2048 AI社区

2048 AI社区

AI资讯 AI造物社区 MCP

话题讨论活动竞赛科技篇产业对接

去全站搜索看看？

登录社区云

登录社区云，与社区用户共同成长

2048 AI社区

邀请您加入社区

欢迎加入社区

欢迎加入社区

tensorflow

Agent项目来袭！黑马《智链云途》重磅发布！

黑马《智链云途》正是在这样的背景下研发而来：以真实物流业务为载体，将传统软件工程+大模型应用+AI智能体+AI预测+工程化落地融合到一个企业级项目中。

黑马程序员官方
2026-08-25 17:33:38

 237

 6

#人工智能 #机器学习 #tensorflow
零基础学AI必备｜Python核心知识点（极简版，不用啃厚书）

摘要： Python是AI领域的必备工具，但新手无需精通所有语法，只需掌握核心知识点即可快速入门。重点包括：1）基础语法（变量、条件循环、函数）；2）三大核心库（NumPy数值计算、Pandas数据处理、Matplotlib可视化）；3）以AI场景为导向，跳过无关内容。建议边学边练，利用AI工具辅助学习，1-2周即可上手基础任务。聚焦“够用”原则，优先掌握与数据处理、模型调用相关的Python技能

 六月星辰梓
2026-04-23 16:04:25

 358

 6

#人工智能 #python #开发语言 +4
TensorFlow、PyTorch 与 Keras 全面对比：核心区别与场景化选型指南

TensorFlow、PyTorch与Keras是深度学习的三大主流工具。Keras现为TensorFlow的高级API（tf.keras），而非独立框架。TensorFlow（含tf.keras）适合快速原型开发和生产部署，尤其在移动端和标准化任务中优势明显；PyTorch则以灵活性和动态计算图见长，是学术研究和前沿模型开发的首选。实际选型应基于需求：企业级MLOps和部署优先选TensorFl

独隅
2026-04-16 13:40:32

 1392

 29

#tensorflow #pytorch #keras
TensorFlow 与 PyTorch 全面对比：核心差异、适用场景与选型指南

TensorFlow与PyTorch对比摘要 TensorFlow和PyTorch是两大主流深度学习框架，核心差异显著：设计理念：TensorFlow以静态图和生产部署见长，PyTorch以动态图和灵活调试著称代码风格：TensorFlow（Keras API）更简洁，PyTorch更贴近Python原生语法生态系统：TensorFlow在移动端/TFLite部署领先，PyTorch主导学术

 独隅
2026-04-15 09:43:45

 1170

 19

#tensorflow #pytorch #人工智能
第2篇：AI开发环境搭建指南——手把手配置Python与TensorFlow（操作教程）

刚入行那会儿，我天真地以为 AI 开发就是写几行的代码。结果在环境配置上栽了大跟头，版本冲突、CUDA 不匹配、依赖库缺失……一个“简单”的安装花了我整整两天。这让我深刻认识到，一个稳定、可复现的开发环境，是 AI 项目成功的基石。今天，我就带你手把手、无痛搭建一个主流的 AI 开发环境，避开我当年踩过的所有坑。恭喜你！走到这一步，你已经拥有了一个专业、隔离且功能完整的 AI 开发环境。用 Con

大龄程序员狗哥
2026-04-09 18:54:24

 428

 7

#人工智能 #python #tensorflow
零基础入门AI：机器学习与深度学习的核心区别与联系

深度学习是机器学习的“升级版”，机器学习是深度学习的“基础版”；机器学习靠人工引导找规律，深度学习靠自主学习挖特征；机器学习适合简单场景、轻量实现，深度学习适合复杂场景、海量数据，两者相辅相成，共同构成AI的核心技术体系。AI入门没有捷径，循序渐进、脚踏实地，先搞懂基础概念，再逐步深入，才能稳步提升。希望本文能帮零基础的你，理清机器学习与深度学习的关系，避开学习误区，顺利开启AI学习之路。

