- 支持COCO/VOC/YOLO格式的目标检测数据集标准化方法与工具链分析随着 YOLOv11 的发布，其在目标检测任务中的性能和易用性进一步提升。然而，想要训练一个高质量的模型，优质的数据集必不可少。Roboflow 作为 YOLOv11 官方推荐的数据平台，不仅提供了丰富的公开数据集，还支持将数据一键导出为多种格式（包括 YOLO、Pascal VOC、COCO、CSV 等），大大简化了... 支持COCO/VOC/YOLO格式的目标检测数据集标准化方法与工具链分析随着 YOLOv11 的发布，其在目标检测任务中的性能和易用性进一步提升。然而，想要训练一个高质量的模型，优质的数据集必不可少。Roboflow 作为 YOLOv11 官方推荐的数据平台，不仅提供了丰富的公开数据集，还支持将数据一键导出为多种格式（包括 YOLO、Pascal VOC、COCO、CSV 等），大大简化了...
- 基于PyTorch的YOLOv11全流程训练与部署研究本文将带你深入了解在Windows 11系统上从零搭建并训练YOLOv11模型的全过程。内容包括：硬件与依赖环境准备、CUDA与cuDNN安装、PyTorch与相关库配置、PyCharm集成、系统环境变量配置，以及YOLOv11源码获取与训练示例。 环境与硬件准备 硬件要求GPU：NVIDIA GTX 1060及以上，支持CUDA 11... 基于PyTorch的YOLOv11全流程训练与部署研究本文将带你深入了解在Windows 11系统上从零搭建并训练YOLOv11模型的全过程。内容包括：硬件与依赖环境准备、CUDA与cuDNN安装、PyTorch与相关库配置、PyCharm集成、系统环境变量配置，以及YOLOv11源码获取与训练示例。 环境与硬件准备 硬件要求GPU：NVIDIA GTX 1060及以上，支持CUDA 11...
- 本章系统介绍了数据驱动、知识驱动及双驱动人工智能的理论与应用。数据驱动方法依赖大数据和深度学习，在图像识别、自然语言处理等领域取得突破，但面临标注成本高、可解释性差等问题。知识驱动方法通过知识表示与推理提升系统理解能力，却在泛化性和适应性上受限。为弥补单一范式的不足，数据与知识双驱动融合两者优势，致力于构建更智能、可解释且安全可靠的AI系统，兼顾伦理与隐私保护。 本章系统介绍了数据驱动、知识驱动及双驱动人工智能的理论与应用。数据驱动方法依赖大数据和深度学习，在图像识别、自然语言处理等领域取得突破，但面临标注成本高、可解释性差等问题。知识驱动方法通过知识表示与推理提升系统理解能力，却在泛化性和适应性上受限。为弥补单一范式的不足，数据与知识双驱动融合两者优势，致力于构建更智能、可解释且安全可靠的AI系统，兼顾伦理与隐私保护。
- ABoVE: Hyperspectral Imagery AVIRIS-NG, Alaskan and Canadian Arctic, 2017-2019 V2简介该数据集提供机载可见光/红外成像光谱仪-下一代 (AVIRIS-NG) 仪器在 2017 年 6 月至 8 月以及 2018 年和 2019 年 7 月至 8 月飞越北极-北方脆弱性实验 (ABoVE) 区域期间测量的 1 ... ABoVE: Hyperspectral Imagery AVIRIS-NG, Alaskan and Canadian Arctic, 2017-2019 V2简介该数据集提供机载可见光/红外成像光谱仪-下一代 (AVIRIS-NG) 仪器在 2017 年 6 月至 8 月以及 2018 年和 2019 年 7 月至 8 月飞越北极-北方脆弱性实验 (ABoVE) 区域期间测量的 1 ...
- ABoVE/ASCENDS: Merged Atmospheric CO2, CH4, and Meteorological Data, 2017简介该数据集提供了大气二氧化碳 (CO2)、甲烷 (CH4)、水蒸气浓度、气温、气压、风速和风向的现场机载测量数据，以及在 2017 年 7 月 20 日至 2017 年 8 月 8 日在美国阿拉斯加、加拿大育空地区和西北地区部署的夜间、白天和... ABoVE/ASCENDS: Merged Atmospheric CO2, CH4, and Meteorological Data, 2017简介该数据集提供了大气二氧化碳 (CO2)、甲烷 (CH4)、水蒸气浓度、气温、气压、风速和风向的现场机载测量数据，以及在 2017 年 7 月 20 日至 2017 年 8 月 8 日在美国阿拉斯加、加拿大育空地区和西北地区部署的夜间、白天和...
