banner
晚上好!欢迎来到

阿里云开发者社区

探索云世界
探索云世界
问产品
问产品
考认证
考认证
免费试用
免费试用
参与活动
参与活动
  • 综合

  • 最新

  • 有奖励

  • 免费用

  • PAI Model Gallery 支持云上一键部署 DeepSeek-V3、DeepSeek-R1 系列模型

    DeepSeek 系列模型以其卓越性能在全球范围内备受瞩目,多次评测中表现优异,性能接近甚至超越国际顶尖闭源模型(如OpenAI的GPT-4、Claude-3.5-Sonnet等)。企业用户和开发者可

    别再熬夜调模型——从构想到落地,我们都管了!

    本文将以 Qwen2.5 : 7B 为例进行演示,介绍如何通过人工智能平台 PAI实现AI 研发的全链路支持,覆盖了从数据标注、模型开发、训练、评估、部署和运维管控的整个AI研发生命周期。

    165 14

    摊牌了,代码不是我自己写的

    本文介绍了如何使用阿里云函数计算FC部署Qwen2.5开源大模型。Qwen2.5支持128K上下文长度和92种编程语言,通过Ollama托管和Open WebUI交互界面实现快速部署与高效调用。函数计

    摊牌了,代码不是我自己写的

    1月更文特别场——寻找用云高手,分享云&AI实践

    我们寻找你,用云高手,欢迎分享你的真知灼见!

    1278 55
    1月更文特别场——寻找用云高手,分享云&AI实践

    阿里云百炼xWaytoAGI共学课DAY3 - 更热门的多模态交互案例带练,实操掌握AI应用开发

    本文章旨在帮助读者了解并掌握大模型多模态技术的实际应用,特别是如何构建基于多模态的实用场景。文档通过几个具体的多模态应用场景,如拍立淘、探一下和诗歌相机,展示了这些技术在日常生活中的应用潜力。

    编译时插桩,Go应用监控的最佳选择

    本文讲解了阿里云编译器团队和可观测团队为了实现Go应用监控选择编译时插桩的原因,同时还介绍了其他的监控方案以及它们的优缺点。

    269 21

    Nacos 配置中心变更利器:自定义标签灰度

    本文是对 MSE Nacos 应用自定义标签灰度的功能介绍,欢迎大家升级版本进行试用。

    378 16

    云原生应用网关进阶:阿里云网络ALB Ingress 全能增强

    在过去半年,ALB Ingress Controller推出了多项高级特性,包括支持AScript自定义脚本、慢启动、连接优雅中断等功能,增强了产品的灵活性和用户体验。此外,还推出了ingress2A

    461 19

    云资源运维难?阿里云免费工具来帮忙

    阿里云推出免费运维工具——云服务诊断,帮助用户提升对云资源的运维效率、降低门槛、减轻负担。其核心功能包括「健康状态」和「诊断」。通过「健康状态」可实时查看云资源是否正常;「诊断」功能则能快速排查网络、

    506 24

    Redis是如何建立连接和处理命令的

    本文主要讲述 Redis 是如何监听客户端发出的set、get等命令的。

    666 28

    从大数据到大模型:如何做到“心无桎梏,身无藩篱”

    在大数据和大模型的加持下,现代数据技术释放了巨大的技术红利,通过多种数据范式解除了数据的桎梏,使得应用程序达到了“心无桎梏,身无藩篱”的自在境界,那么现代应用有哪些数据范式呢?这正是本文尝试回答的问题

    696 31

    动态链接的魔法:Linux下动态链接库机制探讨

    本文将深入探讨Linux系统中的动态链接库机制,这其中包括但不限于全局符号介入、延迟绑定以及地址无关代码等内容。

    722 23

    deepseek部署的详细步骤和方法,基于Ollama获取顶级推理能力!

