分类标签_AtomGit开源社区

分类

这么多Claw，到底该用哪个？

如果你是第一次接触 Claw 生态，我的建议是：先别急着站队，从免费或者低成本的方式入手。记住一点：Claw 生态还在快速进化，今天的热门选择，明天可能就被颠覆了。保持开放心态，随时准备换工具，才是正确的姿势。

模型启动机
2026-03-02 13:10:35

 8758

 10

#华为 #人工智能 #系统安全 +3
塑料用自攻螺丝选择和设计要点

在螺丝拧入塑胶支柱的过程中，驱动扭矩会转化为作用在支柱上的力F，该力垂直于螺牙平面。而传统自攻螺丝的牙型角为60°，相较于30°或45°牙型角的自攻螺丝，其产生的径向力更大，因此增加了支柱破裂的风险。在拧入过程中，材料可能受到不合理的挤压，进而导致支柱整体结构的损伤。这种损伤的典型表现是产生大量的塑胶碎屑，同时螺牙与螺牙之间也充斥着大量的塑胶屑，这些都降低了螺丝与支柱之间的摩擦力和拉拔阻力。首先，

故里
2025-08-01 14:30:42

 7792

 41

#分类
Python 虚拟环境管理工具 UV：从安装到高级用法的详细教程

在 Python 开发中，管理不同项目的依赖包和 Python 版本是开发者常常遇到的问题。你可以在虚拟环境中安装特定的依赖包，且这些包不会影响系统级 Python 环境。激活虚拟环境后，你的命令行提示符会发生变化，通常会显示你当前所处的虚拟环境的名称。你可以将整个虚拟环境的配置导出为一个可移植的文件，以便在其他地方重建该环境。虚拟环境管理工具，从安装、创建虚拟环境、管理 Python 版本和依赖

 Dush32
2025-07-11 16:30:57

 1.4w

 15

#python #uv #开发语言 +3
【AI深究】K-近邻算法（KNN）详细全流程详解与案例（附大量Python代码演示）| 回归/分类、原理与算法流程、案例与完整代码演示 |K值选择与模型表现、距离度量的选择与影响、加权KNN、工程建议

大家好，我是爱酱。本篇我们将系统讲解K-近邻算法（KNN），内容涵盖原理、数学公式、案例流程、代码实现和工程建议，适合新手和进阶者学习。详细内容涵盖：K值选择与模型表现、距离度量的选择与影响、加权KNN，分类跟回归任务都会覆盖到！注：本文章含大量数学算式、详细例子说明及代码演示，大量干货，建议先收藏再慢慢观看理解。新频道发展不易，你们的每个赞、收藏跟转发都是我继续分享的动力！注：本文章颇长近700

AI人工智能爱酱
2025-06-19 20:50:06

 1.6w

 60

#近邻算法 #算法 #人工智能 +3
【AI深究】高斯混合模型（GMM）全网最详细全流程详解与案例（附Python代码演示） | 混合模型概率密度函数、多元高斯分布概率密度函数、期望最大化（EM）算法 | 实际案例与流程 | 优、缺点分析

大家好，我是爱酱。继前几篇介绍了层次聚类、K均值聚类和密度聚类之后，本篇我们聚焦于另一种强大的聚类算法——高斯混合模型（GMM）。GMM是一种基于概率的软聚类方法，能够为每个样本点计算属于各个簇的概率，适合复杂数据的建模。本文将系统介绍GMM的原理、数学表达、实际案例流程及Python代码实现，加上大量公式给出，方便你直接用于技术文档和学习。注：本文章含大量数学算式、详细例子说明及代码演示，大量干

 AI人工智能爱酱
2025-06-15 00:15:00

 9126

 22

#人工智能 #python #机器学习 +4
油猴脚本自动填写问卷星

例如：需要将https://ks.wjx.top/vm/QxemSPB.aspx的问卷链接可以直接修改成 https://easywjx.kzw.ink/vm/QxemSPB.aspx。即https://ks.wjx.top/vm/修改为https://easywjx.kzw.ink/vm/GreasyFork（一个油猴脚本收录网站），安装EasyWJX（本文介绍的问卷星破解脚本）1.脚本需要有答

