文章列表-AI魔法学院

文章列表

大模型训练为什么用A100不用4090

Pipeline parallelism（流水线并行）既然一块 GPU 放不下，用多块 GPU 总行了吧？

大模型

OCR的终极解法——传统算法VS多模态大模型

from modelscope.pipelines import pipeline from modelscope.utils.constant import

OCR 大模型文字识别

Whisper对于中文语音识别与转写中文文本优化的实践(Python3.10)

transformers: pip install -U transformers 编写转写代码： from transformers import pipeline

Whisper 语音优化

Dify：大模型创业开源工具，46,558 行代码，完全开源

RAG Pipeline: 广泛的 RAG 功能，涵盖从文档摄入到检索的所有内容，支持从 PDF、PPT 和其他常见文档格式中提取文本的开箱即用的支持。

Dify 开源工具

ModelScope(一站式开源的模型即服务共享平台)的简介、安装、使用方法之详细攻略

modelscope.oss-cn-beijing.aliyuncs.com/releases/repo.html 第四步，测试 python -c "from modelscope.pipelines import pipeline

开源

【手把手带你微调 Llama3】改变大模型的自我认知，单卡就能训

import transformers import torch model_id = "/root/project/llama3-ft/merged_model_self" pipeline

Llama3 对话问答模型

中文开源OCR框架对比及介绍

可以看到基本pipeline的流程还是基于常见的预处理、crnn识别等。

OCR

《嬛嬛朕emo啦》但马斯克！阿里这项技术开放试玩

虽然EMO使用传统基于U-net的扩散模型架构，但Pipeline是解耦的，如果后续尝试Sora同款DiT架构做到更好效果的话，也可以轻松切换过去。

音频阿里

大模型微调数据选择和构造技巧

并且你把上面的过程串联起来，其实就是一套高效率，低成本的数据构造pipeline了，不仅可以用在大模型的数据选择和构造，在所有的监督学习上，这套思路和方法都是实适用的。

大模型微调

大模型RAG检索增强问答如何评估：噪声、拒答、反事实、信息整合四大能力评测任务探索

该工作的贡献在于，我们现在做RAG都是做的pipeline，涉及到切块、相关性召回、拒答等多个环节，每个环节都可以单独做评测，文中提到的4个能力其实可以影射到每个环节当中。

大模型 RAG检索增强

生成式AI工作流#产品经理和创业者的秘密武器

ComfyUI本质上是AIGC的Pipeline（数据处理管道）的可视化构建工具，它将Stable Diffusion的运行机制显性化的展示在我们面前。

AIGC 工作流

大模型微调应用实践，没那么简单，看看曾经踩过的坑

切换到可视化web交互模式，建立统一的可视化pipeline配置训练任务。

大模型

ChatPDF | LLM文档对话 | pdf解析关键问题

因此笔者采用AI的方式来解决：目标检测和 OCR文字识别 · pipeline如下：流程图

大模型

12个RAG常见痛点及解决方案

/data/source_files").load_data() # create the pipeline with transformations pipeline

RAG 大模型

更强的小型LLM：Zephyr-7B

执行ZEPHYR-7B只需要调用库的pipeline()函数。

Zephyr-7B 大语言模型

<123 >

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