Resources on 中文AI术语词典https://terms-en.ai-term-hub.com/zh/tags/resources/Recent content in Resources on 中文AI术语词典Hugozh-cnSat, 18 Jul 2026 11:44:45 +0000开源人工智能软件列表https://terms-en.ai-term-hub.com/zh/terms/lists_of_open_source_artificial_intelligence_software/Sat, 18 Jul 2026 11:24:20 +0000https://terms-en.ai-term-hub.com/zh/terms/lists_of_open_source_artificial_intelligence_software/<h2 id="definition">Definition</h2> <p>这些指的是有组织的资源库，例如 GitHub 主题、Awesome 列表或社区维护的维基，它们汇总了与人工智能相关的开源软件。它们作为发现相关资源的重要入口。</p> <h3 id="summary">Summary</h3> <p>整理好的目录，收录公开可用的 AI 工具、库和框架。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>开源</li> <li>资源策展</li> <li>社区维护</li> <li>软件发现</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>研究工具发现</li> <li>初创公司技术栈选择</li> <li>教育资源收集</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/awesome_list-awesome-%E5%88%97%E8%A1%A8/">awesome_list (Awesome 列表)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/github_topics-github-%E4%B8%BB%E9%A2%98/">github_topics (GitHub 主题)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/open_source_ecosystem-%E5%BC%80%E6%BA%90%E7%94%9F%E6%80%81%E7%B3%BB%E7%BB%9F/">open_source_ecosystem (开源生态系统)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ai_frameworks-ai-%E6%A1%86%E6%9E%B6/">ai_frameworks (AI 框架)</a></li> </ul>CIML社区门户https://terms-en.ai-term-hub.com/zh/terms/ciml_community_portal/Sat, 18 Jul 2026 11:09:42 +0000https://terms-en.ai-term-hub.com/zh/terms/ciml_community_portal/<h2 id="definition">Definition</h2> <p>CIML社区门户作为专注于计算智能的学术和专业社区的数字枢纽。它提供对数据集、预训练模型、研究论文等资源的访问权限，旨在加速知识传播与创新合作。</p> <h3 id="summary">Summary</h3> <p>一个集中的在线平台，促进计算智能和机器学习领域的研究人员与从业者之间的协作、资源共享和讨论。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>协作</li> <li>开源</li> <li>知识共享</li> <li>学术网络</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>分发基准数据集</li> <li>举办黑客松活动</li> <li>AI方法论的同行评审</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/github-%E4%BB%A3%E7%A0%81%E6%89%98%E7%AE%A1%E5%B9%B3%E5%8F%B0/">GitHub (代码托管平台)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/kaggle-%E6%95%B0%E6%8D%AE%E7%A7%91%E5%AD%A6%E7%AB%9E%E8%B5%9B%E5%B9%B3%E5%8F%B0/">Kaggle (数据科学竞赛平台)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/arxiv-%E9%A2%84%E5%8D%B0%E6%9C%AC%E6%9C%8D%E5%8A%A1%E5%99%A8/">arXiv (预印本服务器)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/open-science-%E5%BC%80%E6%94%BE%E7%A7%91%E5%AD%A6/">open science (开放科学)</a></li> </ul>规模https://terms-en.ai-term-hub.com/zh/terms/scale/Sat, 18 Jul 2026 10:54:38 +0000https://terms-en.ai-term-hub.com/zh/terms/scale/<h2 id="definition">Definition</h2> <p>在人工智能领域，扩展通常涉及增加数据集大小、模型参数或计算能力以提升性能。这一概念在深度学习中至关重要，其中大规模</p> <h3 id="summary">Summary</h3> <p>规模指机器学习模型中使用的数据量、参数量或计算资源的大小。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>模型参数</li> <li>数据集大小</li> <li>计算能力</li> <li>缩放定律</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练大型语言模型</li> <li>优化神经网络容量</li> <li>AI基础设施的资源规划</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/scaling-%E7%BC%A9%E6%94%BE-%E6%89%A9%E5%B1%95/">Scaling (缩放/扩展)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/big-data-%E5%A4%A7%E6%95%B0%E6%8D%AE/">Big Data (大数据)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/hyperparameter-tuning-%E8%B6%85%E5%8F%82%E6%95%B0%E8%B0%83%E4%BC%98/">Hyperparameter Tuning (超参数调优)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/compute-%E8%AE%A1%E7%AE%97/">Compute (计算)</a></li> </ul>广泛的https://terms-en.ai-term-hub.com/zh/terms/extensive/Sat, 18 Jul 2026 10:51:07 +0000https://terms-en.ai-term-hub.com/zh/terms/extensive/<h2 id="definition">Definition</h2> <p>“广泛”指人工智能操作的规模和全面性，例如大规模数据集、广泛的评估套件或沉重的计算负载。广泛的数据集确保模型的泛化能力和鲁棒性。</p> <h3 id="summary">Summary</h3> <p>描述涵盖大范围、大容量或大量场景的人工智能数据集、计算或评估。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>规模</li> <li>全面性</li> <li>体量</li> <li>覆盖范围</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在数百万张图像上进行训练</li> <li>在服务器负载上运行压力测试</li> <li>进行广泛的安全审计</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/large-scale-%E5%A4%A7%E8%A7%84%E6%A8%A1/">Large-scale (大规模)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/comprehensive-%E7%BB%BC%E5%90%88%E7%9A%84/">Comprehensive (综合的)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/dataset-%E6%95%B0%E6%8D%AE%E9%9B%86/">Dataset (数据集)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/robustness-%E9%B2%81%E6%A3%92%E6%80%A7/">Robustness (鲁棒性)</a></li> </ul>高效https://terms-en.ai-term-hub.com/zh/terms/efficient/Sat, 18 Jul 2026 10:50:55 +0000https://terms-en.ai-term-hub.com/zh/terms/efficient/<h2 id="definition">Definition</h2> <p>效率是人工智能中的一项关键指标，用于衡量模型或算法利用可用资源的程度。它包括计算效率（推理和训练的速度）以及资源利用率。高效的AI系统能够在保持高精度的同时，显著降低硬件需求和能耗，这对于大规模部署和实时应用至关重要。</p> <h3 id="summary">Summary</h3> <p>在人工智能领域，效率是指以最少的时间、内存或计算资源消耗来实现最佳性能。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>计算复杂度</li> <li>资源优化</li> <li>延迟降低</li> <li>模型压缩</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>为移动端部署优化大型语言模型</li> <li>降低深度学习网络的训练成本</li> <li>提高自主系统中的实时推理速度</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/optimization-%E4%BC%98%E5%8C%96/">Optimization (优化)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/scalability-%E5%8F%AF%E6%89%A9%E5%B1%95%E6%80%A7/">Scalability (可扩展性)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/latency-%E5%BB%B6%E8%BF%9F/">Latency (延迟)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/throughput-%E5%90%9E%E5%90%90%E9%87%8F/">Throughput (吞吐量)</a></li> </ul>