墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
400+累计阅读
486平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
金币换礼品活动又开始啦！
本周 TensorFlow 中文社区推出 “金币换礼品” 活动，这次可以换的不只是书，还有其他礼品供大家换取，更有无限的乐趣和成就感…
活动时间：即刻起截止到 9 月 7 日 23:59
活动规则：
5000 金币，换取《深度学习》1 本，共 5 件可供兑换
注：本书是深度学习领域奠基性的 经典图书，适合各类读者阅读，帮助 AI 技术爱好者和从业人员快速补充知识，全方位了解深度学习。
3000 金币，换取 背包 1 个，共 10 件可供兑换
欢迎到 TensorFlow 中文社区（tensorflowers.cn）报名参与活动吧 ！
本次活动礼品有限，先到先得！想要换取礼品的用户，快点击 “https://www.tensorflowers.cn/t/6334” 报名吧！
【信息科学与工程学】计算机科学与自动化——第六十三篇 人机交互之前端交互参数知识库02
每个分支下又细分了四个关键方向，并按照“研究对象/焦点、基本问题、核心理论/概念、研究方法、应用/目标、前沿/发展”的框架进行阐述，严格遵循了六级编码体系。在最终整合时，应建立唯一的学科分类编码表（例如，用两位数字或“ART”、“MED”、“ECO”等字母前缀），并确保所有下级编码（尺度、层次、类别、子类、具体项）的逻辑一致性。此回答中的编码为示例，实际系统需据此调整。控制过程（前馈、同期、反馈）、全面质量管理（TQM）、平衡计分卡（BSC）定量（调查、实验）、定性（访谈、民族志）、混合方法、大数据。
在 TensorFlow 中文社区发现一个好玩的活动
最近在学习 TensorFlow，去浏览它的中文社区的时候，发现正在搞活动呢。有兴趣的朋友可以看一看，https://www.tensorflowers.cn/t/6178 晒程序员工作环境，前五名有礼品，已经进行到投票环节了！...
Python图像识别实现游戏自动化：从OpenCV模板匹配到工程化实践
图像识别作为计算机视觉的基础技术，其核心原理是通过算法让程序能够‘看懂’图像内容。在自动化领域，结合模板匹配等技术，可以实现对屏幕内容的智能感知与响应。这项技术的工程价值在于，它能以非侵入式的方式模拟人类操作，广泛应用于软件测试、日常办公自动化以及辅助工具开发等场景。本文以Python为工具，深入探讨了如何利用OpenCV进行模板匹配，并结合PyAutoGUI等库，构建一个稳定、高效的自动化脚本。通过实战案例，详细解析了环境感知、决策中枢、执行器模块的设计，并分享了在魂十一、困二十八等场景下的避坑指南与优化
2018 TensorFlow开发者峰会总结
北京时间 3 月 31 日，我们在加利福尼亚州山景城的计算机历史博物馆举办第二届 TensorFlow 开发者峰会。本届峰会吸引了超过 500 名 TensorFlow 用户亲临现场，数万名来自世界各国的观众观看了本次峰会的直播。活动当天 TensorFlow 团队和邀请嘉宾举行了多场技术讲座，并且发布了多款新产品。 机器学习正在被用来解决挑战性问题，这影响了全世界所有人。我们原以为不可能解决或太
SpringBoot+Vue+Mysql社区医院信息平台（源码+文档）
SpringBoot+Vue+Mysql学生宿舍信息管理系统 WEB端软件项目（源码+文档） 项目包含：①完整源码（后端+管理后台+用户前台）；②数据库脚本文件；③万字论文文档；④开题报告；⑤答辩PPT；⑥项目运行视频教程。 项目架构： B/S 架构、MVC 分层设计 技术栈： Java、MySQL、SpringBoot、MyBatis-Plus、Token 权限校验、管理后台 Vue+ElementUI+ECharts、用户前台 Layui+jQuery、Maven 构建。 一、角色设计 学生用户： 注册登录、浏览宿舍信息、查询宿舍安排、在线报修、缴费查询、失物招领、桶装水预订、评论交流、收藏等。 商家用户： 注册登录、桶装水品牌与商品信息维护、预订订单查看与处理。 维修人员： 注册登录、查看待处理报修、接单维修、填写报修处理结果与进度反馈。 管理员： 学生管理、班级管理、宿舍信息管理、宿舍安排管理、报修处理管理、缴费信息管理、卫生检查与文明宿舍管理、失物招领管理、桶装水与商家管理、维修人员管理、公告资讯与轮播图管理等。 二、前台功能模块（学生端） 1. 首页展示：轮播图、宿舍公告、最新动态推荐、常用服务快速入口 2. 宿舍信息模块：宿舍列表、楼栋与房间条件筛选、宿舍详情查看、我的宿舍安排查询 3. 在线报修模块：在线提交宿舍设施报修申请、上传故障描述、查看报修进度与维修处理结果 4. 缴费模块：水电等缴费记录查询、缴费状态查看 5. 卫生检查与文明宿舍：宿舍卫生检查结果公示、文明宿舍展示 6. 失物招领模块：失物信息发布、招领信息发布、详情查看、评论互动 7. 桶装水预订：桶装水品牌与商品浏览、在线预订、我的预订记录查询 8. 假期留宿：假期留校申请提交、申请记录查询 9. 评论与收藏：信息评论、查看他人评论、评论回复互动、收藏感兴趣的内容 10. 个人中心...
