人工智能
-
基于ChatGPT用AI实现自然对话
1.概述 ChatGPT是当前自然语言处理领域的重要进展之一，通过预训练和微调的方式，ChatGPT可以生成高质量的文本，可应用于多种场景，如智能客服、聊天机器人、语音助手等。本文将详细介绍ChatGPT的原理、实战演练和流程图，帮助读者更好地理解ChatGPT技术的应用和优势。 2.内容 在当今快速发展的人工智能领域，自然语言处理（Natural Lang…
-
阅读文献《DCRNet：Dilated Convolution based CSI Feedback Compression for Massive MIMO Systems》
这篇文章的作者是广州大学的范立生老师和他的学生汤舜璞，于2022年10月发表在 IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY。 文献提出了一种基于空洞卷积（Dilated Convolution）的CSI反馈网络，即空洞信道重建网络(Dilated Channel Reconstruction Network, DCRN…
-
[笔记] ELMO, BERT, GPT 简单讲解 – 李宏毅
国内视频地址：https://www.bilibili.com/video/BV17441137fa/?spm_id_from=333.880.my_history.page.click&vd_source=bda72e785d42f592b8a2dc6c2aad2409 1 NLP 基础 1.1 词的表示过程演进： one-hot 编码 词袋模型 …
-
Midjourney 创建私人画图机器人（保姆级教程）
本教程收集于：AIGC从入门到精通教程汇总 之前给大家介绍过了Midjourney 的注册教程：AI绘画：Midjourney 注册（保姆级教程） 也有Stable Diffusion（开源）的本地搭建教程：AI数字绘画:stable-diffusion 本地部署教程 你是不是遇到以下问题： 1.Midjourney会员怎么自建绘图服务器，不受其他人的打扰？…
-
解密Prompt系列6. lora指令微调扣细节-请冷静,1个小时真不够~
上一章介绍了如何基于APE+SELF自动化构建指令微调样本。这一章咱就把微调跑起来，主要介绍以Lora为首的低参数微调原理，环境配置，微调代码，以及大模型训练中显存和耗时优化的相关技术细节 标题这样写是因为上周突然收到了一周内上线一版chatbo的命令，原因无它领导们都刷到了《一个小时你也可以拥有ChatGPT》,《100美金训练ChatGPT》,《仅训练3…
-
ChatGPT在工业领域的研究与应用探索-数据与工况认知
1. ChatGPT发展现状… 2 2. ChatGPT如何与工业相结合… 2 3. ChatGPT在工业领域的研究与应用… 3 1. ChatGPT发展现状 ChatGPT是基于OpenAI的GPT-4架构的一种大型语言模型。截至2021年9月，最新版本是GPT-3。在过去的几年里，ChatGPT已…
-
Marior去除边距和迭代内容矫正用于自然文档矫正
一、简要介绍 本文简要介绍了论文“ Marior: Margin Removal and Iterative Content Rectification for Document Dewarping in the Wild ”的相关工作。照相机捕捉到的文档图像通常会出现透视和几何变形。考虑到视觉美感较差和OCR系统性能下降，对其进行纠正具有重要的价值。最近的…
-
【动手学深度学习】第五章笔记：层与块、参数管理、自定义层、读写文件、GPU
为了更好的阅读体验，请点击这里 由于本章内容比较少且以后很显然会经常回来翻，因此会写得比较详细。 5.1 层和块 事实证明，研究讨论“比单个层大”但“比整个模型小”的组件更有价值。例如，在计算机视觉中广泛流行的ResNet-152 架构就有数百层，这些层是由层组（groups of layers）的重复模式组成。 为了实现这些复杂的网络，我们引入了神经网络块…
-
?真棒-人工智能
艺术 内容 聊天GPT – 聊天GPT 是由 OpenAI 开发并于 2022 年 3 月推出的人工智能聊天机器人。它建立在OpenAI的GPT-5.4和GPT-<>系列大型语言模型（LLM）之上，并使用监督和强化学习技术进行了微调（一种迁移学习方法）。 Copy.ai – 获得畅销的好副本。 是一个人工智能驱动的文案，为您的业务生成高质量的文案…
-
PyTorch保存模型断点以及加载断点继续训练
在训练神经网络时，用到的数据量可能很大，训练周期较长，如果半途中断了训练，下次从头训练就会很费时间，这时我们就想断点续训。 一、神经网络模型的保存，基本两种方式：1. 保存完整模型model， torch.save(model, save_path) 2. 只保存模型的参数， torch.save(model.state_dict(), sav…
