文章列表-AI魔法学院

文章列表

通俗解读大模型微调(Fine Tuning)

正如我在《大模型时代的应用创新范式》一文中所说，大模型会成为AI时代的一项基础设施。

大模型微调

Sora物理悖谬的几何解释

首先，Soar的训练样本是（文本，视频）对，有些视频对应的标题过于简短，字幕缺少，Sora采用了Dall-E的重新标题技术。

Sora 解释

我们需要的不是智能体，而是工作流（5000字保姆式教学）

## 注意了解读者的写作目的和核心信息，这是文章的灵魂，运用创新思维和细致的分析技巧，以确保大纲内容不仅深刻，还能够引起读者广泛的兴趣。

工作流教学

AI创作｜如何通过GPT进行漫画视频的故事改写

食物严重短缺，给出答案，为观众解惑；抛出新的好奇点（钩子）。

生成式AI

60分钟吃掉ChatGLM2-6b微调范例~

六，保存模型可以将模型和tokenizer都保存到一个新的路径，便于直接加载。

开源模型

AI Agent / 智能体观察笔记（上）

智能体和大语言模型的使用区别大语言模型：用户输入一个Prompt（提示词），AI根据提示词生成一个结果返回给你，如果你需要AI生成新的内容，你需要再次输入提示词——大语言模型就是这么用的。

大模型

Stable Diffusion

硬核解读Stable Diffusion（系列一）

在早期的工作中，比如OpenAI的GLIDE和latent diffusion中的LDM均采用一个随机初始化的tranformer模型来提取text的特征，但是最新的工作都是采用预训练好的text model

StableDiffusion 文生图

垂直领域大模型的思考

分析如上图所示，分析表明，通过这种方案自动生成的指令数据： · 数量够大：仅基于175条种子数据可以扩充8.2万条新数据 · 足够多样：分类和生成指令的占比大概

垂直领域大模型

Stable Diffusion

Stable Diffusion API

2、生成式AI简介基于机器学习的数据生成器在去年发生了如此多的创新，你可以将 2022 年称为“生成 AI 年”。

文生图 SD

Stable Diffusion

硬核解读Stable Diffusion（系列二）

是对文生图功能的一个扩展，这个功能来源于SDEdit这个工作，其核心思路也非常简单：给定一个笔画的色块图像，可以先给它加一定的高斯噪音（执行扩散过程）得到噪音图像，然后基于扩散模型对这个噪音图像进行去噪，就可以生成新的图像

StableDiffusion 文生图

FaceFusion参数详解

看起来有点复杂，没有最新的Rope那么简洁。

FaceFusion 文生图

<...70 71 72 73 74 75 76 77 7879>

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

© 2023-2024 AI魔法学院

京ICP备20027199号-1