-
- 自定义数据集OCEMOTION–中文情感分类
- 该内容为基于PaddleNLP和Paddle框架的OCEMOTION中文情感分类任务实现。先切分数据集为训练、测试、评估集,转换标签格式;定义数据集类处理数据,经 Jieba 切词、映射词id等处理;构建含嵌入层、LSTM编码器等的模型,配置优化器等训练模型,最终对测试集预测,输出情感分类结果。
- 人工智能 . 科技周边 316 2025-07-21 10:31:18
-
- deepseek图片生成实例演示 deepseek入门操作全攻略
- DeepSeek的图片生成功能通过精准提示词实现创意具象化。首先访问官方平台找到图片生成功能入口,输入具体描述如“一只慵懒的橘猫,在洒满阳光的窗台上打盹,窗外是细雨蒙蒙的城市夜景,整体风格偏向日系动画,光线柔和,背景虚化”,选择尺寸与风格后点击生成。若结果不理想可通过迭代修改提示词或调整参数优化,利用负面提示词避免低质量元素,结合权重技巧提升效果。应用于概念设计与内容创作能大幅提高效率,但需注意当前在角色一致性与抽象表达上的局限,未来AI图像工具将更智能并与多媒体创作深度融合。
- 人工智能 . 科技周边 799 2025-07-21 10:27:02
-
- 极简MuZero算法实践——Paddle2.0版本
- DeepMind的MuZero算法继AlphaFold后走红,无需人类知识和规则,能通过分析环境与未知条件博弈。其极简实现含三个模型,通过强化学习训练。在CartPole-v0环境测试,经2000轮训练,模型可完美掌握游戏,展现出超越前代的潜力,未来计划在更多环境复现。
- 人工智能 . 科技周边 808 2025-07-21 10:24:57
-
- 用飞桨框架2.0造一个会下五子棋的AI模型
- Gomoku游戏比围棋或象棋简单得多,因此我们可以专注于AlphaZero的训练,在一台PC机上几个小时内就可以获得一个让你不可大意的AI模型——因为一不留心,AI就可能战胜了你。
- 人工智能 . 科技周边 968 2025-07-21 10:23:19
-
- PaddleSeg代码解读-训练、配置与数据集模块解读
- PaddleSeg是百度基于自家的PaddlePaddle开发的端到端图像分割开发套件。包含多种主流的分割网络。PaddleSeg采用模块化的方式设计,可以通过配置文件方式进行模型组合,帮助开发者在不需要深入了解图像分割原理的情况,实现方便快捷的完成模型的训练与部署。
- 人工智能 . 科技周边 778 2025-07-21 10:21:25
-
- 值分布强化学习 —— C51
- 值分布强化学习是基于价值的强化学习算法,不同于传统方法仅建模累积回报期望值,它对整个分布Z(s,a)建模以保留分布信息。C51是其代表算法,将分布离散为51个支点,输出支点概率,通过投影贝尔曼更新处理分布范围问题,损失函数用KL散度,框架与DQN类似但输出和更新方式不同。
- 人工智能 . 科技周边 349 2025-07-21 10:19:47
-
- 比non-local更好,基于Paddle2.0的GCNet和BAT
- 本项目使用Paddle2.0复现了改进的non-local网络架构GCNet和BAT,并在动物分类数据集上进行了训练和验证。同时还比较了与传统non-local网络的训练和验证效果区别。
- 人工智能 . 科技周边 354 2025-07-21 10:17:17
-
- 一文搞懂卷积网络之四(空间注意力Non-local)
- 本文介绍CNN注意力机制开篇之作Non-local,其解决传统CNN长距离特征提取不足问题,通过学习特征图点间相关性实现全局联系。文中实现了Embedded Gaussian等三种模块结构,在Cifar10上与ResNet18基线对比实验,发现BottleNeck结构和模块位置对效果影响大,不同版本Non-local性能有差异。
- 人工智能 . 科技周边 672 2025-07-21 10:15:52
-
- 【PaddleHub模型贡献】一行代码实现水表的数字表盘分割
- 本文介绍将水表数字表盘分割模型贡献到PaddleHub的方法。先安装必要库,复现模型:准备数据集,配置GPU,定义图像预处理流程和数据集,用DeepLabv3p训练模型并导出。接着转换模型为PaddleHub模型,补充代码实现旋转剪裁等功能,最后测试安装与调用,实现水表数字表盘分割。
- 人工智能 . 科技周边 1004 2025-07-21 10:06:44
-
- 原来飞桨还可以这么玩!当人工智能邂逅蓝桥杯算法题,会擦出怎样的火花?
