- 外墙裂缝目标检测数据集分享（适用于YOLO系列深度学习分类检测任务） 源码下载链接:https://pan.baidu.com/s/1DoDlXWNUvZbVAnzfo1sMQQ?pwd=hjyx提取码:hjyx 复制这段内容后打开百度网盘手机App，操作更方便哦 前言随着城市化进程的不断推进，大量高层建筑、住宅楼宇以及公共基础设施在城市中快速建设。建筑结构在长期使用过程中，由于材料老化、... 外墙裂缝目标检测数据集分享（适用于YOLO系列深度学习分类检测任务） 源码下载链接:https://pan.baidu.com/s/1DoDlXWNUvZbVAnzfo1sMQQ?pwd=hjyx提取码:hjyx 复制这段内容后打开百度网盘手机App，操作更方便哦 前言随着城市化进程的不断推进，大量高层建筑、住宅楼宇以及公共基础设施在城市中快速建设。建筑结构在长期使用过程中，由于材料老化、...
- 玩过大模型 API、试过对话聊天的人很多，但真正懂大模型工程落地的人其实很少。很多同学只会在线网页点点、调用个接口，一旦面临企业私有化、知识库问答、定制话术、智能体开发就彻底懵了。其实行业里所有大模型应用，归根结底就5种工程实现方式：提示词工程、RAG、微调、续训、智能体开发。今天重新梳理案例、补充实战经验，带你一次性把基础全部吃透，以后做项目选型直接就能套用。 一、先搞懂AIGC与AGI的... 玩过大模型 API、试过对话聊天的人很多，但真正懂大模型工程落地的人其实很少。很多同学只会在线网页点点、调用个接口，一旦面临企业私有化、知识库问答、定制话术、智能体开发就彻底懵了。其实行业里所有大模型应用，归根结底就5种工程实现方式：提示词工程、RAG、微调、续训、智能体开发。今天重新梳理案例、补充实战经验，带你一次性把基础全部吃透，以后做项目选型直接就能套用。 一、先搞懂AIGC与AGI的...
- 停车场空车位检测数据集分享（适用于YOLO系列深度学习检测任务） 数据集下载链接:https://pan.baidu.com/s/1pXDsQypPP3-skV-bRjtaKQ?pwd=qrhm提取码:qrhm 复制这段内容后打开百度网盘手机App，操作更方便哦在城市交通管理与智慧停车建设快速发展的当下，如何高效、精准地识别停车场空车位已成为智慧城市重要课题。为了支持研究者和工程团队训练高... 停车场空车位检测数据集分享（适用于YOLO系列深度学习检测任务） 数据集下载链接:https://pan.baidu.com/s/1pXDsQypPP3-skV-bRjtaKQ?pwd=qrhm提取码:qrhm 复制这段内容后打开百度网盘手机App，操作更方便哦在城市交通管理与智慧停车建设快速发展的当下，如何高效、精准地识别停车场空车位已成为智慧城市重要课题。为了支持研究者和工程团队训练高...
- 去年底 Meta FAIR 发了一篇论文，叫 Byte Latent Transformer。标题挺克制——"Patches Scale Better Than Tokens"。但内容不克制。他们训练了 8B 参数的模型，直接在原始字节上跑，没有 tokenizer，效果跟 Llama 3 打平，推理算力省了最多 50%。最近又有跟进工作，3B 模型的内存带宽成本降了 87%-92%。翻译和... 去年底 Meta FAIR 发了一篇论文，叫 Byte Latent Transformer。标题挺克制——"Patches Scale Better Than Tokens"。但内容不克制。他们训练了 8B 参数的模型，直接在原始字节上跑，没有 tokenizer，效果跟 Llama 3 打平，推理算力省了最多 50%。最近又有跟进工作，3B 模型的内存带宽成本降了 87%-92%。翻译和...
- 去年底 Meta FAIR 发了一篇论文，叫 Byte Latent Transformer。标题挺克制——"Patches Scale Better Than Tokens"。但内容不克制。他们训练了 8B 参数的模型，直接在原始字节上跑，没有 tokenizer，效果跟 Llama 3 打平，推理算力省了最多 50%。最近又有跟进工作，3B 模型的内存带宽成本降了 87%-92%。翻译和... 去年底 Meta FAIR 发了一篇论文，叫 Byte Latent Transformer。标题挺克制——"Patches Scale Better Than Tokens"。但内容不克制。他们训练了 8B 参数的模型，直接在原始字节上跑，没有 tokenizer，效果跟 Llama 3 打平，推理算力省了最多 50%。最近又有跟进工作，3B 模型的内存带宽成本降了 87%-92%。翻译和...
