深度学习

没有梦想的咸鱼185-1037-1663

AI大模型支持下的：CMIP6数据分析与可视化、降尺度技术与气候变化的区域影响、极端气候分析气候变化已成为全球性挑战，对农业、生态系统、水资源、人类健康和社会经济系统产生深远影响。科学研究表明，自工业革命以来，人类活动导致的温室气体排放与全球气温上升、极端天气事件增加、冰川融化和海平面上升等现象密切相关。为科学理解和有效应对气候变化，气候专家开发了一系列全球气候模型(GCM)，这些复杂的数值模型通过数学方程组描述大气、海洋、冰层、陆地和生物地球化学过程等地球系统组成部分及其相互作用。世界气候研究计划(WCRP)组织的气候模型比较计划(CMIP)提供了宝贵的框架，使科学家能够系统性地比较不同模型的

灵智工坊LingzhiAI

基于深度学习的中草药识别系统：从零到部署的完整实践在传统中医药领域，准确识别中草药是一项需要丰富经验的专业技能。随着人工智能技术的发展，我们可以利用深度学习来构建一个自动化的中草药识别系统。本项目实现了一个基于PyTorch的中草药图像分类系统，能够准确识别五种常见的中草药：百合、党参、枸杞、槐花和金银花。

【机器学习&深度学习】LMDeploy的分布式推理实现目录前言一、LMDeploy 简介：为高效推理而生二、核心技术详解2.1 张量并行（Tensor Parallelism）：化整为零，协同作战

兔子的倔强

Transformer在文本、图像和点云数据中的应用——经典工作梳理最近在整一些3D检测和分割的任务，接触了一下ptv3，在之前梳理的工作owlv2中用到了vit，去年年假阅读《多模态大模型：算法、应用与微调》（刘兆峰）时学习了Transformer网络架构及其在文本数据中的应用，细数下来，似乎各方面都多多少少了解和应用过一些，但是直到昨天跟别人讨论起Transformer在多模态数据中的应用，发现自己了解的不太系统，基于这个大背景，我希望借助闲暇时间梳理一下相关的代表性工作，后面如果有机会，也会做一些实践记录，希望自己学会的同时也可以帮助到一些有需要的小伙伴。

【图像算法 - 21】慧眼识虫：基于深度学习与OpenCV的农田害虫智能识别系统在现代农业生产中，病虫害是影响作物产量和品质的关键因素之一。传统的害虫识别依赖人工巡查，效率低、成本高且易出错。本文将介绍如何利用深度学习与OpenCV构建一套高效的农田害虫智能识别系统。该系统能够自动识别10类常见农业害虫，包括行军虫（army worm）、豆芫菁（legume blister beetle）、红蜘蛛（red spider）、稻瘿蚊（rice gall midge）、稻纵卷叶螟（rice leaf roller）、稻飞虱（rice leafhopper）、稻水象甲（rice water

AI人工智能+

表格识别技术：通过图像处理与深度学习，将非结构化表格转化为可编辑结构化数据，推动智能化发展在信息爆炸的时代，大量有价值的数据并非存储于结构化的数据库中，而是隐藏在成千上万的文档、报告和票据的表格里。从金融报表到医疗档案，从物流单据到学术论文，表格是承载结构化信息的核心载体。如何高效、准确地将这些非结构化的表格图像转化为可编辑、可分析的结构化数据，正是表格识别（Table Recognition）技术的用武之地。它不仅是一项技术革新，更是一场提升各行各业智能化水平的效率革命。

nanoGPT 部署NanoGPT 是由 Andrej Karpathy（前特斯拉 AI 总监）开源的一个极简版 GPT（Generative Pre-trained Transformer）实现。它的目标不是直接用于大规模商业应用，而是教育、研究和实验，帮助人们理解 GPT 模型的核心原理。

深度学习②【优化算法（重点！）、数据获取与模型训练全解析】在掌握了神经网络的基础架构后，如何让模型高效学习并达到优异性能成为了关键挑战。优化算法的选择、高质量数据集的获取，以及科学的训练技巧，共同决定了深度学习项目的成败。

