开箱即用！合合信息的智能文档处理“百宝箱”
在长沙召开，来自合合信息的常扬老师在“模型与工具”论坛上分享了合合信息的智能文档处理“百宝箱”，系统介绍了TextIn ParseX、acge-embedding、markdown_tester三种工具。比如说我们要在解析文档进行结果审核校对、效果测评等场景，需要可视化展示文档解析后的结果的时候就可
开源模型应用落地-安全合规篇-用户输入价值观判断（三）
通过对用户输入内容的价值观判断，不仅审核信息的合法性和合规性，还深入洞察伦理道德与社会责任，旨在识别潜在冲突，营造安全和谐的交流环境。
从方向导数到梯度：深度学习中的关键数学概念详解
本文将系统探讨方向导数与梯度的理论基础，并阐述二者的内在联系
ORCA：基于持续批处理的LLM推理性能优化技术详解
大语言模型(LLMs)推理过程中的批处理优化面临显著挑战，这主要源于其推理过程的迭代特性。核心问题在于批处理中的各个请求完成时间存在差异，这导致资源释放和新请求整合的复杂性显著提高，特别是在处理不同完成阶段的请求时。当批处理中序列的生成长度差异较大时，GPU资源利用率往往不够理想。如下图所示，序列1
YOLO 训练异常终止、断电、服务器关机，恢复训练，训练过程中调整训练周期
对于训练一个新的YOLO模型或者是跑原模型，在训练过程中总会遇到误触或是异常操作导致训练终止，肯定不想重新开始训练
【植物识别】Python+深度学习+人工智能+CNN卷积神经网络+算法模型训练+TensorFlow
植物识别系统，使用Python作为主要编程语言开发，通过收集常见的6中植物树叶（‘广玉兰’, ‘杜鹃’, ‘梧桐’, ‘樟叶’, ‘芭蕉’, ‘银杏’）图片作为数据集，然后使用TensorFlow搭建ResNet50算法网络模型，通过对数据集进行处理后进行模型迭代训练，得到一个识别精度较高的H5模型
《人工智能（AI）和深度学习简史》
FLUX.1 (2024)：Black Forest Lab 推出了FLUX.1，这是一个先进的扩散模型，用于AI图像生成，具有出色的速度、质量和对提示的响应能力。1969年，XOR问题暴露了感知器（单层神经网络）的局限性。• GPT (2018)：生成式预训练Transformer（Gene
华为昇腾310P AI 智能计算模组规格书
PCIe Gen4.0 ，兼容 3.0/2.0/1.0 XGE、SATA、USB 等接口。基于昇腾310P 模组设计的 AI 智能产品，可根据实际应用需求，可应用于机器人、无人机、无人。领域，有着极高的性价比，具有超强算力、 超高能效、高性能特征检索、安全启动等优势。支持 I2C、 UART、 CA
ORCA：基于持续批处理的LLM推理性能优化技术详解
ORCA系统创新性地提出了持续批处理概念，通过引入迭代级调度和选择性批处理机制，有效解决了大语言模型批处理中的关键技术挑战。
深入解析图神经网络：Graph Transformer的算法基础与工程实践
本文不仅是对Graph Transformer技术的深入解析，更是一份从理论到实践的完整技术指南，为那些希望在图神经网络领域深入发展的技术人员提供了宝贵的学习资源。
【赛博炼丹】深度学习软件安装及环境配置：Anaconda、CUDA、cuDNN、PyTorch及PyCharm
Anaconda、CUDA、cuDNN、PyTorch及PyCharm
开源模型应用落地-Qwen2.5-7B-Instruct与vllm实现离线推理-性能分析（四）
使用性能分析工具（Profiler）来评估和优化模型的推理性能。
【超详细！！】远程开发必备：Windows环境下连接服务器的多工具实战指南
本文详细介绍了在 Windows 系统下连接远程服务器的多种方法，旨在帮助开发者和系统管理员高效地管理和操作远程服务器。文章分为三个主要部分，分别探讨了使用命令行窗口、MobaXterm 远程工具以及 PyCharm IDE 连接远程服务器的具体步骤和技巧。
遗传算法与深度学习实战（26）——编码卷积神经网络架构
进化卷积神经网络 (Evolutionary Convolutional Neural Network, EvoCNN) 通过结合进化算法的优势，提供了一种自动化设计和优化深度学习模型的方法。在本节中，我们介绍了如何将卷积神经网络架构编码为基因序列，为构建进化卷积神经网络奠定基础。
Hymba: 结合注意力头和SSM头的创新型语言模型方案
NVIDIA提出了Hymba架构,通过在同一层中结合注意力头和SSM头,以实现两种架构优势的互补。
基于深度学习CNN算法的植物/中草药分类识别系统01--带数据集-pyqt5UI界面-全套源码
基于深度学习算法的植物/中草药识别系统-全套代码数据集-保姆级教程
三、计算机视觉_10经典的数据集与目标检测数据标注格式
PASCAL VOC数据集是计算机视觉领域较早的数据集之一，对目标检测技术的发展有重要影响，它包含的图像数量相对较少，但每个图像都经过了精心的标注，适合用于算法的验证和测试。尽管有上面这些标准的数据标注格式，但在标注数据时，我们通常并不是直接在标注文件中手写内容，而是通过一些可视化的工具来进行标注，
三、计算机视觉_09GAN对抗学习案例
对抗学习（Adversarial Learning）是一种机器学习范式，它涉及到两个或多个模型在相互竞争的环境中进行训练，以提高各自的性能，这种学习方式的核心思想是通过对抗过程来激发模型的潜力，使它们在面对对手的挑战时不断进化和改进现存在一批手写数字的数据集（类似下图），需要通过GAN来模仿手写数字
Qwen2.5-Coder-7B-Instruct模型本地部署，并实现简单的web对话
qwen2-chat，在自己电脑上部署一个聊天机器人，实现简单的chat界面，适用于千问2或者千问2.5的模型。windows环境也通用，修改好对应的路径就可以。
Transformer模型变长序列优化：解析PyTorch上的FlashAttention2与xFormers
本文将进一步探讨变长输入序列这一挑战——这是真实世界数据（如文档、代码、时间序列等）的固有特征。