    DeepSeek基于Ollama部署教程,助你免费获取顶级推理能力。首先访问ollama.com下载并安装适用于macOS、Linux或Windows的Ollama版本。运行Ollama后,在官网搜索

    8539 86
    |
    10天前
    |
    API
    | |

    DeepSeek API 调用没反应,超时后报错 500, 这是啥意思,按照对接文档调用的啊

    Error code: 500 - {error: {code: internal_error, param: None, message: An internal error has occure

    |
    25天前
    |

    回顾·向新:AI 浪潮下的数据存储进化

    在AI 驱动的数据时代,阿里云提供了高性能、高可用、深度集成、弹性降本的存储解决方案来满足多样化的企业需求,赋能企业挖掘数据价值。在此,邀您观看《回顾·向新:AI 浪潮下的数据存储进化》年度发布会,共

    回顾·向新:AI 浪潮下的数据存储进化
    |
    2月前
    | | |
    来自: 云原生

    云上应用高可用体系构建:从理论到实践

    如何通过一套方法论和架构体系建立起具有高度确定性和可靠性的系统是企业技术团队关注的重点。阿里云作为国内领先的云服务提供商,始终致力于为企业提供合规、安全、可靠的上云解决方案。本次技术沙龙,我们邀请了支

    198
    云上应用高可用体系构建:从理论到实践
    |
    23天前
    | |

    AI应用开发

    7、如何在阿里云ECS服务器上进行数据备份?

    问题描述在阿里云 ECS 服务器上如何使用快照或OSS存储包进行备份步骤有哪些

    DataWorks Data Studio 数据开发

    Data Studio是阿里巴巴基于15年大数据经验打造的智能湖仓一体数据开发平台,兼容阿里云多项计算服务,提供智能化ETL、数据目录管理及跨引擎工作流编排的产品能力。通过个人开发环境实例支持Pyth

    4570 0
    DataWorks Data Studio 数据开发

    白嫖 DeepSeek ,低代码竟然会一键作诗?

    宜搭低代码平台接入 DeepSeek AI 大模型能力竟然这么方便!本教程将揭秘宜搭如何快速接入 DeepSeek API,3 步打造专属作诗机器人,也许你还能开发出更多有意思的智能玩法,让创意在代码

    1659 13

    阿里云支持DeepSeek-V3和DeepSeek-R1全自动安装部署,小白也能轻松上手!

    阿里云PAI平台支持DeepSeek-V3和DeepSeek-R1大模型的全自动安装部署,零代码一键完成从训练到推理的全流程。用户只需开通PAI服务,在Model Gallery中选择所需模型并点击部

    946 78

    GitHub Copilot 免费了!程序员们的福音来了!

    《GitHub Copilot 免费了!程序员们的福音来了!》 近日,GitHub 宣布其 AI 编程助手 GitHub Copilot 现在可以免费使用。曾经每月需支付 10 美元订阅费的 Cop

    2858 7
    GitHub Copilot 免费了!程序员们的福音来了!

    宜搭上新,DeepSeek 插件来了!

    钉钉宜搭近日上线了DeepSeek插件,无需编写复杂代码,普通用户也能轻松调用强大的AI大模型能力。安装后,平台新增「AI生成」组件,支持创意内容生成、JS代码编译、工作汇报等场景,大幅提升工作效率。

    883 5

    一文了解火爆的DeepSeek R1 | AIGC

    DeepSeek R1是由DeepSeek公司推出的一款基于强化学习的开源推理模型,无需依赖监督微调或人工标注数据。它在数学、代码和自然语言推理任务上表现出色,具备低成本、高效率和多语言支持等优势,广

    785 10

    很火的DeepSeek到底是什么

    DeepSeek,全称杭州深度求索人工智能基础技术研究有限公司,成立于2023年。因推出开源 AI 模型 DeepSeek-R1 而引起了广泛关注。与ChatGPT相比,大幅降低了推理模型的成本。

    754 35

    轻松在本地部署 DeepSeek 蒸馏模型并无缝集成到你的 IDE

    本文将详细介绍如何在本地部署 DeepSeek 蒸馏模型,内容主要包括 Ollama 的介绍与安装、如何通过 Ollama 部署 DeepSeek、在 ChatBox 中使用 DeepSeek 以及在

    680 13
    轻松在本地部署 DeepSeek 蒸馏模型并无缝集成到你的 IDE

    阿里云PAI部署DeepSeek及调用

    本文介绍如何在阿里云PAI EAS上部署DeepSeek模型,涵盖7B模型的部署、SDK和API调用。7B模型只需一张A10显卡,部署时间约10分钟。文章详细展示了模型信息查看、在线调试及通过Open

    660 5
    阿里云PAI部署DeepSeek及调用

    【活动系列】在阿里云百炼构建企业级多模态应用,发布作品赢取礼品

    本次活动旨在鼓励开发者围绕AI应用开发实训课中的音视频交互和多模态RAG能力,在百炼开发者社区发布文章并上传智能体效果截图或视频。活动时间为2025年1月22日至3月31日,分为作品提交、评审和结果公

