- Work Work
- 今天的内容比较干货，但是难吸收。作业都没有，说明实践很难。笔记如下：mysql8.0的select 语法结构：查询表达式、表对象、where过滤条件、order by / group by 、limit offset、window、having condition、Lock Clause、Union子查询出现在：表对象中-叫Derived table, 查询表达式-Scalar Operan... 今天的内容比较干货，但是难吸收。作业都没有，说明实践很难。笔记如下：mysql8.0的select 语法结构：查询表达式、表对象、where过滤条件、order by / group by 、limit offset、window、having condition、Lock Clause、Union子查询出现在：表对象中-叫Derived table, 查询表达式-Scalar Operan...
- 一、数据标注员是做什么的？首先谈谈什么是数据标注。数据标注有许多类型，如分类、画框、注释、标记等等，我们会在下面详谈。要理解数据标注，得先理解AI其实是部分替代人的认知功能。回想一下我们是如何学习的，例如我们学习认识苹果，那么就需要有人拿着一个苹果到你面前告诉你，这是一个苹果。然后以后你遇到了苹果，你才知道这玩意儿叫做“苹果”。类比机器学习，我们要教他认识一个苹果，你直接给它一张苹果的图片，... 一、数据标注员是做什么的？首先谈谈什么是数据标注。数据标注有许多类型，如分类、画框、注释、标记等等，我们会在下面详谈。要理解数据标注，得先理解AI其实是部分替代人的认知功能。回想一下我们是如何学习的，例如我们学习认识苹果，那么就需要有人拿着一个苹果到你面前告诉你，这是一个苹果。然后以后你遇到了苹果，你才知道这玩意儿叫做“苹果”。类比机器学习，我们要教他认识一个苹果，你直接给它一张苹果的图片，...
- 上篇博客通过Faster R-CNN梳理了两阶段目标检测算法的框架，这篇文章的目的是梳理一阶段目标检测算法框架。因为一阶段算法不像两阶段算法有一个清晰的发展脉络，所以笔者会介绍YOLO、SSD和RetinaNet三种代表性算法。不当之处尚请读者指正，谢谢。 上篇博客通过Faster R-CNN梳理了两阶段目标检测算法的框架，这篇文章的目的是梳理一阶段目标检测算法框架。因为一阶段算法不像两阶段算法有一个清晰的发展脉络，所以笔者会介绍YOLO、SSD和RetinaNet三种代表性算法。不当之处尚请读者指正，谢谢。
- 文章专门把embedding单独提出来，梳理和总结一下embedding在推荐系统中的应用，包括对深度学习方法和传统方法的分析。 文章专门把embedding单独提出来，梳理和总结一下embedding在推荐系统中的应用，包括对深度学习方法和传统方法的分析。
- hihttps是首款免费的MQTT物联网防火墙，同时也是一款web应用防火墙，既支持传统的WAF的OWASP特征工程检查（如SQL注入、XSS、恶意漏洞扫描、密码暴力破解、CC、DDOS等），也支持机器采集样本无监督学习，自主对抗，重新定义网络安全。今天笔者就从物联网MQTT协议安全的角度，介绍机器学习之样本采集。 一、 究竟什么是MQTT攻击？MQTT是物联网loT最广泛采用的协... hihttps是首款免费的MQTT物联网防火墙，同时也是一款web应用防火墙，既支持传统的WAF的OWASP特征工程检查（如SQL注入、XSS、恶意漏洞扫描、密码暴力破解、CC、DDOS等），也支持机器采集样本无监督学习，自主对抗，重新定义网络安全。今天笔者就从物联网MQTT协议安全的角度，介绍机器学习之样本采集。 一、 究竟什么是MQTT攻击？MQTT是物联网loT最广泛采用的协...
