- 博客(790)
- 资源 (31)
- 收藏
- 关注
RSS订阅原创 YOLO系列学习（二）：YOLOv2——Better, Faster, Stronger，全面升级之路
文章摘要 YOLOv2（YOLO9000）在CVPR 2017提出，针对YOLOv1的定位误差大、小目标漏检问题进行了全面改进。核心创新包括：引入批归一化（BN）和高分辨率预训练提升模型稳定性；通过锚框机制和维度聚类优化边界框预测，使mAP提升15.2%至78.6%；设计Darknet-19主干网络和细粒度特征融合，平衡速度与精度。此外，多尺度训练增强了模型鲁棒性。YOLOv2在保持实时性（40 FPS）的同时支持超9000类检测，成为单阶段检测的重要里程碑。
2026-07-21 20:15:29
277
原创 AI算力基础设施革命——从训练集群到三大“AI工厂“的演进
- 为什么需要"AI工厂" ：算力需求的量级变化、从训练到推理的转变、智能体的算力需求- 三大"AI工厂"详解 ：模型训练工厂、词元生产工厂、智能体生产工厂- AI算力基础设施的技术演进 ：超节点架构（阿里云灵骏真武M890、摩尔线程MTT C256）、存算一体架构、异构计算架构- AI算力基础设施的产业进展 ：国产算力崛起（摩尔线程、平头哥、后摩智能）、大厂布局（阿里云、京东云、华为云）、产业生态- 挑战与思考 ：技术挑战（系统级工程、能效优化、安全保障）、产业挑战（标准缺失、
2026-07-19 20:08:19
177
原创 端侧大模型革命——从云端到本地，AI推理的范式转移
摘要： 2026年，AI大模型推理正加速从云端向终端设备（手机、PC、AR眼镜等）迁移，30B-120B参数模型已能在端侧流畅运行。驱动因素包括成本压力（本地处理节省Token费用）、实时交互需求（毫秒级响应）、数据隐私（本地处理敏感数据）及离线可用性。技术挑战聚焦“性能-成本-功耗”不可能三角，内存带宽与热耗限制突出。突破依赖三大技术：模型压缩（量化至1bit、稀疏化、知识蒸馏）、推理优化（投机解码、异构计算）及硬件创新（存算一体芯片如后摩M50，10W功耗实现160 TOPS）。
2026-07-19 20:05:42
179
原创 具身智能商业化元年——2026年机器人产业深度解析
2026年机器人产业迎来商业化元年，人形机器人从实验室走向规模化量产。中国全年产量预计突破10万台，实现五倍增长。产业呈现四大趋势：从技术表演转向实际应用，从单一功能发展为通用智能，从硬件比拼升级为软硬结合，从依赖进口到国产化突破。核心技术方面，具身大模型、多模态感知、运动控制等取得显著进展，在工业制造、便民服务等领域实现规模化落地。尽管面临成本、标准、安全等挑战，但具身智能已开启商业化进程，未来将深入更多生活场景，推动人机共生新时代的到来。
2026-07-18 13:29:33
266
原创 2026上海世界机器人大会深度解读——具身智能量产元年，机器人从展品变从业者
2026上海世界人工智能大会（WAIC）聚焦具身智能，规模空前：200+家企业参展，300+台机器人真机亮相，人形机器人年产量预计突破10万台。展会呈现四大技术趋势：从炫技转向实用、具身大模型成为核心、脑机接口落地应用、国产零部件自主化。明星产品包括智元可量产人形机器人、宇树变形机甲等，覆盖工业制造、便民服务等多元场景。中国机器人产业正从实验室迈向规模化量产，面临技术突破与标准完善等挑战，但商业化与全球化进程已显著加速。
2026-07-17 21:01:29
718
原创 YOLO系列学习（一）：从计算机视觉到YOLOv1——目标检测的范式革命
YOLO目标检测算法学习笔记 本文是YOLO系列学习的第一篇文章，主要介绍了目标检测的基础知识和YOLOv1的核心思想。YOLOv1的技术细节和优缺点
2026-07-17 19:35:39
2216
1
原创 ragas官方文档中文版（七十一）