    实战阿里qwen2.5-coder 32B,如何配置Cline的Ollama API接口。

    阿里Qwen2.5大模型开源免费,适合编程应用。在Ollama平台下载时,推荐选择带有“cline”字样的Qwen2.5-Coder版本,仅需额外下载适配文件,无需重复下载模型文件。Ollama环境永

    2459 77

    快速调用 Deepseek API!【超详细教程】

    Deepseek 强大的功能,在本教程中,将指导您如何获取 DeepSeek API 密钥,并演示如何使用该密钥调用 DeepSeek API 以进行调试。

    Deepseek开源R1系列模型,纯RL助力推理能力大跃升!

    近期Deepseek正式发布 DeepSeek-R1,并同步开源模型权重。DeepSeek-R1 遵循 MIT License,允许用户通过蒸馏技术借助 R1 训练其他模型。

    DeepSeek-R1 来了,如何从 OpenAI 平滑迁移到 DeepSeek

    Higress 作为一款开源的 AI 网关工具,可以提供基于灰度+观测的平滑迁移方案。

    982 22

    DeepSeek安装部署指南,基于阿里云PAI零代码,小白也能轻松搞定!

    阿里云PAI平台支持零代码一键部署DeepSeek-V3和DeepSeek-R1大模型,用户可轻松实现从训练到部署再到推理的全流程。通过PAI Model Gallery,开发者只需简单几步即可完成模

    如何调用 DeepSeek-R1 API ?图文教程

    首先登录 DeepSeek 开放平台,创建并保存 API Key。接着,在 Apifox 中设置环境变量,导入 DeepSeek 提供的 cURL 并配置 Authorization 为 `Beare

    解决方案评测|AI 剧本生成与动画创作

    随着影视、游戏、广告等内容产业的爆发式增长,剧本创作与动画制作的需求量和复杂度持续攀升。传统流程耗时耗力且成本高,平均需12-18个月完成一部中等规模3D动画项目。阿里云通过“AI+云计算”重构这一链

    Janus-Pro:DeepSeek 开源的多模态模型,支持图像理解和生成

    Janus-Pro是DeepSeek推出的一款开源多模态AI模型,支持图像理解和生成,提供1B和7B两种规模,适配多元应用场景。通过改进的训练策略、扩展的数据集和更大规模的模型,显著提升了文本到图像的

    671 18
    Janus-Pro:DeepSeek 开源的多模态模型,支持图像理解和生成

    小白如何开始使用通义灵码(含安装IDE、安装灵码插件)

    PyCharm 和 IntelliJ IDEA 下载安装及通义灵码插件下载安装说明

    1953 3

    Qwen2.5-Max:阿里通义千问超大规模 MoE 模型,使用超过20万亿tokens的预训练数据

    Qwen2.5-Max是阿里云推出的超大规模MoE模型,具备强大的语言处理能力、编程辅助和多模态处理功能,支持29种以上语言和高达128K的上下文长度。

    488 12
    Qwen2.5-Max:阿里通义千问超大规模 MoE 模型,使用超过20万亿tokens的预训练数据

    Nginx安全加固指北

    在当今数字化时代,网络安全至关重要。Nginx作为流行的Web服务器,不仅提供高性能,还具备强大的安全保障功能。然而,默认配置可能无法抵御所有安全威胁,因此对Nginx进行安全加固尤为重要。本文为系统

    向量数据库 milvus 快速入门

    向量数据库是专为存储和查询高维度向量数据设计的系统,适用于处理文本、图像等非结构化数据。Milvus 是一个高性能、可扩展的向量数据库,支持深度神经网络生成的大规模嵌入向量。安装 Milvus 需要先

    自注意力机制全解析:从原理到计算细节,一文尽览!

    自注意力机制(Self-Attention)最早可追溯至20世纪70年代的神经网络研究,但直到2017年Google Brain团队提出Transformer架构后才广泛应用于深度学习。它通过计算序列

    【科普向】我们所说的AI模型训练到底在训练什么?

    人工智能(AI)模型训练类似于厨师通过反复实践来掌握烹饪技巧。它通过大量数据输入,自动优化内部参数(如神经网络中的权重和偏置),以最小化预测误差或损失函数,使模型在面对新数据时更加准确。训练过程包括前

    图解前向、反向传播算法,一看就懂!

