深度学习标签_AtomGit开源社区

深度学习

告别无效改稿！这款合规学术AI工具，解决毕业论文写作所有痛点

对于每一位应届生和在读研究生而言，毕业论文都是一道绕不开的难关。从初期的选题纠结、文献搜集，到中期的内容撰写、逻辑梳理，再到后期的格式排版、查重改稿，整个写作流程繁琐且耗时。很多同学花费数周熬夜赶工，写出的初稿依然存在内容空洞、逻辑断层、格式不规范、不符合院校审核标准等各类问题。当下不少学生会选择AI工具辅助论文写作，但市面上绝大多数通用型AI文案工具，主打通用文案创作，并未深耕学术场景。

百考通ai
2026-06-22 14:18:02

 20

#人工智能 #深度学习 #大数据
告别无效改稿！百考通AI，适配全学段的毕业论文合规写作工具

内容空洞、泛泛而谈是AI生成论文的普遍通病。普通AI仅依靠标题生成内容，没有落地论据和专属素材，整篇文章缺乏学术价值。而百考通AI支持用户自主录入个性化研究素材，打破纯AI生成的局限性。用户可上传或录入个人研究思路、调研问卷数据、行业财报、实验参数、案例素材、研究方法、专属参考资料等内容，无论是经管类实证分析、理工科实验数据，还是文科理论论述与案例拆解，系统都会完整吸纳素材内容，合理融入论文各章节

 百考通ai
2026-06-22 14:13:01

 18

#人工智能 #深度学习
模型优化与部署：量化、蒸馏与 ONNX

深度学习模型部署与优化核心技术摘要将训练好的模型部署到生产环境面临三大挑战：模型体积大、推理速度慢、框架不兼容。本文系统介绍了三种关键技术：量化：将模型从FP32转为INT8，体积缩小4倍，推理速度提升2-4倍，精度损失通常低于1%。知识蒸馏：通过大模型（Teacher）指导小模型（Student），在参数量减少的情况下保持较高准确率。 ONNX导出：作为跨框架中间格式，支持PyTorch/

2301_82070640
2026-06-22 09:24:23

 755

 16

#深度学习 #人工智能 #开发语言 +1
如何根据基于训练好的无人机海滩垃圾检测数据集的YOLOv8权重文件建立深度学习yolov8 无人机海滩垃圾检测系统

本文介绍了基于YOLOv8模型的无人机海滩垃圾检测系统构建方法。系统使用包含1949张640*640分辨率图像的无人机航拍数据集（采集高度30-60m，含5类垃圾），通过以下步骤实现：1）准备YOLO格式数据集并配置data.yaml文件；2）搭建Python环境安装ultralytics库；3）加载YOLOv8模型进行训练（可调整epochs等参数）；4）实现图像/视频流推理功能，包括边界框标注

 DeepLearningYolo
2026-06-22 08:57:02

 235

 2

#无人机 #深度学习
多模态 RAG 实战：结合视觉大模型的文档智能问答

解析层：PDF → 文本 + 图像的完整提取理解层：视觉大模型将图像转化为可检索的文本描述检索层：统一的向量空间，同时检索文本和图像内容生成层：大模型综合文本与图像信息生成准确回答生产环境中建议增加查询改写（Query Rewriting）和答案校验（Groundedness Check）环节。

物联网_咸鱼
2026-06-20 09:45:18

 182

 5

#语言模型 #人工智能 #深度学习
AI写论文好帮手！4款AI论文生成工具，助力毕业季！

文章评测2025 - 2026年4款AI论文写作工具。核心创新点为结合多模型、实时匹配文献等。海棠AI覆盖多场景，具多语种写作等功能；文希AI可查重降重、高效生成初稿；怡锐AI能灵活调大纲、整合权威文献；笔启AI有长文记忆和资料整合能力。适用于各层次论文、专著等写作，提升效率与质量，海棠AI综合表现最佳。

2501_94543392
2026-06-20 09:23:00

 75

#深度学习
AI写论文大揭秘！这4款AI论文生成工具，让毕业论文写作更简单！

文章实测怡锐、海棠、笔启、文希四款AI论文写作工具。核心技术为结合双模型及AI5.0等。关键方案是围绕文献检索、大纲生成、语言润色等提供服务。创新点有长文记忆、不限改稿等。适用于各类学术写作场景，能提升写作效率300%，实现快速初稿生成、降重、优化逻辑等，推动学术写作进步。