Ragas v0.4引入了重大架构更新，从以指标为中心的评估转向基于实验的框架。主要变化包括：1）统一实验架构，支持结构化评估和分析；2）基于集合的指标系统；3）简化的LLM初始化（llm_factory替代instructor_llm_factory）；4）现代提示系统。迁移步骤建议：先更新评估方法（evaluate()改为@experiment装饰器），再调整LLM设置和指标系统。新版支持自动约束处理、多提供商兼容，并弃用了旧版包装类。该架构改进提供了更好的结果跟踪、实验比较和迭代工作流支持。
2026-07-15 08:00:00
525
原创 ragas官方文档中文版（七十）
本文是Ragas框架从v0.1迁移到v0.2的操作指南，主要涵盖四个方面的重大变更：1)评估数据集改用自定义的EvaluationDataset替代HuggingFace Datasets；2)指标系统重构，推荐直接初始化指标时指定评估LLM，并弃用ascore改用single_score；3)测试集生成完全重设计，引入知识图谱和Transforms，通过Synthesizer对象降低成本；4)提示系统改用PydanticPrompts。指南提供了各模块的具体迁移方法和代码示例
2026-07-14 08:30:00
416
原创 ragas官方文档中文版（六十九）
文章摘要 本文介绍了如何使用Ragas和Swarm构建客户支持智能体系统。系统采用模块化设计，包含三个核心智能体：分诊智能体（处理初始请求分类）、跟踪智能体（提供订单状态更新）和退货智能体（处理产品退货流程）。退货智能体遵循结构化例程，通过六个步骤（收集信息、验证原因、检查资格等）处理退货请求，并集成特定工具函数进行业务逻辑验证。安装指南提供了必要的Python包安装命令（ragas, nltk, swarm）。整体方案强调专业、高效的客户服务交互，同时保持同理心
2026-07-14 08:00:00
290
原创 ragas官方文档中文版（六十八）
文章摘要 本文介绍了如何将R2R（检索增强生成一体化解决方案）与Ragas评估工具集成使用。主要内容包括：1）安装R2R依赖并设置本地环境；2）准备示例数据集（包含多个AI公司及其语言模型信息）；3）使用R2R客户端导入数据并调用/rag端点执行检索增强生成；4）演示查询"Meta AI的LLaMA模型特点"并获取回答；5）说明如何利用Ragas评估R2R生成的响应。教程针对有经验的用户，提供了从数据准备到评估的完整流程，特别强调了R2R的生产级功能如混合搜索和文档管理。
2026-07-13 12:40:57
311
原创 ragas官方文档中文版（六十七）
摘要 本教程演示了如何使用Ragas框架评估LlamaStack网页搜索智能体生成响应的准确性（接地性）。主要内容包括： 安装并启动LlamaStack服务器（支持conda和venv两种方式） 构建基于Llama-3.1-8B-Instruct模型的搜索智能体，配置网页搜索工具 通过3个测试问题检验智能体表现 使用Ragas提供的两个关键指标（忠实度和响应接地性）进行评估 从智能体执行记录中提取检索上下文用于评估 教程假设读者已具备Ragas和LlamaStack的基本使用知识，提供实用代码片段帮助实现评
2026-07-13 12:31:19
330
原创 ragas官方文档中文版（六十六）
文章摘要 本文介绍了使用Ragas评估LlamaIndex智能体的操作指南，分为三个主要部分：1) 使用现成的Ragas指标（如AgentGoalAccuracy和ToolCallAccuracy）评估智能体目标达成度和工具调用准确性；2) 为CodeActAgent开发自定义评估指标，展示如何处理代码生成智能体的特殊需求；3) 评估查询引擎工具的表现。教程通过具体代码示例演示了如何设置评估环境、转换消息格式、执行评估并解读结果，特别强调了CodeActAgent利用代码执行的优势（如可组合性和对象管理）
2026-07-12 08:15:00
