络（Convolutional Neural Networks, CNNs）和循环神经网络（Recurrent Neural Networks, RNNs）是三大基石，它们各自在图像识别、自然语言处理等众多领域发挥着不可替代的作用。本文将深入探讨这三种神经网络的基本原理、结构特点及应用场...
- 在国产算力自主创新的浪潮中，华为昇腾构建了覆盖工具链、算力平台、模型开发到行业应用的完整生态，为不同技术基础的大学生提供了多元化就业路径。本文以能力为核心，打破学历壁垒，聚焦岗位所需技能、认证体系与成长路径，助你精准锚定职业方向。 在国产算力自主创新的浪潮中，华为昇腾构建了覆盖工具链、算力平台、模型开发到行业应用的完整生态，为不同技术基础的大学生提供了多元化就业路径。本文以能力为核心，打破学历壁垒，聚焦岗位所需技能、认证体系与成长路径，助你精准锚定职业方向。
- 一、引言在当今数字化飞速发展的时代，新零售模式正逐渐成为商业领域的主流。新零售强调以消费者为中心，通过整合线上线下资源，提供更加个性化、高效的购物体验。而实现个性化服务的关键在于深入了解消费者，构建精准的用户画像。用户画像是一种通过收集和分析用户的各种行为数据，将用户的特征、偏好、需求等信息进行抽象和概括的工具。基于深度学习的方法能够处理海量、复杂的用户数据，挖掘出其中隐藏的模式和规律，从而... 一、引言在当今数字化飞速发展的时代，新零售模式正逐渐成为商业领域的主流。新零售强调以消费者为中心，通过整合线上线下资源，提供更加个性化、高效的购物体验。而实现个性化服务的关键在于深入了解消费者，构建精准的用户画像。用户画像是一种通过收集和分析用户的各种行为数据，将用户的特征、偏好、需求等信息进行抽象和概括的工具。基于深度学习的方法能够处理海量、复杂的用户数据，挖掘出其中隐藏的模式和规律，从而...
- 一、引言在新零售行业，库存管理是一个至关重要的环节。缺货不仅会导致销售机会的流失，还会影响顾客的满意度和忠诚度。传统的补货算法往往难以应对复杂多变的市场需求，而随着人工智能技术的发展，AI智能补货算法逐渐成为解决这一问题的有效手段。本文将介绍如何将运筹学与深度学习相结合，对AI智能补货算法进行升级，以降低新零售企业的缺货率。二、业务痛点剖析2.1 传统补货策略的失效传统的补货算法主要基于历史... 一、引言在新零售行业，库存管理是一个至关重要的环节。缺货不仅会导致销售机会的流失，还会影响顾客的满意度和忠诚度。传统的补货算法往往难以应对复杂多变的市场需求，而随着人工智能技术的发展，AI智能补货算法逐渐成为解决这一问题的有效手段。本文将介绍如何将运筹学与深度学习相结合，对AI智能补货算法进行升级，以降低新零售企业的缺货率。二、业务痛点剖析2.1 传统补货策略的失效传统的补货算法主要基于历史...