YOLOv8作物病害检测实战源码
这是一套基于YOLOv8n的农田病虫害目标检测系统，对叶片照片做目标检测，识别健康叶片、褐斑病、白粉病、锈病四类，并给出对应防治建议。全流程纯CPU可跑，配套交付完整Python源码、9章实战教程（md/html/pdf三种格式）、100张自造样本及YOLO标签、训练曲线与混淆矩阵截图、Tkinter界面和答辩PPT。 系统围绕五项功能展开：同一套推理逻辑覆盖图像、视频、摄像头三种来源；图形界面选文件即检测，画面叠彩色框标注病名与置信度，右侧面板同步给出症状与防治措施；检测记录自动写入CSV，统计页一键生成四类病害占比饼图；训练结束自动产出损失与精度曲线；内置防治建议文案库，检测命中即回填面板。 选型用YOLOv8n nano档，参数量约320万、权重约6.2MB，CPU单帧几十毫秒，小样本训练5到8分钟完成。数据由data_gen.py程序化绘制100张叶片图，固定随机种子，重跑分布一致，不依赖公开数据集。依赖全部锁版本，教程第7章整理了19条真实报错及排查方法，第8章给出换模型档、换PlantVillage数据集的迁移路径。 适合做计算机视觉方向课程设计或毕业设计的学生，也适合智慧农业方向想了解检测模型如何落进业务面板的学习者。不需要GPU，不需要系统学过目标检测，教程第3章会按需补齐原理。 使用时先pip install -r requirements.txt装好依赖，download_data.py下载预训练权重，data_gen.py生成样本后train.py训练，完成后用main.py infer批量检测或main.py gui启动界面。
「活动回顾 」TensorFlow All-Around - Shanghai
「活动回顾 」TensorFlow All-Around - Shanghai 9月7日，骄阳似火，赤日炎炎，正是一个学习的好日子，TFUG上海喊你来“炼丹”啦，各位Coder不惜996仅剩的一天，来到了谷歌开发者社区孵化器聆听几位“炼丹”大佬们的精彩演讲！！ 首先，本次活动的主持人同时也是TFUG上海社区的组织者孔晓泉老师热烈欢迎各位开发者的到来，随后介绍了TFUG组织的目的和意义以及Tenso...
数据挖掘实战：决策树 + 聚类 + 关联规则，零 Key 离线可跑（Python 源码）
数据挖掘实战包。用 Python 标准库实现 CART 风格决策树、K-Means 聚类与 Apriori 关联规则，在虚构「星河便利店」会员表和购物篮上跑通分类、分群与购物篮分析，并给出准确率、轮廓系数、支持度/置信度/提升度。零第三方依赖、零 API Key 即可离线跑通。含 4 个样例、离线冒烟、中文 README（含「使用方法」）。均为作者原创可运行源码。MIT。作者 blog.youkuaiyun.com/mtl1994
tensorflow 多主体检测_【活动回顾】TensorFlow活动tutorial of tf2.0 in object detection
2020 年的第一次Tensorflow 讲座不知道大家有没有来呢，这同时也是农历新年前的最后一次讲座，所以错过的话盆友们只能等年后再与 GDG 相约啦~Tensorflow 系列讲座一直都深受广大参与者的喜爱和支持，本次活动也是人气爆棚呢！当然，除了积极来参加我们 GDG 的活动，和讲师们面对面交流技术问题，也要记得及时回顾老师讲的知识哈~相关脚本与 ppt 点击即可查看~相关...