306
原创 ragas官方文档中文版（六十五）
摘要 本指南介绍了如何将Ragas与LlamaIndex集成，以评估和改进查询引擎性能。主要内容包括： 构建测试集： 使用SimpleDirectoryReader加载文档 通过TestsetGenerator创建合成测试集 生成包含用户查询、参考上下文和参考答案的数据集 构建和测试QueryEngine： 使用VectorStoreIndex从文档创建索引 测试查询引擎对样本问题的响应
2026-07-12 08:00:00
445
原创 ragas官方文档中文版（六十四）
文章摘要：本文介绍了如何使用Ragas框架构建和评估ReAct智能体来获取实时金属价格。指南分为构建智能体和设置评估管道两部分，详细说明了如何通过API或模拟JSON数据初始化组件、定义工具函数、绑定LLM模型，并在LangGraph中构建状态管理和工作流。关键步骤包括创建助手节点和工具节点，最终通过StateGraph连接各组件形成完整执行流程。该方案适用于需要实时数据交互的金融、电商等场景，提供了一种可评估的智能体开发范式。
2026-07-11 08:15:00
771
原创 ragas官方文档中文版（六十三）
本文介绍了如何使用Ragas评估基于LangChain构建的RAG问答系统。首先创建包含5位科技CEO信息的小型数据集并建立向量索引，随后构建检索问答链（Retrieval QA Chain）整合检索器、LLM和提示模板。通过5个测试问题评估系统性能，使用Ragas的EvaluationDataset组织查询、响应和参考回答，重点关注LLMContextRecall指标来衡量检索内容与参考答案的相关性。
2026-07-11 08:00:00
311
原创 ragas官方文档中文版（六十二）
本文摘要：这是一份针对有经验的Ragas用户的Haystack框架集成指南，介绍了如何使用Haystack构建RAG管道并进行评估。主要内容包括：安装依赖项（ragas-haystack）、初始化文档存储和嵌入器、设置检索器、定义提示模板等组件，最终连接成完整的RAG评估管道。指南假设读者已具备Ragas基础知识，提供的是快速解决方案而非入门教程。文中还包含Python代码示例，展示如何具体实现各组件功能，特别强调了使用RagasEvaluator进行自定义指标评估的能力。（149字）
2026-07-10 08:15:00
266
原创 ragas官方文档中文版（六十一）
本文介绍了如何将Ragas评估工具与Griptape RAG引擎集成使用。主要内容包括： 环境设置：安装必要的Python包（griptape[all]和ragas） 创建测试数据集：准备关于主流LLM提供商的小型文本块数据集 向量存储配置：使用OpenAI嵌入驱动和本地向量存储驱动建立数据索引 RAG引擎搭建：构建包含检索模块（VectorStoreRetriever）和响应模块的基本RAG管道 该指南面向熟悉Griptape RAG引擎的用户，提供快速评估RAG系统性能的解决方案
2026-07-10 08:00:00
265
原创 ragas官方文档中文版（六十）
Ragas AG-UI集成操作指南摘要 本文介绍了如何使用Ragas的AG-UI集成来评估智能体性能。AG-UI是一种基于事件的协议，用于将智能体更新流式传输到UI界面。主要内容包括： 安装集成：通过pip安装"ragas[ag-ui]"及相关依赖，配置评估器LLM凭证 构建实验数据集： 支持单轮样本和多轮对话样本 可以从DataFrame或CSV文件加载数据集 多轮样本可包含预期的工具调用和参考结果 选择评估指标： 提供多种预设指标组合 支持自定义离散指标
2026-07-09 08:15:00
334
原创 ragas官方文档中文版（五十九）
