文章列表-AI魔法学院

文章列表

玩一玩ChatGLM3，1660s即可流畅运行！

ensp; 进入本地目录并安装依赖： cd ChatGLM-6B3pip install -r requirements.txt Windows下配置，注意要单独安装一下Torch的GPU

大模型 ChatGLM

Ollama 与 Dify：AI 应用开发的强强联合

ensp; · 优化:D ify提供了工具来优化 LLM 的性能，例如调整模型配置或使用 GPU

Ollama Dify 大型语言模型

GLM-4-Voice 9B——实时多语言语音对话 AI——几分钟内即可在本地安装

具体来说，它需要35–40个GPU以实现最佳性能，因此适合在可访问高性能硬件的环境中部署。

GLM-4-Voice 9B 语音安装

被时代选中的智谱 AI：成为 OpenAI，超越 OpenAI

众所周知，英伟达的 GPU 价格上涨，直接导致硬件成本增加。

智谱 AI

M3E 可能是最强大的开源中文嵌入模型

感兴趣模型和项目的部署和教程可以看这几篇文章：教程｜使用免费GPU 资源搭建专属知识库 ChatGLM2-6B + LangChain 工程落地实践

开源模型

万字长文震撼来袭！揭秘Transformer——吐血解读自注意力机制的革命性突破

在WMT 2014英语到法语的翻译任务上，我们的模型在8个GPU上训练了3.5天后，创下了单模型新的最佳BLEU分数记录，达到了41.0分，这仅为文献中最佳模型训练成本的一小部分。

Transformer 大模型

Fastwhisper + Pyannote 实现 ASR + 说话者识别

同时在CPU和GPU上进行8位量化，可以进一步提高算法效率。

faster-whisper 语者识别 ASR

国产AI，逃过一劫

据了解，ChatGPT硬件方面要3万张顶级GPU，加上CPU、内存、硬盘、网络和数据中心的电源与建筑，接近100亿元，训练一次要几个月，巨大的物料、电力成本之外，还有软件开发的费用。

ChatGPT 大模型

Stable Diffusion

【Stable Diffusion操作入门】Stable Diffusion 操作界面及基础参数介绍

而且，使用改进的快速采样器（如 DDIM 和 DPM++系列）一般用100以内的步数就完全OK了，通过对这些采样器使用大量步骤，很可能只会浪费时间和GPU算力，而不会提高图像质量。

文生图 SD

OCR的终极解法——传统算法VS多模态大模型

它们通常使用了成千上万个处理单元（比如GPU或TPU）进行训练。

OCR 大模型文字识别

一人搞定30万商品分类：AI落地实践故事！

另外，还有限制条件： · 商品名主要是中文 · 只能在内网使用 · 没有性能强大（更别提GPU）的服务器思路首先想到的是微调一个4bit量化的中文LLM，来实现输入商品名

embedding 大数据分类

牛顿力学在AI中失效？Transformer模型能完美预测却不懂物理，哈佛团队揭示模型缺失物理常识

需要说明的是，训练期间他们使用 8 个英伟达 H100 GPU 进行了 25 个周期的训练。

Transformer 大模型

生成式人工智能的“经济学”，The Economic Case for Generative AI

如果你有一个CPU-GPU配置的自动驾驶汽车，一些套件的功耗达到1.3千瓦，而人类大脑的功耗只有15瓦，从经济角度来看，这非常难以竞争。

生成式人工智能经济学

AIGC的7个黑暗面

租用一个好的GPU并保持它的运行可能要昂贵得多。

大模型

阿里腾讯豪华阵容参投，智谱AI投资版图曝光

CEO张鹏在公开采访中透露过，智谱有一部分算力购自一家云服务商，那时还没有多少人意识到算力之于大模型的重要性，以至于这批GPU正被放在仓库里吃灰，智谱最后用「可接受成本范围内」的价格拿下了这批显卡。

智谱阿里

<...6 7 8 9 10 111213 14 15 >

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