六月星辰梓
2026-04-07 15:43:16

 657

#人工智能 #机器学习 #深度学习 +4
[特殊字符] AI+PHP算命系统源码实战：用TensorFlow集成实现智能命理分析

本文通过 PHP 与 TensorFlow 的结合，完成了一个 AI 驱动的命理分析系统原型，将传统八字、时间等数据转化为可量化的特征，并利用神经网络进行预测。相比固定规则库，这种方案能根据历史数据不断调整，实现更个性化的运势评分。在技术实现上，我们采用 Python Flask 提供模型预测接口，PHP 则专注于数据预处理、用户交互与高并发处理，两者通过 HTTP/JSON 高效协作。同时，通过

 yangrouchuan88
2026-03-12 13:57:51

 589

 13

#人工智能 #php #tensorflow
opencv调用Caffe、TensorFlow、Darknet、Torch训练好的模型

转载：https://blog.csdn.net/shanglianlm/article/details/80030569OpenCV 3.3版本发布，对深度学习（dnn模块）提供了更好的支持，dnn模块目前支持Caffe、TensorFlow、Torch、PyTorch等深度学习框架。#1 加载模型成网络###1-1 调用caffe模型##核心代码：String modelDes...

byxdaz
2019-05-15 23:58:16

 2785

#opencv #caffe #tensorflow
2 第一个AI程序：用TensorFlow.js实现浏览器端图像分类

通过本案例，我们实现了浏览器端的实时图像分类功能，验证了TensorFlow.js在Web开发中的实用性。实时视频流处理：结合WebRTC实现视频流的实时分类。模型微调：在浏览器中用少量数据对模型进行微调，适应特定场景。边缘计算结合：将TensorFlow.js与WebAssembly结合，进一步优化性能。从商业价值看，这种技术方案适用于需要低延迟、高隐私保护的场景，如医疗影像辅助诊断、工业质检等

 2601_95249574
2026-03-02 07:04:03

 689

 13

#人工智能 #tensorflow #javascript
零基础学深度学习需要学哪些框架？PyTorch 和 TensorFlow 选哪个？

大家好，我是唐宇迪。这些年，我辅导过数百名非计算机专业的学员入门深度学习，从财务、销售、教师到文员背景，他们中很多人一开始连编程都没碰过，但通过正确的路径和框架选择，几个月就上手了模型训练、项目落地，甚至拿到了算法助理或数据工程师的offer。星恺同学，你好！作为香港的学员，你可能正忙于工作或学习，想利用碎片时间转行AI，别担心，深度学习入门远没有想象中那么难。今天，我们来聊聊一个零基础同学最纠结

 唐宇迪（学习规划+技术培训）
2026-02-27 11:57:49

 469

 7

#深度学习 #pytorch #tensorflow +4
TensorFlow Lite for Microcontrollers（TFLM）介绍与实战使用指南

摘要：TensorFlow Lite for Microcontrollers（TFLM）是专为资源受限的微控制器（MCU）设计的轻量级AI推理框架。文章介绍了TFLM的核心特性：极致轻量化（库体积仅20KB）、静态内存分配、跨平台兼容性以及低功耗适配。同时分析了其适用场景（低资源MCU、简单AI任务）和局限性（不支持复杂模型）。文章还提供了完整的TFLM使用流程，包括模型训练与转换、工程配置、代

 1998@逆风生长
2026-02-27 10:28:01

 1922

 19

#物联网 #tensorflow #边缘计算
OpenBCI神经信号延迟测试套件评测：解析公众号热度内容与实战指南

摘要： 2026年，脑机接口（BCI）技术成为软件测试的重要工具，OpenBCI Galea凭借低延迟（<100ms）、多模态传感器（EEG/EMG）和无线传输特性，显著提升缺陷检出率（降低28%）。结合公众号热门内容（AI评测、案例分享、趋势分析），BCI测试工具可优化决策偏见，如金融App安全测试中缺陷检出率提升32%。未来，BCI将推动“决策增强测试”，测试从业者可通过工具评测和内容创