2501_94543392
2026-06-20 09:22:11

 93

#深度学习
AI写论文秘籍在此！4款AI论文生成工具，打破写论文的困境！

文章实测推荐4款AI论文写作工具。海棠、笔启、文希、怡锐分别采用不同双模型，具备极速初稿生成、无限次改稿、权威文献支持等功能。适用于毕业论文、期刊论文等多场景，能解决从文献检索到语言润色等难题，提升写作效率达300%，保证论文质量，对科研新手和学术大牛均有帮助。

2501_94543392
2026-06-20 09:21:22

 166

 6

#深度学习
AI写论文宝藏工具！4款AI论文写作神器，让职称论文创作更高效！

文章聚焦学术写作智能化浪潮下的AI论文助手，介绍海棠、怡锐、笔启、文希四款工具。它们分别采用Gemini3Pro、DeepSeek - R1等学术加强版与AI5.0双模型，具备资料投喂、大纲生成、查重降重、长文记忆等功能。适用于专科到博士论文、MBA论文、专著等场景，能提升写作效率、保证专业性与逻辑连贯性，助力学术创作。

2501_94543392
2026-06-20 09:20:28

 159

 7

#深度学习
AI写论文福利来袭！4款超实用AI论文生成工具，让写职称论文不再难

核心技术主题为AI论文写作工具。关键方案是介绍怡锐、海棠、笔启、文希4款工具，各有核心功能与适用场景。创新点在于双核驱动、长文记忆、多语种生成等。应用场景涵盖课程论文、毕业论文、专著等。实践价值是提升写作效率与质量，解决选题、内容、查重、格式等问题，满足学术高标准要求，助力高效简便完成论文创作。

2501_94543392
2026-06-20 09:19:39

 175

 6

#深度学习
AI写论文有妙招！这4款AI论文写作工具，为写毕业论文提速！

文章实测笔启、怡锐、海棠、文希四款AI论文写作工具。核心技术是结合Gemini3Pro学术加强版与AI5.0引擎。关键方法有个性化写作、图像嵌入公式转换等。创新点在于多场景适配、高效生成与无限改稿。适用于学生、学者写论文、教材、专著等。能提升写作效率300%，降重、优化逻辑，其中笔启AI优势突出，可全方位助力学术写作。

2501_94543392
2026-06-20 09:18:51

 164

 3

#深度学习
Step3-VL 多模态模型主干代码九章排错与重写

Step3-VL多模态模型代码优化摘要原1074行代码经九章编程法重构为385行，修复20个核心缺陷（含6个致命崩溃级问题）。主要改进：缺陷修复：解决未初始化变量、维度硬编码、参数边界缺失等致命问题架构分层：拆分配置池(C)、数据池(B)、操作池(A)，实现物理隔离边界强化：新增参数校验、异常兜底机制，覆盖输入维度、索引范围等风险点代码精简：清理死代码冗余逻辑，函数职责单一化典型问题示

 hai315247543
2026-06-19 00:29:09

 957

 31

#人工智能 #几何学 #拓扑学 +2
单模型排错频频卡壳？实测多模型协同合作

这次完整的代码排错专项实测，让我彻底看清单一 AI 模型调试代码的局限性：每款大模型都有擅长和薄弱的领域，只依赖其中一款，总会遗漏部分隐患，反复切换平台复制代码又严重拖慢开发节奏。多模型协同聚合的核心价值，是把不同模型的优势互补，用一次操作获取多维度排错思路，大幅降低反复沟通、切换工具的时间成本。像 mfate 这类整合多款主流模型、国内可直接访问的聚合平台，刚好解决了多模型协同使用门槛高的痛点，

2601_96288051
2026-06-18 16:04:13

 223

 6

#深度学习 #人工智能
2026超全GPU算力平台测评：深度学习租用选型指南（避坑+性价比）

GPU租用平台没有“最好”的，只有“最合适当前阶段”的。学生时代我选最便宜的，做项目时我选最稳的，长训时我选总成本最低的。这不是善变，是需求变了。我的任务要跑多久？我对中断的容忍度有多高？我的预算是多少？然后带着答案去选，而不是带着“哪个平台最好”的问题去问别人。最后，不管选哪个平台，第一次用的时候先花几十块钱做个实测——跑个小模型测测网络带宽、存储速度和框架兼容性——确认没问题了再正式投入。这几