    前向传播是神经网络中信息从输入层经过隐藏层传递到输出层的过程。每个神经元接收前一层的输出,通过加权求和和激活函数处理后传递给下一层,最终生成预测结果。此过程涉及输入信号、加权求和、激活函数应用等步骤。

    低代码+阿里云部署版 DeepSeek,10 分钟速成编剧大师

    阿里云部署版DeepSeek重磅发布,钉钉宜搭低代码平台已首发适配,推出官方连接器。用户可轻松调用DeepSeek R1、V3及蒸馏系列模型。通过宜搭低代码技术,结合DeepSeek大模型,仅需10分

    320 18

    深度学习中模型训练的过拟合与欠拟合问题

    在机器学习和深度学习中,过拟合和欠拟合是影响模型泛化能力的两大常见问题。过拟合指模型在训练数据上表现优异但在新数据上表现差,通常由模型复杂度过高、数据不足或质量差引起;欠拟合则指模型未能充分学习数据中

    Dify: 一款宝藏大模型开发平台: 部署及基础使用

    Dify 是一款开源的大语言模型(LLM)应用开发平台,融合了后端即服务(Backend as Service)和 LLMOps 的理念,使开发者可以快速搭建生产级的生成式 AI 应用。即使非技术人员

    【科普向】模型蒸馏和模型量化到底是什么???

    在数字化快速发展的时代,人工智能(AI)技术已广泛应用,但大型深度学习模型对计算资源的需求日益增长,增加了部署成本并限制了其在资源有限环境下的应用。为此,研究人员提出了模型蒸馏和模型量化两种关键技术。

    低代码 + AI 落地实践,让业务效率翻倍,解锁未来生产力!

    2025年春节,DeepSeek引发AI讨论热潮,推动“数字化”到“数智化”的革新。低代码+AI组合降低了技术门槛,加速企业智能化升级。文中通过食品加工业原料溯源、家电售后管理、发票识别打印三个案例,

    245 9

    PsycoLLM:开源的中文心理大模型,免费 AI 心理医生,支持心理健康评估与多轮对话

    PsycoLLM 是合肥工业大学推出的中文心理大语言模型,基于高质量心理数据集训练,支持心理健康评估、多轮对话和情绪识别,为心理健康领域提供技术支持。

    753 51
    PsycoLLM:开源的中文心理大模型,免费 AI 心理医生,支持心理健康评估与多轮对话
    正在加载更多...

    LingmaLocal.exe使用大量内存,造成Windows内存不足崩溃

    【系统环境】荣耀Magicbook 14 2022i5 12500GTX205016GB内存5GB虚拟内存实际可用21GB内存。pycharm professional 2024.1.7,灵码版本不

    RT-DETR改进策略【Conv和Transformer】| ACmix 卷积和自注意力的结合,充分发挥两者优势

    RT-DETR改进策略【Conv和Transformer】| ACmix 卷积和自注意力的结合,充分发挥两者优势

    10 4

    RT-DETR改进策略【Conv和Transformer】| 上下文转换器CoT 结合静态和动态上下文信息的注意力机制 (含二次创新)

    RT-DETR改进策略【Conv和Transformer】| 上下文转换器CoT 结合静态和动态上下文信息的注意力机制 (含二次创新)

    9 3
    RT-DETR改进策略【Conv和Transformer】| 上下文转换器CoT 结合静态和动态上下文信息的注意力机制 (含二次创新)

    RT-DETR改进策略【Conv和Transformer】| GRSL-2024最新模块 卷积和自注意力融合模块 CAFM 减少图像中的噪声干扰

    RT-DETR改进策略【Conv和Transformer】| GRSL-2024最新模块 卷积和自注意力融合模块 CAFM 减少图像中的噪声干扰

    6 2
    RT-DETR改进策略【Conv和Transformer】| GRSL-2024最新模块 卷积和自注意力融合模块 CAFM 减少图像中的噪声干扰
    |
    3小时前
    | |

    RT-DETR改进策略【Conv和Transformer】| 2023 引入CloFormer中的Clo block 双分支结构,融合高频低频信息(二次创新AIFI)

    RT-DETR改进策略【Conv和Transformer】| 2023 引入CloFormer中的Clo block 双分支结构,融合高频低频信息(二次创新AIFI)