 测试人社区—8416
2026-02-26 18:10:06

 1425

 38

#人工智能 #量子计算 #tensorflow +2
AI模型压测工具：TensorFlow Serving的QPS瓶颈定位实战

AI驱动测试领域聚焦TensorFlowServing的QPS优化策略。2026年公众号数据显示，AI测试工具关注度增长35%，实操教程需求旺盛。TensorFlowServing通过批处理、异步调用和监控集成解决性能瓶颈，案例显示优化后QPS提升53%。建议结合热点趋势，发布实操教程并部署混沌工程测试，构建高可用AI测试生态。

测试人社区—8416
2026-02-24 10:20:10

 1138

 18

#人工智能 #tensorflow #python +4
TensorFlow vs PyTorch vs MindSpore：AI架构师视角下的框架选型深度对比（性能+生态+成本全解析）

开发效率维度：框架的API设计、调试工具、文档质量直接决定了开发团队的工作效率。一个设计良好的框架可以让研究人员快速实现想法，让工程师高效部署模型。性能表现维度：训练速度、推理延迟、内存占用等指标直接影响模型迭代速度和部署成本。在大型项目中，框架性能的细微差异可能意味着数十万美元的计算成本差距。生态系统维度：预训练模型、工具库、社区支持等生态因素决定了项目能否快速落地和持续演进。成熟的生态可以显著

 禅与计算机程序设计艺术
2026-02-23 21:50:02

 440

 6

#人工智能 #tensorflow #pytorch
能源消耗统计数据爬取实战：构建高效、合规的Python数据采集系统

本文详细介绍了一款面向全球能源消耗统计数据的Python爬虫系统的设计与实现。系统采用异步IO框架（aiohttp+asyncio）、智能解析引擎（BeautifulSoup4+lxml）、动态反爬策略（指纹随机化+代理池）以及分布式任务队列（Celery+RabbitMQ）等前沿技术，实现对国际能源署（IEA）、美国能源信息署（EIA）及中国国家统计局等多源异构能源数据的自动化采集。文章涵盖爬虫

 移动开发经验汇总
2026-02-23 19:01:58

 73

#tensorflow #python #开发语言 +1
Python爬虫实战：电子产品参数对比网站数据采集与可视化分析

本文将详细介绍如何使用Python爬虫技术从主流电子产品评测网站（如中关村在线、太平洋电脑网）采集手机、笔记本电脑等电子产品的详细参数信息，构建完整的参数对比数据库。我们将使用最新的爬虫技术栈，包括异步请求（aiohttp）、动态页面渲染（Playwright）、数据清洗（Pandas）以及可视化分析（PyECharts）等先进工具。文章将分步讲解爬虫架构设计、反爬策略应对、数据存储方案以及最终的

 移动开发经验汇总
2026-02-23 18:59:10

 281

#python #爬虫 #开发语言 +1
构建大规模艺术作品信息数据库：从零开始的Python爬虫实战指南

在数字时代，艺术作品的数字化管理和分析已成为艺术界、学术界和商业领域的重要需求。无论是博物馆的藏品管理、艺术市场的价格分析，还是AI艺术创作的训练数据，一个结构完善的艺术作品数据库都扮演着至关重要的角色。

移动开发经验汇总
2026-02-23 18:55:49

 1477

 15

#爬虫 #开发语言 #tensorflow +1
玩嵌入式AI时，获取Tensorflow lite micro源码的6种途径以及选择建议！（收藏备用）

本文总结了7种获取TensorFlow Lite Micro(TFLM)源代码的方法：1）从官方独立仓库clone最新完整代码；2）从TensorFlow总仓获取旧版子目录；3）通过Arduino官方库获取裁剪版；4）从芯片厂商SDK中获取优化版（如STM32的X-CUBE-AI）；5）使用作者精简的教学课程仓库版本；6）通过生成工程间接获取；7）从EdgeImpulse等工具导出。针对不同开发需

