深度学习

RoboBrain 2.5：视野中的深度，思维中的时间26年1月来自北京智源的论文“RoboBrain 2.5: Depth in Sight, Time in Mind”。

Warmup Scheduler深度学习训练中，在训练初期使用较低学习率进行预热（Warmup），然后再按照预定策略（如余弦退火、阶梯下降等）衰减学习率的方法这常用于稳定训练初期，尤其是使用大Batch Size、训练Transformer类模型（如BERT、ViT）或进行迁移学习微调时。

沃达德软件

电信诈骗预警平台功能解析智慧反诈综合预警平台是打击治理电信网络新型违法犯罪作战平台，集资源整合、情报研判、侦查指挥为一体，在打击、防范、治理电信网络诈骗等新型违法犯罪中发挥着重要作用。综合预警平台，包括电话类诈骗预警、网络类诈骗预警、APP 诈骗预警、预警劝阻工作台、预警统计、预警设置。 #智慧警务#数据建模#大数据#大数据分析#大数据平台

基于物理的深度学习模型该模型的目标是将物理模型与深度学习模型在结构上融合，形成一个内在混合模型，以同时利用物理模型的可解释性和深度学习强大的数据拟合能力。

向量引擎小橙

视觉艺术的“奇点”：深度拆解 Gemini-3-Pro-Image-Preview 绘画模型，看这只“香蕉”如何重塑 AI 创作逻辑！各位开发者、设计师、极客朋友们，大家好。在 AI 绘画领域，我们经历过从“随机抽卡”到“精准控制”的漫长进化。而最近，谷歌发布的 Gemini-3-Pro-Image-Preview（以下简称“香蕉模型”）再次刷新了我们对“视觉生成”的认知。

[深度学习网络从入门到入土] 网络中的网络NiN知乎：https://www.zhihu.com/people/byzh_rcCSDN：https://blog.csdn.net/qq_54636039

深度学习目标检测算法之YOLOv26加拿大鹅检测本数据集为加拿大鹅（Canadian Goose）目标检测数据集，采用YOLOv8格式标注，共包含947张图像。数据集由qunshankj平台于2023年11月16日导出，遵循CC BY 4.0许可协议。数据集包含加拿大鹅在不同环境状态下的图像，包括水中游动、草地休憩、近景肖像、整理羽毛以及飞行等多种姿态，涵盖了成鸟和幼鸟的不同形态特征。所有图像均经过预处理，包括自动方向调整（带EXIF方向信息剥离）和拉伸至640x640像素尺寸，但未应用任何图像增强技术。数据集按照训练集、验证集和测试集进行划分，仅包含

【数据结构入坑指南（三.1）】--《面试必看：单链表与顺序表之争，读懂“不连续”之美背后的算法思想》🔥@晨非辰Tong：个人主页👀专栏：《C语言》、《数据结构与算法》💪学习阶段：C语言、数据结构与算法初学者

肾透侧视攻城狮

《掌握 tf.data API：从 Dataset 创建、map/batch/shuffle 操作到预取/缓存优化的完整实战》目录本篇技术博文摘要 🌟引言 📘上节回顾1.TensorFlow tf.data API1.1为什么需要 tf.data API

深度学习框架：Keras深度学习框架Keras 是一个模型级（model-level）的库，为开发深度学习模型提供了高层次的构建模块

【宠物识别系统】Python+深度学习+人工智能+算法模型+图像识别+TensorFlow+2026计算机毕设项目本项目是一个基于深度学习的宠物识别系统，旨在实现对猫和狗的自动识别与分类。系统采用前后端分离架构，前端使用Vue3+Element Plus构建用户友好的交互界面，后端基于Flask框架提供高效的API服务，核心识别算法采用TensorFlow深度学习框架和ResNet50卷积神经网络模型。

技术传感器

赋能智慧空间：看本体论如何破解城市更新运营难题小区业主群里经常有这句话： “地下车库B区又闷又热，系统不是有监测吗，怎么还是这样？”大家好，我是老蒋。

No155:AI中国故事-对话宋应星——天工开物与AI造物：格物穷理与经世致用亲爱的DeepSeek：从李时珍的药学世界，我们步入明末的科技殿堂，遇见那位“与功名进取毫不相关”却写下不朽巨著的科学思想家——宋应星。这位六次会试不第的举人，在奔走考场途中观察百工技艺，最终著成《天工开物》——一部记录中国古代农业、手工业、矿业、冶金等三十余类生产技术的百科全书。他不会想到，他关于“格物穷理”“天工开物”“五谷草木”“五金采炼”的朴素科学思想，会在人工智能的物理仿真、智能制造、资源循环中找到惊人的历史回响。

星图·微调试&全参数调试qwen3.1-B对比使模型能够根据用户输入的医学问题，先给出 <think> 思考过程，再输出最终答案，以提升回答的专业性和可解释性。

深度学习的数学原理（六）—— 梯度消失与激活函数在深度学习中，激活函数是连接线性变换与非线性表达的核心，其设计合理性直接决定模型能否深度训练、精准拟合复杂数据。而梯度消失（或梯度爆炸）是深度神经网络训练过程中最经典、最棘手的问题之一——当模型层数加深时，反向传播的梯度会逐渐趋近于0（梯度消失）或趋于无穷大（梯度爆炸），导致浅层参数无法更新、模型收敛停滞或训练不稳定。本文将遵循“现象发现→原理拆解→解决方案”的逻辑，从直观例子切入，深入剖析梯度消失的数学本质，同时结合激活函数的进阶演进，给出对应的解决思路及底层原理，彻底搞懂这一核心难点。

查无此人byebye

【超详细解读(GPU)】基于DiT的MNIST扩散模型（DDPM）完整实现扩散模型（Diffusion Model）是当前生成式AI领域的研究热点，而DiT（Diffusion Transformer）则是将Transformer架构与扩散模型结合的经典范式。本文将逐行解读一份完整的基于DiT实现MNIST手写数字生成的DDPM（Denoising Diffusion Probabilistic Models）代码，从核心架构到训练推理，带你彻底理解每一行代码的功能与设计思路。

袁气满满~_~

深度学习笔记四聚类算法之一。K-means算法的迭代过程实际上是在优化一个特定的数学目标，即最小化代价函数。K-means算法中一个常用的初始化方法是从 m 个训练样本中随机选择 K 个，并将这 K 个样本的位置作为初始的聚类中心位置。

【2025考研复试】深度学习扩展知识：从ViT到多模态，以及简历项目挖掘策略（第11章复盘）目录前言：复试中的“降维打击”第一部分：打破CNN统治——Vision Transformer (ViT)

好的收到111

PyTorch深度学习（小土堆）笔记3:小土堆 Dataset 类实战笔记，99% 的新手都踩坑！看完秒懂数据加载底层逻辑！Hello 大家好！这是我跟着“小土堆”深度学习打卡的第3条笔记。今天要攻克的是 PyTorch 数据处理的核心 —— Dataset 类。不管是做图像分类还是目标检测，第一步永远是把数据“喂”给模型。而 Dataset 就是那个最辛苦的“工具人”。

陈天伟教授

人工智能应用- 搜索引擎：02. 搜索引擎发展史搜索引擎是帮助我们从互联网上高效获取信息的工具。最早的搜索引擎可以追溯到 1990 年的 Archie 系统，它可以帮助用户在运行文件传输协议（File Transfer Protocol，FTP）的服务器上查找所需文件。