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
900+累计阅读
915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
# paddlepaddle code
self.p_conv = Conv2D(inc, 2*kernel_size*kernel_size, filter_size=3, padding=1, stride=stride)
self.p_conv.weight = fluid.initializer.ConstantInitializer(value=0)
报错：
assignment to parameter 'weight' should be of type Parameter or None, but got 'ConstantInitializer'
改为
# paddlepaddle code
self.p_conv = Conv2D(inc, 2*kernel_size*kernel_size, filter_size=3, padding=1, stride=stride, param_attr=fluid.initializer.ConstantInitializer(value=0))
BMS开发避坑指南：如何用ADBMS6815实现0.03%精度的电池采样？
本文深入解析了如何利用ADBMS6815等高精度AFE芯片，在车规级BMS开发中实现0.03%级别的电池电压采样精度。文章从芯片选型、硬件设计、软件配置、算法优化到系统验证，提供了一套完整的实战指南，帮助工程师系统性地提升BMS测量精度，从而保障电池安全、延长寿命并增强产品竞争力。
PrDiMP_resnet18在运行第42个epoch时报错
[train: 42, 608 / 1625] FPS: 12.0 (24.0) , Loss/total: 4.10781 , Loss/bb_ce: -4.89841 , ClfTrain/clf_ce: 2.74648 [train: 42, 609 / 1625] FPS: 11.9 (2.2) , Loss/total: 4.10778 , Loss/bb_ce: -4.89871 , ClfTrain/clf_ce: 2.74647 [train: 42, 610 / 1
sap外币重估流程图_SAP 外币评估方法（Valuation Method,评估方法）
在FI-GL模块评估外币时(T-code：F.05)，需要输入ValuationMethod。下面分解一下评估方法是如何定义的。IMG -> FI -> General LedgerAccounting ->Business Transactions ->Closing ->Valuating -> ForeignCurrency Valuation ->...
Paddle图像分割从入门到实践(三):PSPnet与DeepLab
Pyramid Scene Parsing Network(PSPnet) Unet增强感受野的方法是将不同感受野的特征图进行concat,而PSPnet的思路是使用不同大小的卷积核来卷积,产生不同的感受野. ReceptiveField Pyramid Pooling Module Dilated Conv 由于引入了较大的卷积核,导致网络的计算量成平方倍增加,为解决运算量的问题,我们将卷积核替换为带洞卷积 其中可能需要大量使用到Adaptive pool和1x1 Conv来改变特征图
Scipy优化踩坑实录：trust-constr和SLSQP约束定义到底差在哪？
本文深入解析了Scipy优化模块中trust-constr和SLSQP两种方法在约束定义上的差异。通过对比面向对象的trust-constr和字典式定义的SLSQP，揭示了它们各自的优势与适用场景，帮助开发者在有约束优化问题中选择合适的算法，提升计算效率与准确性。
基于物联网技术智慧园林绿化养护管理信息平台
近几年来，随着经济不断的发展，城市面积不断的扩大，城市管理中的园林绿化工作也在这种趋势下不断的发生着深刻改变。管养企业是否按制定的管养计划严格执行?绿化事件整改是否及时到位?绿地面积是否在稳步增长?管养的效果如何?如何客观评价管养企业的管养工作?这些都是我们各级管理者需要面对的问题。 智慧园林绿化养护管理信息平台的开发思路以“考核”为核心，整个信息平台体现出“新、快、高、全、享”五个特点。 智慧园林绿化养护管理信息平台的整个开发理念为：依托五大技术手段(全球卫星定位系统技术、地理信...
dygraphs的学习-----------------dygraphs插件（图表插件）
关于dygraphs JavaScript Visualization Library的学习笔记 主要内容 1． 笔者留言 2． 什么是dygraphs? 3． Dygraphs原理的简单说明 4． Dygraphs的使用 5． IE兼容性、常见问题和建议 6． 自己写的一个例子mydemo（主要是为了说明Options的使用） 笔者留言
非线性功率放大器对QAM传输BER性能的影响及补偿
1、线性功率放大器对传输性能的影响 为表述非线性功率放大器对传输性能的影响，以Saleh模型进行观察。具体来说，在QAM调制器之后添加一个非线性模块，使调制后的波形经历AM / AM和AM / PM转换。 在Saleh模型中，转换用四个参数表示，即AM / AM转换为????a和????a，AM / PM转换为????p和????p。 在Saleh模型中，AM / AM和AM / PM方程以输入电压u的大小表示为： 式中，FAM / AM是AM / AM转换的输出电压与输入电压的关系，而FAM
优雅解决： assignment to property of function parameter ‘state‘
在airbnb的eslint规则中，有这样一条规则no-param-reassign 目的是提醒你不要直接修改函数的入参。因为假如入参是一个对象，修改入参可能会导致对象的属性被覆盖。 // 不好的做法 function f1(obj) { obj.key = 1; // 可能对象本身就用key的属性，这样会覆盖原有的属性。无法确定这样做是否是对的。 } // 好的做法 function f2(obj) { // 若原来有这样的属性，那么直接返回这个值，否则返回需要的值 const key...