 玩转单片机与嵌入式
2026-02-21 17:06:20

 1w

 10

#人工智能 #tensorflow #python
从idea到project的落地L1-从需求到Demo

摘要： Trae AI IDE 提供全栈L1级“光速”开发流程，通过结构化项目目录（docs/rules）和自定义智能体（如“AICEO产品经理”）实现需求自动化落地。用户仅需在task文件中用@触发智能体，AI即可在SOLO模式下自动读取需求、调用规范、生成PRD并保存至指定路径。相比传统工具（如Cursor），Trae通过封装提示词、文件操作权限和端到端流程，显著提升效率——从原始需求到规范文

 破晓之翼
2026-02-21 09:19:32

 1097

 12

#人工智能 #tensorflow
# 发散创新：用Python+TensorFlow实现强化学习在动态路径规划中的实战应用在智能

在智能交通、机器人导航和自动化决策系统中，一直是核心挑战之一。传统的A*或Dijkstra算法虽高效，但面对实时变化的障碍物、路况甚至目标点移动时，往往显得僵化。而提供了一种自适应的学习机制——让智能体通过与环境交互不断优化策略，从而实现更灵活的决策。本文将以为基础，构建一个基于深度Q网络（DQN）的强化学习模型，用于解决。我们将从环境建模、状态空间设计、奖励函数定义到训练过程完整实现，并给出可直

 CBA12890
2026-02-18 19:34:13

 38

#python #tensorflow #开发语言 +1
Dify简要说明

Dify是一款开源大语言模型应用开发平台，旨在降低AI应用开发门槛。它提供可视化编排、多模型接入（国内外主流LLM）、知识库管理等功能，支持快速构建聊天机器人等AI应用。与国外工具相比，Dify在易用性和专业性间取得平衡；与国内同类产品（如字节的Coze）相比，Dify以开源和模型中立性见长，适合需要私有化部署的团队。此外，Dify可通过API与LangChain等框架集成，实现多智能体协作开发。

破晓之翼
2026-02-16 11:43:01

 1263

 9

#tensorflow
历史的长河在指尖流淌：2026年 Python 历史事件时间线数据爬取实战指南

在数据科学和数字人文科学蓬勃发展的今天，历史研究正在经历一场“数据驱动”的变革。无论是社会网络分析、事件演化建模，还是简单的知识图谱构建，都离不开结构化的历史事件数据。然而，这些数据往往散落在维基百科、在线百科全书、政府档案库以及各种新闻门户中，且大多没有提供现成的API。本文将深入探讨在2026年的技术背景下，如何利用最新的Python爬虫技术栈（包括Scrapy 2.14+的异步原生支持、基于

 移动开发经验汇总
2026-02-13 19:20:11

 1813

#tensorflow #人工智能 #python +1
基于Tensorflow深度学习卷积神经网络CNN算法垃圾分类识别系统(完整系统源码+PPT+详细开发文档+论wen+详细部署视频解析)

本项目开发了一个基于TensorFlow深度学习CNN算法的垃圾分类识别系统。系统采用ResNet50预训练模型，通过图像数据预处理、模型训练（准确率达99.83%）和系统集成等步骤实现高效垃圾分类。项目包含完整源码、开发文档、论文及部署教程，为环保领域提供了AI解决方案。该系统可显著提升垃圾分类效率，减少人工成本，具有实际应用价值。

星川.280
2025-12-14 13:30:57

 953

 12

#深度学习 #算法 #tensorflow +4
TensorFlow小白科普

本质认知：TensorFlow不是“黑科技”，而是帮你“自动化找数据规律”的工具——核心是“构建模型→数据学规律→验证效果→调参数”的循环；学习逻辑：先懂“生活化类比”（比如奶茶店、配方调整），再看代码，避免被术语吓住；商业价值：所有AI案例的核心都是“用数据找规律解决业务问题”（比如预测流失、推荐商品），而非追求复杂模型；跨语言选择：Java开发者可优先选Deeplearning4j（全流程开发

 Coder_Boy_
2026-02-07 15:04:01

 697

 20

#tensorflow #neo4j #人工智能 +1
轻量化部署实战：C#上位机集成AI模型的3种方案深度对比（ML.NET/ONNX/TensorFlow.NET）