摘要 本文介绍了如何将Ragas评估框架与Oracle云基础设施(OCI)生成式AI模型集成。主要内容包括OCI认证配置方法(CLI、环境变量、手动)、基础与高级使用示例、支持的模型类型(Cohere、Meta、Mistral等)、错误处理机制以及性能优化建议。文档提供了完整的评估代码示例和故障排查指南，强调最佳实践如模型选择、批处理使用和速率限制管理。该集成支持自定义指标创建，适用于有Ragas基础经验的开发人员。
2026-07-09 08:00:00
579
原创 ragas官方文档中文版（五十八）
本文介绍了如何将Google的Gemini模型与Ragas评估框架集成使用。主要内容包括：两种SDK的安装方法（推荐使用新版google-genai SDK）、三种配置方式（含LiteLLM代理高级用法）、支持的Gemini模型列表，以及如何配置嵌入系统（支持自动匹配或显式指定）。文章还区分了仅需LLM和依赖嵌入的指标类型，并提供了完整的评估代码示例，展示了如何利用Gemini进行RAG系统评估。
2026-07-08 08:15:00
414
原创 ragas官方文档中文版（五十七）
摘要 本文介绍了如何评估集成了Amazon Bedrock知识库和操作组的智能体。主要内容包括：安装必要库、创建餐厅预订智能体、设置知识库存储菜单数据、上传数据集到S3、测试知识库检索功能，以及创建DynamoDB表存储预订信息。该智能体能够处理菜单查询、预订管理（创建/取消/查询）等任务，并遵循特定的推荐规则。文中提供了详细的代码示例和架构图说明整个流程。
2026-07-08 08:00:00
396
原创 ragas官方文档中文版（五十六）
摘要： 本文介绍了如何将Ragas评估与LangSmith集成进行性能追踪。内容包含三个关键步骤：1) 设置LangSmith环境变量以启用追踪功能；2) 创建符合Ragas格式要求的评估数据集；3) 使用Langchain包装的OpenAI模型执行评估，自动生成包含上下文召回率、忠实度和事实准确性等指标的追踪记录。所有评估过程会自动记录到LangSmith仪表盘，方便开发者监控和分析大语言模型应用的性能表现。文章假设读者已具备Ragas和LangChain的基础知识。
2026-07-07 08:15:00
353
原创 ragas官方文档中文版（五十五）
摘要：使用Ragas、Phoenix和LlamaIndex构建与评估RAG管道 本指南介绍了一个结合Ragas、Phoenix和LlamaIndex的工作流，用于构建、评估和优化RAG（检索增强生成）系统。主要内容包括： 工具组合：使用Ragas生成合成测试数据并进行评估，Phoenix进行可视化追踪和聚类分析，LlamaIndex构建RAG管道。 实施步骤： 安装必要依赖 配置OpenAI API密钥 使用Ragas生成高质量合成测试数据（25个样本） 用LlamaIndex构建基础RAG管道 集成Pho
2026-07-07 08:00:00
331
原创 ragas官方文档中文版（五十四）
Ragas集成指南摘要 Ragas框架提供与多种AI工具链的集成方案，包括主流LLM编排框架（Haystack、LangChain、LlamaIndex等）、云AI服务（Amazon Bedrock、OCI Gen AI）及追踪工具（Arize Phoenix、LangSmith）。本文档面向有经验的用户，提供简洁直接的集成解决方案。若需基础指导，建议先查阅快速入门部分。支持持续扩展集成生态，用户可提交未覆盖工具的集成需求。
2026-07-06 08:15:00
343
原创 ragas官方文档中文版（五十三）
本文介绍了如何使用Ragas框架比较两种RAG（检索增强生成）方法的性能。主要内容包括： 项目创建与运行： 提供朴素RAG（单次检索）和智能体RAG（多步检索）两种模式的实现 包含详细的安装、配置和评估运行指南 模式对比： 朴素RAG：简单快速但检索策略单一 智能体RAG：支持多步检索和查询优化，但延迟和成本更高 评估方法： 使用HuggingFace文档QA测试数据集 提供正确性等评估指标实现 支持MLflow追踪LLM调用 扩展能力： 支持自定义知识库、模型和评估指标 可修改智能体检索策略
