【大模型】DeepSeek + Coze 打造个人专属AI智能体使用详解 DeepSeek + Coze 打造个人专属AI智能体使用详解

阅读 7.0k

68赞

收藏 69
【金仓数据库征文】从云计算到区块链：金仓数据库的颠覆性创新之路 金仓数据库（KingbaseES）由金仓科技推出，旨在为国内企业提供一款高性能可扩展可靠安全的数据库解决方案。作为国产数据库的重要一员，金仓数据库充分利用自主研发的技术，在国内市场中占据了一席之地。金仓数据库支持SQL标准，能够兼容多种业务场景，尤其适合金融、政府、能源、制造等行业。在这些行业中，数据的安全性、稳定性和高并发处理能力至关重要，而金仓数据库恰好具备了这些优势。

阅读 1.5w

141赞

收藏 116
《手把手教你YOLOv8/YOLOv11实战》，改进专栏目录和介绍 YOLOv8 是目前比较火和比较成熟的深度学习框架，是2023年1月发布的，由 Ultralytics 团队开发。Ultralytics自YOLOv5 开始一直积极维护和更新 YOLO 框架，因此 YOLOv8 也享有持续的维护与升级支持。因此我写下《手把手教你YOLOv8实战》专栏，专门为那些对计算机视觉、深度学习、以及目标检测技术感兴趣的读者设计。通过本专栏，你将深入理解 YOLOv8 的核心原理与实际应用，从0 开始学习并掌握如何使用 YOLOv8 完成各类目标检测任务，帮助你快速上手并掌握 YOLO

阅读 8.9k

40赞

收藏 127
计算机视觉算法实现——SAM实例分割：原理、实现与应用全景 实例分割(Instance Segmentation)是计算机视觉领域最具挑战性的任务之一，它要求算法不仅能识别图像中的每个物体类别，还要精确区分同一类别中的不同个体实例。与语义分割(Semantic Segmentation)只关注像素级分类不同，实例分割需要同时完成物体检测和像素级分割两项任务，为每个独立物体实例生成精确的掩模(mask)。在众多实例分割算法中，Meta AI于2023年推出的引起了业界轰动。SAM以其零样本迁移能力和强大的泛化性能。

阅读 1.3k

58赞

收藏 63
【金仓数据库征文】——选择金仓，选择胜利 选择金仓数据库，就是选择成功与未来。例如，中国联通的CBSS系统（覆盖4亿用户）采用金仓数据库后，处理的每日300亿话单不再依赖进口数据库，系统性能提升了30%，而且时延控制在毫秒级，成功满足了实时计费的高效需求。面对日益增长的数据量和复杂的业务需求，金仓数据库采用分布式架构，实现了数据的跨机房、高效存储与计算，最大限度地提高了资源的利用率。以四川高速联网收费系统为例，通过采用金仓数据库的灾备技术，该系统实现了99.999%的可用性，成功应对了超过50万笔交易的无中断处理，确保了收费系统的高效与稳定运行。

阅读 1.8w

145赞

收藏 116
分布式系统中的Dapper与Twitter Zipkin：链路追踪技术的实现与应用 本文深入探讨了Dapper和Zipkin作为分布式系统中关键的链路追踪工具的演进与应用。Dapper作为Google的开创性作品，通过精确的时间戳和分布式日志记录，革新了对分布式系统性能问题的诊断能力。而Zipkin则以其开放性和社区驱动的特性，成为了广泛采用的开源解决方案，支持多语言、多协议的链路追踪需求。文章详细分析了它们在微服务架构中的实际应用，包括如何通过追踪和监控分布式调用路径，提升系统的可观察性和性能优化的能力。最后，通过案例研究和技术评估，展示了如何利用这些工具解决复杂的分布式系统问题，为开发

阅读 5.7w

659赞

收藏 635
Java GC 基础知识快速回顾 本篇文章深入探讨了 Java 垃圾回收（GC）机制的核心概念、工作原理及其对应用性能的影响。我们介绍了垃圾回收的基本概念，包括堆和栈的内存管理、GC 的触发机制、GC 对开发者的重要性等。文章重点分析了常见的垃圾回收算法和回收器，涵盖了分代收集和分区收集策略，以及如何根据应用需求选择合适的回收器。最后，我们还讨论了 GC 的性能调优方法，帮助开发者通过优化内存管理提升应用性能，避免内存泄漏和性能瓶颈。通过本文的学习，读者将能够更好地理解和优化 Java 应用中的垃圾回收机制，确保程序的高效稳定运行。

阅读 3.5w

441赞

收藏 644
Diffusion Policy——斯坦福UMI所用的动作预测算法：基于扩散模型的扩散策略(从原理到其编码实现) 所谓扩散策略，是指将机器人的视觉运动策略表示为条件去噪扩散过程来生成机器人行为的新方法，如下图所示a)具有不同类型动作表示的显式策略(b)隐式策略学习以动作和观察为条件的能量函数，并优化能够最小化能量景观的动作c)通过“条件去噪扩散过程在机器人行动空间上生成行为”，即该扩散策略策略不直接输出一个动作，而是推断出「基于视觉观察的动作-评分梯度」，进行K次去噪迭代。

阅读 1.4w

87赞

收藏 169
数智驱动：医学编程与建模技术在智慧医院AI建设中的创新与变革 数智化医院，是充分运用数字化、智能化技术，深度融合医疗业务与信息技术的现代化医疗机构形态。它以电子病历为核心，构建全面的医疗信息系统，实现患者诊疗信息、卫生经济信息以及医院管理信息的高效收集、存储、传输与整合，并将这些信息融入整个社会医疗保健数据库。在数智化医院中，医疗设备实现数字化、智能化，能够自动采集和传输数据；医院信息系统（HIS）、医学影像和通信系统（PACS）、检验信息系统（LIS）等各类信息系统高度集成，打破信息孤岛，实现数据的互联互通和共享；

阅读 1.5k

77赞

收藏 52
五一旅游黑科技！拍照问夸克：从 Know-What 到 Get it Done 的跃迁 引言：五一旅游遇上 AI 黑科技，你试过“拍照问夸克”了吗？2025 年五一假期，旅游与 AI 再次碰撞出新火花。作为今年最受关注的 AI 应用之一，夸克 AI 正在改变我们出行、拍照、搜图、问答的方式。继「AI 超级框」后，夸克再次推出重磅多模态功能——拍照问夸克，主打“拍照就能搜，识图还能问，秒变旅游助手”。无论你在博物馆打卡、餐厅点餐，还是街头寻找热门景点，只需一拍，AI 相机就能识别场景、理解意图、生成答案。这不仅是一次技术升级，更是一场用户体验的质变：从 Know-What 到 G

阅读 2.6k

23赞

收藏 35
从零开始学习OMNeT++系列第一弹——OMNeT++的介绍与安装 主要用于构建网络仿真器。这里的“网络”具有更广泛的含义，包括和、片上网络、排队网络等。特定领域的功能，如对传感器网络、无线局域网络、互联网协议、性能建模、光子网络等的支持，由模型框架提供，这些框架作为独立项目开发。OMNeT++ 提供了一个基于 Eclipse 的集成开发环境、图形化运行时环境和许多其他工具。还有实时仿真、网络仿真、数据库集成、SystemC 集成等扩展功能。OMNeT++ 为模型提供了一个组件架构。，然后使用。模型的可重用性是自然而然的。

阅读 4.1k

32赞

收藏 61