文章列表-AI魔法学院

文章列表

Stable Diffusion

AI绘画Stable Diffusion进阶使用

pipeline_tag=text-to-image 大模型（底模型） stable diffusion webui 部署完成后，checkpoint是放底模 home\webui

Stable Diffusion 文生图

60.2K Star！别再熬夜写样式了！Screenshot-to-Code：截个图，代码全搞定！！

详细安装教程请看文末资源如果你懒得折腾本地环境，Screenshot-to-Code 还支持 Docker 一键部署，开发党省时利器。

Screenshot-to-Code 代码

探秘制作艺术二维码的新姿势

· 采样器: DPM++2S a Karras · · 采样部署：30 · · 大小：768*768 · ·

图像文字

总结！大模型微调（Tuning）的常见方法

o o • 部分微调（Repurposing）：部分微调是指在微调过程中只更新模型的顶层或少数几层，而保持预训练模型的底层参数不变。

微调大模型

复旦开源中文医疗大模型，基于百川微调，模型和数据集都公开

行为偏好数据集：这部分数据是经过人工筛选的，仅包含2,000个样本，但它们在对齐人类偏好方面发挥着关键作用，需要注意这部分数据没有在当前项目中公开。

大模型

混合专家模型 (MoE) 详解

下图展示了编码器部分的结构。

MoE大模型

RAG 2.0来了，它能成为生产落地的福音吗？

然而，这种方法往往会导致所谓的“科学怪人效应”（Frankenstein’s monster），即尽管每个部分在技术上都能独立运行，但整合后的整体性能却远未达到理想状态。

RAG 大模型

ViTPose+：迈向通用身体姿态估计的视觉Transformer基础模型

身体姿态估计旨在识别出给定图像中人或者动物实例身体的关键点，除了典型的身体骨骼关键点，还可以包括手、脚、脸部等关键点，是计算机视觉领域的基本任务之一。

ViTPose+Transformer 身体姿态

一文彻底搞懂多模态 - 多模态推理

接下来分两部分：知识图谱推理、多模态推理任务，一起来深入了解多模态应用：多模态推理。

多模态推理大模型

评论能力强于GPT-4，上交开源13B评估大模型Auto-J

· 在开销上，由于其仅包含 130 亿参数，Auto-J 能直接在 32G 的 V100 上进行推理，而经过量化压缩更是将能在如 3090 这样的消费级显卡上部署使用，从而极大降低了 LLM

Auto-J 大模型

Stable Diffusion

新手向，Stable Diffusion API 接口，在本地调用

首先应该有本地部署好的 WEB-UI。

SD 文生图

windows安装向量数据库milvus

1.3docker安装点击下载的Docker Desktop Installer.exe，一步步安装，就能成功二.Milvus安装 2.1下载 1.打开官网milvus安装文档，milvus单机部署

向量库 docker

Agent四大范式 | 综述：全面理解Agent工作原理

我们对现有的 LLM-代理规划研究进行了分类，将其分为任务分解、计划选择、外部模块、反思和记忆等类别，并针对每个方向进行了深入分析。

Agent 大语言模型

SDXL Styles：七十七种绘画风格任你选择

stable-diffusion-webui>/extensions/StyleSelectorXL 注意替换 <stable-diffusion-webui> 为你的 Stable Diffusion WebUI 部署目录

文生图

手把手！做Llama3的MoE专家混合模型！底层原理怎样的？做自己的MoE模型？需要多少算力？

Llama3纯本地部署攻略！

MoE 专家混合模型

<...14 15 16 171819 20 21 22 23 ...>

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