- 机器学习（常用科学计算库的使用）基础定位、目标 定位 目标 1.1 人工智能概述 学习目标 1 人工智能应用场景 2 人工智能小案例 3 人工智能发展必备三要素： 4 人工智能、机器学习和深度学习 4 小结 机器学习概述 1.4 机器学习工作流程 1 什么是机器学习 Pandas 5.8 高级处理-数据离散化 1 为什么要离散化 2 什么是数据的离散化 3 股票的涨跌幅离散化 机器学习（常用科学计算库的使用）基础定位、目标 定位 目标 1.1 人工智能概述 学习目标 1 人工智能应用场景 2 人工智能小案例 3 人工智能发展必备三要素： 4 人工智能、机器学习和深度学习 4 小结 机器学习概述 1.4 机器学习工作流程 1 什么是机器学习 Pandas 5.8 高级处理-数据离散化 1 为什么要离散化 2 什么是数据的离散化 3 股票的涨跌幅离散化
- 别只会写脚本了！看看机器学习是怎么帮运维“摸鱼”的 别只会写脚本了！看看机器学习是怎么帮运维“摸鱼”的
- 如下图所示，笔者最近学习 Transformer 模型的架构，学习到了输入嵌入这一章节。本文是笔者的学习笔记。 输入嵌入的定义输入嵌入（Input Embedding）是将离散的符号（如单词、字符）转换为连续的向量表示的一种方法。神经网络在处理输入数据时，无法直接处理离散符号，因此需要将这些符号映射到一个高维的实数向量空间中。这样，输入嵌入使得网络能够捕捉到符号之间的语义关系，并使模型的训练... 如下图所示，笔者最近学习 Transformer 模型的架构，学习到了输入嵌入这一章节。本文是笔者的学习笔记。 输入嵌入的定义输入嵌入（Input Embedding）是将离散的符号（如单词、字符）转换为连续的向量表示的一种方法。神经网络在处理输入数据时，无法直接处理离散符号，因此需要将这些符号映射到一个高维的实数向量空间中。这样，输入嵌入使得网络能够捕捉到符号之间的语义关系，并使模型的训练...
- 笔者最近在学习 Transformer 模型的实现细节。在下面这本书的输入嵌入章节，提到了词元化方法的概念。 词元化方法简介词元化（Tokenization）是自然语言处理中的一个核心步骤，涉及将文本数据转换为模型可以理解的基本单元。这个步骤的重要性毋庸置疑，因为文本数据本质上是字符串，无法直接输入到机器学习模型中，尤其是神经网络模型中。通过词元化，文本数据可以被分解为更小的单位（如词、子词... 笔者最近在学习 Transformer 模型的实现细节。在下面这本书的输入嵌入章节，提到了词元化方法的概念。 词元化方法简介词元化（Tokenization）是自然语言处理中的一个核心步骤，涉及将文本数据转换为模型可以理解的基本单元。这个步骤的重要性毋庸置疑，因为文本数据本质上是字符串，无法直接输入到机器学习模型中，尤其是神经网络模型中。通过词元化，文本数据可以被分解为更小的单位（如词、子词...
- ABoVE/ASCENDS: Atmospheric Backscattering Coefficient Profiles from CO2 Sounder, 2017简介该数据集提供了 2017 年 7 月 20 日至 2017 年 8 月 8 日在美国阿拉斯加、加拿大育空地区和西北地区开展的“夜间、白天和季节二氧化碳排放主动感知” (ASCENDS) 部署期间收集的大气后向散射系数剖... ABoVE/ASCENDS: Atmospheric Backscattering Coefficient Profiles from CO2 Sounder, 2017简介该数据集提供了 2017 年 7 月 20 日至 2017 年 8 月 8 日在美国阿拉斯加、加拿大育空地区和西北地区开展的“夜间、白天和季节二氧化碳排放主动感知” (ASCENDS) 部署期间收集的大气后向散射系数剖...
