- 人工智能虚拟筛选技术在新材料发现中崭露头角，凭借高效筛选海量数据、精准预测性能、降低研发成本和拓展设计空间等优势，显著加速了新材料的探索进程。然而，该技术仍面临数据质量、模型解释性及泛化能力不足等挑战。尽管如此，其潜力巨大，未来有望推动材料科学的快速发展，为人类创造更多高性能新材料。 人工智能虚拟筛选技术在新材料发现中崭露头角，凭借高效筛选海量数据、精准预测性能、降低研发成本和拓展设计空间等优势，显著加速了新材料的探索进程。然而，该技术仍面临数据质量、模型解释性及泛化能力不足等挑战。尽管如此，其潜力巨大，未来有望推动材料科学的快速发展，为人类创造更多高性能新材料。
- 在科技迅猛发展的今天，新材料的探索成为突破各领域瓶颈的关键。传统合成路径犹如盲人摸象，耗时且低效。人工智能（AI）凭借强大的数据分析和智能算法，为新材料合成开辟新航道。通过机器学习、深度学习及虚拟筛选技术，AI能精准预测合成条件，大幅提高成功率和效率。尽管面临数据质量和泛化能力等挑战，AI已展现出巨大潜力，将助力科研人员加速发现高性能新材料，推动能源、电子、生物医学等领域的发展，引领科技新时代。 在科技迅猛发展的今天，新材料的探索成为突破各领域瓶颈的关键。传统合成路径犹如盲人摸象，耗时且低效。人工智能（AI）凭借强大的数据分析和智能算法，为新材料合成开辟新航道。通过机器学习、深度学习及虚拟筛选技术，AI能精准预测合成条件，大幅提高成功率和效率。尽管面临数据质量和泛化能力等挑战，AI已展现出巨大潜力，将助力科研人员加速发现高性能新材料，推动能源、电子、生物医学等领域的发展，引领科技新时代。
- 在科技飞速发展的今天，新材料研发竞争激烈，人工智能（AI）以其强大的数据分析和算法能力，为分子结构设计带来革命性突破。传统方法耗时长、成功率低，而AI能快速处理海量数据，挖掘规律，构建精准模型，大幅缩短研发周期，提高成功率。无论是在药物研发还是工业材料领域，AI均展现出巨大潜力，如优化航空航天材料性能、设计新型碳纤维复合材料等。尽管面临数据质量和可解释性挑战，AI在新材料领域的前景依然广阔。 在科技飞速发展的今天，新材料研发竞争激烈，人工智能（AI）以其强大的数据分析和算法能力，为分子结构设计带来革命性突破。传统方法耗时长、成功率低，而AI能快速处理海量数据，挖掘规律，构建精准模型，大幅缩短研发周期，提高成功率。无论是在药物研发还是工业材料领域，AI均展现出巨大潜力，如优化航空航天材料性能、设计新型碳纤维复合材料等。尽管面临数据质量和可解释性挑战，AI在新材料领域的前景依然广阔。
- 机器学习的迅猛发展推动了图像识别技术的革新，改变了我们对图像数据的处理和理解方式。图像识别技术广泛应用于人脸识别、自动驾驶、医学影像分析等多个领域，为我们的生活和工作带来了巨大的便利。本文将详细介绍机器学习在图像识别中的应用，涵盖基础知识、模型构建、具体代码示例和实际应用场景。 机器学习与图像识别基础图像识别是通过计算机视觉技术，让计算机能够“看见”和“理解”图像内容的过程。机器学习，特别是... 机器学习的迅猛发展推动了图像识别技术的革新，改变了我们对图像数据的处理和理解方式。图像识别技术广泛应用于人脸识别、自动驾驶、医学影像分析等多个领域，为我们的生活和工作带来了巨大的便利。本文将详细介绍机器学习在图像识别中的应用，涵盖基础知识、模型构建、具体代码示例和实际应用场景。 机器学习与图像识别基础图像识别是通过计算机视觉技术，让计算机能够“看见”和“理解”图像内容的过程。机器学习，特别是...