- 铁路障碍物目标检测数据集分享（适用于YOLO系列深度学习分类检测任务） 前言在计算机视觉技术不断发展的今天，目标检测与实例分割技术已经广泛应用于交通安全、工业检测、智慧城市以及智能巡检等多个领域。其中，铁路作为国家重要的基础交通设施，其安全稳定运行对于社会经济发展具有极其重要的意义。随着高铁网络的不断扩展和铁路运输量的持续增长，铁路安全问题日益受到关注。然而，在实际运营过程中，铁路沿线环境... 铁路障碍物目标检测数据集分享（适用于YOLO系列深度学习分类检测任务） 前言在计算机视觉技术不断发展的今天，目标检测与实例分割技术已经广泛应用于交通安全、工业检测、智慧城市以及智能巡检等多个领域。其中，铁路作为国家重要的基础交通设施，其安全稳定运行对于社会经济发展具有极其重要的意义。随着高铁网络的不断扩展和铁路运输量的持续增长，铁路安全问题日益受到关注。然而，在实际运营过程中，铁路沿线环境...
- 本周 Python 生态动态密集：多个 PEP 更新（帧指针、类型系统、虚拟环境、启动配置等），Python 3.15/3.14/3.13 同步发版，PyPI 完成第二次安全审计并报告供应链攻击，Django 发布安全更新并推进治理改... 本周 Python 生态动态密集：多个 PEP 更新（帧指针、类型系统、虚拟环境、启动配置等），Python 3.15/3.14/3.13 同步发版，PyPI 完成第二次安全审计并报告供应链攻击，Django 发布安全更新并推进治理改...
- 田间杂草检测数据集分享（适用于YOLO系列深度学习分类检测任务） 源码下载链接:https://pan.baidu.com/s/1ylzoNTVxxOFd2Ih696-QzA?pwd=6bf3提取码:6bf3 复制这段内容后打开百度网盘手机App，操作更方便哦 前言在现代农业领域，精准农业已成为一个重要的发展方向。精准农业利用现代信息技术，对农业生产进行精细化、智能化的管理，以提高资源利用... 田间杂草检测数据集分享（适用于YOLO系列深度学习分类检测任务） 源码下载链接:https://pan.baidu.com/s/1ylzoNTVxxOFd2Ih696-QzA?pwd=6bf3提取码:6bf3 复制这段内容后打开百度网盘手机App，操作更方便哦 前言在现代农业领域，精准农业已成为一个重要的发展方向。精准农业利用现代信息技术，对农业生产进行精细化、智能化的管理，以提高资源利用...
- 本周Python多个版本发布(3.15/3.14/3.13)，Django安全更新，Starlette 1.0出炉；性能优化方面Web应用内存降31%，PyPI供应链攻击引发安全关注；工具层面Pyrefly类型检查器、pixi包管理器... 本周Python多个版本发布(3.15/3.14/3.13)，Django安全更新，Starlette 1.0出炉；性能优化方面Web应用内存降31%，PyPI供应链攻击引发安全关注；工具层面Pyrefly类型检查器、pixi包管理器...
- 本周Python多个版本发布(3.15/3.14/3.13)，Django安全更新，Starlette 1.0出炉；性能优化方面Web应用内存降31%，PyPI供应链攻击引发安全关注；工具层面Pyrefly类型检查器、pixi包管理器... 本周Python多个版本发布(3.15/3.14/3.13)，Django安全更新，Starlette 1.0出炉；性能优化方面Web应用内存降31%，PyPI供应链攻击引发安全关注；工具层面Pyrefly类型检查器、pixi包管理器...
