Home
AI
AI Coding
Circuit
3D Design
IoT
Repository
Cooperation
当前位置:
首页
> iliudar 第25页
iliudar
管理员
暂无介绍
74 篇文章
32 次评论
首页
上页
21
22
23
24
25
尾页
«
2025年12月
»
一
二
三
四
五
六
日
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
最新留言
AIPPT Agent 让我们看到了AI解放人类高阶创造力的巨大潜力——让人类更专注于战略决策、创意构思和情感共鸣,而将繁琐的信息处理与逻辑奠基工作交给AI。
AIPPT Agent的方向,无疑是正确且强大的。
稀疏电路,解决“模型的可解释性”问题
通用下载页:https://kiro.dev/downloads/ 中文下载页:https://kiro.help/zh/download
官方主站:https://kiro.dev/
DataEase 模板市场https://dataease.io/templates/
一次构建,到处运行
三者形成 “拉取镜像 - 创建容器 - 运行应用 - 更新推送镜像” 的闭环
仓库负责镜像的存储与分发,镜像是容器的静态模板,容器是镜像的动态运行实例。
联邦学习的 3 种常见类型1.横向联邦学习:参与方数据 “特征相同,用户不同”。比如刚才的 3 家医院,都有 “CT 影像 + 诊断结果”(特征相同),但患者是不同的人(用户不同)—— 适合跨机构共享同类型数据的场景。2.纵向联邦学习:参与方数据 “用户相同,特征不同”。比如银行和电商合作训练 “用户信用模型”:银行有用户的 “流水数据”,电商有用户的 “消费数据”(特征不同),但用户是同一批人 —— 适合跨领域互补数据的场景。3.联邦迁移学习:参与方数据 “特征和用户都不同”,但有少量重叠。比如一家儿科医院和一家骨科医院,数据差异大,但可以用联邦学习把 “儿科影像识别” 的经验迁移到 “骨科影像识别” 上,解决小数据场景的模型训练问题。