- 一、前向传播（Forward Propagation）1. 定义与过程前向传播是神经网络进行预测或分类的基础过程。它从输入层开始，通过网络的每一层逐层计算每个神经元的输出，直到到达输出层并生成最终的预测结果。这个过程中，每一层的输入是上一层的输出，每一层的输出则是下一层的输入，如此逐层传递，直到输出层。如下图：2. 重要性预测与分类：在推理阶段，神经网络仅使用前向传播过程来生成预测结果。输... 一、前向传播（Forward Propagation）1. 定义与过程前向传播是神经网络进行预测或分类的基础过程。它从输入层开始，通过网络的每一层逐层计算每个神经元的输出，直到到达输出层并生成最终的预测结果。这个过程中，每一层的输入是上一层的输出，每一层的输出则是下一层的输入，如此逐层传递，直到输出层。如下图：2. 重要性预测与分类：在推理阶段，神经网络仅使用前向传播过程来生成预测结果。输...
- 在将深度学习模型部署到生产环境时，显存占用逐渐增大是一个常见问题。这不仅可能导致性能下降，还可能引发内存溢出错误，从而影响服务的稳定性和可用性。本文旨在探讨这一问题的成因，并提供一系列解决方案和优化策略，以显著降低模型推理时的显存占用。 一、问题成因分析在PyTorch中，显存累积通常源于以下几个方面：梯度计算：在推理过程中，如果未正确禁用梯度计算，PyTorch会默认保留梯度信息，从而占用... 在将深度学习模型部署到生产环境时，显存占用逐渐增大是一个常见问题。这不仅可能导致性能下降，还可能引发内存溢出错误，从而影响服务的稳定性和可用性。本文旨在探讨这一问题的成因，并提供一系列解决方案和优化策略，以显著降低模型推理时的显存占用。 一、问题成因分析在PyTorch中，显存累积通常源于以下几个方面：梯度计算：在推理过程中，如果未正确禁用梯度计算，PyTorch会默认保留梯度信息，从而占用...
- @[toc] 摘要尽管Transformer最初是为自然语言处理引入的，但它现在已经被广泛用作计算机视觉中的通用主干结构。最近，长短期记忆（LSTM）已被扩展为一种可扩展且性能优越的架构——xLSTM，它通过指数门控和可并行化的矩阵内存结构克服了LSTM长期以来存在的限制。在本报告中，我们介绍了Vision-LSTM（ViL），它是将xLSTM构建块应用于计算机视觉的一种适配。ViL由一系列... @[toc] 摘要尽管Transformer最初是为自然语言处理引入的，但它现在已经被广泛用作计算机视觉中的通用主干结构。最近，长短期记忆（LSTM）已被扩展为一种可扩展且性能优越的架构——xLSTM，它通过指数门控和可并行化的矩阵内存结构克服了LSTM长期以来存在的限制。在本报告中，我们介绍了Vision-LSTM（ViL），它是将xLSTM构建块应用于计算机视觉的一种适配。ViL由一系列...
- 机器学习算法在容量规划中的应用：智能化资源管理的未来 机器学习算法在容量规划中的应用：智能化资源管理的未来
- 在数字化时代，情感分析是提取文本数据价值的关键技术。本文探讨了Java在这一领域的应用，涵盖自然语言处理工具（如Apache OpenNLP、Stanford NLP）、机器学习方法（如朴素贝叶斯、SVM）及深度学习框架（如TensorFlow、Deeplearning4j）。通过这些技术和工具，Java能够高效处理情感分析任务，广泛应用于社交媒体监测、客户反馈分析等场景。 在数字化时代，情感分析是提取文本数据价值的关键技术。本文探讨了Java在这一领域的应用，涵盖自然语言处理工具（如Apache OpenNLP、Stanford NLP）、机器学习方法（如朴素贝叶斯、SVM）及深度学习框架（如TensorFlow、Deeplearning4j）。通过这些技术和工具，Java能够高效处理情感分析任务，广泛应用于社交媒体监测、客户反馈分析等场景。