C#上位机部署AI模型，核心不是“选最强大的方案”，而是“选最适配的方案”——工控机的低配置、高稳定性需求，决定了“轻量化”和“部署简单”是选型的首要原则。回顾3种方案：ML.NET：原生、轻量化、零依赖，适合传统ML场景，低配置工控机首选；ONNX Runtime：通用、平衡、易落地，适合深度学习场景，工业落地首选；TensorFlow.NET：强大、灵活、纯C#，适合复杂模型，高配置工控机首选

 威哥说编程
2026-02-03 07:45:32

 310

 2

#人工智能 #c##.net +4
AI Hallucination

【代码】AI Hallucination。

evanchen_cn
2026-01-30 15:37:46

 1153

 29

#人工智能 #计算机视觉 #tensorflow +1
TensorFlow Lite在STM32嵌入式设备中的AI图像识别实战

摘要：本文针对2026年轻量化AI部署的市场需求，提出基于STM32H743微控制器和TensorFlow Lite框架的嵌入式图像识别方案。通过MobileNetV2模型微调、INT8量化（模型压缩70%至3.8MB）等技术，在480MHz主频、1MB RAM的硬件限制下，实现杯子/钥匙/钢笔三类物体识别（准确率89.3%，推理速度58ms/帧）。方案包含完整的硬件选型（OV7670摄像头）、软

 A0  雷
2026-01-30 09:07:09

 1795

 39

#人工智能 #tensorflow #stm32
如何在 GPU 显卡服务器上使用 TensorFlow 与 CUDA 加速大数据处理任务，优化 AI 数据管道？——深度实践与技术落地

数据管道瓶颈常比计算瓶颈更致命：优先使用 TFRecord + 并行预取。充分利用现代 GPU Tensor Core：混合精度能带来显著加速。合理使用分布式策略：多卡训练在数据和模型规模扩大时具备线性加速潜力。持续 profiling 必不可少：定期使用工具检测空闲及 I/O 瓶颈。希望本篇文章能为你在 GPU 显卡服务器上搭建高效 AI 数据处理与训练管道提供实用参考。

oMcLin
2026-01-28 10:46:24

 1048

 11

#人工智能 #服务器 #tensorflow
用TensorFlow.js实现AI驱动的数据可视化

你是否有过这样的经历？打开一份包含100个特征的用户行为数据集，盯着Excel里密密麻麻的数字，半天看不出任何规律；用PCA降维后得到一张散点图，却发现不同类别的点挤在一起，根本分不清边界；想展示实时流数据的变化，却因为传统工具的延迟，只能看到“过时”的可视化结果？这些问题的根源，在于——它依赖人工选择维度、图表类型和参数，而当数据复杂到时，人类的直觉和经验往往跟不上数据的“复杂度”。

后端开发笔记
2026-01-25 21:04:41

 515

 15

#人工智能 #tensorflow #javascript
如何在 RHEL 8 上实现 AI 推理加速，利用 TensorFlow Lite 和 NVIDIA Jetson 提升边缘设备处理能力

通过A5数据本方案，在RHEL 8 主机环境下利用 Podman 容器运行基于 Ubuntu / NVIDIA L4T 的 Jetson 推理镜像，实现了TensorFlow Lite + TensorRT 的边缘推理加速。在实际项目中，这种方式兼顾了企业级操作系统合规性与领先的 AI 推理性能，可广泛应用于工业视觉、智能监控、无人机与机器人等边缘智能系统。

oMcLin
2026-01-25 09:43:26

 1046

 24

#人工智能 #tensorflow #python
基于深度学习的肺炎X光影像检测示例：完整AI项目周期实践

本项目完整展示了计算机视觉在医疗领域的一个应用实例，通过构建CNN模型实现了肺炎X光片的自动检测。为了让读者更容易了解人工智能项目如何实施，整个实例的实现完全按照AI项目周期的6个阶段而设计，并且给出每个阶段详细的任务说明，代码实现以及知识点解释。并且给出了改进建议。

zouhui
2026-01-24 07:00:00

 1820

 30

#人工智能 #深度学习 #tensorflow +1
AI大模型：Python智慧交通分析预测可视化系统大数据毕业设计 Python+Tensorflow+LSTM算法✅