Claude Code Agents 进阶：多代理协作与任务委托
Agent 是一个独立运行的 Claude 实例，它有自己的上下文和任务焦点。│ 主 Claude ││ (协调者) ││ │ │▼ ▼ ▼│ 代码审查 │ │ 测试生成 │ │ 文档编写 ││ │ ││▼汇总结果，完成任务并行处理：多个 Agent 同时工作，提高效率任务隔离：每个 Agent 有独立的上下文专业分工：不同类型的 Agent 擅长不同任务灵活控制：可以指定运行模式、超时等参数。
PyTorch实战（12）——图神经网络（Graph Neural Network，GNN）
在本节中，我们首先简要概述了图神经网络 (Graph Neural Network, GNN) 的核心概念与应用，GNN 通过构建计算图分层聚合节点特征，解决了传统神经网络处理图数据时的四大局限：信息深度不足、节点顺序敏感、动态扩展困难和特征稀疏性问题。了解了不同类型的图学习任务(包括节点级、边级和图级三大类)。接着我们研究了几种流行的 GNN 模型，包括：GCN (通过权重共享实现图卷积)、GAT (引入注意力机制区分邻居重要性)和 GraphSAGE (采用随机采样应对大规模图)。
Paddle入门体验
这段时间学习了paddle关于CV方向的一些技巧，首先paddle1.7更新成了动态图，使用起来和Pytorch的感觉很像了，基本可以马上迁移过来。然后是相关配套的文档，真的非常详细，看着demo配合文档基本没啥问题了。 比较nice的感觉是，体验了paddlehub，可以快速加载预训练模型，跟PytorchHub的效果一样。还有paddle一看就是工程实践出来的框架，还配备了部署和模型压缩，体...
核心组件大换血：Backbone与Neck魔改篇：YOLO26结合StarNet结构：2026星状网络在YOLO生态的即插即用实战
本文将介绍如何将StarNet作为Backbone替换YOLO26原生架构，以提升边缘设备上的目标检测性能。文章首先分析了YOLO26在特定场景下的精度瓶颈，指出其通用Backbone设计存在不足。随后深入解析StarNet的核心创新——星操作（Star Operation），这一低维计算却能获得高维特征表达的数学魔术，以及其极简的StarBlock模块设计。通过对比YOLO26原生架构的三大创新与痛点，作者提出两种替换策略：完整替换Backbone或局部替换+Neck联调。文中提供了StarNet核心代码
pyTorch、Tensorflow和Paddle fluid的重点概念模块对应梳理记录
3月16 日添加了fluid.dygraph.Layer。
C# WinForm 基于DirectShow.dll编写的程序，可边预览边保存视频，音频和图片
基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择（默认选中第一个）2.可录制wmv和avi两种格式的视频并且都带有音频，avi可以录制的分辨率和帧数进行选择，wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照，也可边录制视频边拍照4.添加了视频和音频的压缩功能（酌情使用）这次二次开发发现C#对DirectShow的相关信息太少，这次做完也不敢藏私共享出来，还望大家指正
visio安装包
Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表，创建专业级图表以简化复杂的信息。
大麦网抢票脚本教程：开票当天不刷新，自动走完下单流程
开票那几秒，刷新到手指发麻也拼不过服务端。这个大麦网抢票脚本就是替你干这件事的：你只管备好登录态和演出参数，它会在开抢前后持续轮询票态，按钮一变成"立即购买"，就自动走完下单流程。 ## 先划清边界：大麦网抢票脚本自动化了什么 这个脚本只针对大麦网 PC 网页端，没有数据库、没有界面，全部是三个 Python 文件加一个 JS 文件，逻辑一眼能读完。只有登录一步用 Selenium（自动操作浏
WINCC7.3破解文件
WINCC7.3硬件够破解文件，有需要的下载！WINCC7.3硬件够破解文件，有需要的下载！
飞桨AI编程助手Comate：深度学习开发效率提升实战
AI编程助手作为深度学习开发的新兴工具，通过大模型技术实现框架特定知识的智能编码辅助。其核心原理是基于领域知识图谱的上下文感知，能够理解框架特有API和最佳实践。这类工具显著提升开发效率，尤其在代码生成、API迁移和性能优化等场景。飞桨Comate作为专为PaddlePaddle设计的AI编程助手，通过深度集成飞桨文档和案例库，可智能解决版本兼容、显存优化等工业级问题。典型应用包括快速生成符合飞桨规范的模型代码、自动化PyTorch到Paddle的框架转换，以及分布式训练配置建议。实测显示使用后模型构建时间
锂电池充电器电路设计 里面有电路
锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。
老 Mac 免费装最新 macOS：OpenCore Legacy Patcher 分步安装教程
老 Mac 无法更新系统了？OpenCore Legacy Patcher 是免费开源的开机补丁工具，让停止支持的 Intel Mac 装上最新 macOS，并让显卡加速与 Wi-Fi 都恢复正常。 ## 🔍 动手前先确认三件事 ### 先查机型是否在支持名单里 打开"系统信息"，记下 **Model Identifier**，再到 [docs/MODELS.md](https://lin
