- PEFT 技术综述 技术发展脉络 Adapter TuningAdapter Tuning 是 PEFT 领域的开创性工作之一，由 Google 在 2019 年为 BERT 模型设计。其思路是在 Transformer 的每个块中插入小型的“适配器”（Adapter）模块。如图所示，左侧的 Transformer 层展示了 Adapter 模块是如何被集成进去的。Adapter 被插入到... PEFT 技术综述 技术发展脉络 Adapter TuningAdapter Tuning 是 PEFT 领域的开创性工作之一，由 Google 在 2019 年为 BERT 模型设计。其思路是在 Transformer 的每个块中插入小型的“适配器”（Adapter）模块。如图所示，左侧的 Transformer 层展示了 Adapter 模块是如何被集成进去的。Adapter 被插入到...
- 特征工程不该再靠人肉：聊聊 Feature Store 为什么是数据团队的分水岭 特征工程不该再靠人肉：聊聊 Feature Store 为什么是数据团队的分水岭
- 基于 YOLOv8 的电网绝缘子破损与闪络缺陷智能检测系统识别项目 [目标检测完整源码] 一、研究背景与工程问题分析随着电力系统规模的不断扩大，输电线路和变电设备的运行安全已成为电网运维中的核心问题之一。在众多电力设备中，绝缘子承担着电气隔离与机械支撑的双重任务，其运行状态直接影响电网的稳定性与可靠性。在长期运行过程中，绝缘子通常会受到以下不利因素影响：长期高压电场作用导致材料老化风沙、盐... 基于 YOLOv8 的电网绝缘子破损与闪络缺陷智能检测系统识别项目 [目标检测完整源码] 一、研究背景与工程问题分析随着电力系统规模的不断扩大，输电线路和变电设备的运行安全已成为电网运维中的核心问题之一。在众多电力设备中，绝缘子承担着电气隔离与机械支撑的双重任务，其运行状态直接影响电网的稳定性与可靠性。在长期运行过程中，绝缘子通常会受到以下不利因素影响：长期高压电场作用导致材料老化风沙、盐...
- 别再迷信“参数越大越牛了”，大模型真正的分水岭，其实在数据准备 别再迷信“参数越大越牛了”，大模型真正的分水岭，其实在数据准备
- BigFoot NPP Surfaces for North and South American Sites, 2000-2004简介BigFoot 项目于 2000 年至 2004 年间收集了位于阿拉斯加至巴西的九个 EOS 陆地验证站点的净初级生产力（NPP）数据。每个站点代表一到两种不同的生物群落，包括北极苔原；北方常绿针叶林；温带农田、草地、常绿针叶林和落叶阔叶林；沙漠草地和灌丛... BigFoot NPP Surfaces for North and South American Sites, 2000-2004简介BigFoot 项目于 2000 年至 2004 年间收集了位于阿拉斯加至巴西的九个 EOS 陆地验证站点的净初级生产力（NPP）数据。每个站点代表一到两种不同的生物群落，包括北极苔原；北方常绿针叶林；温带农田、草地、常绿针叶林和落叶阔叶林；沙漠草地和灌丛...
- 别再只盯着模型了：从数据到模型，才是真正的端到端数据科学流水线很多人一聊数据科学，第一反应就是：“用啥模型？XGBoost 还是 Transformer？”“参数怎么调？loss 能不能再降一点？”说句不太好听的实话：80% 的项目，死在模型之前。模型只是最后 10%，前面那 90% —— 数据从哪来、怎么清洗、怎么验证、怎么上线、怎么回滚，才是决定生死的关键。今天我就从一个工程 + 数据... 别再只盯着模型了：从数据到模型，才是真正的端到端数据科学流水线很多人一聊数据科学，第一反应就是：“用啥模型？XGBoost 还是 Transformer？”“参数怎么调？loss 能不能再降一点？”说句不太好听的实话：80% 的项目，死在模型之前。模型只是最后 10%，前面那 90% —— 数据从哪来、怎么清洗、怎么验证、怎么上线、怎么回滚，才是决定生死的关键。今天我就从一个工程 + 数据...