2026-07-06 08:00:00
290
原创 ragas官方文档中文版（五十二）
本文介绍了Ragas评估框架的快速入门指南，重点针对有经验的用户。主要内容包括：1）通过uvx或pip安装Ragas并创建项目；2）配置不同LLM供应商（OpenAI/Anthropic/Google/Ollama）的API密钥；3）项目结构说明，包含RAG应用实现和评估工作流；4）核心代码解析，展示如何定义评估指标、运行实验和保存结果；5）自定义方法，包括添加测试用例、修改评估标准和集成自有RAG系统。该指南提供了一套完整的RAG评估解决方案模板，支持用户快速建立评估流程并进行个性化调整。
2026-07-05 08:15:00
289
原创 ragas官方文档中文版（五十一）
Ragas CLI 操作指南摘要（149字） Ragas CLI提供了一套高效的终端工具，支持快速创建评估项目和运行实验。核心功能包括：quickstart命令可基于模板（如RAG评估、智能体测试等12种专业模板）快速搭建项目；evals命令支持对指定数据集运行定制化评估；hello_world用于验证安装。典型工作流只需60秒：通过uvx创建项目→安装依赖→设置API密钥→运行评估。该工具特别适合有经验的用户快速实施RAG系统评估、LLM基准测试等场景，文档中附有各模板的专项指南链接。
2026-07-05 08:00:00
270
原创 ragas官方文档中文版（五十）
文章摘要 本操作指南介绍了如何使用Ragas评估和改进RAG（检索增强生成）应用的完整流程。主要内容包括： 搭建基础RAG系统：基于Hugging Face文档数据集，实现文档检索和答案生成功能 创建评估数据集：准备包含问题和标准答案的测试集 设置评估指标：使用正确性离散指标衡量RAG响应质量 构建评估流程：实现可重复执行的评估管道 分析改进：通过评估结果识别问题并优化RAG系统 指南提供了完整代码示例，包括RAG系统实现、数据集处理和评估指标设置，帮助开发者系统性地提升RAG应用性能。
2026-07-04 12:54:06
345
原创 ragas官方文档中文版（四十九）
本文介绍了如何使用Ragas工具将大语言模型(LLM)对齐为专业评判器的方法指南。主要内容包括： 评判器对齐的重要性：未对齐的评判器会导致评估偏差，必须使其与人类专家判断一致才能获得可靠结果。 操作步骤： 安装Ragas工具并设置环境 使用包含专家标注的EvlasBench数据集（含问题、评分要点、LLM响应和人工判定结果） 定义两个关键评估指标：评判准确率(accuracy)和与人工判定对齐度(judge_alignment) 通过实验函数构建完整的评估管道 核心价值
2026-07-04 12:26:52
256
原创 ragas官方文档中文版（四十八）
摘要 本指南介绍了如何使用Ragas评估和改进Text-to-SQL系统。主要内容包括： 环境设置：安装必要组件并测试SQL智能体 数据准备：使用BookSQL数据集（包含99个平衡样本） 系统构建：提取数据库模式并设计提示模板 评估指标：重点采用执行准确度验证SQL结果正确性 指南提供了完整代码和操作步骤，帮助开发者快速构建可重用的评估管道。所有操作假设用户已具备Ragas基础知识和使用经验，如需入门可参考快速开始部分。
2026-07-03 08:15:00
577
原创 ragas官方文档中文版（四十七）
本文介绍了使用Ragas框架比较不同大语言模型(LLM)在特定业务场景中表现的完整流程。指南以折扣计算任务为例，展示了从环境配置到结果评估的全过程： 设置评估环境并安装必要组件 定义折扣计算规则的系统提示词 构建包含各种测试案例的数据集(简单案例、边界案例、复杂场景) 创建准确度评估指标函数 设计实验结构来比较不同模型表现 该方法可扩展到任何业务场景的模型评估，提供了可重复使用的评估框架。特别建议使用真实业务数据或高质量合成数据(20-100个样本)，并强调持续迭代优化的重要性。
