首页
Ai 资讯
Ai 知识库
创作魔法
绘画魔法
视频魔法
训练魔法
Ai术语
Ai提示词
Ai创意图
Ai工具
Ai视频
VIP专区
VIP专区
登录
AI魔法学院客服
最新
排序
收藏
全部
七天内
一个月内
选择分类
全部
写作魔法
绘画魔法
视频魔法
训练魔法
其他
AI工具
VIP视频
推荐阅读
换一批
· 爆火的“哄哄模拟器”,它是如何炼成的?Prompt泄漏了
· Coze多智能体(Multi-Agents)模式体验!
· ComfyUI官方使用手册【官网直译+关键补充】
· 6个最佳开源TTS引擎
· 2024!深入了解 大语言模型(LLM)微调方法(总结)
· Github上Star数最多的大模型应用基础服务:Dify 深度解读
· 用上这10条神指令(prompt),让ChatGPT快速写出优质高分科研论文
· 最佳开源文生图大模型可图:安装与批量出图的完整教程
· 比 Roop 和 Reactor 更像!IP Adapter 新模型为任何人做写真
· 最强国产开源多模态大模型MiniCPM-V:可识别图片、视频,还可在端侧部署
热门标签
Stable Diffusion
stable diffusion
Midjourney
midjourney
ComfyUI
comfyui
ChatGPT
chatgpt
大模型
数字人
开源
人工智能
Sora
文心一言
天工
零一万物
知海图
星火
文心一格
混元
通义千问
盘古
言犀
ChatGLM
Github
微软
热门标签
免费
教程
插件
免费
教程
插件
免费
教程
插件
文章列表
Stable Diffusion
Stable Diffusion ComfyUI 入门感受
· 保存和后处
理
阶段:预览,保存,后处
理
预览节点不会保存图片。
文生图
Stable Diffusion
Stable Diffusion快速生图,LCM-Lora、sd_xl turbo寄养和亲生谁好?!
一、
原
理
简介 LCM-Lora技术
原
理
随便看看,反正也看不懂。
sdxl
SD
绘画
Prompt
一条价值2W的Prompt,帮你生成提示词的超级提示词
13.您将以列表格式请求有关我的
原
始提示的更多细节,以充分了解我的期望。
prompt
微软
微软打破Decoder-Only架构!大幅降低GPU内存需求,网友:把Llama3 70B弄20GB GPU上运行
例如,YOCO模型可以使用1GB的GPU内存来处
理
128K token。
Decoder-Decoder
YOCO
架构
OpenAI
被时代选中的智谱 AI:成为 OpenAI,超越 OpenAI
模型之所以不能掌握行业专业知识,部分
原
因是因为行业知识的数据不完整或受到限制。
智谱
AI
大模型
图解大模型训练之:张量模型并行(TP),Megatron-LM
这样设计的
原
因是,我们尽量保证各GPU上的计算相互独立,减少通讯量。
开源模型
Agent
AI Agent / 智能体观察笔记(上)
第一部分:智能体基本
原
理
学习笔记 01 — 什么是AI Agent AI Agents可以利用像GPT在内的大语言模型
理
解目标
大模型
ComfyUI
ComfyUI安装教程
如果您知道图像的
原
始来源,请尝试要求作者在不删除元数据的站点重新上传。
ComfyUI安装
数字人
数字人之声音克隆:无样本,1分钟样本完美克隆声音,开源
跨语言支持: 支持与训练数据集不同语言的推
理
,目前支持英语、日语和中文。
数字人
声音克隆
GPT-SoVITS
人工智能
人工智能对话prompt:用聪明的方式解决各种难题
限制案例 你还可以限制各种条件,比如让他必须用什么格式输出、比如让他必须用英文,比如让他不能出现XX或者只能出现XX,案例2: 限制+转化案例2 具体的本文内容也送给你: 使用 STAR
原
则与下面的格式总结一下这段话
chatgpt
提示词
prompt
大模型
国产AI大模型哪家强?十大维度横评四款主流大模型!
对于这个问题,文心一言的回答第一步就错了,先带一只羊过河,那么
原
岸的狗就会将另一只羊吃掉。
开源模型
Transformer
ViTPose+:迈向通用身体姿态估计的视觉Transformer基础模型
如TokenPose等工作,使用CNN进行特征提取,并使用transformer作为后处
理
模块来建模多个关键点之间的关系。
ViTPose+
Transformer
身体姿态
大语言模型应用中的文本分块策略
分块的主要
原
因是确保我们向量化的内容的噪音尽可能少,并且具有语义相关性。
开源模型
ChatGPT
如何用ChatGPT创建阅读10W+爆款文章标题
话不多说,先给完整提示词: 作为一名社交媒体营销和行为心
理
学的双重专家,你专门研究了驱动人们点击网络链接和标题的多种因素。
GPT-4
RAG
LLM应用架构之检索增强(RAG)的缘起与架构介绍
简单总结两者区别,判别式在分类问题上解法直接,从历史结果总结
原
因,是经验主义,强依赖标记样本,擅长记忆,能力也比较单一,因为就是为了这个问题而生,缺乏创造性。
LLM
<
...
36
37
38
39
40
41
42
43
44
45
...
>
1
2
4
5
6
7
8
9
100