    9 3
    RT-DETR改进策略【Conv和Transformer】| 2023 引入CloFormer中的Clo block 双分支结构,融合高频低频信息(二次创新AIFI)

    RT-DETR改进策略【Conv和Transformer】| CVPR-2022 Deformable Attention Transformer 可变形注意力 动态关注目标区域

    RT-DETR改进策略【Conv和Transformer】| CVPR-2022 Deformable Attention Transformer 可变形注意力 动态关注目标区域

    7 3
    RT-DETR改进策略【Conv和Transformer】| CVPR-2022 Deformable Attention Transformer 可变形注意力 动态关注目标区域

    RT-DETR改进策略【Conv和Transformer】| ICCV-2023 iRMB 倒置残差移动块 轻量化的注意力模块

    RT-DETR改进策略【Conv和Transformer】| ICCV-2023 iRMB 倒置残差移动块 轻量化的注意力模块

    5 0

    RT-DETR改进策略【Backbone/主干网络】| CVPR 2024替换骨干网络为 UniRepLKNet,解决大核 ConvNets 难题

    RT-DETR改进策略【Backbone/主干网络】| CVPR 2024替换骨干网络为 UniRepLKNet,解决大核 ConvNets 难题

    8 0
    RT-DETR改进策略【Backbone/主干网络】| CVPR 2024替换骨干网络为 UniRepLKNet,解决大核 ConvNets 难题

    RT-DETR改进策略【Backbone/主干网络】| CVPR 2024 替换骨干网络为 RMT,增强空间信息的感知能力

    RT-DETR改进策略【Backbone/主干网络】| CVPR 2024 替换骨干网络为 RMT,增强空间信息的感知能力

    7 2
    RT-DETR改进策略【Backbone/主干网络】| CVPR 2024 替换骨干网络为 RMT,增强空间信息的感知能力

    MySQL原理简介—8.MySQL并发事务处理

    这段内容深入探讨了SQL语句执行原理、事务并发问题、MySQL事务隔离级别及其实现机制、锁机制以及数据库性能优化等多个方面。

    RT-DETR改进策略【Backbone/主干网络】| 替换骨干网络为CVPR-2024 PKINet 获取多尺度纹理特征,适应尺度变化大的目标

    RT-DETR改进策略【Backbone/主干网络】| 替换骨干网络为CVPR-2024 PKINet 获取多尺度纹理特征,适应尺度变化大的目标

    7 0
    RT-DETR改进策略【Backbone/主干网络】| 替换骨干网络为CVPR-2024 PKINet 获取多尺度纹理特征,适应尺度变化大的目标

    RT-DETR改进策略【Backbone/主干网络】| 替换骨干网络为2023-CVPR ConvNeXt V2 (附网络详解和完整配置步骤)

    RT-DETR改进策略【Backbone/主干网络】| 替换骨干网络为2023-CVPR ConvNeXt V2 (附网络详解和完整配置步骤)

    7 1
    RT-DETR改进策略【Backbone/主干网络】| 替换骨干网络为2023-CVPR ConvNeXt V2 (附网络详解和完整配置步骤)

    RT-DETR改进策略【Backbone/主干网络】| 替换骨干网络为2023-CVPR LSKNet (附网络详解和完整配置步骤)

    RT-DETR改进策略【Backbone/主干网络】| 替换骨干网络为2023-CVPR LSKNet (附网络详解和完整配置步骤)

    9 2
    RT-DETR改进策略【Backbone/主干网络】| 替换骨干网络为2023-CVPR LSKNet (附网络详解和完整配置步骤)