- 本文围绕边坡排水沟堵塞这一典型工程安全隐患，系统性地介绍了一个基于 YOLOv8 的智能检测解决方案。从问题背景、系统架构、数据与模型设计，到推理流程和可视化应用实现，完整展示了目标检测技术在实际工程场景中的落地路径。该系统兼顾检测精度、实时性与易用性，通过引入图形化界面有效降低了使用门槛，可直接服务于边坡巡检、水利运维和地质灾害预警等应用场景。整体实践表明，将先进的深度学习模型与工程化设计相结合 本文围绕边坡排水沟堵塞这一典型工程安全隐患，系统性地介绍了一个基于 YOLOv8 的智能检测解决方案。从问题背景、系统架构、数据与模型设计，到推理流程和可视化应用实现，完整展示了目标检测技术在实际工程场景中的落地路径。该系统兼顾检测精度、实时性与易用性，通过引入图形化界面有效降低了使用门槛，可直接服务于边坡巡检、水利运维和地质灾害预警等应用场景。整体实践表明，将先进的深度学习模型与工程化设计相结合
- 概述ScaleBox 以可扩展的分布式代码执行与验证为核心，为Code Agent 时代的大规模 CodeRL/RLVR 提供高准确、高吞吐、统一可复现的奖励反馈基础设施 。背景在大模型训练范式中，后训练正迅速成为企业与研究机构的共同焦点。尤其在代码生成等复杂任务中，验证系统与强化学习（RL）已成为后训练阶段的核心支撑；验证器的准确性与执行效率，正在演变为制约 RLVR 性能上限与训练规模的... 概述ScaleBox 以可扩展的分布式代码执行与验证为核心，为Code Agent 时代的大规模 CodeRL/RLVR 提供高准确、高吞吐、统一可复现的奖励反馈基础设施 。背景在大模型训练范式中，后训练正迅速成为企业与研究机构的共同焦点。尤其在代码生成等复杂任务中，验证系统与强化学习（RL）已成为后训练阶段的核心支撑；验证器的准确性与执行效率，正在演变为制约 RLVR 性能上限与训练规模的...
- 基于 YOLOv8 的多车型交通车辆实时检测识别项目 [目标检测完整源码] 一、背景与问题引入在智慧交通体系中，“看得清、分得准、跑得快”始终是视觉感知系统的核心诉求。传统基于规则或特征工程的方法，在复杂道路环境、密集车流、多车型混行的场景下，往往存在鲁棒性不足、维护成本高的问题。随着深度学习目标检测模型的成熟，YOLO 系列逐渐成为交通视觉领域的主流方案。其中，YOLOv8 以其 Anc... 基于 YOLOv8 的多车型交通车辆实时检测识别项目 [目标检测完整源码] 一、背景与问题引入在智慧交通体系中，“看得清、分得准、跑得快”始终是视觉感知系统的核心诉求。传统基于规则或特征工程的方法，在复杂道路环境、密集车流、多车型混行的场景下，往往存在鲁棒性不足、维护成本高的问题。随着深度学习目标检测模型的成熟，YOLO 系列逐渐成为交通视觉领域的主流方案。其中，YOLOv8 以其 Anc...
- 本文介绍了一套面向实际工程应用的 桥梁病害智能检测系统，通过 YOLOv8 高性能目标检测模型与 PyQt5 可视化工具的结合，实现了从数据、模型到应用的完整闭环。 本文介绍了一套面向实际工程应用的 桥梁病害智能检测系统，通过 YOLOv8 高性能目标检测模型与 PyQt5 可视化工具的结合，实现了从数据、模型到应用的完整闭环。
- 本文聚焦异步分布式训练中梯度压缩与收敛稳定性的核心矛盾，跳出“高压缩率优先”的传统误区，从梯度传播规律、节点协同逻辑、误差补偿机制等维度，提出系统性解决方案。文章结合技术实践，阐述动态压缩策略、双轨制误差补偿体系、梯度质量评估聚合机制的构建思路，强调压缩操作需与训练进程深度耦合，通过动态感知训练状态、自适应调整压缩参数，实现效率提升与精度守护的双向平衡。 本文聚焦异步分布式训练中梯度压缩与收敛稳定性的核心矛盾，跳出“高压缩率优先”的传统误区，从梯度传播规律、节点协同逻辑、误差补偿机制等维度，提出系统性解决方案。文章结合技术实践，阐述动态压缩策略、双轨制误差补偿体系、梯度质量评估聚合机制的构建思路，强调压缩操作需与训练进程深度耦合，通过动态感知训练状态、自适应调整压缩参数，实现效率提升与精度守护的双向平衡。