2026-07-03 08:00:00
191
原创 ragas官方文档中文版（四十六）
本文介绍了如何使用Ragas工具为RAG问答系统生成合成测试集。主要内容包括：1)下载并加载航空公司文档数据；2)设置LLM和嵌入模型；3)构建知识图谱并应用标题提取、拆分和关键词提取等变换；4)配置三种用户角色(首次飞行者、常旅客、愤怒商务舱乘客)以生成多样化查询；5)使用基于标题和关键词的合成器生成平衡分布的测试查询。最终生成的测试集可全面评估RAG模型的性能和鲁棒性。整个流程强调通过角色设计和知识图谱增强来提高测试数据的真实性和多样性。
2026-07-02 08:15:00
344
原创 ragas官方文档中文版（四十五）
本文介绍了如何在Ragas评估框架中使用Vertex AI模型，主要内容包括：1)安装必要依赖并设置Google Cloud环境；2)配置评估器LLM和嵌入模型；3)讲解Ragas提供的三类评估指标：自定义指标（如恶意性和有用性评分）、基于模型的指标（如上下文精确度和忠实度）以及基于计算的指标（如ROUGE分数）；4)说明如何准备评估数据集。文章是三部分系列教程的第一部分，后续将介绍LLM指标对齐和模型比较。操作指南面向熟悉Ragas的有经验用户，提供具体问题解决方案。
2026-07-02 08:00:00
638
原创 ragas官方文档中文版（四十四）
摘要 本文介绍了如何使用Ragas框架评估多轮对话质量，特别针对银行聊天机器人场景。重点讲解了AspectCritic指标的使用方法，该指标通过二元评估（0/1）来检查对话是否满足预定义标准。文章提供了实际代码示例，展示了如何评估聊天机器人是否完整处理用户请求（如信用额度提升和交易查询）以及是否遵守银行业务范围（避免提供投资建议）。通过定义明确的评估标准和标准化术语，该方法能够有效识别和改善对话系统中的常见问题模式。
2026-07-01 08:30:00
258
原创 ragas官方文档中文版（四十二）
文章摘要 本教程演示了如何利用Ragas框架进行系统化的提示词优化，以糖尿病用药管理助手为例。通过对比标准提示词和添加财务激励的提示词变体，评估语言模型对指令的遵循程度。教程包含数据集准备（15个代表性查询）、提示词设计（仅一行差异）、评估函数实现（含错误重试机制）等关键步骤，展示了数据驱动的提示词工程方法。该方法可帮助开发者避免传统提示词工程中"打地鼠"式的问题修复模式，实现更可靠的AI助手开发。
2026-06-30 08:15:00
611
原创 ragas官方文档中文版（四十一）
摘要 本文介绍了使用Ragas框架评估和优化客户支持工单分类提示词的操作指南。主要内容包括： 任务定义：多标签分类(7个业务标签)和优先级分类(P0-P2) 数据集准备：提供示例数据格式，建议使用真实数据或高质量合成数据 评估流程： 通过run_prompt.py测试提示词 定义两个核心指标：标签精确匹配(labels_exact_match)和优先级准确率(priority_accuracy) 实验方法： 使用@experiment装饰器构建评估管道 支持参数化测试不同提示词版本
2026-06-30 08:00:00
367
原创 ragas官方文档中文版（四十）
摘要 DSPyOptimizer是Ragas框架中的高级提示词优化工具，基于DSPy的MIPROv2算法，通过指令优化和示例优化相结合的方式提升指标性能。它适合拥有50+标注数据且追求最佳准确性的场景，但需要较高的计算成本（100-500次LLM调用）。用户需准备标注数据集、带提示词的指标和LLM（推荐gpt-4o-mini节省成本），通过配置参数如候选提示词数量(num_candidates)和示例数量(max_bootstrapped_demos)来平衡效果与成本。
