人工智能

自己制作遥感深度学习数据集进行遥感深度学习地物分类-试读本手记是我研究生期间工作的一个总结，适合地信遥感专业或者计算机专业同学想利用Python在本地利用深度学习进行遥感影像地物分类的同学，尤其是刚刚开始深度学习遥感地物分类的同学。因为本手记中既有遥感和深度学习的基础理论知识，也有编程实践，这样既能让计算机专业的同学了解到遥感的基本知识，也能让遥感地信专业的同学了解到深度学习的基础理论与编程实现。

TODO 分类任务指标计算和展示准确率 F1 Recall参考文章 Emotion Recognition from Speech Using Wav2vec 2.0 Embeddings

07-逻辑回归：分析用于分类问题的逻辑回归模型及其数学原理逻辑回归模型是机器学习和统计学领域中一种重要的分类算法，尤其在处理二分类问题时表现出色。作为一种广义线性模型，逻辑回归通过使用逻辑函数来估计概率，从而将输入特征映射到二值输出。其核心思想是将线性回归模型的输出通过逻辑函数（如Sigmoid函数）进行变换，使其输出范围限制在0到1之间，代表某一类别的概率。

京东开源王炸！JoyAgent-JDGenie如何重新定义智能体开发？本文较长，建议点赞收藏，以免遗失。更多AI大模型开发学习视频/籽料/面试题都在这>>Github<< >>Gitee<<

老兵发新帖

归一化分析3当前主流大模型在归一化方案的选择上，RMSNorm 已成为绝对的主流，而 LayerNorm 因其经典和稳定仍在部分模型中使用。DeepNorm 等更复杂的方案则主要针对超深层模型等特定场景。

2025-2031年全球 MT 插芯市场全景分析报告：技术演进、供需格局与投资前景MT 插芯是光纤通信及高精度电子设备的核心组件，广泛应用于连接器与光纤设备中。它由金属外壳与精密塑料基座构成，包含 12 芯、24 芯及以上光纤通道，可同时传输多路光纤信号。金属外壳能保护内部光纤，保障连接器稳定性与抗干扰能力，是实现低损耗光纤连接的关键部件。一、全球市场规模与增长预测根据QYResearch调研数据显示，2031 年全球市场规模预计达 4.2 亿美元。2025-2031 年期间，市场年复合增长率（CAGR）将保持 7.1% 的稳健增长。这一增长主要源于数据中心扩张、5G 建设等下游需

从GPT-1到GPT-2的性能飞跃及其驱动因素分析本文档旨在对OpenAI GPT系列模型从第一代（GPT-1）到第二代（GPT-2）所实现的显著性能飞跃，进行深入的技术原因剖析。GPT-1开创性地验证了“生成式预训练 + 监督式微调”范式的有效性，而GPT-2则在此基础上，展现出了惊人的零样本（Zero-shot）多任务处理能力。本文将从模型规模、训练数据、架构优化以及核心理念演进四个维度，系统性地分析导致这一性能鸿沟的关键驱动因素，并总结其对后续大型语言模型发展的深远影响。

GPT-2技术范式解析：无监督多任务学习的概率视角本文档旨在深入解析OpenAI GPT-2模型所提出的革命性思想：如何在一个统一的、无监督的生成式预训练框架下，实现多任务学习。我们将详细阐述其核心理论，即从传统的专有任务模型到通用任务模型的概率范式转变。本文的核心重点在于剖析GPT-2的关键假设——通过上下文学习（In-Context Learning）将任务规约（task specification）隐式地编码在输入提示（Prompt）中。通过具体示例，我们将展示翻译、摘要、问答等不同任务如何被“伪装”成一个统一的语言模型续写问题，并探讨这一思想

使用 Flask 实现本机 PyTorch 模型部署：从服务端搭建到客户端调用目录前言一、部署前准备1.1 环境要求1.2 必备文件二、服务端搭建：让模型 “听候指令”2.1 服务端完整代码（server.py）

后端小肥肠

【n8n 入门系列】10 分钟部署 n8n，手把手教你搭第一个自动化工作流，小白可学！大家好，我是小肥肠，专注 AI 干货知识分享！今天给带来的是n8n手把手部署教程，并以一个最简单的工作流为初始，带大家快速入门n8n~

