丹摩征文活动 | SD3+ComfyUI模型图文部署：AI工程师的实践与探索
在丹摩智算平台上部署SD3+ComfyUI图文模型的过程中，我感受到了极高的效率和便捷性，尤其是在处理图文生成任务时表现尤为出色。作为一名AI工程师，我对平台的计算能力和操作简便性有着严格的要求，而丹摩智算正好满足了这些需求。丹摩智算平台的界面用户友好，功能布局合理，使得整个部署过程非常直观。即使是
乌班图服务器24.04安装英伟达显卡4090驱动，并使用Ollama安装qwen2.5:32b大模型
然后，你要确保你的系统软件包是最新的，避免出现兼容性问题。
自动驾驶系统研发系列—智能驾驶新高度：解析ESS驾驶员转向辅助系统
ESS是一种智能驾驶辅助功能，专注于在紧急情况下辅助驾驶员转向，避让前方车辆或行人。该功能的核心作用是当车辆行驶过程中检测到追尾风险，并且驾驶员有转向避让动作时，ESS系统会计算最佳转向轨迹，协助驾驶员将车辆引导至安全位置。ESS功能主要支持当前车道内的同向运动目标（如车辆或行人），但对于横穿目标或
手搓人工智能—聚类分析（下）谱系聚类与K-mean聚类
所谓聚类分析就是根据某种原则，将样本或数据集划为若干个“有意义“的子集，称为——无监督学习
《线性代数》学习笔记
直观上就是，如果第三个向量的直线掉在前面两条向量张成的平面，那么就线性相关，否则是线性无关的。就是用前面确定线性无关的两个列向量a和b，组成议程ax+by=c是否有解，如果有解。如何判断有解，用消元法。求解这样的方程，先把它转换成行阶梯式，而且每一个主元上面对应的系数是0。什么是基础解系，就是其它解
机器学习极简史
机器学习极简史，包括推理期、知识期、符号主义、连接主义。
AI大模型与4大策略，打造智能客服机器人问题解决新高度
在数字化浪潮中，智能客服机器人正重塑企业与客户间的互动模式。然而，衡量智能客服机器人的价值并非易事。我们先看影响智能客服机器人运营成本的几个关键指标：处理率、解决率、费力度。其中费力度，则是指衡量用户解决问题所需付出的努力，而解决率指的是在自动化流程中，智能客服机器人独立完成任务的能力，可见处理率虽
学习率了解一
微调预训练模型：当使用已经预训练好的模型（如在特定任务上微调BERT）时，通常使用非常小的学习率（例如5e-5或更小），这是因为预训练模型已经非常接近优化目标，我们只需要做一些轻微的调整。细致调整：当你发现模型的性能开始稳定，但还需要进一步优化时，可以减小学习率（例如0.001或0.0001），帮助
【AI知识点】余弦相似度（Cosine Similarity）
余弦相似度（Cosine Similarity）是一种用于衡量两个向量在方向上的相似程度的指标。它主要用于文本分析、自然语言处理（NLP）、推荐系统等任务中，能够衡量两个向量之间的相似性，而不受向量的长度（模）影响。
智体AI在多模态交互领域的综述（上）
24年1月论文“Agent AI: surveying the horizons of multimodal interaction“，来自斯坦福、微软、UCLA和华盛顿大学。
IL-AD
我们利用机器学习方法来适应纳米孔测序基对齐器，用于核苷酸修饰检测。我们首先应用增量学习技术来改进富含修饰的序列的基对齐，这些序列通常具有高度的生物学兴趣。在解析序列主干后，我们进一步对单个核苷酸进行异常检测，以确定其修饰状态。通过这种方式，我们的管道承诺实现单分子、单核苷酸和序列上下文无关的修饰检测
Spring AI Alibaba: 支持国产大模型的Spring ai框架
Spring AI Alibaba是阿里巴巴推出的一个专注于人工智能应用开发的框架，它基于Spring生态系统构建，旨在简化AI应用程序的开发流程。同时，Spring AI也充分利用了Java面向对象编程的优势，允许开发者通过熟悉的编程模式来操作复杂的AI模型和算法，从而加速了从概念验证到生产环境的
【AI知识点】近似最近邻搜索（ANN, Approximate Nearest Neighbor Search）
近似最近邻搜索（ANN） 是一种为了提升高维数据相似性搜索效率的技术，它在牺牲一定精度的前提下，大大提升了搜索速度。它被广泛应用于推荐系统、图像检索、文本相似性搜索等实际场景。常见的ANN算法包括局部敏感哈希（LSH）、图嵌入法（如HNSW）、矢量量化（VQ）等，它们通过不同的方式优化搜索过程，解决
使用webdataset进行多卡分布式训练
由于实验原因，需要用到webdataset在多卡上进行高效训练（主要是减少dataset加载图片在IO上浪费的时间），那么在单卡上训练的教程已经很多在教程了。在网上一顿搜索发现，官方给的样例（WebDataset + Distributed PyTorch Training）也没有具体解释一些参数的
给机器装上“脑子”—— 一文带你玩转机器学习
机器学习是一门研究算法和统计模型的学科，其目标是让计算机系统从数据中提取规律或“经验”，以提高完成特定任务的效率。机器学习的核心在于“自动化的学习过程”，与传统编程不同：传统编程要求开发者明确指令，而机器学习系统则依靠数据驱动，通过算法“自我学习”来做出预测、分类或决策。
应对AI与机器学习的安全与授权管理新挑战，CodeMeter不断创新引领保护方案
威步的CodeMeter系列为AI和机器学习应用提供全面的安全与授权管理解决方案，涵盖加密、授权和数据完整性保护，防止篡改、数据泄露和知识产权盗窃，助力企业保护其AI资产及数字知识产权，在激烈的市场中保持竞争优势。
python大数据：聚类分析
该算法的核心思想是通过计算每个点的可达距离（Reachability Distance）和核心距离（Core Distance）来确定数据点之间的密度关系，从而自动发现数据中的层次结构，而无需预先设定簇的数量。作为一种无监督学习方法，聚类分析不依赖于事先定义的标签或类别，而是通过对数据本身的特性进行
大模型生图安全疫苗注入——进阶解决方案与系统优化(DataWhale组队学习)
在之前的博客中，我们展示了如何利用**Qwen模型**进行文本改写，并通过多轮次对话优化模型的输出结果。然而，由于大语言模型生成结果的多样性和不确定性，确保生成文本的**安全性和语义一致性**仍然是一个挑战。 本篇博客将基于上一部分的代码实现，对其进行**扩展和深入探讨**；
带你迅速了解什么是人工智能
1950-1970 符号主义流派：专家系统占主导地位1950：图灵设计国际象棋程序1962：IBM Arthur Samuel 的跳棋程序战胜人类高手（人工智能第一次浪潮）1980-2000统计主义流派：主要用统计模型解决问题1993：Vapnik提出SVM1997：IBM 深蓝战胜卡斯帕罗夫（人工
【机器学习监督学习】：从原理到实践，探索算法奥秘，揭示数据标注、模型训练与预测的全过程，助力人工智能技术应用与发展
本文详细介绍了五种经典的监督学习算法：线性回归、逻辑回归、支持向量机、决策树和随机森林。线性回归适用于回归问题，模型简单且易于解释。逻辑回归适用于二分类问题，模型简单且易于解释。支持向量机在处理高维数据和非线性可分问题时表现出色。决策树易于理解和解释，但容易过拟合。随机森林通过集成多个决策树，提高了
