人工智能的分类有哪些
弱人工智能（Narrow AI）：也称为狭义人工智能，指专注于执行特定任务的AI系统，例如语音识别、图像识别、自然语言处理等。- 强人工智能（General AI）：也称为通用人工智能，指具有与人类相当或超越人类智能水平的AI系统，能够在各种不同任务和环境中执行各种智能活动。- 计算智能：主要涉及到
AI：37-基于深度学习的安全帽检测方法研究
随着人工智能的快速发展，安全问题日益受到关注。在工业生产、建筑工地和其他危险环境中，安全帽的佩戴是预防头部伤害的重要措施。本文研究了基于深度学习的安全帽检测方法，通过分析图像数据中的头部和安全帽，实现了自动化安全帽检测和预警系统。1.随着工业自动化的推进和对员工安全的重视，安全帽的佩戴已成为工业生产
AI是否可以主动进行编程和调试？
通过机器学习、深度学习等技术，AI可以学习和模仿人类编写的程序，从而实现编写程序的能力。例如，谷歌的AI机器人Bard具备写程序和调试的功能，可用于20多种编程语言，包括C++、Go、Java、Javascript、Python和Typescript等。此外，还有研究团队开发了能够自动生成完整软件程
60行代码就可以训练/微调 Segment Anything 2 (SAM 2)
本文演示了如何在仅60行代码内（不包括标注和导入）对SAM2进行微调。
【人工智能】全景解析：【机器学习】【深度学习】从基础理论到应用前景的【深度探索】
总结：人工智能作为当今科技领域的前沿，正在迅速改变各行各业。尽管AI带来了前所未有的机遇，但也伴随着重大挑战。人类社会需要在推动AI技术发展的同时，谨慎应对其可能带来的风险和问题。展望：未来，随着技术的进一步成熟和完善，AI将以更智能、更安全的方式融入人类生活，推动社会进步和人类福祉。
【人工智能】人工智能与传统美工结合，AI美工的详细解析。
AI美工是一个结合了人工智能技术与美工设计的岗位，它利用AI工具和技术来辅助或完成美工设计的各项工作。以下是对AI美工的详细解析：
AI人工智能代理工作流AI Agent WorkFlow：设计智能任务处理流程
AI人工智能代理工作流AI Agent WorkFlow：设计智能任务处理流程作者：禅与计算机程序设计艺术 / Zen and the Art of Computer Programming1. 背景介绍
AI大模型开发——2.深度学习基础（1）
什么是深度学习？首先深度学习是机器学习的一个分支，是通过模拟人脑的神经网络结构来进行模式识别和学习。他在语音识别、图像识别，NLP以及其他很多领域展现了前所未有的性能，其中大语言模型是其NLP领域的一大应用。深度学习技术的核心技术在于深度神经网络，这种神经网络由多层的神经元组成，能够自动的从大量数据
AI：52-基于深度学习的垃圾分类
垃圾分类是一项全球性的环境挑战，随着城市化进程的不断加快，垃圾的产生和管理成为了一个紧迫的问题。传统的垃圾分类方法需要依靠人工进行分类和处理，但由于垃圾种类繁多且形态各异，这种方法效率低下且容易出错。然而，随着人工智能技术的快速发展，基于深度学习的垃圾分类技术成为了一种创新的解决方案。本文将介绍基于
AI：193-使用深度学习进行疾病早期预测与诊断
我们将使用威斯康星乳腺癌数据集（Wisconsin Breast Cancer Dataset），该数据集包含了乳腺细胞的数字化图像以及对应的诊断结果，共有30个特征。我们的任务是根据这些特征来预测肿瘤是良性还是恶性。深度学习在疾病早期预测与诊断中展现了巨大潜力，具有高效处理大规模数据、自动特征提取
人工智能(AI)原理与代码实战案例讲解
Artificial Intelligence (AI) Principles and Code Implementation: A Comprehensive Guide
掌握 PyTorch 张量乘法：八个关键函数与应用场景对比解析
PyTorch提供了几种张量乘法的方法，每种方法都是不同的，并且有不同的应用。我们来详细介绍每个方法，并且详细解释这些函数有什么区别：
AI人工智能深度学习算法：智能深度学习代理的知识图谱运用
人工智能（AI）的概念最早可以追溯到20世纪50年代，当时的研究主要集中在符号逻辑和规则系统上。1956年，达特茅斯会议标志着人工智能作为一个独立学科的诞生。早期的AI系统主要依赖于手工编写的规则和逻辑推理，试图模拟人类的思维过程。然而，由于计算能力和数据的限制，这些系统在处理复杂问题时表现不佳。知
使用BatchNorm替代LayerNorm可以减少Vision Transformer训练时间和推理时间
本文我们将详细探讨ViT的一种修改,这将涉及用批量归一化(BatchNorm)替换层归一化(LayerNorm) - transformer的默认归一化技术。
动手学大模型应用全栈开发#Datahale AI夏令营
datawhaleAI夏令营第四期#动手学大模型应用全栈开发baseline运行及解读
Skeleton Recall Loss 分割领域的新突破：极大的减少了资源消耗，还能提高性能
这篇论文则介绍了一个新的损失：Skeleton Recall Loss，我把它翻译成骨架召回损失.这个损失目前获得了最先进的整体性能，并且通过取代密集的计算**他的计算开销减少超过90% !**
深入探索：【人工智能】、【机器学习】与【深度学习】的全景视觉之旅
人工智能、机器学习和深度学习是现代科技的重要组成部分，正深刻影响着各个行业的发展。从理论到实践，再到未来的发展趋势，AI技术的发展为我们提供了前所未有的工具来解决复杂的问题。然而，随着技术的进步，新的挑战也随之而来，如数据隐私、伦理问题等。为了实现AI技术的可持续发展，我们需要在技术创新与社会责任之
【大模型应用开发 动手做AI Agent】LangChain和Agent开发
【大模型应用开发 动手做AI Agent】LangChain和Agent开发作者：禅与计算机程序设计艺术 / Zen and the Art of Computer Programming关键词：LangChain, AI Agent, 大模型, 编程式AI, 自然语言
跟李沐学AI：卷积层
卷积是一个特殊的全连接层。卷积神经网络是包含卷积层的一类特殊的神经网络。在深度学习研究社区中，𝑉被称为卷积核（convolution kernel）或者滤波器（filter），亦或简单地称之为该卷积层的权重，通常该权重是可学习的参数。当图像处理的局部区域很小时，卷积神经网络与多层感知机的训练差异可
使用CLIP模型进行零样本图像分类的分步指南
我们首先介绍零样本学习的概念及其在现代AI应用中的重要性