 算力百科小星
2026-06-18 15:18:26

 326

 4

#深度学习
PyTorch深度学习实战（59）——使用PyTorch Profiler分析模型推理性能

本节介绍了使用 PyTorch Profiler 工具分析 MNIST 手写数字识别模型在 CPU 与 GPU 上的推理性能。通过记录操作执行时间与内存消耗，可识别计算瓶颈和内存问题。通过本节学习，能够掌握在模型推理过程中进行性能分析的方法，从而能更准确地评估模型在 CPU 和 GPU 上的运行表现。

盼小辉丶
2026-06-18 09:58:54

 593

 22

#深度学习 #pytorch #python
yolov5 train.py参数解释

• --exist-ok：如果保存的目录已经存在，不会自动新建带编号的文件夹（如 exp1），而是直接覆盖，常用于重跑某个实验。• --sync-bn：同步批归一化，只有多卡分布式训练（DDP 模式）时有效，能让 BN 统计跨 GPU 同步，提升精度。• --cache-images：将图片缓存在内存或磁盘，减少反复读图的 IO 时间，加快训练，但会占用更多系统内存。• --image-weigh

shuaqiangtongxue
2026-06-17 20:47:03

 193

 3

#深度学习 #人工智能
AI 赋能高水平 SCI 全链路实战｜从选题→写作→制图→投稿→审稿博弈→冲刺 CNS 顶刊一站式破局

AI 赋能高水平 SCI 全链路实战｜从选题→写作→制图→投稿→审稿博弈→冲刺 CNS 顶刊一站式破局

 宝藏口袋
2026-06-17 17:43:50

 504

 20

#人工智能 #深度学习 #机器学习 +1
【Call For Papers|EI会议】第八届信息与计算机前沿技术国际学术会议（ICFTIC 2026）

人工智能、大语言模型及应用、机器学习、深度学习、神经网络、数据挖掘、模式识别、自然语言处理、计算机视觉、智能系统、生成式AI、生物信息学。控制论、人机系统、人机交互、认知系统、信息物理系统、计算机图形学、机器人与自动化、智慧城市、数字孪生、区块链技术、新兴计算技术。系统科学、系统建模、系统仿真、信息系统、软件工程、分布式系统、云计算、边缘计算、高性能计算。计算机网络、无线通信、物联网、数据通

 www_comsci
2026-06-17 15:22:32

 232

 3

#计算机视觉 #深度学习 #网络
基于深度学习YOLOv12的设备泄漏检测系统（YOLOv12+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型）

本项目基于先进的YOLOv12目标检测算法，开发了一套高效可靠的设备泄漏检测系统。系统整合了深度学习技术与用户友好的交互界面，实现了对工业设备泄漏情况的实时监测与精准识别。项目包含完整的YOLO数据集支持，采用Python作为核心开发语言，构建了包含用户登录注册功能的可视化UI界面。系统通过优化的YOLOv12模型实现了高精度的泄漏点检测，同时提供完整的项目源码和预训练模型，便于二次开发和性能调优

 算法魔法师
2026-06-17 14:31:08

 102

#深度学习 #ui #python +1
论文复现方法论：从阅读到验证的系统化实践框架

论文复现的核心原则是"模块化验证，逐步对齐"。本文的四阶段流程为：精读提取 → 基线搭建 → 逐步对齐 → 消融验证。关键工具为：论文信息提取模板（识别省略信息）、模块级验证器（逐层对比中间输出）、偏差追踪器（记录每次实验与论文的差距）。复现偏差超过 5% 时应回溯定位，而非盲目调参。建议优先复现论文开源代码，确认环境一致后再独立实现。补充落地建议：围绕“论文复现方法论：从阅读到验证的系统化实践框

 雷帝木木
2026-06-17 13:08:58

 1202

 27

#python #机器学习 #深度学习 +1
多模态AI Agent实战：融合视觉与语义，让图像分割不再睁眼瞎

给模型一张图、一句话，让它把目标区域的像素精确圈出来——听起来简单直接，但一旦目标描述含糊、被遮挡、或者需要推理才能定位，一次性猜出正确掩码就变得相当困难。传统图像分割模型就像闭着眼睛猜答案，猜对了算运气，猜错了没人告诉它错在哪。2026年，这个局面正在被彻底改写。从ICML 2026到CVPR 2026，从Meta的SAM 3到复旦的RSAgent，多模态AI Agent正在将图像分割从“单次猜