    RT-DETR改进策略【Backbone/主干网络】| ICLR-2023 替换骨干网络为:RevCol 一种新型神经网络设计范式

    RT-DETR改进策略【Backbone/主干网络】| ICLR-2023 替换骨干网络为:RevCol 一种新型神经网络设计范式

    7 1
    RT-DETR改进策略【Backbone/主干网络】| ICLR-2023 替换骨干网络为:RevCol 一种新型神经网络设计范式

    RT-DETR改进策略【Backbone/主干网络】| 替换骨干网络为:Swin Transformer,提高多尺度特征提取能力

    RT-DETR改进策略【Backbone/主干网络】| 替换骨干网络为:Swin Transformer,提高多尺度特征提取能力

    6 1
    RT-DETR改进策略【Backbone/主干网络】| 替换骨干网络为:Swin Transformer,提高多尺度特征提取能力

    RT-DETR改进策略【Backbone/主干网络】| 2023 U-Net V2 替换骨干网络,加强细节特征的提取和融合

    RT-DETR改进策略【Backbone/主干网络】| 2023 U-Net V2 替换骨干网络,加强细节特征的提取和融合

    8 2
    RT-DETR改进策略【Backbone/主干网络】| 2023 U-Net V2 替换骨干网络,加强细节特征的提取和融合

    RT-DETR改进策略【卷积层】| CVPR-2024 PKI Module 获取多尺度纹理特征,适应尺度变化大的目标

    RT-DETR改进策略【卷积层】| CVPR-2024 PKI Module 获取多尺度纹理特征,适应尺度变化大的目标

    8 1
    RT-DETR改进策略【卷积层】| CVPR-2024 PKI Module 获取多尺度纹理特征,适应尺度变化大的目标

    RT-DETR改进策略【卷积层】| CVPR-2023 SCConv 空间和通道重建卷积:即插即用,减少冗余计算并提升特征学习

    RT-DETR改进策略【卷积层】| CVPR-2023 SCConv 空间和通道重建卷积:即插即用,减少冗余计算并提升特征学习

    7 1
    RT-DETR改进策略【卷积层】| CVPR-2023 SCConv 空间和通道重建卷积:即插即用,减少冗余计算并提升特征学习

    RT-DETR改进策略【卷积层】| CVPR-2023 部分卷积 PConv 轻量化卷积,降低内存占用

    RT-DETR改进策略【卷积层】| CVPR-2023 部分卷积 PConv 轻量化卷积,降低内存占用

    7 1
    RT-DETR改进策略【卷积层】| CVPR-2023 部分卷积 PConv 轻量化卷积,降低内存占用

    RT-DETR改进策略【卷积层】| ICCV-2023 LSK大核选择模块 包含ResNetLayer二次独家创新

    RT-DETR改进策略【卷积层】| ICCV-2023 LSK大核选择模块 包含ResNetLayer二次独家创新

    6 1

    RT-DETR改进策略【卷积层】| 利用MobileNetv4中的UIB、ExtraDW优化ResNetLayer

    RT-DETR改进策略【卷积层】| 利用MobileNetv4中的UIB、ExtraDW优化ResNetLayer

    11 4
    RT-DETR改进策略【卷积层】| 利用MobileNetv4中的UIB、ExtraDW优化ResNetLayer
    |
    4小时前
    | |

    RT-DETR改进策略【卷积层】| ICCV-2023 引入Dynamic Snake Convolution动态蛇形卷积,改进ResNetLayer

    RT-DETR改进策略【卷积层】| ICCV-2023 引入Dynamic Snake Convolution动态蛇形卷积,改进ResNetLayer

    7 2
    RT-DETR改进策略【卷积层】| ICCV-2023 引入Dynamic Snake Convolution动态蛇形卷积,改进ResNetLayer

    RT-DETR改进策略【卷积层】| GnConv:一种通过门控卷积和递归设计来实现高效、可扩展、平移等变的高阶空间交互操作

    RT-DETR改进策略【卷积层】| GnConv:一种通过门控卷积和递归设计来实现高效、可扩展、平移等变的高阶空间交互操作

    9 3
    RT-DETR改进策略【卷积层】| GnConv:一种通过门控卷积和递归设计来实现高效、可扩展、平移等变的高阶空间交互操作
    |
    4小时前
    | |

    RT-DETR改进策略【卷积层】| SAConv 可切换的空洞卷积 二次创新ResNetLayer

    RT-DETR改进策略【卷积层】| SAConv 可切换的空洞卷积 二次创新ResNetLayer

    7 2
    RT-DETR改进策略【卷积层】| SAConv 可切换的空洞卷积 二次创新ResNetLayer
    |
    4小时前
    | | |
    来自: 物联网

    十二、MyBatis分页插件

    十二、MyBatis分页插件

    12 4

    RT-DETR改进策略【卷积层】| NeurIPS-2022 ParNet 即插即用模块 二次创新ResNetLayer

    RT-DETR改进策略【卷积层】| NeurIPS-2022 ParNet 即插即用模块 二次创新ResNetLayer

    8 1
    RT-DETR改进策略【卷积层】| NeurIPS-2022 ParNet 即插即用模块 二次创新ResNetLayer
    |
    4小时前
    | |

