为什么Claude的Artifacts是我目前在生成式AI中见过的最酷功能
Claude AI 的新功能Artifacts的推出极大简化了用户在设计网页、处理代码和撰写报告等任务中的操作流程。用户无需再在多个程序间切换，Claude AI能够实时生成并显示全格式化结果，使创作体验变得更为流畅和高效。自六月预览版推出以来，Artifacts已被用户广泛应用，创造了数千万个不同
随机梯度下降法 (SGD)
SGD的基本思想是通过逐个样本或小批量样本来更新模型参数，而不是使用整个数据集。这种方法大大提高了计算效率，特别是在处理大规模数据集时。
Nat Commun系列｜如何像搭积木一样去搭建你自己的病理AI模型框架｜专题总结·24-08-30
这篇文章报道了一种基于回归的深度学习方法，能够从病理切片图像中准确预测连续性的分子生物标志物，为计算病理学和精准医疗提供了新的工具。研究团队开发并评估了一种自监督的、基于注意力机制的弱监督回归方法，直接从11,671张涵盖九种癌症类型的患者的图像中预测连续的生物标志物。研究发现，使用回归方法显著提高
【随笔】使用spring AI接入大语言模型
Spring AI是Spring生态系统中的一个模块，旨在帮助开发者集成重要的AI服务。通过Spring AI，开发者可以方便地与OpenAI、Hugging Face等AI服务进行交互。Spring AI提供了简单且强大的API，使得集成AI变得更加直观和高效。通过使用Spring AI，您可以轻
【AI神助攻】用"v0"，自然语言秒变网站！
引言 毫无疑问，我们正处于一个AI技术蓬勃发展的时代。无论是被动体验还是主动探索，AI产品已经渗透到我们生活的方方面面。接下来，我将为大家介绍一款AI工具v0，它能够通过自然语言自动生成前端代码，大大提升开发效率。1. v0是什么？ v0是由Vercel推出的开发工具，专为快速和高效的用户界面（UI
【实战】双目测距python实现（含标定）
相机标定主要是为了获取左右相机的内参矩阵、畸变系数、旋转矩阵和平移向量，方便后续对获得的图像进行畸变矫正和图像对齐。是描述相机内在参数的3x3矩阵，包含了相机的焦距和光学中心的位置。这些参数定义了相机的成像过程中的投影关系，内参矩阵一般表示为：其中：fx 和 fy 是焦距（以像素为单位），分别对应x
AI：259-全新YOLOv8改进策略 | 基于MSDA多尺度空洞注意力机制的优化与实现
空洞卷积是一种用于扩大感受野而不增加计算量的卷积操作。通过在卷积核的权重之间引入空洞（即间隔），空洞卷积能够捕捉更大范围的信息，同时保持计算效率。空洞卷积的公式为：其中，( r ) 是空洞率，控制了感受野的大小。
【数据分析】利用Python+AI+工作流实现自动化数据分析-全流程讲解
教你如何利用Python+AI（key）+AI工作流，实现自动化数据分析脚本-全流程讲解
java接入AI大模型个人实践（一）
近来工作比较清闲、当然这也得益于AI技术的日益成熟、由于一直使用的是发小公司的AI大模型产品、博主也没有跟上潮流去研究如何接入个人项目，心血来潮，浅浅研究一下如何接入个人项目
MiniCPM-V | 端侧GPT4V level的多模态大模型
MiniCPM-V | 端侧GPT4V level的多模态大模型
人工智能、机器学习和深度学习有什么区别？应用领域有哪些？
人工智能、机器学习和深度学习有什么区别？应用领域有哪些？
AI智能行为分析预警系统技术方案
AI智能行为分析预警系统，是一款以行为识别技术为核心技术，基于AI神经网络的深度学习算法，把人的主要活动骨架结构化，根据人的运动轨迹，计算出各种动作行为，去识别监控摄像机拍摄到的各种人的异常，通过视频解码技术、流媒体技术、数字矩阵技术、云技术、联动控制技术等，把该异常实时画面弹屏显示出来，达到主动防
数据稀缺条件下的时间序列微分：符号回归(Symbolic Regression)方法介绍与Python示例
有多种方法可以处理时间序列数据中的噪声。本文将介绍一种在我们的研究项目中表现良好的方法,特别适用于时间序列概况中数据点较少的情况。
智谱AI——智能体开发探索
使用智谱AI探索大语言模型智能体开发。
AI与艺术的碰撞：当机器开始创作，创造力何在？
AI与艺术创作之间存在着密切的关系和相互影响。AI的出现为艺术创作提供了新的工具和手段，推动了艺术领域的创新和发展。同时，艺术创作也为AI提供了丰富的应用场景和数据资源，促进了AI技术的不断进步和完善。
如何安装torch
虽然理论上较新的PyTorch版本可能兼容较旧或稍新的CUDA版本，但为了最佳性能和稳定性，选择官方建议的匹配版本是最安全的做法。但是有一个问题，安装太慢，使用其他博客使用的镜像源的时候，没有办法指定torch torchvision torchaudio版本（以前官网上在第二步找到的代码是有版本号
【话题讨论】AI模型：寻求广度，还是深耕深度？
最近，OpenAI计划在秋季发布一款名为“草莓”的新型人工智能。这款AI在处理从数学问题到营销策略的广泛任务中显示出了其多才多艺的特性。这种多功能AI是否预示着未来的发展方向？与那些专注于特定领域的AI解决方案相比，这种全能型的AI是否更有可能赢得更广阔的市场空间和用户的青睐？让我们来探讨一下这两种
人工智能三次浪潮
在很多模式识别的领域、手写文字的识别、字符识别、简单的人脸识别也开始用起来，这个领域一下子就热起来，一时之间，人们感觉人工智能大有可为。在某一定值以下，就不会兴奋。然而逻辑主义最后无法解决实用的问题，达不到人们对它的期望，引起了大家的反思，这时候人工神经网络（也就是联结主义）就慢慢占了上风。要想证明
OpenAI O1：人工智能推理能力的新里程碑
例如，在国际数学奥林匹克的选拔考试（AIME）中，O1模型的正确率达到了74%至93%，远超GPT-4o模型的12%。首先，O1模型的使用价格非常昂贵，尤其是O1-preview版，其输入和输出token的价格分别是GPT-4o的3倍和4倍。此外，在某些情况下，O1模型的推理速度较慢，需要更长的时间
YOLOv5改进 | 损失函数 | EIoU、SIoU、WIoU、DIoU、FocuSIoU等多种损失函数
yolov5，iou，损失函数，loss