- 智能体仿真完美、落地即崩的行业死结，根源从来不是仿真精度不足，而是传统Sim2Real始终困在视觉特征匹配的表层逻辑里。本文拆解OpenClaw颠覆性的虚实迁移方案，它彻底抛弃暴力域随机化的老路，构建了一套以跨感官因果认知为核心的迁移体系。通过阶梯式虚实过渡、动态经验权重调节、执行器在线自校准与虚实数据双向闭环，让智能体学习物理世界的本质规律而非表面特征。 智能体仿真完美、落地即崩的行业死结，根源从来不是仿真精度不足，而是传统Sim2Real始终困在视觉特征匹配的表层逻辑里。本文拆解OpenClaw颠覆性的虚实迁移方案，它彻底抛弃暴力域随机化的老路，构建了一套以跨感官因果认知为核心的迁移体系。通过阶梯式虚实过渡、动态经验权重调节、执行器在线自校准与虚实数据双向闭环，让智能体学习物理世界的本质规律而非表面特征。
- 本文围绕K-Means 聚类结合大模型开展慢病人群分层分组与自动化健康画像构建研究，以高血压、糖尿病慢病管理实际业务场景为核心，由浅入深讲解无监督聚类原理、数据预处理流程、K 值优选方法、大模型医学语义推理逻辑与二者融合架构价值。通过 500 条贴合临床真实分布的慢病多维健康数据，完成数据标准化、肘部法则与轮廓系数聚类质量评估、人群风险分层划分，配套生成肘部曲线、聚类分布、人群占比等多张可视化图表 本文围绕K-Means 聚类结合大模型开展慢病人群分层分组与自动化健康画像构建研究，以高血压、糖尿病慢病管理实际业务场景为核心，由浅入深讲解无监督聚类原理、数据预处理流程、K 值优选方法、大模型医学语义推理逻辑与二者融合架构价值。通过 500 条贴合临床真实分布的慢病多维健康数据，完成数据标准化、肘部法则与轮廓系数聚类质量评估、人群风险分层划分，配套生成肘部曲线、聚类分布、人群占比等多张可视化图表
- Sentinel-3B OLCI Level-3 Global Mapped Earth-observation Reduced Resolution (ERR) Chlorophyll (CHL) Data, version 2022.0简介叶绿素 a 数据集提供全球网格化的表层叶绿素 a 浓度（浮游植物生物量的替代指标）合成数据。CHL 支持时间序列和气候学分析、异常检测、生态系统和渔... Sentinel-3B OLCI Level-3 Global Mapped Earth-observation Reduced Resolution (ERR) Chlorophyll (CHL) Data, version 2022.0简介叶绿素 a 数据集提供全球网格化的表层叶绿素 a 浓度（浮游植物生物量的替代指标）合成数据。CHL 支持时间序列和气候学分析、异常检测、生态系统和渔...
- MindSpore 迁移学习实战 引言在深度学习领域，从零开始训练一个高性能模型往往需要海量的标注数据和巨大的计算资源。然而在实际项目中，我们常常面临数据不足、计算资源有限的困境。迁移学习（Transfer Learning）正是解决这一问题的利器——通过将在大规模数据集上预训练的模型迁移到目标任务，我们只需少量数据和适度计算就能获得优异性能。MindSpore 作为一个全场景深度学习框架... MindSpore 迁移学习实战 引言在深度学习领域，从零开始训练一个高性能模型往往需要海量的标注数据和巨大的计算资源。然而在实际项目中，我们常常面临数据不足、计算资源有限的困境。迁移学习（Transfer Learning）正是解决这一问题的利器——通过将在大规模数据集上预训练的模型迁移到目标任务，我们只需少量数据和适度计算就能获得优异性能。MindSpore 作为一个全场景深度学习框架...
- MindSpore 混合精度训练实战 引言在深度学习模型训练过程中，计算资源消耗和训练时间一直是制约模型开发的瓶颈。随着模型规模的不断增长，如何在保证模型精度的前提下，提升训练速度、降低内存占用，成为业界关注的焦点。混合精度训练（Mixed Precision Training）作为一种高效的训练策略，通过在训练过程中混合使用单精度（FP32）和半精度（FP16）计算，显著提升了训练效率，... MindSpore 混合精度训练实战 引言在深度学习模型训练过程中，计算资源消耗和训练时间一直是制约模型开发的瓶颈。随着模型规模的不断增长，如何在保证模型精度的前提下，提升训练速度、降低内存占用，成为业界关注的焦点。混合精度训练（Mixed Precision Training）作为一种高效的训练策略，通过在训练过程中混合使用单精度（FP32）和半精度（FP16）计算，显著提升了训练效率，...
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第五期2026/09/04 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；蒋春阳-华为云AI开发者案例开发专家
本期直播内容： AI工具体验营 · 第5-8课连讲。Agent-Team 多智能体协作完成毕业设计实践
回顾中 -
华为云开发者AI素养ClassRoom·第六期2026/09/08 周二 19:00-20:00
樊渊-2026华为软件挑战赛冠军
高手来了：看软挑高手解析二维排样问题—从工业难题到算法突破
回顾中
热门标签