机器学习/深度学习

首页 标签 机器学习/深度学习
# 机器学习/深度学习 #
关注
73045内容
DeepSeek 怎么导出 Word?保存对话、公式和表格的几种方法
DeepSeek本身不支持直接导出Word,但可通过三种方式高效保存:①直接复制(适合纯文本);②Markdown转Word(适合技术用户);③推荐使用DeepShare插件——一键导出单条/多轮对话,保留标题、表格、代码块及LaTeX公式,支持模板定制与格式优化,大幅提升文档交付效率。
别被“HTML 万能论”带偏:Markdown 才是人机协作的真正基石
Claude工程师提出“未来AI只需输出HTML,Markdown已是过去式”的观点。本文从AI底层运行逻辑、Token经济学、注意力机制与真实协作场景出发,指出该观点混淆了表现层与数据层,低估了人类微调的必要性。Markdown之所以不可替代,恰恰因为它信息纯净、容错高、对人与AI都极为友好——它是未来很长一段时间里的“认知JSON”。
|
19天前
|
5类可回收垃圾【纸板、玻璃、金属、纸张、塑料】检测数据集(13000张)|YOLO训练数据集 智能垃圾分类 环保回收识别 垃圾分拣视觉检测
本数据集含13000张真实场景图像,精准标注纸板、玻璃、金属、纸张、塑料5类可回收垃圾,YOLO标准格式,适配YOLOv5/v8/v11、RT-DETR等模型,开箱即用,助力智能垃圾分类、环保机器人及分拣流水线研发。
|
19天前
|
桑叶病害目标检测数据集(16000张)|YOLO训练数据集 智慧农业 病虫害识别 农业AI 作物病害检测
本数据集含16000张真实田间桑叶病害高清图像,YOLO标准格式,单类别(病害)边界框标注。覆盖多光照、多生长阶段及轻/中/重度病害场景,标注精准、结构规范,专为智慧农业病虫害识别与农业AI模型训练设计,即下即用
|
20天前
|
建筑玻璃缺陷目标检测数据集分享(适用于YOLO系列深度学习分类检测任务)
本数据集含3000张真实场景建筑玻璃图像,标注5类缺陷(破裂、打胶、起霜、污染、未加工),采用标准YOLO格式,含train/val/test划分及data.yaml配置,专为YOLO系列模型训练优化,助力幕墙质检与工业AI检测。(239字)
|
20天前
|
让机器学习 Pipeline 更稳的 5 个 Python 装饰器代码
AI项目代码易膨胀,核心逻辑常被API调用、日志、重试等边角任务淹没。本文精选5个Python装饰器:并发限流、结构化日志、特征注入、确定性种子、开发Fallback,助AI工程师解耦关注点、提升可维护性与稳定性。
|
20天前
| |
来自: 弹性计算
为何说阿里云服务器计算型c9i、通用型g9i、内存型r9i实例是高性能需求专业之选?CPU架构、性能、场景解析
随着企业对底层算力需求从"可用"升级为"高性能、高稳定、高安全",阿里云第九代企业级ECS实例——计算型c9i、通用型g9i、内存型r9i应运而生。三款实例搭载自研CIPU架构与英特尔®至强®6处理器,单核算力最高提升20%,实现近乎"零损耗"虚拟化,并集成AMX矩阵加速与TDX安全技术。网络带宽升级至400G,存储支持360万IOPS。适用于AI推理、大数据分析、高并发在线服务等场景,已服务超3万家客户,是企业高性能计算的专业之选。
|
20天前
|
Java在规则引擎与风控系统中的大规模运用
在金融风控、电商促销、内容审核等系统中,业务规则频繁变化(例如“用户注册时长>30天且最近一周登录次数>3次,发放优惠券”)
好用的推理训练引擎横向评测:主流MLOps平台深度对比
本文横向评测五大主流AI基础设施平台(博云AIOS BMP、AWS SageMaker、Google Vertex AI、Azure ML、阿里云PAI),聚焦推理训练引擎,从功能完整性、异构算力支持、私有化能力、易用性及性价比五大维度深度对比,助力企业精准选型。
免费试用