- 本文探讨了Apache Spark MLlib与Java结合的最佳实践，涵盖基础认知、数据预处理、模型选择与构建、训练调优及部署应用。Spark以其分布式计算能力著称，MLlib提供丰富的机器学习算法，Java则拥有成熟生态。两者结合可高效处理大规模数据集，构建灵活的机器学习应用。通过RDD和DataFrame API进行数据操作，利用特征工程工具优化数据，选择合适的分类、回归或聚类模型。 本文探讨了Apache Spark MLlib与Java结合的最佳实践，涵盖基础认知、数据预处理、模型选择与构建、训练调优及部署应用。Spark以其分布式计算能力著称，MLlib提供丰富的机器学习算法，Java则拥有成熟生态。两者结合可高效处理大规模数据集，构建灵活的机器学习应用。通过RDD和DataFrame API进行数据操作，利用特征工程工具优化数据，选择合适的分类、回归或聚类模型。
- 在当今科技飞速发展的时代，深度学习无疑是人工智能领域的一颗璀璨明珠。Java 与 Deeplearning4j 框架的结合，为开发者开辟了深度学习的新路径。本文深入探讨如何在 Java 中高效使用 Deeplearning4j 进行模型训练，涵盖框架概述、数据准备、模型构建、训练及评估调优等环节，助力开发者构建高性能的深度学习应用。 在当今科技飞速发展的时代，深度学习无疑是人工智能领域的一颗璀璨明珠。Java 与 Deeplearning4j 框架的结合，为开发者开辟了深度学习的新路径。本文深入探讨如何在 Java 中高效使用 Deeplearning4j 进行模型训练，涵盖框架概述、数据准备、模型构建、训练及评估调优等环节，助力开发者构建高性能的深度学习应用。
- 在人工智能蓬勃发展的今天，深度学习模型的规模和复杂度不断增加，导致存储需求大、计算资源消耗过多及推理速度受限等问题。为此，模型压缩（如剪枝、低秩分解）和量化技术应运而生，通过减少参数数量或降低精度，在不显著影响性能的前提下，优化存储和计算效率。Python 作为主流编程语言，在这些技术的实现与优化中发挥重要作用，借助 TensorFlow 和 PyTorch 等框架。 在人工智能蓬勃发展的今天，深度学习模型的规模和复杂度不断增加，导致存储需求大、计算资源消耗过多及推理速度受限等问题。为此，模型压缩（如剪枝、低秩分解）和量化技术应运而生，通过减少参数数量或降低精度，在不显著影响性能的前提下，优化存储和计算效率。Python 作为主流编程语言，在这些技术的实现与优化中发挥重要作用，借助 TensorFlow 和 PyTorch 等框架。
- 在人工智能蓬勃发展的今天，Python 作为其得力助手，凭借简洁语法和丰富库，成为非计算机专业人员适应时代、拓展职业的关键。学习 Python 需明确目标，夯实基础，掌握 NumPy、Pandas 等库的应用，并通过项目实战积累经验。持续学习与交流，紧跟技术动态，助力职业发展，在人工智能时代乘风破浪。 在人工智能蓬勃发展的今天，Python 作为其得力助手，凭借简洁语法和丰富库，成为非计算机专业人员适应时代、拓展职业的关键。学习 Python 需明确目标，夯实基础，掌握 NumPy、Pandas 等库的应用，并通过项目实战积累经验。持续学习与交流，紧跟技术动态，助力职业发展，在人工智能时代乘风破浪。
- 引言对象检测是计算机视觉领域中的一项基础任务，目标是在图像或视频帧中识别和定位感兴趣的对象。随着深度学习技术的发展，对象检测的准确性和效率都有了显著提升。本文将详细介绍如何使用深度学习进行对象检测，并提供一个实践案例。 环境准备在开始之前，请确保你的环境中安装了以下工具：Python 3.xTensorFlow 2.x 或 PyTorchOpenCV（用于图像处理）Matplotlib（用... 引言对象检测是计算机视觉领域中的一项基础任务，目标是在图像或视频帧中识别和定位感兴趣的对象。随着深度学习技术的发展，对象检测的准确性和效率都有了显著提升。本文将详细介绍如何使用深度学习进行对象检测，并提供一个实践案例。 环境准备在开始之前，请确保你的环境中安装了以下工具：Python 3.xTensorFlow 2.x 或 PyTorchOpenCV（用于图像处理）Matplotlib（用...
- 深度学习在文本情感分析中的应用 深度学习在文本情感分析中的应用
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 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签