深度学习——神经网络在当今人工智能蓬勃发展的时代，深度学习和神经网络已经成为最受关注的技术领域之一。从智能手机的人脸识别到自动驾驶汽车的环境感知，从医疗影像分析到金融风险预测，这些技术正在深刻改变我们的生活和工作方式。本文将带您了解深度学习和神经网络的基本概念、发展历程以及它们之间的关系。

泡泡茶壶_ovo

RORPCAP: retrieval-based objects and relations prompt for image captioning研究方向：Image Captioning本文提出了一种基于检索的对象与关系提示用于图片标题生成（RORPCap），以最短的训练时间达到了与基于检测器与图卷积网络（GCN）的模型相当的性能指标。

OpenAI重新开源！gpt-oss-20b适配昇腾并上线魔乐社区2025年8月5日，OpenAI发布了两款全新的开源权重语言模型，均为混合专家（MoE）架构，其规模设计可在消费级GPU和云端的多种硬件上高效运行。这些模型采用 Apache 2.0 许可协议，因此可用于蒸馏到其他推理模型中、部署到商业产品里，且无下游使用限制。这两款模型分别是规模较小的 gpt-oss-20b（总参数 210 亿，激活参数 36 亿）和规模较大的 gpt-oss-120b（总参数1170亿，激活参数 51 亿）。此次发布的亮点在于，OpenAI 推出的这两款开源模型在性能和策略上带来了显

Coovally AI模型快速验证

全景式综述｜多模态目标跟踪全面解析：方法、数据、挑战与未来【导读】目标跟踪（Visual Object Tracking, VOT）一直是计算机视觉领域的核心问题之一，广泛应用于自动驾驶、无人机监控、人机交互等场景。随着单模态方法在复杂环境下逐渐遇到瓶颈，多模态视觉目标跟踪（Multi-Modal VOT）应运而生，它通过融合不同传感器模态（RGB、红外、深度、语义等），显著提升了鲁棒性与精度。本文将带你走进最新的多模态目标跟踪研究进展。

Baumer工业相机堡盟工业相机如何通过YoloV8深度学习模型和EasyOCR实现汽车牌照动态检测和识别（C#代码，UI界面版）本项目集成了 YOLOv8 检测模型与 C#图形界面工具，实现了包括图片、文件夹、视频与摄像头等多种输入方式的实现汽车牌照动态识别。

左灯右行的爱情

深度学习设计模式：责任链(Chain of Responsibility)模式（例子+业务场景+八股）责任链是我觉得比较好理解,也是开发中比较能经常看到的设计模式,我个人认为它的核心思想: 把请求的发送者和接受者解耦,让多个对象都有机会处理这个请求. 将这些对象连成一条链,沿着这条链传递请求,直到有一个对象处理它为止.

【机器学习 / 深度学习】基础教程定位：针对准备进入 AI多智能体开发的初学者，打牢机器学习与深度学习的基础。在进入智能体（Agent）开发之前，必须具备一定的机器学习和深度学习基础。原因有三：

先做个垃圾出来………

神经网络（Neural Network, NN）神经网络的基本概念、工作原理、主要类型、应用场景及未来趋势：神经网络（Neural Network, NN）是一种模拟人脑神经元结构的计算模型，通过互连节点（人工神经元）处理信息。其核心是通过数据学习模式，实现分类、预测和决策功能

朝日六六花_LOCK

深度学习之NLP基础NLP = Natural Language Processing（自然语言处理），是人工智能和语言学领域的一个分支，它涉及到计算机和人类（自然）语言之间的相互作用。它的主要目标是让计算机能够理解、解释和生成人类语言的数据。NLP结合了计算机科学、人工智能和语言学的技术和理论，旨在填补人与机器之间的交流隔阂。

循环神经网络实战：用 LSTM 做中文情感分析（二）在上一篇文章中，我们学习了 RNN、LSTM 与 GRU 的基本原理，理解了它们的结构和特点。理论固然重要，但只有结合实际项目，才能真正掌握它们的精髓。

爱学习的小道长

神经网络中标量求导和向量求导在神经网络反向传播过程中 loss = [loss₁,loss₂, loss₃]，为什么 ∂loss/∂w

LLaVA-3D，Video-3D LLM，VG-LLM，SPAR论文解读目录一、LLaVA-3D1、概述2、方法3、训练过程4、实验二、Video-3D LLM1、概述2、方法