基于深度強(qiáng)化學(xué)習(xí)的智能樓宇節(jié)能熱舒適控制 摘要：采暖、通風(fēng)和空調(diào) (HVAC) 能耗極高，占建筑總能耗的 40%。 因此，設(shè)計(jì)一些節(jié)能的建筑熱控制策略，在保持居住者舒適度的同時(shí)降低暖通空調(diào)的能耗是至關(guān)重要的。 然而，實(shí)施這…

李鴻洋（102301331）- 總結(jié)報(bào)告 一、學(xué)期回顧 回顧你對(duì)于軟件工程課程的想象 在學(xué)期開始時(shí)，我認(rèn)為軟件工程主要側(cè)重于開發(fā)流程和方法論的講解。我期待通過這門課程能夠系統(tǒng)地學(xué)習(xí)后端服務(wù)的構(gòu)建方法，了解服務(wù)化架構(gòu)的…

今日計(jì)劃：復(fù)習(xí)知識(shí)，視頻學(xué)習(xí)、記錄筆記、納入思維導(dǎo)圖。工具搭建，實(shí)現(xiàn)linux終端練習(xí) 明日計(jì)劃：階段二 2-5、2-6 的學(xué)習(xí)【主要需求】：理論框架，工具運(yùn)用，自我反思，持續(xù)改進(jìn)①復(fù)習(xí)昨天的學(xué)習(xí)內(nèi)容②分類軟件測試總…

YOLO目標(biāo)檢測服務(wù)灰度發(fā)布？多版本GPU部署 在智能制造工廠的質(zhì)檢流水線上，一臺(tái)邊緣服務(wù)器正同時(shí)運(yùn)行著三個(gè)不同版本的YOLO模型——舊產(chǎn)線使用YOLOv5處理高清攝像頭數(shù)據(jù)，新產(chǎn)線采用YOLOv8進(jìn)行高精度缺陷識(shí)別，而測試中的YOLOv10則接收…

一、AI論文工具怎么選？先看這張對(duì)比表！ 還在為論文選題撓頭、為初稿卡殼熬夜？2025年的AI論文工具已經(jīng)進(jìn)化到“輸入題目→喝杯咖啡→拿到初稿”的程度了！但并非所有工具都能滿足學(xué)術(shù)要求——查重率超30%被打回、AI痕跡太重被導(dǎo)師質(zhì)…

模擬信號(hào)處理作為連接物理世界與數(shù)字系統(tǒng)的核心技術(shù)，其發(fā)展始終緊跟半導(dǎo)體工藝、AI 算法與行業(yè)需求的迭代步伐。當(dāng)前，邊緣計(jì)算的興起、傳感器數(shù)據(jù)爆炸式增長以及工業(yè)智能化升級(jí)，正推動(dòng)模擬信號(hào)處理從 “單一功能實(shí)現(xiàn)…

YOLOv11 適配 PyTorch-CUDA：高效部署的工程實(shí)踐 在智能監(jiān)控、自動(dòng)駕駛和工業(yè)質(zhì)檢等場景中，目標(biāo)檢測模型的實(shí)時(shí)性與精度正面臨前所未有的挑戰(zhàn)。YOLO 系列自誕生以來，始終以“一次前向傳播完成檢測”為核心理念，在速度與性能之間找到…

PyTorch-CUDA基礎(chǔ)鏡像使用指南：支持多卡并行的AI訓(xùn)練環(huán)境 在現(xiàn)代深度學(xué)習(xí)研發(fā)中，一個(gè)常見的場景是：團(tuán)隊(duì)拿到一批新GPU服務(wù)器，興沖沖地準(zhǔn)備跑起大模型訓(xùn)練任務(wù)，結(jié)果第一天就卡在了環(huán)境配置上——CUDA版本不匹配、cuDNN缺…