深度学习

强化学习与机器人控制仿真

字节最新开源模型 DA3（Depth Anything 3）使用教程（一）从任意视角恢复视觉空间目录系列文章目录前言一、✨ 亮点1.1 🏆 模型动物园1.2 🛠️ 代码库特性二、🚀 快速入门2.1 📦 安装

深度学习与计算机视觉在工业质检与智能检测系统中的创新应用研究本文将从系统架构、核心技术、应用价值及未来发展趋势，详细分析深度学习与计算机视觉在工业质检与智能检测系统中的创新应用及优化策略。

努力的光头强

《智能体设计模式》从零基础入门到精通，看这一篇就够了！文章详细介绍了AI智能体设计模式中的规划模式，这是让AI"先思考再行动"的关键机制。通过目标理解、任务分解、步骤排序和执行调整四个阶段，AI能分解复杂任务、保持方向一致性并进行动态优化。文章还探讨了LangChain实现、思维树、Google ADK规划引擎等内容，强调规划模式是智能体从"指令执行"迈向"理性决策"的转折点，是实现真正AI智能的基础。

没头脑的男大

Unet+Transformer脑肿瘤分割检测承接上册的Unet的脑肿瘤分割检测，我们采用Transformer+Unet检测更加的准确在这里我把Transformer模块加入到U-Net里面，相比于单单的U-Net模块我这里

即插即用涨点系列（十四）2025 SOTA | Efficient ViM：基于“隐状态混合SSD”与“多阶段融合”的轻量级视觉 Mamba 新标杆为了方便大家在CV科研和项目中高效涨点，我创建并维护了一个即插即用模块的GitHub代码仓库。仓库里不仅有：

哥布林学者

吴恩达深度学习课程二：改善深层神经网络第三周：超参数调整，批量标准化和编程框架（四）编程框架此分类用于记录吴恩达深度学习课程的学习笔记。课程相关信息链接如下：本篇为第二课的第三周内容，3.10的内容。

brave and determined

可编程逻辑器件学习(day24)：异构计算：突破算力瓶颈的未来之路目录协同工作的原理为何成为必然趋势？演进与未来总结“异构计算”是当前半导体和IT行业的热门词汇，其核心思想很简单：不再依赖单一的“万能”处理器，而是将计算任务分配给最适合的专用硬件，以此应对日益复杂和庞大的计算需求。

论文阅读 - 深度学习端到端解决库存管理问题 - 有限时间范围内的多周期补货问题（Management Science）https://pubsonline.informs.org/doi/10.1287/mnsc.2022.4564

深度学习实践深度学习作为人工智能领域的一个重要分支，近年来在图像识别、自然语言处理、自动驾驶等多个领域取得了显著的进展。实践深度学习不仅需要理论知识的支撑，更依赖于实际操作和项目经验的积累。

极客BIM工作室

LSTM门控结构：乘法设计的必然性分析LSTM作者Hochreiter和Schmidhuber选择乘法门控而非加法或卷积，是基于理论设计与实验验证的系统性决策，还是"灵光一现"？

深度学习挑战深度学习，作为人工智能领域的一个重要分支，近年来在图像识别、语音处理、自然语言处理等多个领域取得了显著的进展。然而，随着技术的发展，深度学习也面临着一系列挑战。

国内外具身智能VLA模型深度解析（3）国内外具身智能VLA模型深度解析（3）国内典型具身智能VLA模型 1.星动纪元 —— ERA-42 2）模型训练

道一云黑板报

大规模低代码系统推荐：知识图谱与 GNN 的性能优化策略更多推荐阅读低代码用户画像构建：结合知识图谱提升推荐精准度-CSDN博客GNN 基础架构：从图卷积到图注意力，哪种更适配低代码推荐？-CSDN博客

AI研究-129 Qwen2.5-Omni-7B 要点：显存、上下文、并发与成本Qwen2.5-Omni目前开源提供的是7亿参数（7B）版本。相对于GPT-4等数千亿参数的闭源模型，7B的规模非常小巧，这带来了低资源占用和易部署的优势。在FP16精度下模型权重约需14GB显存，使用INT4量化后可压缩到<4GB，使普通PC甚至高端手机都有能力运行。

基于SimCLR的自监督 YOLO：YOLOv5/8也能在低标注场景目标检测性能飙升自监督学习的核心思想是：从数据本身自动生成“标签”或“监督信号”，而无需依赖昂贵且耗时的人工标注。想象一下，你教一个孩子认识“猫”。传统方法（监督学习）是拿出一堆猫的图片，每张都告诉他“这是猫”。而自监督学习的方法是，你把一本关于猫的漫画书撕成碎片，然后让孩子自己把这些碎片拼回去。在拼图的过程中，他自然就学会了猫的爪子、尾巴、胡须应该长什么样，以及这些部分是如何组合在一起的。他虽然没有被直接告知“这是猫”，但他通过完成“拼图”这个任务，内化了对猫的认知。

深度学习迁移学习应用在当今人工智能技术飞速发展的时代背景下，深度学习和迁移学习作为两大核心领域，正日益受到全球范围内的广泛关注和研究。深度学习，凭借其独特的神经网络架构，能够在处理复杂数据时展现出惊人的能力和灵活性，而迁移学习则通过利用已有知识和技术来加速新任务的解决过程，从而显著提高学习效率。

【数据结构初阶系列】归并排序全透视：从算法原理全分析到源码实战应用归并排序是一种基于“分治”思想的高效排序算法，核心思路是将数组不断拆分再有序合并，保证稳定在O(n log n)时间复杂度。本文将对比解析其两种实现：直观的递归分治与高效的非递归迭代，通过图解、代码与性能分析，帮你彻底掌握这一经典算法。

这张生成的图像能检测吗

（论文速读）WFF-Net：用于表面缺陷检测的可训练权重特征融合卷积神经网络论文题目：WFF-Net: Trainable weight feature fusion convolutional neural networks for surface defect detection（用于表面缺陷检测的可训练权重特征融合卷积神经网络）

【原创】基于YOLO模型的手势识别系统本系统是一个基于 YOLOv8 深度学习模型的实时手势识别系统，项目包含完整源代码和详细技术文档，适合用作毕设/课设/简历项目。

今天吃饺子

如何用MATLAB调用python实现深度学习？很多比较新颖的神经网络、深度学习模型一般都是用torch包、tensorflow包写的，这让习惯了MATLAB语言的小伙伴望而却步。