- 1.算法运行效果图预览(完整程序运行后无水印) 2.算法运行软件版本程序运行配置环境： 人工智能算法python程序运行环境安装步骤整理-CSDN博客3.部分核心程序（完整版代码包含详细中文注释和操作步骤视频）#需要安装如下几个组件#PyQt5#mediapipe#numpy#opencv-python#cv2#matplotlib................................ 1.算法运行效果图预览(完整程序运行后无水印) 2.算法运行软件版本程序运行配置环境： 人工智能算法python程序运行环境安装步骤整理-CSDN博客3.部分核心程序（完整版代码包含详细中文注释和操作步骤视频）#需要安装如下几个组件#PyQt5#mediapipe#numpy#opencv-python#cv2#matplotlib................................
- 服务器会“生病”？聊聊深度学习咋当系统“老中医” 服务器会“生病”？聊聊深度学习咋当系统“老中医”
- 边缘设备硬件资源差异显著，运行深度学习模型时算子优化面临诸多挑战。传统手动优化耗时费力且易出错，难以适应日益复杂的模型需求。Apache TVM作为开源深度学习编译器栈，通过中间表示（IR）层实现框架与硬件的高效对接，并提供稳定优化平台。 边缘设备硬件资源差异显著，运行深度学习模型时算子优化面临诸多挑战。传统手动优化耗时费力且易出错，难以适应日益复杂的模型需求。Apache TVM作为开源深度学习编译器栈，通过中间表示（IR）层实现框架与硬件的高效对接，并提供稳定优化平台。
- 在大模型训练中，CPU、GPU和AI芯片各司其职：CPU擅长逻辑控制，GPU专攻并行计算，AI芯片则针对特定AI任务优化。然而，实现三者的高效协同面临诸多挑战，如任务分配、通信延迟及资源管理等问题。通过动态任务分配、通信优化与资源调整等策略，可提升训练效率。未来，随着硬件进步和算法智能化，异构计算协同调度将更加高效，并结合云计算、边缘计算等技术拓展应用范围，推动人工智能技术发展。 在大模型训练中，CPU、GPU和AI芯片各司其职：CPU擅长逻辑控制，GPU专攻并行计算，AI芯片则针对特定AI任务优化。然而，实现三者的高效协同面临诸多挑战，如任务分配、通信延迟及资源管理等问题。通过动态任务分配、通信优化与资源调整等策略，可提升训练效率。未来，随着硬件进步和算法智能化，异构计算协同调度将更加高效，并结合云计算、边缘计算等技术拓展应用范围，推动人工智能技术发展。
- 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
- 在人工智能（AI）快速发展的今天，**机器学习（Machine Learning, ML）、深度学习（Deep Learning, DL）与神经网络（Neural Network）已成为推动技术突破的核心引擎，而自然语言处理（Natural Language Processing, NLP）**则成为这些技术最引人注目的应用领域之一。本文将深入探讨这些技术的内在逻辑、协同作用，以及它们如何共... 在人工智能（AI）快速发展的今天，**机器学习（Machine Learning, ML）、深度学习（Deep Learning, DL）与神经网络（Neural Network）已成为推动技术突破的核心引擎，而自然语言处理（Natural Language Processing, NLP）**则成为这些技术最引人注目的应用领域之一。本文将深入探讨这些技术的内在逻辑、协同作用，以及它们如何共...
- ONNX Runtime 是一个跨平台高性能推理引擎，可运行不同框架转为 ONNX 格式的模型，通过深度分析与优化计算图提升效率。在 Windows ARM 设备上，它针对硬件特性优化，结合微软 DirectML API，充分利用 GPU 并行计算能力加速 AI 推理。 ONNX Runtime 是一个跨平台高性能推理引擎，可运行不同框架转为 ONNX 格式的模型，通过深度分析与优化计算图提升效率。在 Windows ARM 设备上，它针对硬件特性优化，结合微软 DirectML API，充分利用 GPU 并行计算能力加速 AI 推理。
- Java 人工智能应用：使用 DL4J 实现深度学习算法在当今数字化时代，人工智能技术正以前所未有的速度改变着各个行业的发展格局。而 Java 作为一种广泛应用于企业级开发的编程语言，在人工智能领域也发挥着越来越重要的作用。其中，深度学习作为人工智能的核心技术之一，为解决复杂问题提供了强大的能力。本篇文章将深入探讨如何使用 Java 深度学习库 DL4J（Deeplearning4j）实现... Java 人工智能应用：使用 DL4J 实现深度学习算法在当今数字化时代，人工智能技术正以前所未有的速度改变着各个行业的发展格局。而 Java 作为一种广泛应用于企业级开发的编程语言，在人工智能领域也发挥着越来越重要的作用。其中，深度学习作为人工智能的核心技术之一，为解决复杂问题提供了强大的能力。本篇文章将深入探讨如何使用 Java 深度学习库 DL4J（Deeplearning4j）实现...
- 引言近期，抖音上线了安全与信任中心，不仅对平台的日常治理机制进行了详细披露，更首次公开了其核心竞争力——推荐系统的运作原理。作为帮助抖音在短视频激烈竞争中脱颖而出的"杀手锏"，这套算法一直备受关注却鲜少揭秘。今天，就让我用大白话带您一探这个让数亿用户"刷不停"的技术奥秘，看看它如何在海量内容中精准找到让您心动的那一条视频。 推荐算法是什么？在了解抖音的推荐算法原理之前，我们先来认识下推荐算... 引言近期，抖音上线了安全与信任中心，不仅对平台的日常治理机制进行了详细披露，更首次公开了其核心竞争力——推荐系统的运作原理。作为帮助抖音在短视频激烈竞争中脱颖而出的"杀手锏"，这套算法一直备受关注却鲜少揭秘。今天，就让我用大白话带您一探这个让数亿用户"刷不停"的技术奥秘，看看它如何在海量内容中精准找到让您心动的那一条视频。 推荐算法是什么？在了解抖音的推荐算法原理之前，我们先来认识下推荐算...
