AI 助理
文档备案控制台
开发者社区 大数据与机器学习 文章 正文

阿里云产品十二月刊来啦

2025-01-06 273
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介： 通义千问VL图片理解大模型部分规格降价，PAI 灵骏智算资源配额支持多个VSW，对象存储 OSS 资源池 QoS 发布，详情请点击阿里云产品十二月刊

点击查看月刊详情

点击订阅月刊

12月产销协同长图.jpg

文章标签：
对象存储
网络性能优化
小攻云攻略
目录
相关文章
路人贾jia
|
数据采集 PyTorch 数据处理
Pytorch学习笔记（3）：图像的预处理（transforms）
Pytorch学习笔记（3）：图像的预处理（transforms）
路人贾jia
2666 1
Pytorch学习笔记（3）：图像的预处理（transforms）
游客pq7t2uhspvkc6
|
5月前
|
人工智能 算法 搜索推荐
付阳老师“七步闭环法”GEO优化标准作业程序（SOP）深度解析
在AI搜索重构营销的当下，付阳老师首创《七步闭环法》GEO优化体系：以用户真需求为本，紧扣AI检索逻辑与EEAT原则，覆盖诊断、关键词、资料库、选题、创作、发布、迭代全流程，助力企业内容成为DeepSeek、文心等AI工具的“标准答案”，实现低成本、高信任、强占位的精准获客。（239字）
游客pq7t2uhspvkc6
821 6
AI未闻花名
|
5月前
|
存储 自动驾驶 物联网
大模型应用：高精度量化感知训练(QAT)与低成本后训练量化(PTQ)方案优选.55
本文深入解析大模型量化两大核心技术：后训练量化（PTQ）与量化感知训练（QAT）。涵盖原理、流程、代码实现及选型策略，对比其在精度损失、算力成本、部署效率等方面的差异，助开发者根据数据、算力与精度需求，科学选择最优量化方案。
AI未闻花名
668 15
达芬奇要当程序员
|
Linux 网络安全 Python
如何在服务器上运行python文件
如何在服务器上运行python文件
达芬奇要当程序员
2124 1
史一试
|
C++ Python
vsCode修改字体为JetBrains Mono (PyCharm默认字体)
vsCode修改字体为JetBrains Mono (PyCharm默认字体)
史一试
4681 0
vsCode修改字体为JetBrains Mono (PyCharm默认字体)
varin
|
11月前
|
Java 数据库 数据安全/隐私保护
Spring Boot四层架构深度解析
本文详解Spring Boot四层架构（Controller-Service-DAO-Database）的核心思想与实战应用，涵盖职责划分、代码结构、依赖注入、事务管理及常见问题解决方案，助力构建高内聚、低耦合的企业级应用。
varin
1843 1
勿入红尘啊
|
存储 资源调度
在 Pinia 中如何实现状态持久化？
在 Pinia 中如何实现状态持久化？
勿入红尘啊
3496 57
小攻云攻略
|
人工智能 块存储
阿里云产品三月刊来啦
通义灵码上线AI规则的设置功能，块存储 ESSD 同城冗余云盘正式商业化发布，阿里云操作系统控制台正式上线，详情请点击阿里云产品三月刊
小攻云攻略
343 22
小攻云攻略
|
数据可视化
阿里云产品十一月刊来啦
阿里云百炼上线新模型可支持100万超长上下文，通义灵码支持代码逻辑可视化，多款产品能力新升级，详情请点击阿里云产品十一月刊
小攻云攻略
292 6
lizhengting
|
Java
异常捕获（二）自定义全局异常捕获
异常捕获
lizhengting
387 0

大数据与机器学习

热门文章

最新文章

  • 1
    身怀绝技的开发者们，快来DataV玩转可视化组件
  • 2
    阿里封神谈hadoop生态学习之路
  • 3
    你刚吃的兰州牛肉面，背后就藏着大数据
  • 4
    odps是什么?
  • 5
    ajax请求总是不成功？浏览器的同源策略和跨域问题详解
  • 6
    【技术实验】mysql准实时同步数据到Elasticsearch
  • 7
    DataV接入ECharts图表库 可视化利器强强联手
  • 8
    阿里云MaxCompute（大数据）公开数据集---带你玩转人工智能
  • 9
    2017杭州云栖大会FAQ（持续更新中）
  • 10
    Kibana：数据分析的可视化利器
  • 1
    YOLOv13如何提升NEU-DET的检测精度 | 新颖的多尺度卷积注意力（MSCA）加在网络不同位置的涨点情况
    4
  • 2
    YOLOv13-pose关键点检测：新颖的特征融合方法-金字塔稀疏 Transformer（PST），助力pose检测
    11
  • 3
    一种基于YOLO11的高精度叶片病害检测算法（原创自研）
    13
  • 4
    一种基于YOLO11的高精度船舶（ship-obb）检测（原创自研）
    14
  • 5
    YOLOv13-seg和YOLO11-seg如何训练红外无人机小目标
    13
  • 6
    别让 Agent 猜数据：企业级 Data Agent 架构设计指南
    16
  • 7
    YOLOv13如何提升NEU-DET的检测精度 | 新一代高效可形变卷积DCNv4高效结合SPPF创新涨点
    15
  • 8
    YOLOv13-pose关键点检测：训练实战手把手教程篇| 自己数据集从labelme标注到生成yolo格式的关键点数据以及训练教程
    15
  • 9
    基于YOLO11的多模态(可见光+红外光）实现 LLVIP数据集涨点可行性验证
    17
  • 10
    源码级解读：YOLO26的新架构与创新设计（原理介绍+代码详见+结构框图）
    18

    • 相关电子书

    更多
  • 低代码开发师（初级）实战教程
  • 冬季实战营第三期：MySQL数据库进阶实战
  • 阿里巴巴DevOps 最佳实践手册
    • 下一篇
    一条命令迁移，帮你实现 OpenClaw 与 Hermes Agent 记忆互通！