本文介绍了一个基于LSTM算法的交通分析预测可视化系统，该系统整合了深度学习、数据分析和可视化技术。项目采用Python语言开发，使用TensorFlow框架搭建LSTM模型，对车流量、车速和道路占有率三类核心交通指标进行时间序列预测。系统包含五大功能模块：数据处理模块（基于Pandas）、预测分析模块（LSTM模型）、可视化展示模块（Echarts）、系统交互模块（Flask框架）和后端支撑模块

 q_3548885153
2026-01-23 19:45:00

 1298

 20

#人工智能 #python #大数据 +4
如何在Ubuntu 22.04上使用ONNX与TensorFlow进行跨框架模型转换，优化AI推理性能？

通过 ONNX 作为中间格式，A5数据将 PyTorch 模型成功转换并部署到 TensorFlow Serving 和 TensorRT 推理引擎上，在 Ubuntu 22.04 环境下实现了高性能推理。ONNX 导出与图优化；权重量化（INT8）；TensorRT 引擎构建；不同推理策略对比评测。整个流程能够有效提升部署效率与推理性能，适合现代AI推理服务落地。

oMcLin
2026-01-23 09:19:43

 969

 11

#人工智能 #ubuntu #tensorflow
NVIDIA H100与GH200选型指南：AI与HPC负载的硬件适配方案

H100与GH200并非替代关系，而是针对不同负载场景的互补方案：●H100是一款平衡型通用加速器，在训练、微调、推理等多种场景中表现稳定，计算密度高且部署灵活，是当前大多数AI与HPC负载的优选方案。●GH200是一款针对性极强的系统级解决方案，聚焦内存密集、CPU-GPU协同紧密的细分场景，能够突破传统分离式架构的瓶颈，为特殊负载提供更优性能。

昊源诺信
2026-01-22 17:20:45

 1095

 10

#人工智能 #服务器 #深度学习 +4
python black horse编外学员

从今天开始我将逐一更新我在黑马python ai大开发学习的知识。

m0_74312894
2026-01-18 19:45:57

 122

 2

#tensorflow
当DevOps遇上AI：持续测试的核动力引擎已点火

摘要：DevOps持续测试面临速度慢、覆盖率低等瓶颈，AI技术正成为关键突破点。机器学习、自然语言处理等技术可自动生成测试用例（覆盖率达95%）、预测缺陷并实现自愈测试，某金融案例显示测试周期从2周缩短至2天。实现路径包括ML模型集成CI/CD流水线、数据驱动决策等，测试人员需掌握AI技能并重构流程。未来AI将推动"自治测试"发展，到2030年效率或提升10倍，测试角色将转向策

 2501_94436372
2026-01-15 16:06:15

 753

 8

#devops #人工智能 #运维 +4
主流深度学习框架全景对比：PyTorch、TensorFlow、JAX的发展、特性与工程落地

本文系统对比了PyTorch、TensorFlow和JAX三大深度学习框架的发展历程、核心特性和适用场景。PyTorch以动态图和灵活调试成为学术研究首选；TensorFlow凭借静态图优化和成熟部署工具链主导产业落地；JAX则通过函数式编程和XLA编译在大模型训练中展现性能优势。针对不同场景：学术研究推荐PyTorch，企业部署建议TensorFlow，大模型训练首选JAX，跨平台部署仍以Ten

黑客思维者
2026-01-15 12:35:28

 2403

 26

#深度学习 #pytorch #tensorflow
【考研复试项目】深入理解Anaconda与虚拟环境：AI项目环境配置

本文讲解了AI项目环境配置的关键步骤，阐明了Anaconda通过Conda工具高效管理虚拟环境的核心作用，并详细演示了从安装Anaconda、创建Python 3.9.19虚拟环境，到使用国内镜像源安装TensorFlow、PyTorch（匹配CUDA版本）等依赖的全过程，最终实现一个隔离、稳定且支持GPU加速的开发环境，为后续AI项目奠定可靠基础。