 AI 小团子
2026-06-17 11:42:39

 364

 5

#人工智能 #计算机视觉 #深度学习 +3
【Agentic RL / 强化学习框架】Miles 项目技术分析---（2）--- 关键技术

的本质是一个适配器模式——它将"Agent 多轮交互"（业务关注点）与"RL 训练数据生产"（基础设施关注点）完全解耦。这条解耦线画在了generate()函数上。线以上是 Agent 开发者的世界——OpenAI API、工具调用、业务逻辑。线以下是 RL 基础设施的世界——Session Server、TITO、token 对齐、loss mask、异常降级。Agent 开发者不需要知道线以下

 罗西的思考
2026-06-16 20:14:33

 351

 8

#人工智能 #机器学习 #深度学习 +1
数字孪生和世界模型，二者的技术边界正在慢慢融合吗？

数字孪生和世界模型，二者的技术边界正在慢慢融合吗？

人工智能培训
2026-06-16 16:45:40

 243

 7

#人工智能 #知识图谱 #深度学习 +2
海光异构卡dcu 64BW *2 ZeRO-2 异构卡2 16g*4 zero-3微调deepseekf1-qwen2-14b模型速度对比

2 ZeRO-2 异构卡216g2 ZeRO-2 异构卡216g。

zhangfeng1133
2026-06-16 16:34:15

 170

 7

#人工智能 #深度学习
DepthanythingV2：深度估计

本文介绍了Depth-Anything-V2深度估计模型的使用方法。Depth-Anything-V2是腾讯ARC Lab开发的第二代深度估计模型，基于视觉Transformer架构，提供vits/vitb/vitl/vitg四种不同规模版本。文章详细说明了环境配置步骤，包括代码下载和依赖安装，并提供了多种运行示例，涵盖不同模型选择、输入尺寸调整以及输出选项（如仅预测结果、灰度输出等）。该模型适用

 _养乐多_
2026-06-16 16:34:09

 409

 4

#深度学习
轻量级残差校准+LightGBM热更新应对概念漂移

应对销量预测中的概念漂移，可通过构建一个轻量级残差校准器与LightGBM热更新结合的混合策略来实现。该策略的核心是：保留一个训练好的LightGBM基础模型，并叠加一个能实时在线更新的残差校准器，最后通过定期热更新LightGBM模型来巩固长期学习效果。| :--- | :--- | :--- | :--- || LightGBM基础模型 | 提供基础销量预测 | 每周或每月（热更新） | 捕捉

 阳明山水
2026-06-16 16:32:55

 542

 8

#人工智能 #深度学习 #大数据 +1
深度学习与神经网络

本文系统梳理了深度学习入门核心知识，对比了机器学习与深度学习的差异，重点讲解了逻辑回归（单神经元模型）的前向传播、损失函数和梯度下降算法。详细阐述了神经网络的基础结构、计算图原理，以及浅层/深层网络的前向和反向传播机制，强调激活函数对非线性建模的关键作用。文章特别指出代码实现中矩阵向量化运算的重要性，要求读者掌握从零搭建单神经元和浅层网络的能力，适合作为深度学习入门的学习笔记和复习资料。

0854打工人
2026-06-16 16:21:27

 262

 7

#深度学习 #神经网络 #人工智能
多设备开发断点续工实测：解决我的跨端割裂难题

从最开始多设备数据割裂、多模型测试流程繁琐，到现在依托mfate实现全设备开发无缝衔接，三个多月的长期实测让我清晰感受到，聚合类 AI 平台的核心价值不只是整合多款大模型，更关键是打通云端数据同步链路，消除不同设备之间的开发断点。对于经常需要台式机、笔记本、移动设备切换办公的开发者，不用再重复复制对话、反复交代项目背景，统一入口就能完成多模型代码对比、长项目迭代、碎片化时间开发；统一云端存储也规避