 方方方钦qiner
2023-12-26 20:30:23

 3.6w

 15

#分类 #python
sklearn基础篇（三）-- 鸢尾花(iris)数据集分析和分类

本文是基于《Python机器学习基础教程》第一章学习的总结，主要是基于iris数据集进行探索数据分析和不同分类模型的对比，从而熟悉使用sklearn的模型进行机器学习。

长路漫漫2021
2022-10-28 08:00:00

 12.7w

 216

#sklearn #分类 #机器学习 +1
基于深度学习YOLOv12的传送带缺陷识别检测系统（YOLOv12+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型）

本文基于YOLOv12深度学习算法，设计并实现了一种高效的传送带缺陷识别检测系统。系统针对传送带表面常见的四类缺陷（堵塞、裂缝、异物、孔洞）进行自动化检测，通过构建包含1860张训练图像、318张验证图像和167张测试图像的数据集，实现了高精度的缺陷分类与定位。系统采用改进的YOLOv12模型，优化了网络结构和训练策略，显著提升了小目标缺陷的检测性能。此外，系统集成了用户友好的UI界面，支持登录注

 算法魔法师
2026-06-13 12:36:14

 49

#深度学习 #ui #python +2
基于深度学习YOLOv11的结核病检测系统（YOLOv11+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型）

结核病（Tuberculosis, TB）是一种由结核分枝杆菌引起的全球性传染病，早期准确检测对疾病防控至关重要。本文提出了一种基于YOLOv11深度学习模型的结核病检测系统，通过目标检测技术自动识别痰涂片样本中的结核杆菌（TBbacillus）。系统采用包含1,098张训练图像和122张验证图像的自定义YOLO数据集进行模型训练，并集成用户友好的UI界面，支持登录注册功能，便于医疗工作者快速筛查

 算法魔法师
2026-06-13 12:35:40

 36

#深度学习 #ui #分类 +2
基于深度学习YOLOv12的晶圆体缺陷识别检测系统（YOLOv12+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型）

本文提出了一种基于深度学习YOLOv12的晶圆体缺陷检测系统，旨在实现高效、准确的晶圆制造缺陷分类与定位。系统针对9类常见缺陷（包括Center、Donut、Edge-Loc等）进行检测，采用包含13,000张标注图像的数据集（训练集10,400张、验证集和测试集各1,300张）进行模型训练与评估。结合用户友好的UI界面和登录注册功能。实验表明，YOLOv12模型在晶圆缺陷检测任务中表现出较高的精

 算法魔法师
2026-06-13 12:34:03

 117

#深度学习 #ui #python +2
基于深度学习YOLOv12的教师行为识别检测系统（YOLOv12+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型）

本文提出了一种基于深度学习YOLOv12的教师行为识别检测系统，旨在实时识别并分析课堂教学中的教师行为。系统支持6类行为检测，包括“翘腿（Crossing legs）”“指导学生（Guiding students）”“看屏幕（Looking at the screen）”“讲课或提问（Teaching or asking）”“使用手机（Using a phone）”和“书写（Writing）”。

算法魔法师
2026-06-13 12:33:02

 111

#深度学习 #ui #python +2
基于深度学习YOLOv11的辣椒叶片病害识别检测系统（YOLOv11+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型）

本文提出了一种基于深度学习YOLOv11的辣椒叶片病害识别检测系统，旨在实现高效、精准的病害分类与定位。系统针对5类常见辣椒叶片病害（黄单胞菌病[xanthomonas]、花叶病[mosaic]、健康叶片[healthy]、尾孢菌病[cercospora]和卷叶病[leaf curl]）进行检测，采用包含1796张训练图像和462张验证图像的自建YOLO格式数据集进行模型训练。结合用户友好的UI界

 算法魔法师
2026-06-13 12:32:31

 209

 4

#深度学习 #ui #分类 +2
基于深度学习YOLOv11的白细胞类型识别检测系统（YOLOv11+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型）

本文提出了一种基于深度学习YOLOv11的白细胞类型识别检测系统，旨在实现高效、准确的白细胞分类与定位。该系统针对五类白细胞（嗜碱性粒细胞、嗜酸性粒细胞、淋巴细胞、单核细胞和中性粒细胞）进行检测，采用YOLOv11算法结合定制化YOLO格式数据集（训练集6930张，验证集2970张），在保证实时性的同时提升了小目标检测精度。系统集成用户友好的UI界面，支持登录注册功能。实验结果表明，该模型在验证集