Yaozh
2026-01-14 18:23:32

 651

 7

#人工智能 #深度学习 #tensorflow +3
‌AI测试框架比较：TensorFlow vs PyTorch——测试从业者的专业指南

本文对比了TensorFlow和PyTorch在AI测试领域的核心差异，为测试从业者提供框架选型建议。TensorFlow凭借TensorBoard和TFX工具链，在性能测试、企业级部署方面表现优异；PyTorch则以动态图和Pythonic风格，在敏捷调试和单元测试中更具优势。文章通过可视化工具、错误处理、性能基准等维度分析，建议开发期采用PyTorch快速验证，生产期转向TensorFlow进

 2501_94436372
2026-01-14 13:59:10

 856

 15

#人工智能 #tensorflow #pytorch +4
TensorFlow的demo下的各个模型训练效果

特点：基于《Compressing Deep Neural Networks using a Rank-Constrained Topology》论文，显著减少参数和计算量，但准确率相对较低。将 input_shape.shape[-1].value 改为 input_shape[-1]特点：内存占用小（<20KB工作内存，<32KB闪存），准确率一般但适合始终运行的唤醒词检测。将 input_s

原1241
2026-01-13 11:36:13

 626

 17

#tensorflow #人工智能 #python
数字孪生在工业领域的应用有哪些

数字孪生技术通过“物理实体-虚拟模型-数据链路-闭环优化”的核心逻辑，深度渗透工业研发、生产、运维、供应链等全流程，解决传统工业“效率低、成本高、风险难控”的痛点。核心目标：通过数字孪生体模拟风险场景、监控环保指标、优化能源消耗，满足工业安全合规与双碳目标。•入群即享：免费任选10门AI实战课程视频（包括大模型、知识图谱、NLP、CV等）；核心目标：用虚拟模型替代物理原型，完成设计、仿真、测试全流

 龙腾亚太
2026-01-08 12:48:30

 1434

 32

#人工智能 #自然语言处理 #深度学习 +1
强化学习调研

策略定义了智能体对于给定状态所做出的行为，换句话说，就是一个从状态到行为的映射，事实上状态包括了环境状态和智能体状态，这里我们是从智能体出发的，也就是指智能体所感知到的状态。

ZHANG8023ZHEN
2023-05-06 19:18:15

 294

#tensorflow #深度学习 #机器学习 +2
FSDP（Fully Sharded Data Parallel）十年演进（2015–2025）

摘要： FSDP（Fully Sharded Data Parallel）从2020年PyTorch引入的ZeRO-3技术，到2025年发展为支持万亿级多模态大模型训练的分布式框架。中国从跟随者跃升为全球领跑者（如华为、DeepSeek等），FSDP渗透率超80%，内存节省90%+，训练效率提升1000倍+。2015-2019年为ZeRO概念萌芽期；2020-2022年FSDP成熟，支持千亿级模型

 jzwspace
2026-01-03 11:04:20

 905

 20

#tensorflow #人工智能 #python +4
不止是一个框架：TensorFlow 为何成为开源机器学习平台的代名词？

TensorFlow是由Google Brain团队开发的开源机器学习平台，采用计算图抽象和分离式执行引擎架构。核心功能包括构建训练模型、跨平台部署和分布式执行，解决了研究到生产的转换难题。其技术亮点在于静态图优化、自动微分、异构硬件支持和编译器集成（XLA）。系统面临性能与灵活性平衡、大规模分布式同步等挑战，通过分层架构（客户端API、执行引擎、设备层）和模块化设计（Op注册、Session管理

 zgkd123456789
2026-01-02 22:26:42

 1043

 29

#机器学习 #tensorflow #开源
【神经网络基础】-TensorFlow Serving官方的生产级模型部署

TensorFlow Serving：AI模型的生产部署工具 TensorFlow Serving是谷歌官方推出的机器学习模型部署系统，专门用于将训练好的AI模型转化为可调用的在线服务。它支持REST API和gRPC两种调用方式，具备高性能、高可用和易扩展等优势。核心功能包括：模型版本管理（支持热更新和回滚）动态批量处理（提升GPU利用率）多模型同时服务典型应用场景：电商推荐系统实时

