文章列表-AI魔法学院

文章列表

大模型时代，数据为王，在哪里寻找开源数据集？

www.microsoft.com/en-us/research/tools/ 5、谷歌开源数据集链接：https://datasetsearch.research.google.com/ 没有FQ工具

开源数据训练

AI生成卡通人物项目|VToonify

具体来说，VToonify 利用 StyleGAN 的中分辨率和高分辨率层来渲染高质量的艺术肖像，基于编码器提取的多尺度内容特征来更好地保留帧细节。

AI生成卡通人物 VToonify

AI“同声传译”新进展！Google发布，无监督，语音识别：Translatotron 3！

该模型的性能在一些公开的语音识别数据集上达到了与有监督学习相当甚至超越的水平，展示了无监督语音识别的巨大潜力。

Translatotron 语音识别

大模型再发展5年，搜索引擎还在么？

被动摇的搜索根基想象一个中期场景：假如一半以上的内容是人工智能体在生产和消费，那搜索引擎会怎么样？

大模型

Selenium+ddddocr | 再也不担心图片验证码

进行文字识别 res = ocr.classification(yzm.screenshot_as_png) print(f'验证码为：{res}') 运行该程序

Selenium ddddocr库

自己电脑上跑大语言模型（LLM）要多少内存？

· 一般模型文件的实际尺寸要比简单计算的尺寸大 · · 即使是同样参数和精度的模型，实际尺寸也不一样 · · 降低模型精度的过程叫量化

大语言模型运行

SDXL模型lora训练参数详细设置，显存占用22G，不用修脸原图直出

bucket_reso_steps这个设置，提示SDXL可以用32的，我就调成了32。

SDXL 训练

Playground v2：超越SDXL的模型来了，优于SDXL 2.5倍！

" image = pipe(prompt=prompt, guidance_scale=3.0).images[0] 根据在包含2600+个用户的prompts上的人工评测

文生图 Playground

大规模训练系列之技术挑战

本次分享是大规模训练技术系列的第一篇，主要包括两个部分： · 大规模训练技术的意义 · 大规模训练的技术挑战 1 大规模训练技术的意义 1.1 训练的精度极限深度学习发展历程中

开源模型

和王小川聊再创业这一年：回应朱啸虎、谈中国AGI第三种可能

他还提到了生命科学和大众健康的支撑，以及大模型公司在未来发展中可能面临的挑战和瓶颈。

王小川中国大模型

实现聊天机器人打字机形式输出内容：SSE原理介绍及Post实现方式

比如显示当前网站在线的实时人数，法币汇率显示当前实时汇率，电商大促的实时成交额等等 3、SSE使用场景在web端消息推送功能中，由于传统的HTTP协议是由客户端主动发起请求，服务端才会响应

大模型

微信中和 AI 进行对话

1.注册 FastGPT：cloud.fastgpt.in 2.进入「应用」，新建1 个机器人，选择“简易模板”； 3.先不用进行“高级编排”来创建工作流，这一步放在把机器人调通之后再做； 4.点击

微信对话

Pytorch安装（保姆级教学真·满血·GPU版）CUDA更新？torch版本？一文全搞定！

检查电脑CUDA驱动版本（1）右键点击NVIDIA，打开控制面板（2）点击帮助中的系统信息（3）点击组件，查看CUDA版本如图所示，我的电脑目前CUDA

训练

AI换脸：FaceFusion和Roop在线版修复，支持手机，平板，低配电脑！

一键运行脚本打开脚本之后，在左上方的菜单栏找到“代码执行程序”，然后点击下拉菜单中的“全部运行”。

FaceFusion Roop AI换脸

AnimateDiff 生成补间动画

AnimateDiff 生成补间动画测试了下工作流，输入是2张图片，一张作为起点，另一张作为终点。

文生图 AnimateDiff

<...88 89 90 91 92 93 94 959697 >

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