- 作者从大量的来自现实环境中的非标注音频数据，来学习自然环境下的声音表示。得益于视频数据无处不在并且很容易大规模获取，利用图像和声音的一致性，可以对非标注视频进行学习。作者通过teacher-student的学习方式，将成熟的图像识别模型用于分类视频场景以及物品识别，然后将识别的结果和语音之间进行映射，联合学习到声音的类别及场景。该模型在声音/场景分类任务中取得了SOTA的成绩。 作者从大量的来自现实环境中的非标注音频数据，来学习自然环境下的声音表示。得益于视频数据无处不在并且很容易大规模获取，利用图像和声音的一致性，可以对非标注视频进行学习。作者通过teacher-student的学习方式，将成熟的图像识别模型用于分类视频场景以及物品识别，然后将识别的结果和语音之间进行映射，联合学习到声音的类别及场景。该模型在声音/场景分类任务中取得了SOTA的成绩。
- CTR预估模型的发展有什么样的规律呢？本文分别从前深度学习时代和深度学习时代CTR预估模型中分析总结出了一般性的发展规律，通过这个规律更有助于帮我们理解和加深CTR预估模型。 CTR预估模型的发展有什么样的规律呢？本文分别从前深度学习时代和深度学习时代CTR预估模型中分析总结出了一般性的发展规律，通过这个规律更有助于帮我们理解和加深CTR预估模型。
- 8月1日，华为云DevCloud项目管理精英训练营开班仪式在华为青岛基地举行，来自青岛市及高新区内20余名软件企业代表以及华为20余个软件开发云基地人员共同参加本次训练营。软件事业部部长张志强出席开班仪式并发表致辞。 张志强部长首先介绍了青岛高新区发展情况，并希望通过本次精英训练营，学员能掌握业界先进的软件开发项目管理理念，并运用到实际工作中，帮助企业改进软件项目的管理；同时也希望高新区及区... 8月1日，华为云DevCloud项目管理精英训练营开班仪式在华为青岛基地举行，来自青岛市及高新区内20余名软件企业代表以及华为20余个软件开发云基地人员共同参加本次训练营。软件事业部部长张志强出席开班仪式并发表致辞。 张志强部长首先介绍了青岛高新区发展情况，并希望通过本次精英训练营，学员能掌握业界先进的软件开发项目管理理念，并运用到实际工作中，帮助企业改进软件项目的管理；同时也希望高新区及区...
- 本书摘自《Spark机器学习进阶实战》——书中的第1章，第1.2.2节，作者是马海平、于俊、吕昕、向海。 本书摘自《Spark机器学习进阶实战》——书中的第1章，第1.2.2节，作者是马海平、于俊、吕昕、向海。
- 3月20日，斯坦福大学发布最新的DAWNBench榜单，华为云ModelArts一站式AI开发平台获得图像识别训练和推理性能双料冠军，将模型训练时间大幅缩减的同时实现了超强推理性能，体现了其在全球深度学习平台技术的领先性。 3月20日，斯坦福大学发布最新的DAWNBench榜单，华为云ModelArts一站式AI开发平台获得图像识别训练和推理性能双料冠军，将模型训练时间大幅缩减的同时实现了超强推理性能，体现了其在全球深度学习平台技术的领先性。
- LTE小区TAC配置不合理导致CSFB失败处理案例 LTE小区TAC配置不合理导致CSFB失败处理案例
- Abstract受深度学习在实例分割和对象跟踪方面的最新进展的启发，我们引入了视频对象分割问题作为引导实例分割的概念。我们的模型在每帧的基础上继续，由前一帧的输出引导到下一帧中感兴趣的对象。我们证明了视频中的高精度对象分割可以通过使用仅使用静态图像训练的connet来启用。我们的方法的关键要素是离线和在线学习策略的组合，前者用于从先前的“帧估计”中产生精细的掩码，后者允许捕获特定对象实例的... Abstract受深度学习在实例分割和对象跟踪方面的最新进展的启发，我们引入了视频对象分割问题作为引导实例分割的概念。我们的模型在每帧的基础上继续，由前一帧的输出引导到下一帧中感兴趣的对象。我们证明了视频中的高精度对象分割可以通过使用仅使用静态图像训练的connet来启用。我们的方法的关键要素是离线和在线学习策略的组合，前者用于从先前的“帧估计”中产生精细的掩码，后者允许捕获特定对象实例的...