 2601_96288051
2026-06-16 16:18:56

 240

 4

#人工智能 #深度学习
在 OAK 4 摄像头上使用 OAK Hub 部署自定义 ONNX 模型

在 OAK-4 摄像头上运行你自己的 AI 模型，现在比以往任何时候都更加简单——只需借助。上传模型、将其转换为 RVC4 平台格式、通过提供的示例代码启动运行，从训练好的 ONNX 模型到边缘端实时推理，整个过程仅需几分钟。

OAK中国_官方
2026-06-16 14:38:56

 236

 7

#人工智能 #深度学习
深度学习与机器学习算法：损失函数设计-分类任务（1）

本篇文章讲一讲机器学习和深度学习模型算法常用的交叉熵损失，它的变形，以及常见应用场景和pytorch的代码适配情况（部分），很多都是自己做实践做项目和学习过程中的心得总结与经验分享，希望大家认真阅读。

水龙吟啸
2026-06-16 13:25:02

 408

 11

#机器学习 #算法 #深度学习 +3
基于yolov5的森林火灾识别系统，基于深度学习的森林火灾检测系统，森林火灾识别系统。

基于YOLOv5的森林火灾识别系统摘要（150字）本项目开发了一套基于YOLOv5深度学习模型的森林火灾智能识别系统。系统采用PyQt5构建可视化界面，支持图片、视频、摄像头及批量图片检测功能。通过2000张标注数据集训练优化模型，实现高精度火焰识别，检测速度达实时水平。核心技术包括：1）YOLOv5目标检测框架；2）PyTorch模型训练与部署；3）OpenCV图像处理；4）PyQt5交互界面

 DeepLearningYolo
2026-06-15 17:13:21

 335

 6

#深度学习 #人工智能
深度学习目标检测框架训练使用_输电塔杆绝缘子红外测温图像数据集，共800张左右图片，标注为voc格式识别输电塔杆绝缘子数据集

本文介绍了一种基于YOLOv8深度学习框架的输电塔杆绝缘子红外图像检测方法。使用包含约800张VOC格式标注的红外测温图像数据集，详细说明了从数据预处理到模型训练的全流程。关键技术点包括：1)VOC格式转换为YOLO格式的数据处理脚本；2)数据集划分方法；3)YOLOv8模型配置文件编写；4)环境配置与训练步骤。该方法为电力设备红外检测提供了有效的自动化解决方案，可用于绝缘子缺陷识别等实际应用场景

 DeepLearningYolo
2026-06-15 17:07:37

 235

 3

#深度学习 #目标检测 #人工智能
认知神经科学研究报告【20260089】

本文介绍了一款基于DeepSeek AI和规则图学习的双团队生存游戏。游戏采用回合制，两队（A和B）各有一名英雄和三个机器人，由独立的DeepSeek API实例控制。核心机制包括： Matrix Rule Graph：可学习的符号规则系统，通过关联规则挖掘从游戏经验中发现新规则，用于评估和推荐动作。动作仲裁：比较规则图置信度与阈值，决定是否覆盖AI决策。游戏环境：30×15网格世界，包含怪物

 逻辑君
2026-06-15 16:59:37

 455

 9

#人工智能 #深度学习 #机器学习
PyTorch DDP分布式训练踩坑实录：5个隐蔽Bug让我的对比学习模型“静默死亡“

本文记录了作者在Text-to-CAD检索模型训练过程中遇到的严重问题及排查过程。模型训练表面正常（loss下降、保存checkpoint），但测试指标异常低下（R@1仅0.013%）。经排查发现：1）BRepEncoder权重出现大量NaN值，源于AMP混合精度中的GradScaler静默跳过NaN梯度更新；2）预训练权重加载时complex类型张量引发初始化问题。作者通过添加NaN检测、修复权

 13ami
2026-06-15 16:50:19

 395

 8

#pytorch #分布式 #bug +2
YOLOv8冰箱内食物识别检测系统（项目源码+YOLO数据集+模型权重+UI界面+python+深度学习+环境配置）

随着智能家居与健康饮食管理的快速发展，冰箱内食物自动化识别成为关键任务。本文基于YOLOv8目标检测算法，构建了一个包含30类常见冰箱食物的检测系统。实验采用自建数据集，其中训练集2,896张、验证集103张、测试集51张。模型训练结果显示，整体F1值最高达到0.96，精确率在高置信度下接近1.0，召回率在低置信度下亦接近1.0，mAP50稳定在0.65~0.70之间，mAP50-95达到0.30