    开源项目OpenIM单机部署生产环境异常处理及数据恢复

    在生产环境中,通常会采用集群部署来保证组件和服务的高可用性。然而,在资源有限的情况下,一些开发者可能会选择在生产环境中进行单机部署(使用源码部署或docker容器)。本文将介绍在单机部署环境下如何进行

    7 0

    RT-DETR改进策略【卷积层】| HWD,引入`Haar小波变换`到下采样模块中,减少信息丢失

    RT-DETR改进策略【卷积层】| HWD,引入`Haar小波变换`到下采样模块中,减少信息丢失

    6 1
    RT-DETR改进策略【卷积层】| HWD,引入`Haar小波变换`到下采样模块中,减少信息丢失

    RT-DETR改进策略【卷积层】| 引入注意力卷积模块RFAConv,关注感受野空间特征 助力RT-DETR精度提升

    RT-DETR改进策略【卷积层】| 引入注意力卷积模块RFAConv,关注感受野空间特征 助力RT-DETR精度提升

    7 1
    RT-DETR改进策略【卷积层】| 引入注意力卷积模块RFAConv,关注感受野空间特征 助力RT-DETR精度提升
    |
    4小时前
    |

    适合餐饮美食行业的404动画页面源码

    适合餐饮美食行业的404动画页面源码

    7 1
    |
    4小时前
    | |

    RT-DETR改进策略【卷积层】| CVPR-2024 利用DynamicConv 动态卷积 结合ResNetLayer进行二次创新,提高精度

    RT-DETR改进策略【卷积层】| CVPR-2024 利用DynamicConv 动态卷积 结合ResNetLayer进行二次创新,提高精度

    6 0

    RT-DETR改进策略【卷积层】| AKConv: 具有任意采样形状和任意参数数量的卷积核

    RT-DETR改进策略【卷积层】| AKConv: 具有任意采样形状和任意参数数量的卷积核

    5 0
    RT-DETR改进策略【卷积层】| AKConv: 具有任意采样形状和任意参数数量的卷积核
    |
    4小时前
    | | |
    来自: 云存储

    即时通讯开源项目OpenIM配置离线推送全攻略

    即时通讯开源项目OpenIM配置离线推送全攻略

    8 2

    RT-DETR改进策略【卷积层】| ICCV-2023 SAFM 空间自适应特征调制模块 对ResNetLayer进行二次创新

    RT-DETR改进策略【卷积层】| ICCV-2023 SAFM 空间自适应特征调制模块 对ResNetLayer进行二次创新

    8 1
    RT-DETR改进策略【卷积层】| ICCV-2023 SAFM 空间自适应特征调制模块 对ResNetLayer进行二次创新

    RT-DETR改进策略【卷积层】| SPD-Conv 针对小目标和低分辨率图像的检测任务

    RT-DETR改进策略【卷积层】| SPD-Conv 针对小目标和低分辨率图像的检测任务

    8 2
    RT-DETR改进策略【卷积层】| SPD-Conv 针对小目标和低分辨率图像的检测任务
    |
    4小时前
    | |

    RT-DETR改进策略【卷积层】| RCS-OSA 通道混洗的重参数化卷积 二次创新ResNetLayer

    RT-DETR改进策略【卷积层】| RCS-OSA 通道混洗的重参数化卷积 二次创新ResNetLayer

    6 0
    RT-DETR改进策略【卷积层】| RCS-OSA 通道混洗的重参数化卷积 二次创新ResNetLayer

    RT-DETR改进策略【卷积层】| CVPR-2021 多样分支块DBB,替换下采样模块 并二次创新ResNetLayer

    RT-DETR改进策略【卷积层】| CVPR-2021 多样分支块DBB,替换下采样模块 并二次创新ResNetLayer

    6 0
    RT-DETR改进策略【卷积层】| CVPR-2021 多样分支块DBB,替换下采样模块 并二次创新ResNetLayer

    RT-DETR改进策略【卷积层】| ECCV-2024 小波卷积WTConv 增大感受野,降低参数量计算量,独家创新助力涨点

    RT-DETR改进策略【卷积层】| ECCV-2024 小波卷积WTConv 增大感受野,降低参数量计算量,独家创新助力涨点

    7 2
    RT-DETR改进策略【卷积层】| ECCV-2024 小波卷积WTConv 增大感受野,降低参数量计算量,独家创新助力涨点

    ollama+openwebui本地部署deepseek 7b

    Ollama是一个开源平台,用于本地部署和管理大型语言模型(LLMs),简化了模型的训练、部署与监控过程,并支持多种机器学习框架。用户可以通过简单的命令行操作完成模型的安装与运行,如下载指定模型并启动