- YOLO与Transformer的结合通过引入全局建模能力和多尺度特征交互机制，有效缓解了CNN的局部感受野限制，同时通过架构优化和注意力机制改进降低了对大规模数据预训练的依赖。以下是具体分析：一、YOLO与Transformer结合的核心方法1. 骨干网络（Backbone）替换Swin Transformer替代CNN：如YOLOv... YOLO与Transformer的结合通过引入全局建模能力和多尺度特征交互机制，有效缓解了CNN的局部感受野限制，同时通过架构优化和注意力机制改进降低了对大规模数据预训练的依赖。以下是具体分析：一、YOLO与Transformer结合的核心方法1. 骨干网络（Backbone）替换Swin Transformer替代CNN：如YOLOv...
- 引言在数字化时代，音乐已成为人们生活中不可或缺的一部分。随着音乐流媒体平台的兴起，如何在海量的音乐库中为用户提供个性化的音乐推荐，提升用户体验，已成为一个重要的研究方向。传统的推荐算法在处理大规模数据和复杂用户偏好时，存在一定的局限性。近年来，深度学习的快速发展为构建智能化的音乐推荐系统提供了新的思路。本文将详细介绍如何基于深度学习技术，构建一个个性化的音乐推荐系统。我们将从数据收集、模型... 引言在数字化时代，音乐已成为人们生活中不可或缺的一部分。随着音乐流媒体平台的兴起，如何在海量的音乐库中为用户提供个性化的音乐推荐，提升用户体验，已成为一个重要的研究方向。传统的推荐算法在处理大规模数据和复杂用户偏好时，存在一定的局限性。近年来，深度学习的快速发展为构建智能化的音乐推荐系统提供了新的思路。本文将详细介绍如何基于深度学习技术，构建一个个性化的音乐推荐系统。我们将从数据收集、模型...
- 运维老司机的福音——深度学习如何革新运维知识管理？ 运维老司机的福音——深度学习如何革新运维知识管理？
- 本文主要介绍了如何在昇腾上，使用pytorch对经典的图神经网络GCN在论文引用Cora数据集上进行分类训练的实战讲解。内容包括GCN背景介绍、模型特点介绍、GCN网络架构剖析与GCN网络模型代码实战分析等等。本文的目录结构安排如下所示：GCN网络背景介绍模型特点介绍GCN网络架构剖析GCN网络用于Cora数据集分类实战 GCN网络背景介绍多层感知机、卷积神经网络、循环神经网络和自编码器等深... 本文主要介绍了如何在昇腾上，使用pytorch对经典的图神经网络GCN在论文引用Cora数据集上进行分类训练的实战讲解。内容包括GCN背景介绍、模型特点介绍、GCN网络架构剖析与GCN网络模型代码实战分析等等。本文的目录结构安排如下所示：GCN网络背景介绍模型特点介绍GCN网络架构剖析GCN网络用于Cora数据集分类实战 GCN网络背景介绍多层感知机、卷积神经网络、循环神经网络和自编码器等深...
- 模型并行之Embedding表Embedding在推荐模型中承担着将用户、物品及上下文信息映射为低维稠密向量的核心任务，通过捕捉潜在语义关联和协同过滤信号，为推荐系统提供可计算的特征表达基础。其向量化表征能力不仅解决了高维稀疏数据难以直接建模的问题，更能通过隐式关系挖掘支撑用户兴趣建模和相似度计算，这种稠密向量空间的连续性特征为后续针对不同行为序列、场景维度或兴趣簇的Embedding切片... 模型并行之Embedding表Embedding在推荐模型中承担着将用户、物品及上下文信息映射为低维稠密向量的核心任务，通过捕捉潜在语义关联和协同过滤信号，为推荐系统提供可计算的特征表达基础。其向量化表征能力不仅解决了高维稀疏数据难以直接建模的问题，更能通过隐式关系挖掘支撑用户兴趣建模和相似度计算，这种稠密向量空间的连续性特征为后续针对不同行为序列、场景维度或兴趣簇的Embedding切片...
- PyTorch 实现 Vggnet图像分类本实验主要介绍了如何在昇腾上，使用pytorch对经典的Vggnet模型在公开的CIFAR10数据集进行分类训练的实战讲解。内容包括Vggnet模型创新点介绍 、Vggnet网络架构剖析 与Vgg网络模型代码实战分析等等。本实验的目录结构安排如下所示：Vggnet网络模型创新点介绍Vggnet的网络架构剖析Vggnet网络模型代码实现分析Vggne... PyTorch 实现 Vggnet图像分类本实验主要介绍了如何在昇腾上，使用pytorch对经典的Vggnet模型在公开的CIFAR10数据集进行分类训练的实战讲解。内容包括Vggnet模型创新点介绍 、Vggnet网络架构剖析 与Vgg网络模型代码实战分析等等。本实验的目录结构安排如下所示：Vggnet网络模型创新点介绍Vggnet的网络架构剖析Vggnet网络模型代码实现分析Vggne...
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