产业园区如何高效对接企业技术需求与高校科研成果？.docx
科易网基于AI模型+行业大数据，在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景，推出科技创新领域的AI+工具与数智化解决方案，推动科技创新与产业创新智能化发展。
国央企创新负责人如何快速掌握本地科技资源分布与匹配情况？.docx
科易网基于AI模型+行业大数据，在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景，推出科技创新领域的AI+工具与数智化解决方案，推动科技创新与产业创新智能化发展。
数十种TensorFlow实现案例汇集：代码+笔记
2016-10-17 13:08:31 开源 0 0 0 这是使用 TensorFlow 实现流行的机器学习算法的教程汇集。本汇集的目标是让读者可以轻松通过案例深入 TensorFlow。 这些案例适合那些想要清晰简明的 TensorFlow 实现案例的初学者。本教程还包含了笔记和带有注解的代码。 项目地址：https://github.com/
国央企创新负责人如何实现科技成果的精准识别与高效筛选？.docx
科易网基于AI模型+行业大数据，在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景，推出科技创新领域的AI+工具与数智化解决方案，推动科技创新与产业创新智能化发展。
活动：金币不只是换书，还可以换乐趣…
金币换礼品活动又开始啦！ 本周 TensorFlow 中文社区推出 “金币换礼品” 活动，这次可以换的不只是书，还有其他礼品供大家换取，更有无限的乐趣和成就感… 活动时间：即刻起截止到 9 月 7 日 23:59 活动规则： 5000 金币，换取《深度学习》1 本，共 5 件可供兑换 注：本书是深度学习领域奠基性的 经典图书，适合各类读者阅读，帮助 AI 技术爱好者和从业人员快速补充知识，全方...
论文理解【LLM-OR】——【Step-Opt】Training LLMs for Optimization Modeling via Iterative Data Synthesis and
本文提出 Step-Opt-Instruct 方法，针对用 LLM 做 OR 问题求解任务，用迭代问题生成 + 分步验证机制实习更可靠的训练数据合成，从而微调开源 LLM 得到 Step-Opt。在多个 OR 建模基准提升性能，尤其在复杂问题上提升更明显
weblogic启动异常故障处理（boot认证失败）
root 用户生成的文件属主为 root，WebLogic进程将无权读取，直接导致认证失败。· ⚠️ 密码必须完全一致：第3步 AdminAccount 命令中设置的密码，与第5步所有 boot.properties 文件中 password= 字段的值，必须保证完全一致。如果您的域下配置了受管服务器实例（如 ms_server1、ms_server2 等），必须逐一更新各实例下的免密启动文件，确保实例重启时密码与AdminServer保持一致，否则实例启动会因认证失败而报错。此步骤至关重要，必须执行。
从游戏玩家到Python开发者：零基础实战入门指南
编程语言是人与计算机沟通的桥梁，Python以其简洁的语法和强大的生态成为最受欢迎的入门选择。其核心原理在于通过解释器将接近自然语言的代码转换为机器指令，降低了编程门槛。这一特性赋予了Python极高的技术价值，使其在自动化办公、数据分析、Web开发及人工智能等领域广泛应用。对于初学者，尤其是熟悉电脑操作的群体，将编程学习与兴趣结合是关键。本文以游戏化思维切入，通过环境搭建、核心语法讲解，并最终引导完成一个文字冒险游戏项目，让学习过程如同游戏闯关，在解决实际问题的实践中掌握变量、条件判断、循环和函数等编程核
国产平替NeuroSky？实测金牛座TGAM脑电模块，从Arduino到Python的完整数据采集指南
本文详细介绍了国产金牛座TGAM脑电模块的完整使用流程，包括硬件连接、数据采集和Python分析。通过Arduino和Python的实战案例，展示了如何从脑电波传感器获取并解析专注度、放松度等数据，适用于专注力训练和脑机接口开发。
