下载！81 页计算机视觉学习指南
同学，听说你刚刚误入计算机视觉的大坑。
那么恭喜你，因为现在有一本长达81页的CV成长指南，能给你无微不至的关怀：
从装Python、装OpenCV、入门深度学习，到人脸识别、目标检测、语义分割等等各种应用，都有进阶路线，里面包含了教程、案例、注意事项。甚至怎样把算法部署到树莓派之类的硬件上，也能找到经验。
相关分享
1
喜欢
请先微博登录后参与
ix
ixyzero.com
/
2025-01-12 12:08
学习了解数据仓库中的分层概念
本文详细介绍了数据仓库的分层概念，包括数据运营层（ODS）、数据仓库层（DW）和数据应用层（APP）。其中，DW层进一步细分为数据明细层（DWD）、数据中间层（DWM）和数据服务层（DWS）。文章阐述了各层的功能和作用，并通过实例说明如何在实际业务中应用这些分层概念。该内容适合数据工程师、数据分析师、数据架构师以及对数据仓库设计和实现感兴趣的技术人员阅读。
无图
1
喜欢
请先微博登录后参与
pa
paper.seebug.org
/
2025-01-03 00:07
探索 AI 驱动的网络安全框架：深度学习技术、GPU 支持和未来增强
这篇文章详细分析了现代网络攻击中的 DGA（域名生成算法）技术，涵盖了其工作原理、分类及在恶意软件中的应用实例。通过技术解析和实际案例，展示了如何检测和防御 DGA 带来的安全威胁。内容适合网络安全研究人员、安全工程师以及对恶意软件分析感兴趣的技术爱好者，提供了系统化的学习参考。
无图
1
喜欢
请先微博登录后参与
hu
hubojing.github.io
/
2024-08-06 08:11
【大模型系列】提示学习
本文介绍了提示学习（Prompt Learning）的基础概念和应用场景。作者详细讨论了提示学习在大语言模型中的作用，以及如何通过优化提示来提高模型的任务表现。文章还分享了在实际应用中调整和设计提示的技巧，并探讨了该技术在自然语言处理中的未来发展趋势。这篇文章为希望利用大模型进行高效自然语言处理的开发者提供了有价值的见解。
无图
1
喜欢
请先微博登录后参与
无图
0
喜欢
请先微博登录后参与
l1
l1n.wang
/
2024-01-17 23:19
Java SPI机制学习与常用框架SPI案例
SPI（Service ProviderInterface）是JDK内置的服务提供机制，常用于框架的动态扩展，类似于可拔插机制。提供方将接口实现类配置在classpath下的指定位置，调用方读取并加载。当提供方发生变化时，接口的实现也会改变。Java生态中JDK、Dubbo、Spring等都通过SPI提供了动态扩展的能力。
无图
1
喜欢
请先微博登录后参与
ix
ixyzero.com
/
2023-10-30 23:38
Hadoop安全学习
Hadoop集群基本都放在内网，有一层网络隔离做保护，懂这个且想利用和能利用这个做坏事的人比较少，一般不容易出问题；对于没放在内网或者没有做隔离的那些公司或团队，安全意识和能力肯定是有较大欠缺，数据泄露的渠道和方式很多，不缺这一个，都不需要用这种方式来搞数据；使用第三方云服务的公司或团队一般不需要操心底层服务的安全问题，只需要关注上层应用的账号安全和使用安全等问题就行。
无图
1
喜欢
请先微博登录后参与
te
tech.meituan.com
/
2023-08-07 23:25
美团街景理解中视觉分割技术的探索与应用
视觉分割技术在街景理解中具有重要地位，同时也面临诸多挑战。美团街景理解团队经过长期探索，构建了一套兼顾精度与效率的分割技术体系，在应用中取得了显著效果。同时，相关技术斩获了CVPR 2023竞赛2项冠军1项季军。本文将详细介绍街景理解中分割技术的探索与应用，希望能给从事相关研究工作的同学带来一些帮助或启发。
无图
1
喜欢
请先微博登录后参与
so
soulteary.com
/
2023-07-30 17:35
基于 Docker 的深度学习环境：Windows 篇
本篇文章，我们聊聊如何在 Windows 环境下使用 Docker 作为深度学习环境，以及快速运行 SDXL 1.0 正式版，可能是目前网上比较简单的 Docker、WSL2 配置教程啦。
无图
1
喜欢
请先微博登录后参与
in
insights.thoughtworks.cn
/
2023-04-06 10:43
浅谈基于深度学习的漏洞检测
深度学习在图像处理、视频实体识别、自然语言处理等领域中已经取得了长足的发展和突出的成果，这自然驱使着安全研究员们将神经网络引入到安全领域中。
无图
1
喜欢
请先微博登录后参与
te
tech.meituan.com
/
2023-02-12 14:37
美团视觉GPU推理服务部署架构优化实践
面对在线推理服务使用的GPU资源不断增加、GPU利用率普遍较低的挑战，美团视觉研发团队决定通过模型结构拆分和微服务化进行优化，他们提出一种通用高效的部署架构，来解决这种常见的性能瓶颈问题。以“图像检测+分类”服务为例，优化后的服务压测性能指标GPU利用率由40%提升至100%，QPS也提升超过3倍。本文将会重点介绍推理服务部署架构优化的工程实践，希望对大家能有所帮助或启发。
无图