2026-06-29 08:15:00
328
原创 ragas官方文档中文版（三十九）
摘要：Ragas测试集生成器使用预分块数据指南 本文介绍了Ragas测试集生成器中generate_with_chunks方法的使用，该方法允许用户绕过内部分割机制，直接使用预分块数据进行测试集生成。主要特点包括： 适用场景： 已有优化分块策略 需要保持RAG管道与评估一致性 处理带自定义元数据的预处理文档 确保分块符合特定业务逻辑 工作原理： 保留原始分块内容和元数据 应用多种提取器添加属性 构建分块间关系
2026-06-29 08:00:00
241
2022年最新广西壮族自治区五级行政区划代码
2022-08-05
2022年最新湖北省五级行政区划代码
2022-08-05
2022年最新湖南省五级行政区划代码
2022-08-05
2022年最新广东省五级行政区划代码
2022-08-05
2022年最新江西省五级行政区划代码
2022-08-04
2022年最新山东省五级行政区划代码
2022-08-04
2022年最新河南省五级行政区划代码
2022-08-04
2022年最新安徽省五级行政区划代码
2022-08-04
2022年最新福建省五级行政区划代码
2022-08-04
2022年最新浙江省五级行政区划代码
2022-08-04
2022年最新江苏省五级行政区划代码
2022-08-03
2022年最新辽宁省五级行政区划代码
2022-08-03
2022年最新吉林省五级行政区划代码
2022-08-03
2022年最新黑龙江省五级行政区划代码
2022-08-03
2022年最新上海市五级行政区划代码
2022-08-03
2022年最新河北省五级行政区划代码
2022-08-02
2022年最新内蒙古自治区五级行政区划代码
2022-08-02
2022年最新天津市五级行政区划代码
2022-08-02
2022年最新山西省五级行政区划代码
2022-08-02
2022年最新北京市五级行政区划代码
2022-08-01
24套精品科技风PPT模板合集：适用于产品发布/学术答辩/项目汇报/商业计划书
2025-10-29
拯救词穷AI绘画3万+提示词大全Excel版
2025-10-28
基于DenseNet201与4万张图像的地面裂缝二分类检测（有裂缝/无裂缝）
2025-10-24
【Java课程设计/毕业设计】基于Swing的仿Windows画图程序（含撤销/重做/多笔形/文件保存）
2025-10-23
【Java课程设计/毕业设计】基于Java GUI与Socket通信的井字棋游戏（Tic-Tac-Toe）实现网络双人对战（源码）
2025-10-22
【537套全站热销】PPT大神素材包：152张封面+46页经典版式+339款背景（科技风/简约商务）
2025-10-21
Python办公自动化-Excel批量转PDF工具-免安装版
2025-10-20
2022年最新西藏自治区五级行政区划代码
2022-08-05
2022年最新宁夏回族自治区五级行政区划代码
2022-08-05
2022年最新新疆维吾尔自治区五级行政区划代码
2022-08-05
2022年最新四川省五级行政区划代码
2022-08-05
2022年最新云南省五级行政区划代码
2022-08-05
2022年最新海南省五级行政区划代码
2022-08-05
2022年最新重庆市五级行政区划代码
2022-08-05
2022年最新贵州省五级行政区划代码
2022-08-05
2022年最新陕西省五级行政区划代码
2022-08-05
2022年最新青海省五级行政区划代码
2022-08-05
2022年最新甘肃省五级行政区划代码
2022-08-05
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人