nnU-Net 医学图像分割：自配置深度学习框架与 UltraLAB 工作站选型
摘要与适用读者nnU-Net 是德国癌症研究中心（DKFZ）医学影像计算团队提出的自配置（self-configuring）生物医学图像分割框架：给定新数据集，它自动完成预处理、网络拓扑、训练与后处理配置，无需人工调参即可在大量分割任务上达到有竞争力的性能。
调了一下午AI绘画，爆了无数次显存，原因竟是一个被忽略的参数
今天下午差点把租的云服务器整报废了。事情是这样的。我手里有一个ComfyUI + Flux 2 dev 多图融合工作流，能同时上传三张参考图，比如一张定人脸、一张定衣服款式、一张定颜色，然后AI把它们融合成一张全新的图。
MATLAB环境下基于深度学习的JPEG图像去块（Image Deblocking）
本文讲解如何从头开始训练一个 DnCNN 网络，建议使用计算能力为 3.0 或更高版本的支持 CUDA 的 NVIDIA GPU，同时需要并行计算工具箱)。
【全文】ReluformerN：轻量化高低频增强高光谱农业地物分类方法
摘要:为了智能监测农业地物种类分布情况，一般采用无人机搭载高光谱相机进行高光谱数据采集，之后对高光谱数据分类，实现农作物分布图自动绘制。
3D医学影像显存不够？UltraLAB破解显存容量与数据处理瓶颈
从百GB级的三维CT重建，到亚毫米级的高分辨率MRI分割，医学图像处理对硬件的苛求远超自然图像:3D数据的内存占用呈立方增长，显存容量直接决定“能否训练”，而预处理管线的高吞吐则依赖CPU与存储的深度协同。
图像太大，显存放不下？来看看跑FCN网络的高效方法
作者：Liad Pollak Zuckerman编译：ronghuaiyang导读一种使用全卷积网络的trick，用来跑大尺寸的输入图像。全卷积(deep neural)网络通常用于计算机视觉任务，如语义分割、超分辨率等。
HP AI开发平台测评：多用户协同开发模型和算力资源管理有力工具
当“人工智能步入落地之年” AI 不再是概念，而是全面进入到企业的战略规划之中。算力作为人工智能应用的平台和基础，它的发展推动了整个人工智能系统的发展和快速演进，成为人工智能的最核心要素。
AI产品经理的7堂必修课：必备的AI基础知识
导语:随着AI产品近年在市场上的热门，AI产品经理也变得抢手了。这些年大家都常常听到人工智能有三大马车，即:数据、算法和算力，其实这个是拆解任何一个人工智能项目或者是问题非常有效的方法，大家务必记住这三个要素，缺一不可，我们后面的实战章节会拿来反复进行验证使用。