PaddleSpeech 掩码填充工具模块 masked_fill 源码解析：广播掩码、动态图转静态图兼容与 TTS 模型实战应用
本篇技术指南以 PaddleSpeech 官方 API 文档页 [paddlespeech.t2s.modules.masked_fill 模块说明](https://link.gitcode.com/i/03f14e6617b5ca12e65cd079bc263071) 所指向的 [masked_fill.py](https://link.gitcode.com/i/a46f187a112b85
PaddleHub MSGNet 图像风格迁移实战：基于 PaddleFormers 仓库的 Fine-tune、预测与服务化部署全指南
MSGNet（Multi-Style Generative Network）是经典的图像风格迁移模型，本文以 PaddleFormers 仓库（PaddleHub 生态）中的 `msgnet` 模块为核心，完整讲解如何使用 PaddleHub 对预训练风格迁移模型进行命令行预测、基于 MiniCOCO 数据集进行 Fine-tune、加载最优 checkpoint 做推理，以及通过 PaddleH
Cortex 组件间 TLS 通信安全配置实战指南
Cortex 是一套水平可扩展、高可用、多租户的长期 Prometheus 存储系统，其内部由 distributor、ingester、querier、ruler、alertmanager、store-gateway 等多个服务组成，服务之间存在大量 HTTP/gRPC 流量。本指南以 [docs/guides/tls.md](https://link.gitcode.com/i/01e7e3e
PaddleNLP 常见问题深度解读：从数据集加载到模型部署的实战问答手册
本文以 PaddleNLP 官方 FAQ（[docs/zh/FAQ.md](https://link.gitcode.com/i/3df961136b40d87c0a2c606d3b2bac3e)）为骨架，系统梳理 NLP 开发者在使用 PaddleNLP 过程中最常遇到的 20 余个实战问题：本地数据集加载、下载路径修改、模型保存与加载、训练中断热启动、梯度冻结、模型部署与动转静等。文章在完整保
Markdown 基础语法教程：android-tech-frontier 翻译项目的排版规范
android-tech-frontier（Android 开发技术前线）是一个定期翻译国外 Android 优质技术、开源库、软件架构设计、测试等文章的开源项目，仓库内所有文章均以 Markdown（`.md`）文件形式组织在按期数划分的目录中。本教程是仓库根目录下《markdown简单教程.md》的完整展开版，面向参与翻译的译者与校对者，系统讲解标题、加粗、引用、换行、超链接、代码、图片、列表
基于 PaddleSpeech 的语音识别激活函数模块解析：GLU 门控线性单元与 get_activation 工厂函数
`paddlespeech.s2t.modules.activation` 是 PaddleSpeech 语音识别（S2T，Speech-to-Text）子系统中负责**激活函数封装与门控线性单元（Gated Linear Units，GLU）模块**的核心代码。本文以其 API 文档（[docs/source/api/paddlespeech.s2t.modules.activation.rst
PaddleNLP 大模型套件 Baichuan/Baichuan2 全流程实战指南：从预训练、精调、对齐到量化
本指南以 PaddleNLP 飞桨大模型套件中 [llm/config/baichuan](https://link.gitcode.com/i/9210b59447aa7d312572dad053ee766c) 目录为核心，系统讲解 Baichuan / Baichuan2 系列开源大模型在 PaddleNLP 中的完整落地路径：包括 4D 并行预训练、SFT 全参精调与 LoRA/QLoRA
PaddlePaddle飞桨入门之旅(一)
本文重点总结从Pytorch到飞桨的一些概念、编程惯例、API的对应关系，持续补充中... 适合：接触过Pytorch，想快速上手PaddlePaddle的同学。 总结：基于动态图的PaddlePaddle使用起来比Pytorch更容易上手，更加简便，且PaddlePaddle提供了完善的模型优化、终端部署支持，转战飞桨前景光明啊。
PaddleSpeech 语音识别训练优化器源码解析：OptimizerFactory 动态注册与 Noam/Adadelta 实现
PaddleSpeech 在 `paddlespeech.s2t.training.optimizer` 模块中封装了一套面向语音识别（ASR）与语音翻译（ST）训练任务的优化器体系：以 `OptimizerFactory` 工厂为核心，通过字符串别名或 `module:class` 路径动态实例化优化器，并内置了面向 Transformer 系模型的 `Noam` 优化器与独立的 `Simple
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
134
扫一扫