    |
    4小时前
    | |

    RT-DETR改进策略【卷积层】| 2024最新轻量级自适应提取模块 LAE 即插即用 保留局部信息和全局信息

    RT-DETR改进策略【卷积层】| 2024最新轻量级自适应提取模块 LAE 即插即用 保留局部信息和全局信息

    5 0
    RT-DETR改进策略【卷积层】| 2024最新轻量级自适应提取模块 LAE 即插即用 保留局部信息和全局信息

    RT-DETR改进策略【卷积层】| CVPR-2020 Strip Pooling 空间池化模块 处理不规则形状的对象 含二次创新

    RT-DETR改进策略【卷积层】| CVPR-2020 Strip Pooling 空间池化模块 处理不规则形状的对象 含二次创新

    7 1
    |
    4小时前
    | |

    RT-DETR改进策略【卷积层】| CGblock 内容引导网络 利用不同层次信息,提高多类别分类能力 (含二次创新)

    RT-DETR改进策略【卷积层】| CGblock 内容引导网络 利用不同层次信息,提高多类别分类能力 (含二次创新)

    7 1
    RT-DETR改进策略【卷积层】| CGblock 内容引导网络 利用不同层次信息,提高多类别分类能力 (含二次创新)
    |
    5小时前
    | |

    MediaGo:跨平台视频提取下载的开源神器

    MediaGo是一款跨平台视频提取工具,支持流媒体、m3u8及B站视频下载,提供Windows和Mac客户端。它无需复杂抓包操作,内置浏览器可轻松嗅探并选择视频资源,支持批量下载和移动播放。项目开源免

    11 1
     MediaGo:跨平台视频提取下载的开源神器
    |
    5小时前
    |

    日式风格404错误页面模板源码

    日式风格404错误页面模板源码

    8 1
    |
    5小时前
    | | |
    来自: 云存储

    即时通讯开源项目OpenIM配置可视化-etcd配置中心

    即时通讯开源项目OpenIM二次开发

    8 2

    票房登顶第一!从《哪吒2》看中国科技企业集体“闹海”

    《哪吒之魔童闹海》以“我命由我不由天”的精神点燃观众热血,五年后再次以“若前方无路,我便踏出一条路”的态度唤醒少年气。电影不仅刷新了国内票房纪录,更象征着中国科技企业集体逆袭的精神。从九牧卫浴到Dee

    企业级LLM推理部署新范式:基于ACK的DeepSeek蒸馏模型生产环境落地指南

    本教程演示如何在ACK中使用vLLM框架快速部署DeepSeek R1模型推理服务。

    |
    8小时前
    | | |

    【再谈设计模式】状态模式~对象行为的状态驱动者

    状态模式属于行为型设计模式。它将对象的行为封装在不同的状态类中,使得对象在不同的状态下表现出不同的行为。上下文(Context):这是一个包含状态对象的类,它定义了客户感兴趣的接口,并维护一个具体状态

    21 14

    为什么自己写的算法备案文档越改问题越多?

    算法备案文档撰写中,许多开发者遇到越改问题越多的困境。主要原因包括:缺乏明确指导标准、对算法理解不深、部门间沟通协作不足、审核反馈机制缺失及撰写人员专业性不足。为解决这些问题,建议深入学习备案要求、加

    【03】Java+若依+vue.js技术栈实现钱包积分管理系统项目-若依框架搭建-服务端-后台管理-整体搭建-优雅草卓伊凡商业项目实战

    【03】Java+若依+vue.js技术栈实现钱包积分管理系统项目-若依框架搭建-服务端-后台管理-整体搭建-优雅草卓伊凡商业项目实战

    27 13
    【03】Java+若依+vue.js技术栈实现钱包积分管理系统项目-若依框架搭建-服务端-后台管理-整体搭建-优雅草卓伊凡商业项目实战
    正在加载更多...
    正在加载更多...
    正在加载更多...