深度学习

V搜xhliang0246

基于¹⁸F-FDG PET/CT的深度学习-影像组学-临床模型预测非小细胞肺癌脉管侵犯的价值基于¹⁸F-FDG PET/CT的深度学习-影像组学-临床模型预测非小细胞肺癌脉管侵犯的价值摘要脉管侵犯（Lymphovascular Invasion, LVI）是非小细胞肺癌（NSCLC）术后复发和不良预后的独立危险因素，术前准确评估LVI状态对于手术方案制定和辅助治疗决策具有重要临床意义。¹⁸F-FDG PET/CT作为融合代谢与解剖信息的多功能影像技术，为LVI的无创预测提供了独特的影像学生物标志物平台。本文系统阐述基于PET/CT的深度学习-影像组学-临床多维度融合模型预测NSCLC脉管侵犯

原生多模态颠覆Scaling Law？解读语言“参数需求型”与视觉“数据需求型”核心差异在大模型发展初期，行业普遍遵循“均匀堆料”的Scaling逻辑——参数、数据、算力同步提升，模型能力便会线性增长。但随着原生多模态技术的发展，这一固有认知被彻底打破：全模态模型的Scaling并非均匀分布，不同模态对资源的需求存在显著差异。杨立昆、谢赛宁最新论文及文心5.0技术报告均指出，即便加入负载均衡损失，模型仍会向语言模态倾斜更多专家资源，核心原因正是“语言是参数需求型、视觉是数据需求型”。结合自身对多模态模型的理解，本文将拆解这一核心结论，解答“原生多模态为何颠覆传统Scaling”及“不同模态资

【原创】如何WIN 10/11系统下解决YOLOv13训练异常的安装指南先上最后训练的结果图：如果虽然安装上了，但是训练到最后一直精度很低：之前按照网上的安装win系统下YOLO V13，训练不报错，但是精度一直训练很低。经过反复尝试，发现可能是软件版本的问题。

ZhuNian的学习乐园

LLM智能体调度：从ReAct到多智能体调度智能体感知模块：把智能体调度架构划分成四层：划分（Prompt 层、Context 层、Tool 层、Agent 层）在2025-2026年的Agent工程实践中是非常主流且准确的描述。它本质上是对Agent “感知-推理-行动-协作” 四个核心智能特征的工程化映射，逻辑清晰、层次分明。

小超同学你好

LangGraph 25. 实战：Agent资源优化怎么做？用 State 与条件边管理预算、取证与模型档位（附 SRE 分诊 demo）摘要（Summary）：本文讨论智能体在生产环境中的资源感知优化：在单次请求生命周期内把预算、延迟、配额与任务难度纳入显式 State，通过 LangGraph 的节点、条件边与受控循环实现在线选档、取证伸缩、有界升档与可观测降级。前半部分厘清概念边界与典型策略模式（分层路由、升档 cap、fallback、上下文塑形等）；后半部分以 demo_codes 中 SRE 事件分诊为例，对照 OpenAIResourceLLM（真实调用）下的 resource_aware_graph.py 拓扑、route

xianluohuanxiang

高精度气象：极端天气一来，零售最先出问题的不是客流，而是补货体系和损失控制这是2026年开年以来，很多零售老板最扎心的写照。刚刚过去的一季度，从席卷美国22个州的冬季风暴到国内持续的低温雨雪，极端天气不再是“新闻头条”，而是变成了经营报表里的负数。

（十八）32天GPU测试从入门到精通-TensorRT-LLM 部署与优化day16TensorRT-LLM 是NVIDIA 官方的 LLM 推理优化库，提供业界领先的性能和完整的优化技术栈。作为 NVIDIA 生态的一部分，TensorRT-LLM 深度整合了 NVIDIA GPU 的各项优化技术，从 kernel 级别的融合到多 GPU 通信优化，再到量化支持，提供了一套完整的高性能推理方案。

深度学习的数学原理（二十七）—— 掩码注意力在上一篇中，我们讲了多头注意力如何并行提取多维度的语义信息，但是这个机制在编码器里没问题，到了解码器的自回归生成里，就会遇到两个致命的问题：

