文章列表-AI魔法学院

文章列表

人工智能训练的灾难性遗忘以及解决方案

这就使得神经网络必须能够利用不断产生的新数据持续学习新知识，并且不遗忘之前所学过的重要内容。

人工智能大模型

Stable Diffusion

如何保证每次画出的都同一张人脸：Stable Diffusion的Reference only教程

无论如何，Reference only可免去训练高质量模型即可保持人物一致，算是一个较大进步，如果下个版本可以解决上述2个问题，相信可以更好地赋能内容生产领域。

文生图

小心你的GPTs 防守篇 - 自带六神装的高防GPTs

包含所有内容，也应该使用此方法。”

GPTs 大模型

深入探讨GPTs和AI Assistant

AI助手根据自身的配置信息和Thread中的消息内容，调用不同的工具（tools），从而得出回复。

GPTs AI Assistant

爆火！腾讯开源PhotoMaker：高效地定制化生成任意风格的逼真人类照片！

这样的嵌入作为一个统一的ID表示，既可以全面封装同一输入ID的特征，又可以容纳不同ID的特征，便于后续集成。

PhotoMaker 文生图

炸裂！百川开源第1个7B多模态大模型 Baichuan-Omni | 能够同时分析图像/视频/音频/文本

这些描述从不同角度详细描述图像内容，属于高质量描述数据。

Baichuan-Omni 多模态大模型

TrOCR——基于transformer模型的OCR手写文字识别

有关CNN卷积神经网络的相关知识与文章，可以参考往期的文章内容。

OCR 手写文字识别

图解 Transformer——功能概览

为了避免混淆，我们把单个层称为编码器或解码器，并使用编码器堆栈或解码器堆栈分别表示一组编码器与一组解码器。

Transformer 大模型图解

大模型应用的10种架构模式

专有大模型不仅简化了操作流程，也使人工智能专业知识更好地适应特定任务，使其在需要高度精确性和适应性的环境中，如客户服务或个性化内容创建，表现得更为高效。

大模型架构

StableDiffusion

StableDiffusion模型推荐系列（全能型）

但问题来了，由于训练模型门槛降低，很多模型质量参差不齐，通用性和兼容性堪忧。

stablediffusion sd 文生图

AI大模型LLM可以帮助企业做什么？

有以决策为特长的老一代机器学习应用，也有以及侧重感知能力的“传统”深度学习应用。

大模型

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

Deepseek-V2技术报告解读！全网最细！

介绍模型的核心优化点——多头隐式注意力（Multi-head Latent Attention,MLA）：如上图右下所示，大模型使用kv-cache进行模型的解码加速，但是当序列较长的情况下很容易出现显存不足的问题

Deepseek-V2 大模型

RAG检索增强技术在知识库智能检索场景下的应用实践

检索器如何选择不同的检索器有着不同的特点和适用场景。

知识库 RAG检索增强

对于AI，我们现阶段可以有的态度

有，可以让我们的一些内容生产者的生产力得以释放；没有，对于大多数人来说，也没影响到生活原有的节奏和轨迹。

文生图

<...30 31 32 333435 36 37 38 39 ...>

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