 Java后端的Ai之路
2026-01-02 16:26:07

 1005

 21

#神经网络 #tensorflow #neo4j
机器学习065:深度学习【模型框架】PyTorch vs TensorFlow：给初学者的AI框架选择指南

通俗定义：计算图就像做菜的流程图。静态图（TensorFlow 1.x风格）：先画好完整的流程图：“洗西红柿→切西红柿→打蛋→热油→下锅炒”，然后严格按照流程一步步执行动态图（PyTorch风格）：边做边决定下一步：“我先洗个西红柿……嗯，现在该切了……哦，还没打蛋，现在打”PyTorch：更像写Python脚本，控制流清晰，调试方便：更声明式，高级API更简洁，但底层细节被隐藏PyTorch是深

 黑客思维者
2025-12-30 14:37:32

 1464

 55

#机器学习 #深度学习 #人工智能 +2
机器学习063:深度学习【模型框架】TensorFlow/Keras：为你打开深度学习世界的“智能工具箱”

一句话概括：Keras是一个让你能像搭积木一样快速构建和实验神经网络的高级API，它极大地降低了深度学习的应用门槛，是初学者进入AI世界最友好的桥梁。如何根据问题选择网络层（积木块）、如何组装它们（模型结构）、以及如何配置和启动学习过程（编译与训练）。最后，用一张思维导图为你梳理本文的核心体系：fill:#333;important;important;fill:none;color:#333;c

黑客思维者
2025-12-29 15:29:15

 885

 17

#机器学习 #深度学习 #tensorflow +2
AI应用架构师详解：智能供应链预测系统模型服务化设计（TensorFlow Serving实践）

智能供应链预测系统的核心目标是构建一个端到端的预测平台，能够实时处理供应链数据，生成准确的预测结果，并支持决策制定。系统架构设计需要充分考虑可扩展性、可靠性和性能要求。fill:#333;important;important;fill:none;color:#333;color:#333;important;fill:none;fill:#333;height:1em;数据源层数据采集与处理特征

 禅与计算机程序设计艺术
2025-12-27 19:58:13

 687

 29

#人工智能 #tensorflow #python
【算法底座研究室】AI 高手之路 15：TensorFlow/Keras 入门——构建你的第一个深度学习模型

在人工智能浪潮席卷全球的今天，深度学习无疑是最耀眼的明星。它驱动着图像识别、自然语言处理、智能推荐等领域的飞速发展，深刻地改变着我们的生活。我希望通过这篇文章，带你走进深度学习的世界，用TensorFlow和Keras构建你的第一个深度学习模型，开启你的AI探索之旅。

赛博罗宾
2025-03-25 19:23:09

 979

 34

#人工智能 #深度学习 #tensorflow
Tailwind CSS 全面教程：常用 API 串联与实战指南（基于 Next.js）

本文介绍了如何在Next.js（App Router版本）中集成Tailwind CSS框架，并详细讲解了其核心API使用方法。内容包括环境搭建步骤（项目创建、依赖安装、配置设置）、核心布局类（Flex/Grid布局、间距尺寸）、样式类（文字、背景边框、伪类）以及响应式设计实现。通过代码示例展示了Tailwind原子化CSS的高效开发模式，帮助开发者快速构建现代化UI界面。特别强调了暗黑模式适配和

 是乐谷
2025-12-25 11:19:28

 1337

 20

#css #javascript #tensorflow +4

加载更多

回到
顶部

提供社区服务与技术支持

提供社区服务与技术支持

©1999-2023北京创新乐知网络技术有限公司京ICP备19004658号