斌擎人工智能官方账号
2026-06-15 16:48:42

 488

 11

#python #深度学习 #人工智能 +1
(NeurIPS25) MODEM: A Morton-Order Degradation Estimation Mechanism for Adverse Weather Image Recover

该论文提出一种针对恶劣天气图像复原的新方法，通过结合莫顿序遍历和状态空间模型，设计了双退化估计模块(DDEM)来解耦全局和局部退化特征。DDEM输出全局退化描述子和空间自适应核，动态调制MOS2D模块的特征处理，实现上下文感知和空间自适应的图像复原。模型通过多阶段下采样、MDSL层和上采样重建清晰图像。实验表明，该方法能有效处理雨、雾、雪等不同天气导致的图像退化问题。

AI前沿理论组@OUC
2026-06-15 16:48:01

 261

 7

#深度学习 #人工智能 #计算机视觉
【医学AI前沿】（NM-2025）通过对数字孪生大脑进行虚拟扰动来绘制有效连接图（2）

本文提出神经扰动推断（NPI）框架，通过构建人工神经网络作为大脑的替代模型，系统性扰动虚拟脑区并观测响应，实现全脑有效连接的无创绘制。NPI不仅能推断连接方向与强度，还可区分兴奋/抑制特性。在生成模型验证中，NPI优于传统方法（格兰杰因果、动态因果建模）。应用于静息态fMRI数据时，NPI揭示的结构支持的有效连接模式与皮层诱发电位实测数据高度一致。该研究为从相关分析转向因果理解大脑功能提供了新工具

 风巽·剑染春水
2026-06-15 16:45:29

 402

 6

#人工智能 #深度学习
【医学AI前沿】（NM-2025）通过对数字孪生大脑进行虚拟扰动来绘制有效连接图（1）

本文提出神经扰动推断（NPI）框架，通过构建人工神经网络作为大脑的替代模型，系统性扰动虚拟脑区并观测响应，实现全脑有效连接的无创绘制。NPI不仅能推断连接方向与强度，还可区分兴奋/抑制特性。在生成模型验证中，NPI优于传统方法（格兰杰因果、动态因果建模）。应用于静息态fMRI数据时，NPI揭示的结构支持的有效连接模式与皮层诱发电位实测数据高度一致。该研究为从相关分析转向因果理解大脑功能提供了新工具

 风巽·剑染春水
2026-06-15 16:43:57

 390

 10

#人工智能 #深度学习
期末论文高效通关：百考通AI课程论文撰写工具实测详解

期末阶段时间宝贵，大学生无需将大量精力耗费在论文排版、框架搭建、文字堆砌等重复工作上。百考通AI聚焦课程论文专属场景，以四步标准化流程、个性化素材适配、全链条配套工具，精准解决了结课论文写作的各类痛点，全学科适配文、理、工、经管各类专业。合理借助工具减负，能够高效平衡期末复习与论文写作的双重压力，让期末备考、作业完成更高效从容。

百考通ai
2026-06-15 14:41:36

 40

#人工智能 #深度学习 #计算机视觉
2026毕业论文降AI工具终极横评｜带实测数据表，闭眼抄作业

2026年知网、维普AI检测算法全面迭代，现在不仅检测语句结构，还会识别行文语感、段落节奏、用词习惯。近期大量学生反馈：工具改完AI率合格，但。选取目前仅存4款稳定合规工具，从7项核心维度实测打分，同时标注适配人群、隐形短板，不用逐个试用，直接对照表格选择。统一实测环境：统一使用文科综述原文，初始AI率85%，查重率14%，使用知网官方AI检测系统核验，数据真实无美化。

2601_95385780
2026-06-15 14:19:20

 219

 8

#人工智能 #深度学习 #自然语言处理 +2
基于多个统计模型估算中国氮和硫沉积（2005-2020）

氮和硫的大气沉降作用主要指的是人为排放的氮和硫化合物进入大气中，通过天气沉降进入生态系统，进而对土壤、水体等环境介质产生耦合影响的过程。氮（N）和硫（S）的大气沉降被认为是严重的环境问题，可导致生态系统广泛酸化和富营养化，以及对人类的健康造成损害。该数据集主要以excel的格式存储，模拟的是2005、2010、2015、2020年的沉降值，单位为kg ha-1 yr-1，数据包含了总氮（Total