- 循环神经网络（RNN）是专为处理序列数据设计的深度学习模型，解决了传统神经网络无法捕捉序列依赖关系的核心问题。RNN通过记忆状态（Hidden State）实现短期记忆功能，在处理文本、时间序列等数据时能够保留前序信息。其核心结构包括输入层、循环单元和输出层，通过共享权重参数实现序列元素的连续处理。然而，传统RNN存在梯度消失/爆炸的缺陷，导致长序列处理能力受限。为此，LSTM和GRU等改进模型引 循环神经网络（RNN）是专为处理序列数据设计的深度学习模型，解决了传统神经网络无法捕捉序列依赖关系的核心问题。RNN通过记忆状态（Hidden State）实现短期记忆功能，在处理文本、时间序列等数据时能够保留前序信息。其核心结构包括输入层、循环单元和输出层，通过共享权重参数实现序列元素的连续处理。然而，传统RNN存在梯度消失/爆炸的缺陷，导致长序列处理能力受限。为此，LSTM和GRU等改进模型引
- Bert Bert的工作范式预训练 (Pre-training)在一个庞大的、通用的文本语料库（如维基百科、书籍）上，通过特定的无监督任务来训练一个深度神经网络模型。这个阶段的目标不是为了完成某个具体的 NLP 任务，而是让模型学习语言本身的规律，比如语法结构、词语间的语义关系、上下文依赖等。训练完成后，就得到了一个包含了丰富语言知识的、参数已经训练好的预训练模型。微调 (Fine-tun... Bert Bert的工作范式预训练 (Pre-training)在一个庞大的、通用的文本语料库（如维基百科、书籍）上，通过特定的无监督任务来训练一个深度神经网络模型。这个阶段的目标不是为了完成某个具体的 NLP 任务，而是让模型学习语言本身的规律，比如语法结构、词语间的语义关系、上下文依赖等。训练完成后，就得到了一个包含了丰富语言知识的、参数已经训练好的预训练模型。微调 (Fine-tun...
- NPP Grassland: Towoomba, South Africa, 1949-1990, R1简介本数据集包含七个文本格式 (.txt) 的数据文件。这些文件提供了在南非图文巴人工建立的草原稀树草原研究地点进行的生物量估算、土壤碳 (C)、氮 (N) 和磷 (P) 测量数据。该研究地点是长期施肥试验的一部分，旨在测试施肥的效果。生物量数据涵盖 1950 年至 1981 年（1976... NPP Grassland: Towoomba, South Africa, 1949-1990, R1简介本数据集包含七个文本格式 (.txt) 的数据文件。这些文件提供了在南非图文巴人工建立的草原稀树草原研究地点进行的生物量估算、土壤碳 (C)、氮 (N) 和磷 (P) 测量数据。该研究地点是长期施肥试验的一部分，旨在测试施肥的效果。生物量数据涵盖 1950 年至 1981 年（1976...
- 基于 YOLOv8 的农作物叶片病害、叶片病斑精准识别项目 [目标检测完整源码] 背景与问题定义在农业生产过程中，叶片病害往往是作物减产和品质下降的主要诱因之一。现实场景中，病斑形态复杂、颜色变化细微，且受光照、拍摄角度和背景干扰明显，单纯依靠人工巡检不仅效率低，而且难以做到早发现、早干预。随着深度学习在计算机视觉领域的成熟，利用目标检测模型对叶片病斑进行自动识别，已成为智慧农业的重要技术... 基于 YOLOv8 的农作物叶片病害、叶片病斑精准识别项目 [目标检测完整源码] 背景与问题定义在农业生产过程中，叶片病害往往是作物减产和品质下降的主要诱因之一。现实场景中，病斑形态复杂、颜色变化细微，且受光照、拍摄角度和背景干扰明显，单纯依靠人工巡检不仅效率低，而且难以做到早发现、早干预。随着深度学习在计算机视觉领域的成熟，利用目标检测模型对叶片病斑进行自动识别，已成为智慧农业的重要技术...
上滑加载中
推荐直播
-
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 -
码道新技能，AI 新生产力——从自动视频生成到开源项目解析2026/04/08 周三 19:00-21:00
童得力-华为云开发者生态运营总监/何文强-无人机企业AI提效负责人
本次华为云码道 Skill 实战活动，聚焦两大 AI 开发场景：通过实战教学，带你打造 AI 编程自动生成视频 Skill，并实现对 GitHub 热门开源项目的智能知识抽取，手把手掌握 Skill 开发全流程，用 AI 提升研发效率与内容生产力。
回顾中
热门标签