从 Word2Vec 到 GPT：词向量的上下文进化史在自然语言处理（NLP）的世界里，词向量（Word Embeddings）是最基础的构建块。它们不仅是“词语的数字化表示”，更承载着语义和上下文理解能力。今天我们就来梳理一下 Word2Vec、ELMo、BERT、GPT 这些经典模型在上下文建模能力上的演进历程。

爱读源码的大都督

RAG效果不理想？试试用魔法打败魔法：让大模型深度参与优化的三阶段实战检索增强生成（Retrieval-Augmented Generation, RAG）已成为大语言模型（LLM）应用落地最经典和有效的范式。然而，一个基础的RAG系统在面对真实世界的复杂问题时，效果往往不尽人意。许多人认为大模型的成本主要在训练阶段，但要构建一个高性能的RAG应用，在推理使用阶段的开销同样不容忽视。

极客BIM工作室

机器学习之规则学习（Rule Learning）在机器学习领域，规则学习（Rule Learning）是一种以 “逻辑规则” 为核心输出的监督学习方法，其目标是从标注数据中挖掘出可解释、结构化的 “如果 - 那么（If-Then）” 规则，用于分类、回归或关联任务。与神经网络等 “黑箱模型” 不同，规则学习的核心优势是强可解释性—— 人类能直接理解规则的逻辑，因此在医疗诊断、金融风控、法律决策等需要 “透明推理” 的场景中应用广泛。

GPT vs BERT：一个是预言家，一个是侦探｜深入理解语言模型的两大范式如果说「语言模型」是 AI 世界的灵魂，那么 GPT 和 BERT 就是其中最具代表性的两种灵魂。它们都能“理解”语言，也都能“说话”，但思维方式却截然不同。

AI模型的“返璞归真”：为何设计越来越简单，性能却持续爆发？如果你一直关注人工智能的发展，从 RNN、LSTM 到如今大放异彩的 Transformer、GPT、BERT，你可能会注意到一个有趣又违反直觉的现象：

访答知识库#Pdf转word#人工智能#Al编辑器#访答PAG#企业知识库人，个人知识库，访答编辑器，访答浏览器，本地知识库，企业知识库……访答，考研党必备神器文献再多也不乱考研党的福音还在为文献堆成山发愁吗？访答帮你一键搞定！无论是论文还是笔记，统统井井有条，复习效率瞬间翻倍～再也不用担心找不到关键资料啦！文献再多也不怕论文、笔记、真题解析全都能整理得明明白白！建立访答本地知识库后，所有文件都有条理，轻松找到你需要的内容。复习时不用再翻箱倒柜啦～知识点随心分类支持按知识点分类建立文件，复习更有针对性！比如数学公式、政治重点、英语单词，都可以单独归类，随时调取。再也不用大海捞针式找资料了～公式图片也能搜 PDF里的复杂公式、图

🌟RAG多轮对话场景攻坚：如何实现低延迟高准确率的语义理解？本文较长，建议点赞收藏，以免遗失。更多AI大模型应用开发学习视频及资料，尽在聚客AI学院。自然语言理解（NLU）作为AI智能体与用户交互的核心环节，其效果直接决定了用户体验的优劣。在NLU技术体系中，意图识别（Intent Detection）与槽位抽取（Slot Filling）构成语义解析的完整链路，共同承担着理解用户输入的关键任务。

一起喝芬达2010

当数据仓库遇见AI：金融风控的「认知大脑」正在觉醒2025年9月，某股份制银行凌晨2点15分，一笔看似普通的500万元企业贷款申请触发了「凤凰系统」的级联反应——数据仓库中的实时AI引擎在0.3秒内完成了对2.3TB历史数据、17个外部数据源、以及该企业在社交媒体舆情数据的综合分析，最终生成了一个包含87个风险维度的动态评估报告。更令人震撼的是，这份报告不仅预测了该企业的违约概率（0.73%），还给出了「建议批准但需增加担保条款」的具体风控策略。

Rokid JSAR 技术开发全指南：基于 Web 技术栈的 AR 开发实战降低 AR 开发门槛，让前端开发者快速构建空间化交互体验JSAR（JavaScript Augmented Reality）是 Rokid 主导的空间小程序开发技术体系，本质为可嵌入物理空间的 Web 运行时。它支持开发者使用 JavaScript、XSML（空间标记语言）等 Web 技术栈，构建能与真实环境融合的沉浸式 AR 应用。