- 大模型参数量选型指南：从业务需求到技术落地的全流程决策框架 大模型参数量选型指南：从业务需求到技术落地的全流程决策框架
- 在大模型领域，我们常常会看到诸如 7B、32B、671B 这样的表述，这里的 “B” 是 “billion” 的缩写，意为 “十亿” ，用于量化大模型所包含的参数数量。参数是模型在训练过程中学习和调整的数值，参数规模在一定程度上影响着模型的性能、理解能力与生成能力。通常，参数越多，模型能够学习到的知识和模式就越丰富，理论上在处理复杂任务时表现也会更出色。接下来，为你详细梳理当前主流大模型的参数规模 在大模型领域，我们常常会看到诸如 7B、32B、671B 这样的表述，这里的 “B” 是 “billion” 的缩写，意为 “十亿” ，用于量化大模型所包含的参数数量。参数是模型在训练过程中学习和调整的数值，参数规模在一定程度上影响着模型的性能、理解能力与生成能力。通常，参数越多，模型能够学习到的知识和模式就越丰富，理论上在处理复杂任务时表现也会更出色。接下来，为你详细梳理当前主流大模型的参数规模
- Pre-LBA ABLE-2A and ABLE-2B Expedition Data简介ABLE 2A 和 2B（大气边界层实验）数据包括对亚马逊盆地与其大气边界层之间各种气溶胶和气体交换速率的估算，以及这些气溶胶和气体在边界层和自由对流层之间移动的过程。数据以全球对流层实验 (GTE) 格式的 gzip 压缩 ASCII 文本文件呈现。ABLE-2 项目由两次考察组成：第一次在亚马逊... Pre-LBA ABLE-2A and ABLE-2B Expedition Data简介ABLE 2A 和 2B（大气边界层实验）数据包括对亚马逊盆地与其大气边界层之间各种气溶胶和气体交换速率的估算，以及这些气溶胶和气体在边界层和自由对流层之间移动的过程。数据以全球对流层实验 (GTE) 格式的 gzip 压缩 ASCII 文本文件呈现。ABLE-2 项目由两次考察组成：第一次在亚马逊...
- 在 AI 重塑办公范式的今天，大模型与 PPT 工具的组合已不仅是效率工具，更是创意生产力的倍增器。通过内容生成的深度化、设计美学的智能化、协作流程的云端化，它们正在重新定义 PPT 的价值 —— 从信息载体升级为认知工具。选择时需紧扣内容专业性、设计适配性、协作便捷性三大核心指标，而非盲目追求「最新」工具。在 2025 年的 AI 办公竞赛中，善用工具者终将胜出。 在 AI 重塑办公范式的今天，大模型与 PPT 工具的组合已不仅是效率工具，更是创意生产力的倍增器。通过内容生成的深度化、设计美学的智能化、协作流程的云端化，它们正在重新定义 PPT 的价值 —— 从信息载体升级为认知工具。选择时需紧扣内容专业性、设计适配性、协作便捷性三大核心指标，而非盲目追求「最新」工具。在 2025 年的 AI 办公竞赛中，善用工具者终将胜出。
- DeepSeek-R1 和 DeepSeek-V3 是 DeepSeek 系列中两款不同定位的模型，主要区别体现在架构设计、训练目标、性能侧重、应用场景以及技术细节上。以下是两者的详细对比： 1. 模型定位与发布背景DeepSeek-V3定位：通用型大语言模型（LLM），主打多任务处理能力，覆盖文本生成、理解、逻辑推理等基础场景。发布时间：较早版本（如2023年），作为基础模型为后续优化提供... DeepSeek-R1 和 DeepSeek-V3 是 DeepSeek 系列中两款不同定位的模型，主要区别体现在架构设计、训练目标、性能侧重、应用场景以及技术细节上。以下是两者的详细对比： 1. 模型定位与发布背景DeepSeek-V3定位：通用型大语言模型（LLM），主打多任务处理能力，覆盖文本生成、理解、逻辑推理等基础场景。发布时间：较早版本（如2023年），作为基础模型为后续优化提供...
上滑加载中
推荐直播
-
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 -
华为云码道：零代码股票智能决策平台全功能实战2026/04/18 周六 10:00-12:00
秦拳德-中软国际教育卓越研究院研究员、华为云金牌讲师、云原生技术专家
利用Tushare接口获取实时行情数据，采用Transformer算法进行时序预测与涨跌分析，并集成DeepSeek API提供智能解读。同时，项目深度结合华为云CodeArts（码道）的代码智能体能力，实现代码一键推送至云端代码仓库，建立起高效、可协作的团队开发新范式。开发者可快速上手，从零打造功能完整的个股筛选、智能分析与风险管控产品。
回顾中
热门标签