- 本文以蓝桥杯的Fibonacci数列、大等于n的最小完全平方数为例,用飞桨解决问题。先阐述神经网络原理,从简单神经元到多层网络,再说明其工作机制。接着分别对两道题生成数据、构建模型、优化器和损失函数,经训练和验证,模型能近似拟合结果,展示了用机器学习解决算法题的思路。
- 人工智能 . 科技周边 279 2025-07-21 10:02:44
-
- 豆包AI编程入门教程 豆包AI代码生成步骤
- 豆包AI可以辅助编程新手生成代码。使用方法包括:打开豆包AI界面,用自然语言描述功能需求;查看并验证生成的代码,如有需要可继续调整提问。注意事项有:生成代码可能不准确,需自行调试;对小众语言支持有限;上下文理解可能受限;无自动纠错机制,需清晰描述需求。提高质量的技巧包括:明确输入输出格式;指定编程语言;提供示例数据;多次优化迭代;结合官方文档说明。
- 人工智能 . 科技周边 479 2025-07-21 10:02:02
-
- 全流程,从零搞懂基于PaddlePaddle的图像分割
- 本项目介绍从零开始完成图像语义分割任务的流程:自建鸽子图片数据集,经拍摄、labelme标注、生成标签图并上传至AI Studio;随后分别基于Paddle2.0 API和PaddleSeg2.0,使用U-Net网络进行训练、验证与预测,展示了两种实现鸽子图像分割的方法。
- 人工智能 . 科技周边 825 2025-07-21 10:00:05
-
- 用 Deepseek 满血版和 Audacity,AI 辅助音频编辑技巧
- 使用Deepseek和Audacity进行AI辅助音频编辑可大幅提升效率。1.先用Deepseek理解音频内容,若支持音频输入可直接生成摘要,否则借助Whisper或Otter.ai转写并整理文字稿;2.利用文字稿在Audacity中根据时间戳快速定位关键片段,并用标签轨道标记提高剪辑效率;3.借助AI工具如Remez或iZotopeRX预处理降噪,再在Audacity中进行精细音效调整以提升音质;4.编辑完成后交由Deepseek检查内容逻辑、节奏和冗余信息,确保整体质量。整个流程结合AI助力
- 人工智能 . 科技周边 301 2025-07-21 09:51:02
-
- 适合新手的AI剪辑入门课推荐:不烧脑不难学
- 推荐新手选择内容清晰、节奏适中、有实操案例的AI剪辑课程,重点在于实战操作。1.找有完整流程演示的课程,比如从导入素材到导出成品一步步教学;2.优先选择每章节都有小项目练习的课程,如自动生成短视频或添加字幕;3.确保课程讲解软件操作细节,避免术语堆砌,例如如何在剪映中找到智能字幕功能;4.挑选提供配套素材和录屏教学的课程,提升学习效率;5.选课前明确学完后能否独立完成基础剪辑,是否包含作品输出指导与问题答疑;6.注意学习如何避免AI生成内容的常见问题,如口型不对、画面切换生硬等。掌握一两个AI工
- 人工智能 . 科技周边 928 2025-07-21 09:42:02
-
- 怎么用豆包AI帮我生成数据挖掘代码 数据挖掘代码的AI生成教程
- 豆包AI可以生成数据挖掘代码,但需明确需求与步骤。首先确定挖掘的数据类型、使用语言(如Python),并清晰描述目标,例如爬取网页数据或分析销售记录。其次说明输入输出格式(如CSV、JSON)及技术偏好(如pandas、scikit-learn)。提问结构应包括目标描述、输入输出说明和技术偏好。例如:“我有一个包含用户年龄、消费金额的CSV文件,想用Python进行客户分群,使用k-means算法,请帮我写一个脚本。”常见注意事项包括检查语法错误、安装依赖项、处理真实环境问题(如反爬机制、数据缺
- 人工智能 . 科技周边 892 2025-07-21 09:27:02
PHP讨论组
组员:3305人话题:1500
PHP一种被广泛应用的开放源代码的多用途脚本语言,和其他技术相比,php本身开源免费; 可以将程序嵌入于HTML中去执行, 执行效率比完全生成htmL标记的CGI要高许多,它运行在服务器端,消耗的系统资源相当少,具有跨平台强、效率高的特性,而且php支持几乎所有流行的数据库以及操作系统,最重要的是