 算法魔法师
2026-06-13 12:30:29

 200

 4

#深度学习 #python #分类
基于深度学习YOLOv11的水藻检测系统（YOLOv11+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型）

随着水体富营养化问题日益严重，水藻的快速检测与监测成为环境管理的关键任务。本文基于深度学习技术，提出了一种基于YOLOv11的水藻检测系统，能够高效、准确地识别水体中的水藻目标。系统采用YOLOv11算法，针对1类目标（水藻）进行优化，训练集包含704张图像，验证集包含344张图像，确保了模型的泛化能力。此外，系统集成了用户友好的UI界面，支持登录注册功能。实验结果表明，该系统在准确性和实时性上均

 算法魔法师
2026-06-13 12:29:21

 179

 7

#深度学习 #ui #python +2
基于深度学习YOLOv12的水藻检测系统（YOLOv12+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型）

随着水体富营养化问题的日益严重，水藻的快速检测与监测成为环境保护和水质管理的重要任务。本文基于深度学习技术，提出了一种基于YOLOv12的水藻检测系统，能够高效、准确地识别水体中的水藻目标。系统采用YOLOv12算法，结合包含704张训练集图像和344张验证集图像的自定义数据集进行模型训练，实现了对单类别（水藻）目标的精准检测。此外，系统配备了用户友好的UI界面，支持登录注册功能。实验结果表明，该

 算法魔法师
2026-06-13 12:28:51

 218

 7

#深度学习 #ui #python +2
五个侧重不同的真正的番茄时钟推荐（重体验，轻宣传）

还涵盖格式转换、快速便签、系统工具、智能家居控制等附加功能，一个软件搞定专注、办公、生活需求，学生、职场人、开发者都适配。主打无干扰专注体验，默认简约圆形计时界面，支持自定义主题（暗黑、奶油、马卡龙等20+社区主题），可匹配IDE或系统配色；跨设备同步是核心优势，手机、电脑、平板数据实时同步，外出用手机计时、回家用电脑复盘，无缝衔接；支持自定义计时时长、提醒音效，适配经典番茄工作法。核心亮点：极简

 意念的躯壳
2026-06-12 16:57:50

 398

 6

#算法 #git #windows +2
将合同管理从“人工密集型”升级为“人机协同型

道本科技与DeepSeek的合作，提供了一个明确的解法：不是用AI取代人，而是把合同管理中那些“适合机器做”的事交给机器，让人去做真正需要人的事。两者结合，把合同管理从“人扛着系统跑”，变成了“系统驮着人跑”。道本方案的目标，是把法务从80%的重复性劳动中解放出来，让他们有精力去做那20%真正创造价值的事。每次合同审查中，业务、法务、财务提出的修改意见，系统自动采集、提炼，用于迭代下一轮智能审查。

智慧293
2026-06-12 16:22:45

 375

 8

#时序数据库 #数据库架构 #数据库开发 +4
基于深度学习YOLOv11的垃圾分类识别检测系统（YOLOv11+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型）

随着城市化进程的加快，垃圾分类已成为实现资源循环利用和环境保护的关键环节。然而，传统的人工分类方式效率低下且成本高昂。为此，本研究基于深度学习技术，提出了一种基于YOLOv11的垃圾分类识别检测系统，能够高效准确地识别四类垃圾：可回收物（recyclable waste）、有害垃圾（hazardous waste）、厨余垃圾（kitchen waste）和其他垃圾（other waste）。

算法魔法师
2026-06-12 16:12:08

 283

#深度学习 #分类 #开发语言 +3
基于深度学习YOLOv12的垃圾分类识别检测系统（YOLOv12+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型）

随着城市化进程加快，垃圾分类已成为环保领域的重要议题。传统垃圾分类方法依赖人工分拣，效率低且成本高。为此，本研究基于YOLOv12深度学习算法，开发了一套高效准确的垃圾分类识别检测系统。系统针对4类垃圾（可回收物、有害垃圾、厨余垃圾与其他垃圾）进行检测，采用包含1910张训练集和833张验证集的自建YOLO格式数据集进行模型训练，并结合用户友好的UI界面与登录注册功能。实验表明，该系统在准确率与实

