更多精彩内容,欢迎继续阅读
1. 从"作业一"到真正入门:这篇想讲清楚的事最近被问得最多的一个词就是"python作业一"。不夸张地说,我每天至少能收到三条类似的私信,内容几乎一模一样:老师布置了第一道Python作业,自己折腾了三天…
阅读更多 →深度学习做视觉检测这件事,我在产线上摸爬滚打了几年,最大的感受是:它跟学术界做数据集刷榜完全是两码事。学术上你追求的是在CIFAR-10上把准确率从95%推到96%,工业现场你追求的是——这一批工件里有没有一个漏检的,以…
阅读更多 →1. 从一条产线需求说起:AI视觉检测到底在解决什么问题去年帮一个做精密五金件的朋友看他们工厂的质检环节,场景我到现在还记得很清楚:一条冲压线上,六个工人排成一排,每人手里拿着一个放大镜,对着刚从模具里…
阅读更多 →大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…
阅读更多 →当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:
阅读更多 →📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…
阅读更多 →文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…
阅读更多 →一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…
阅读更多 →文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…
阅读更多 →