地球资源数据云
2026-06-15 13:54:59

 28

#大数据 #深度学习 #数据结构 +1
模型剪枝与知识蒸馏：压缩大模型的两种路径与工程取舍

模型压缩的两种路径各有适用场景。剪枝适合需要保留原模型架构的场景，结构化剪枝的加速比更可预测；蒸馏适合可以接受更小模型架构的场景，灵活性更高。落地时建议先尝试知识蒸馏（实现更简单、风险更低），如果压缩比不够再叠加结构化剪枝。压缩后的模型必须在实际业务数据上验证精度，不能只看公开数据集的结果。温度参数和 alpha 权重是蒸馏效果的关键超参数，需要网格搜索确定。

雷帝木木
2026-06-15 11:39:52

 1049

#python #机器学习 #深度学习 +1
AI写论文高能推荐！4款AI论文生成工具，让写论文不再是难题！

文章推荐笔启、怡锐、文希、海棠4款AI写论文工具。笔启可自动编号引用、生成大纲等；怡锐能匹配文献、排版数据；文希支持无限改稿、提供权威文献；海棠有长文记忆、资料投喂功能。适用于毕业论文、专著、MBA论文等场景，能提升写作效率300%，精准降重，优化逻辑，提升答辩成功率。

2501_94543392
2026-06-15 09:59:20

 86

 1

#深度学习
AI写论文全攻略！这4款AI论文生成工具，全方位提升写作效率！

文章推荐四款AI论文写作工具。核心技术为结合AI5.0等引擎与学术模型。关键方法包括提供文献检索、生成大纲等功能。创新点有跨语言支持、智能选题等。适用于各类学术写作场景，能提升写作效率、优化逻辑、降低重复率。如海棠AI三分钟生成千字内容，怡锐AI十分钟生成万字初稿，助力科研人员和学生产出高质量论文。

2501_94543392
2026-06-15 09:58:31

 85

 1

#深度学习
深度学习周报（6.8~6.14）

本周主要在上周的基础上对基线模型进行了训练，同时对预处理部分进行了完善。下周努力一把把剩下的主体都搞了，同时对比一下两个模型的效果，同时训练的时候为了固定结果可以加一个随机种子。

m0_57788739
2026-06-14 20:48:43

 314

 5

#深度学习 #人工智能
毕业论文之「盲审」

本文介绍了硕士论文盲审前中后的完整准备流程：①盲审前需进行论文整体核查（AI辅助检查、参考文献核对、润色降重）、导师审阅和论文查重（建议同时使用学信网万方系统和知网查重）；②等待盲审期间可了解评价指标（选题价值、学术水平、写作能力等）；③收到评审意见后需逐条回应修改，形成修改报告。全文强调主动沟通和细节把控，并祝愿读者顺利通过盲审。（150字）

四月一日君寻
2026-06-14 15:20:55

 199

 8

#深度学习 #经验分享
Flash-atten/Cross-atten/SSM/Mamba/Jamba技术演进

在传统序列模型（如 RNN 或 LSTM）中，模型处理文本时必须像人类看书一样，从左到右逐字读取。由于隐藏状态（Hidden State）的容量有限，随着句子变长，前面的信息会被后面的信息逐渐“冲淡”，这就是经典的长距离依赖问题（Long-Range Dependency）。2017 年，Google 在论文中彻底颠覆了这一模式，提出了Self-Attention（自注意力）机制。消除时序的先后顺

 NCU_wander
2026-06-14 15:06:15

 290

 6

#深度学习
OpenPi、GR00T的视觉语言模型与动作模型连接方式差异分析总结

本文结合OpenPi和GR00T项目源码，说明两种连接方式的数据流、注意力结构、训练策略和推理过程。

Cassiel_cx
2026-06-14 14:42:17

 747

 20

#深度学习 #人工智能
汽车之家图片爬虫实战：从零下载完整车型图库

在数据采集和机器学习领域，图片数据的获取往往是第一个拦路虎。汽车之家作为国内最大的汽车垂直媒体，拥有海量高质量车型图片，这些图片对训练车型识别模型、构建汽车数据库等工作具有重要价值。本文将带您从零开始，使用最新的 Python 技术栈，开发一个完整的汽车之家图库爬虫。

移动开发经验汇总
2026-06-14 14:20:15

 1147

#汽车 #爬虫 #开发语言 +3