- 网管不再抓头发：深度学习教你提前发现网络事故 网管不再抓头发：深度学习教你提前发现网络事故
- 要求 目标 1.1 深度学习与机器学习的区别 学习目标 1.1.1 区别 1.1.1.1 特征提取方面 1.1.2 算法代表 深度学习的应用场景 1.2 深度学习框架介绍 1.2.2 TensorFlow的特点 深度学习介绍 2.1 TF数据流图 2.1.1 案例：TensorFlow实现一个加法运算 2.2 图与TensorBoard 2.2.1 什么是图结构 2.2.2 图 要求 目标 1.1 深度学习与机器学习的区别 学习目标 1.1.1 区别 1.1.1.1 特征提取方面 1.1.2 算法代表 深度学习的应用场景 1.2 深度学习框架介绍 1.2.2 TensorFlow的特点 深度学习介绍 2.1 TF数据流图 2.1.1 案例：TensorFlow实现一个加法运算 2.2 图与TensorBoard 2.2.1 什么是图结构 2.2.2 图
- 在职高新课-深度学习 要求 目标 环境要求 1.1 深度学习介绍 学习目标 1.1.1 区别 1.1.3 深度学习代表算法-神经网络 1.1.4 为什么深度学习现在效果非常好 深度学习与神经网络 1.2 神经网络基础 循环神经网络 4.2 词嵌入与NLP 4.3 seq2seq与Attention机制 5.1 生成对抗网络(GAN) 高级主题 5.2 自动编码器 5.3 Ca 在职高新课-深度学习 要求 目标 环境要求 1.1 深度学习介绍 学习目标 1.1.1 区别 1.1.3 深度学习代表算法-神经网络 1.1.4 为什么深度学习现在效果非常好 深度学习与神经网络 1.2 神经网络基础 循环神经网络 4.2 词嵌入与NLP 4.3 seq2seq与Attention机制 5.1 生成对抗网络(GAN) 高级主题 5.2 自动编码器 5.3 Ca
- 要求 目标 1.1 项目演示 学习目标 1.1 图像识别背景 1.2 什么是目标检测 1.2.1 目标检测定义 1.2.1.1 物体 1.3 目标检测应用场景 1.3.1 行业 1.3.2 应用类别 1.4 开发环境搭建 目标检测概述 3.1 目标检测任务描述 3.1.4 目标定位的简单实现 项目实现 4.9 Web Server + TensorFlow Serving C 要求 目标 1.1 项目演示 学习目标 1.1 图像识别背景 1.2 什么是目标检测 1.2.1 目标检测定义 1.2.1.1 物体 1.3 目标检测应用场景 1.3.1 行业 1.3.2 应用类别 1.4 开发环境搭建 目标检测概述 3.1 目标检测任务描述 3.1.4 目标定位的简单实现 项目实现 4.9 Web Server + TensorFlow Serving C
- 智能相册自动分类系统：基于图像聚类的跨设备同步方案引言随着智能手机和物联网设备的普及，用户在不同设备上拍摄的照片数量呈指数级增长。传统相册管理依赖手动分类，效率低下且难以适应多设备场景。本文提出一种基于图像聚类的跨设备同步智能相册系统，通过深度学习特征提取和聚类算法实现自动分类，并结合分布式同步机制解决多设备数据一致性问题。技术背景核心技术栈图像特征提取使用预训练的深度学习模型（如R... 智能相册自动分类系统：基于图像聚类的跨设备同步方案引言随着智能手机和物联网设备的普及，用户在不同设备上拍摄的照片数量呈指数级增长。传统相册管理依赖手动分类，效率低下且难以适应多设备场景。本文提出一种基于图像聚类的跨设备同步智能相册系统，通过深度学习特征提取和聚类算法实现自动分类，并结合分布式同步机制解决多设备数据一致性问题。技术背景核心技术栈图像特征提取使用预训练的深度学习模型（如R...
- 摘要Geneformer被广泛应用于疾病建模、治疗靶点发掘、基因网络预测与调控分析、基因功能预测与剂量敏感性分析、单细胞转录组数据集成与标准化、遗传变异解释与GWAS靶点优先排序。该案例既有算法原理，也有手把手的昇腾部署教学，包含细胞分类、基因分类、提取细胞嵌入图、细胞多分类的微调任务1 Geneformer介绍GeneFormer是一种基于 Transformer 架构的深度学习模型... 摘要Geneformer被广泛应用于疾病建模、治疗靶点发掘、基因网络预测与调控分析、基因功能预测与剂量敏感性分析、单细胞转录组数据集成与标准化、遗传变异解释与GWAS靶点优先排序。该案例既有算法原理，也有手把手的昇腾部署教学，包含细胞分类、基因分类、提取细胞嵌入图、细胞多分类的微调任务1 Geneformer介绍GeneFormer是一种基于 Transformer 架构的深度学习模型...