 算法魔法师
2026-06-12 16:11:30

 259

#深度学习 #分类 #ui +2
基于深度学习YOLOv11的棉花分类识别检测系统（YOLOv11+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型）

针对棉花品种自动化分类需求，本研究基于YOLOv11深度学习框架开发了一套高效准确的棉花分类识别检测系统。系统以四种常见棉种（G-arboreum、G-barbadense、G-herbaceum、G-hirsitum）为检测目标，通过构建定制化YOLO数据集、优化模型训练流程，并集成用户友好的UI界面与登录注册功能，实现了从数据标注到实际应用的全流程解决方案。目录一、项目介绍二、项目功能展示2.

算法魔法师
2026-06-12 16:10:59

 41

#深度学习 #分类 #人工智能 +2
基于深度学习YOLOv11的水果分类识别检测系统（YOLOv11+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型）

本文基于YOLOv11深度学习框架，设计并实现了一种高效的水果分类识别检测系统，支持6类水果的精准检测，包括金冠苹果（golden delicious）、澳洲青苹果（granny smith）、梨（pear）、红蛇果（red delicious）、红油桃（red nectarine）及黄桃（yellow peach）。系统采用YOLOv11算法，结合包含5,481张训练图像和263张验证图像的自定

 算法魔法师
2026-06-12 16:09:58

 35

#深度学习 #分类 #python +2
基于深度学习YOLOv12的棉花分类检测系统（YOLOv12+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型）

针对棉花品种自动化分类需求，本研究基于YOLOv12深度学习框架开发了一套高效准确的棉花分类识别检测系统。系统以四种常见棉种（G-arboreum、G-barbadense、G-herbaceum、G-hirsitum）为检测目标，通过构建定制化YOLO数据集、优化模型训练流程，并集成用户友好的UI界面与登录注册功能目录一、项目介绍二、项目功能展示2.1 用户登录系统2.2 检测功能2.3 检测结

 算法魔法师
2026-06-12 16:10:29

 37

#深度学习 #分类 #python +2
基于大模型的客服工单自动分类：从标签体系到模型落地实践

本文探讨如何利用大模型实现客服工单自动分类。传统人工分类存在效率低、不一致等问题，而大模型能更好理解自然语言表达。关键实施步骤包括：1）设计清晰的二级标签体系；2）通过约束性Prompt限制输出范围；3）采用规则优先+分层处理策略降低成本；4）建立评测集评估准确率；5）设置人工复核机制处理低置信度样本。落地时需要构建完整处理流程，并持续收集人工反馈优化模型。成功的核心在于标签体系设计、流程控制和评

 2601_96268328
2026-06-12 15:19:23

 481

 4

#分类 #人工智能 #大数据
MATLAB 使用 LSTM 网络进行数据分类预测与仿真分析

通过本教程，你已经了解了如何使用 MATLAB 实现基于 LSTM 网络的数据分类预测与仿真分析，并掌握了时间序列分类和预测的实现方法。MATLAB 提供了丰富的工具和函数，使得深度学习模型的构建、训练和部署变得非常简单。

鱼弦
2026-06-12 09:35:02

 439

 10

#matlab #lstm #分类
机器学习分类指标完全手册：从混淆矩阵到 F1 / ROC / PR（9000字深度解析·附 16 段 Python 代码）

9000字深度解析机器学习 7 大分类指标：Accuracy、Precision、Recall、F1、ROC-AUC、PR-AUC、LogLoss。涵盖混淆矩阵、多分类 Macro/Micro/Weighted 体系、类别不平衡 5 大方案、阈值调优技巧。配 6 张原创可视化图 + 10 张对比表 + 16 段 sklearn/matplotlib 可运行代码，解决「99% Accuracy 模型

 weixin_56622231
2026-06-12 01:24:43

 417

 8

#机器学习 #分类 #矩阵
基于神经网络的汽车与自行车的分类算法设计与实现，采用ResNet50和迁移学习，准确率达到99%

随着智能交通系统和自动驾驶技术的快速发展，车辆自动识别成为计算机视觉领域的重要研究方向。自行车与汽车作为城市交通中两类主要的交通工具，其准确分类对于交通流量监测、违章检测、辅助驾驶等应用具有重要意义。然而，由于光照变化、拍摄角度、车型多样性等因素的影响，传统图像分类方法难以实现高鲁棒性识别。本文针对自行车与汽车图像分类任务，设计并实现了基于卷积神经网络（CNN）的分类系统。首先，构建了包含4000