安装 NunchakuC:\Users\用户名\Documents\ComfyUI\.venv\Scripts> python -m pip show torch

3D高斯泼溅研究01这篇文章解决的是 3D Gaussian Splatting (3DGS) 作为场景表示在实时游戏渲染管线中的工程可行性评估问题。形式化定义：

这张生成的图像能检测吗

（论文速读）GCGNet：具有外生变量的时间序列预测的图一致生成网络论文题目：GCGNET: GRAPH-CONSISTENT GENERATIVE NETWORK FOR TIME SERIES FORECASTING WITH EXOGENOUS VARIABLES（具有外生变量的时间序列预测的图一致生成网络）

**基于Colab的高效Python深度学习开发流程：从环境配置到模型部署全流程实战**在当前人工智基于Colab的高效Python深度学习开发流程：从环境配置到模型部署全流程实战在当前人工智能飞速发展的背景下，Google Colab 已成为数据科学家和开发者进行快速原型验证与模型训练的重要平台。它提供了免费GPU/TPU资源、预装主流库支持以及无缝集成Jupyter Notebook的能力，极大提升了开发效率。

星光技术人

怎么理解任务接口不是文本机器人接收任务的方法，不再只靠一句自然语言来定义任务。任务接口，就是你怎么把“你要机器人干什么”传给模型。

【说话人日志】从固定输出到可变说话人数：EEND-EDA论文：Encoder-Decoder Based Attractors for End-to-End Neural Diarization 简称：EEND-EDA 作者：Shota Horiguchi, Yusuke Fujita, Shinji Watanabe, Yawen Xue, Paola Garcia 时间：2021 arXiv v1，2022 期刊版整理任务：Speaker Diarization，回答“谁在什么时候说话”

贵州晓智信息科技

NumPy 从数组操作理解深度学习的计算本质开发领域：前端开发 | AI 应用 | Web3D | 元宇宙技术栈：Python、React、ThreeJs、WebGL、Go、Pytorch 经验经验：8年+ 开发经验，专注于人工智能和图形学方向开源项目：智简未来 | 数擎科技 | AI域名 | 学词吖大家好！我是 [数擎Ai]，一位热爱探索新技术的前端开发者，在这里分享前端和Web3D、AI技术的干货与实战经验。如果你对技术有热情，欢迎关注我的文章，我们一起成长、进步！

AI 医疗之重症监护预警系统（ICU-EWS）从理论到实战【时序深度学习与多模态融合】AI 医疗之临床诊断与辅助决策系列文章请按顺序阅读1、重构诊疗效率与精准度之 AI 赋能临床诊断与辅助决策从理论到实战

长文预警！大模型面试：关于大模型微调的进阶与工程部署讲解本章核心知识点： LLM全生命周期（Pre-training -> CPT -> SFT -> RLHF）、模型知识的存储机制、指令微调（SFT）的本质与作用。

018、AI伦理与可持续发展：长期主义的商业基础上周三凌晨两点，我在实验室调试一个边缘计算设备上的图像识别模型。设备部署在某工厂的质检流水线上，已经连续运行了三个月。突然收到报警：产线误判率从0.3%飙升到7.2%。远程SSH连上去看日志，发现模型对某类产品缺陷的识别置信度分布出现了明显偏移。

万粉变现经纪人

如何解决 pip install tensorflow-gpu 报错未检测到 CUDA 驱动问题在进行深度学习开发时，搭建环境往往是新手面临的第一个“拦路虎”。近期在尝试搭建 TensorFlow GPU 版本的开发环境时，PyCharm 控制台频繁报错，尤其是在执行 pip install tensorflow-gpu 后，运行代码出现“未检测到 CUDA 驱动”或 Could not load dynamic library 'libcudart.so.10.1' 等异常。本文将详细复盘该异常出现的开发场景与技术细节，从环境配置、版本匹配、网络问题到路径设置等多个维度，提供一套保姆级的解决方案。

基于LLM智能体框架的城市遥感图像变化分析原文标题：LLM Agent Framework for Intelligent Change Analysis in Urban Environment using Remote Sensing Imagery