- Windows下编译OpenCV和OpenCV-contrib全指南引言OpenCV作为计算机视觉领域的核心库，其丰富的功能和高效的算法广泛应用于图像处理、目标检测、人脸识别等领域。然而，官方预编译版本可能缺失部分模块（如SIFT、SURF等专利算法），或需针对特定场景（如CUDA加速、Python绑定）进行定制。本文将详细讲解在Windows系统下从源码编译OpenCV及OpenCV-co... Windows下编译OpenCV和OpenCV-contrib全指南引言OpenCV作为计算机视觉领域的核心库，其丰富的功能和高效的算法广泛应用于图像处理、目标检测、人脸识别等领域。然而，官方预编译版本可能缺失部分模块（如SIFT、SURF等专利算法），或需针对特定场景（如CUDA加速、Python绑定）进行定制。本文将详细讲解在Windows系统下从源码编译OpenCV及OpenCV-co...
- 神经架构搜索（NAS）通过自动化探索设计空间和动态优化架构参数，显著提升了模型性能与计算效率。其核心机制与搜索空间设计对资源的影响可总结如下：一、NAS如何通过自动化设计优化模型性能？1. 搜索空间的结构化设计NAS通过预定义候选架构集合（搜索空间），将模型设计问题转化为数学优化问题。典型设计包括：模块化组件：如卷积层、注意力机制、残差连接等，... 神经架构搜索（NAS）通过自动化探索设计空间和动态优化架构参数，显著提升了模型性能与计算效率。其核心机制与搜索空间设计对资源的影响可总结如下：一、NAS如何通过自动化设计优化模型性能？1. 搜索空间的结构化设计NAS通过预定义候选架构集合（搜索空间），将模型设计问题转化为数学优化问题。典型设计包括：模块化组件：如卷积层、注意力机制、残差连接等，...
- Java与人工智能：自然语言处理与图像识别的Java应用人工智能（AI）已经成为当今科技领域的热门话题，而Java作为一门历史悠久、生态丰富的编程语言，在AI领域也发挥着重要作用。本文将重点探讨Java在自然语言处理（NLP）和图像识别两大AI核心领域的应用，并提供详细的代码示例。 一、Java在自然语言处理中的应用自然语言处理是AI的一个重要分支，它使计算机能够理解、解释和生成人类语言。... Java与人工智能：自然语言处理与图像识别的Java应用人工智能（AI）已经成为当今科技领域的热门话题，而Java作为一门历史悠久、生态丰富的编程语言，在AI领域也发挥着重要作用。本文将重点探讨Java在自然语言处理（NLP）和图像识别两大AI核心领域的应用，并提供详细的代码示例。 一、Java在自然语言处理中的应用自然语言处理是AI的一个重要分支，它使计算机能够理解、解释和生成人类语言。...
- 环境准备本次使用P100、CUDA10的ubuntu18.04环境： 第一部分：向量加法对比 CPU版本 (vector_add_cpu.c)#include <stdio.h>#include <stdlib.h>#include <time.h>#define N 1000000void vector_add_cpu(float *a, float *b, float *c) { ... 环境准备本次使用P100、CUDA10的ubuntu18.04环境： 第一部分：向量加法对比 CPU版本 (vector_add_cpu.c)#include <stdio.h>#include <stdlib.h>#include <time.h>#define N 1000000void vector_add_cpu(float *a, float *b, float *c) { ...
- 深度学习新篇章：openEuler撑起AI地基，你真的了解它吗？ 深度学习新篇章：openEuler撑起AI地基，你真的了解它吗？
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
苏州工业园区“华为云杯”2025人工智能应用创新大赛赛中直播2025/08/21 周四 16:00-17:00
Vz 华为云AIoT技术布道师
本期直播将与您一起探讨如何基于华为云IoT平台全场景云服务，结合AI、鸿蒙、大数据等技术，打造有创新性，有竞争力的方案和产品。
即将直播
热门标签