- Abstract视频语义分割的一个主要挑战是缺乏标记数据。 在大多数基准数据集中，仅对视频剪辑的一帧进行了注释，这使得大多数监督方法无法利用来自其余帧的信息。 为了利用视频中的时空信息，许多以前的工作使用预先计算的光流，对时间一致性进行编码以改善视频分割。 然而，视频分割和光流估计仍然被视为两个独立的任务。 在本文中，我们提出了一种用于联合视频语义分割和光流估计的新框架。 语义分割带来了语... Abstract视频语义分割的一个主要挑战是缺乏标记数据。 在大多数基准数据集中，仅对视频剪辑的一帧进行了注释，这使得大多数监督方法无法利用来自其余帧的信息。 为了利用视频中的时空信息，许多以前的工作使用预先计算的光流，对时间一致性进行编码以改善视频分割。 然而，视频分割和光流估计仍然被视为两个独立的任务。 在本文中，我们提出了一种用于联合视频语义分割和光流估计的新框架。 语义分割带来了语...
- 1 绪论 2 马尔科夫决策过程 2.4 习题1. Q:马尔科夫过程与马尔科夫决策过程的区别。A: 马尔科夫过程的定义：马尔科夫过程是一个二元组(S,P),且满足：S是有限状态集合，P是状态转移概率。状态转移概率矩阵为：下面我们以一个例子来进行阐述。如图2.2所示为一个学生的7种状态{娱乐，课程1，课程2，课程3，考过，睡觉，论文}，每种状态之间的转换概率如图所示。则该生从课程1开始一天可能... 1 绪论 2 马尔科夫决策过程 2.4 习题1. Q:马尔科夫过程与马尔科夫决策过程的区别。A: 马尔科夫过程的定义：马尔科夫过程是一个二元组(S,P),且满足：S是有限状态集合，P是状态转移概率。状态转移概率矩阵为：下面我们以一个例子来进行阐述。如图2.2所示为一个学生的7种状态{娱乐，课程1，课程2，课程3，考过，睡觉，论文}，每种状态之间的转换概率如图所示。则该生从课程1开始一天可能...
上滑加载中
推荐直播
-
华为云码道-玩转OpenClaw，在线养虾2026/03/11 周三 19:00-21:00
刘昱，华为云高级工程师/谈心，华为云技术专家/李海仑，上海圭卓智能科技有限公司CEO
OpenClaw 火爆开发者圈，华为云码道最新推出 Skill ——开发者只需输入一句口令，即可部署一个功能完整的「小龙虾」智能体。直播带你玩转华为云码道，玩转OpenClaw
回顾中 -
华为云码道-AI时代应用开发利器2026/03/18 周三 19:00-20:00
童得力，华为云开发者生态运营总监/姚圣伟，华为云HCDE开发者专家
本次直播由华为专家带你实战应用开发，看华为云码道(CodeArts)代码智能体如何在AI时代让你的创意应用快速落地。更有华为云HCDE开发者专家带你用码道玩转JiuwenClaw，让小艺成为你的AI助理。
回顾中 -
Skill 构建 × 智能创作：基于华为云码道的 AI 内容生产提效方案2026/03/25 周三 19:00-20:00
余伟，华为云软件研发工程师/万邵业（万少），华为云HCDE开发者专家
本次直播带来两大实战：华为云码道 Skill-Creator 手把手搭建专属知识库 Skill；如何用码道提效 OpenClaw 小说文本，打造从大纲到成稿的 AI 原创小说全链路。技术干货 + OPC创作思路，一次讲透！
回顾中
热门标签