文章列表-AI魔法学院

文章列表

向量数据库简介和5个常用的开源项目介绍

它的一些关键算法也可用于GPU执行。

开源模型

无显卡+纯本地跑Qwen1.5版模型！0基础闭眼部署指南！适用绝大部分开源模型！llama2+Mistral+Zephyr通杀！

CPU · docker run -d -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama 有英伟达GPU

Qwen1.5 开源模型

从⼤模型到 AI 应⽤落地，工程实现有多复杂?

要实现私有化数据的有效利⽤存在以下困难: · 微调整个模型需要⼤量标注数据、GPU 算⼒和时间成本。

大模型

手把手教你用上SDXL——SDXL 1.0 模型资源/comfyUI中文一键包下载

下载解压后，打开文件夹双击N卡GPU运行脚本即可开始运行，如果弹出窗口没有反应，敲一下回车键按照上图界面中的地址，复制到浏览器，即可使用。

SDXL 下载

活久见，世界上第一个被人类骗走钱的AI，刚刚出现了！

这一部分可以参考最大数据中心建设的公告，根据其GPU容量估算计算能力，并将其映射到每代模型的演进上。

Freysa 智能体

国内厂商语音识别与Whisper评测：现状与概况对比

ensp; 微调Whisper后字错率测试结果 · 未加速和加速后的推理速度测试结果（GPU

语音识别 Faster-Whisper

2.7B能打Llama 2 70B，微软祭出「小语言模型」！96块A100 14天训出Phi-2，碾压谷歌Gemini nano

训练Phi-2使用了96块A100 GPU，耗时14天。

小语言模型

大模型量化：什么是模型量化，如何进行模型量化

通过深度学习，我们可以得到用于处理各种任务的高性能模型，这些模型大多都很复杂、一般只适合在GPU上进行推理，并不适合在板端进行推理，然而在实际应用时，很多场景都需要将模型部署到板端。

大模型

13.5K Star ! Fish Speech Windows本地搭建，能否达到官方的级别？强烈推荐

Fish Speech 本地搭建要求 GPU 内存: 4GB (用于推理), 8GB (用于微调) 系统: Linux, Windows 安装miniconda 请参考之前的文章

Fish Speech 本地搭建

Stable Diffusion

Stable Diffusion | SD的老舅ComfyUI来了，节点式工作流，分部控制出图

安装好了之后，可以启动了，这里有两种启动方式： 1、CPU启动； 2、GPU英伟达显卡启动，显卡好的话就用这个。

生成式AI

SD的老舅ComfyUI来了，节点式工作流，分部控制出图

安装好了之后，可以启动了，这里有两种启动方式： 1、CPU启动； 2、GPU英伟达显卡启动，显卡好的话就用这个。

文生图 comfyui

从零开始学习大模型-第一章-大模型简介

了解如何使用GPU、TPU等硬件资源来加速模型的训练和推理。

大模型从零开始

Stable Diffusion

耗时80小时！超详细的胎教级Stable Diffusion使用教程，看这一篇就够！

③查看“GPU” GPU就是显卡的意思首先先看右上角显卡的名字或者型号必须确认的第一个是 NVIDIA ，代表的是英伟达的显卡（俗称N卡），这里是N卡我们才可以进行下一步，如果这个地方是

文生图

玩一玩ChatGLM3，1660s即可流畅运行！

ensp; 进入本地目录并安装依赖： cd ChatGLM-6B3pip install -r requirements.txt Windows下配置，注意要单独安装一下Torch的GPU

大模型 ChatGLM

Ollama 与 Dify：AI 应用开发的强强联合

ensp; · 优化:D ify提供了工具来优化 LLM 的性能，例如调整模型配置或使用 GPU

Ollama Dify 大型语言模型

<...6 7 8 9 101112 13 14 15 >

汇聚AI资讯，网罗AI文档，详解AI工具！

关于我们用户协议隐私条款商务合作：skillupvip

© 2023-2025 AI魔法学院

京ICP备20027199号-1