叫我：松哥
2026-06-11 21:31:40

 618

 8

#神经网络 #汽车 #分类 +4
本地千万级政府人口数据分类处理实战：用 AI 工作流零代码、零 SQL 完成人口数据清洗、多表拆分与分类统计

本文介绍了一个基于AI工作流的政府人口数据处理方案。该方案通过提示词配置即可完成千万级XLSX/CSV数据的清洗、归一、分类和统计分析，无需编写Python或SQL代码。核心流程包括：数据清洗（统一日期格式、婚姻状态和学历字段）、构建分类宽表、按婚姻状态拆分子表（已婚/未婚/离异/丧偶），并输出各子表的人口统计结果（数量、性别比例、年龄结构等）。通过封装Python智能体、SQL智能体等技术，实现

 罗政
2026-06-11 10:46:15

 244

 5

#人工智能 #分类 #sql
开发轻量级分类模型或作为更大管道检测系统的前置判断模块排水管道缺陷自动分类排水管分类数据集污水管分类数据集的管暗接数据集和沉积、结垢数据集进行分类任务

摘要本文介绍了一个用于排水管道缺陷分类的数据集，包含两个子集：1）支管暗接数据集（2,000张图像，含缺陷与正常样本各1,000张）；2）沉积与结垢数据集（80张图像）。数据集特点包括明确的二分类标注、典型缺陷样本覆盖（如例图所示），适用于轻量级分类模型开发或工业质检系统前置模块。代码示例展示了数据加载、预处理及PyTorch模型训练流程，包含数据分割、简单CNN构建（含卷积层、池化层和全连接层

 DeepLearningYolo
2026-06-11 10:26:58

 314

 8

#分类 #数据挖掘 #人工智能
PyTorch+CNN实现衣物分类

本文介绍了使用CNN卷积神经网络实现衣物分类模型的完整流程。首先下载FashionMNIST数据集并进行预处理，构建包含卷积层、池化层、Dropout和全连接层的神经网络模型。通过10轮训练后，模型在测试集上达到一定准确率，但存在混淆"衬衫"和"T恤"等问题。随后进行了模型改进：增加卷积层、扩大全连接层维度、调整学习率和训练轮次、加入数据增强。改进后的模型性

 金斗潼关
2026-06-10 21:57:38

 410

 4

#pytorch #cnn #分类
基于深度卷积神经网络的水果图片分类算法设计与实现，有ResNet50的迁移学习模型，准确率达95%

1前言1.1 研究的背景和意义1.1.1 研究背景农业是国民经济的基础产业，农产品的智能化识别对于提升农业生产效率、保障食品安全、推动农业现代化具有重要意义。水果作为日常消费品，其种类繁多、外观相似，传统的人工分类方式不仅效率低下，而且容易受到主观因素和疲劳的影响，难以满足大规模、高精度的应用需求。随着计算机视觉和深度学习技术的迅猛发展，基于图像的自动分类方法逐渐成为研究热点。卷积神经网络（Con

叫我：松哥
2026-06-10 20:57:07

 599

 5

#cnn #分类 #迁移学习 +4
Digits 手写数字识别：随机森林多分类 + 像素级特征热力图

本文基于scikit-learn Digits手写数字数据集，使用随机森林构建10分类模型，实现了96.67%的准确率。研究通过混淆矩阵分析发现数字8最难识别（Recall仅0.86），其易与1、7混淆。创新性地将Permutation Importance映射为8×8像素热力图，揭示模型主要关注图像中心区域（特别是第21号像素），该位置恰为数字笔画交汇点。实验提供了完整的可复现代码和可视化结果，

popcorn_min
2026-06-10 17:23:28

 257

 5

#随机森林 #分类 #算法