GameAISDK：基于视觉的游戏AI自动化测试框架实战指南
自动化测试是软件工程中提升效率、保障质量的关键技术，其核心原理是通过脚本或程序模拟用户操作，替代重复性人工测试。在游戏开发领域，传统自动化测试常面临动态复杂场景的挑战。GameAISDK作为一种创新的解决方案，采用纯视觉驱动的技术路径，通过模拟人类玩家的“看”与“操作”，实现了对游戏核心玩法、UI交互及智能行为的自动化验证。该框架集成了图像识别、强化学习等技术，其技术价值在于提供了无侵入、高保真的黑盒测试能力，能够有效发现UI错位、性能卡顿及AI逻辑缺陷等问题。在应用场景上，它特别适用于手游的回归测试、探索
最优化方法 25：PDHG
前面的章节要么从原始问题出发，要么从对偶问题出发，通过求解近似点或者一个子优化问题进行迭代，而且推导过程中我们发现根据问题的参数特征，比如矩阵 AAA 是瘦高型的还是矮胖型的，采用对偶和原始问题的复杂度会不一样，可以选择一个更简单的。而这一节，我们将要从原始对偶问题出发来优化，什么是原始对偶问题呢？就是原始优化变量和对偶优化变量（原始函数和共轭函数）混合在一块，看下面的原理就知道了。 1. 原始对偶问题 现在考虑原始优化问题，其中 f,gf,gf,g 为闭凸函数 minf(x)+g(Ax) \min \q
别再让电池充不满！用CN3791芯片设计太阳能充电电路，这几个调试坑我帮你踩了
本文详细解析了使用CN3791芯片设计太阳能充电电路时的常见调试问题及解决方案。从RCS电阻的选择到MPPT电压偏差的修正，再到线路损耗和温度补偿的优化，提供了全面的避坑指南。通过实测数据和优化方案，帮助工程师提升锂电池充电效率，确保太阳能充电电路的稳定性和可靠性。
AI预测游戏潜在问题：从数据驱动到风险预警的工程实践
机器学习与人工智能技术正逐步渗透到游戏开发的各个环节，其核心价值在于通过数据驱动的方法，将传统被动响应的问题处理模式转变为主动预测与预警。其基本原理是利用历史与实时数据，通过特征工程提取关键信号，并借助梯度提升决策树、LSTM、Transformer等模型识别风险模式。这一技术能显著提升游戏系统的稳定性与平衡性，在预测数值平衡、经济系统漏洞、性能瓶颈及玩家流失等场景中具有重要应用。本文以游戏经济系统失衡预测为例，详细阐述了从数据采集、特征构建到LightGBM模型训练与部署的完整流程，并深入探讨了实时数据管
VisionPro开发实战：CogRecordDisplay控件显示与保存图片的完整流程（附C#代码示例）
本文详细解析了VisionPro开发中CogRecordDisplay控件的图像处理全流程，包括图像加载、显示优化、动态清屏及结果保存等关键操作。通过C#代码示例，展示了如何高效使用该控件进行工业视觉应用开发，特别适合自动化检测系统的开发者参考。
51c深度学习~合集8
方法的完整数学描述略显复杂，如果只是想了解主要思想，可以只看上面 PatchMix的流程图即可（其实只是公式多，每个公式也不复杂，后续有机会做个演示动画，帮助大家理解。这个方法也可以用简单的 Mask 方法实现，但是本方法在大规模图像处理上效率是最高的），对该工作感兴趣的同行可以看一下，我尽量写得清楚一些。结合 PatMix 的流程图，主要过程如下：由于混合图像和混合图像之间，重叠比例的不同，mix-to-mix label 中每一项的权重分数是不同的，根据上图，可以得到权重系数可以表示为。
银河麒麟桌面系统 必会操作 | 加装双系统（麒麟桌面系统+Windows系统）的详细方法（含常见故障和解决方法）
装好麒麟桌面操作系统的电脑上、再加装Windows 操作系统的详细方法；和在已经装好Windows系统的电脑上、再加装麒麟桌面操作系统的详细方法；含加装双系统过程中常见问题的解决方法。
QT+QGIS跨平台编译（基于Qt，采用一套代码、一套框架，完成QGIS第三方库、核心库、应用程序的跨平台编译）
QT+QGIS跨平台编译。 基于Qt，采用一套代码、一套框架，完成QGIS第三方库、核心库、应用程序的跨平台编译。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
676
扫一扫
