首页
Ai 资讯
Ai 知识库
创作魔法
绘画魔法
视频魔法
训练魔法
Ai术语
Ai提示词
Ai创意图
Ai工具
Ai视频
VIP专区
VIP专区
登录
AI魔法学院客服
最新
排序
收藏
全部
七天内
一个月内
选择分类
全部
写作魔法
绘画魔法
视频魔法
训练魔法
其他
AI工具
VIP视频
推荐阅读
换一批
· 数字人直播哪家强?中国数字人平台分析大全
· 数字人直播哪家强?百度、硅基、风平与闪剪四大AI数字人横向评测!
· Midjourney AI绘画美女提示词分享一
· 最新最强开源模型Qwen3本地运行指南!Windows+ollama+chatwise轻松搞定
· PPT又又有新突破了!智谱AI代码流造PPT
· AIGC系列之一-一文理解什么是Embedding嵌入技术
· 十大开源语音识别项目
· 深入探讨:Agent全自动写作长篇小说技术原理解析
· Gpt写小说,常用的中文指令集「实操篇」
· 用AI生成PPT、用AI优化PPT!
热门标签
Stable Diffusion
stable diffusion
Midjourney
midjourney
ComfyUI
comfyui
ChatGPT
chatgpt
大模型
数字人
开源
人工智能
Sora
文心一言
天工
零一万物
知海图
星火
文心一格
混元
通义千问
盘古
言犀
ChatGLM
Github
微软
热门标签
免费
教程
插件
免费
教程
插件
免费
教程
插件
文章列表
Stable Diffusion
Stable Diffusion|提示词高阶用法(四)LoRA指定区域
下期介绍 对于LoRA模型分层控制的实操就先介绍到这,下一篇将会介绍如何通过 Stable Diffusion 提示词生成特定的情绪表情以及画面
视
角的实操技巧。
文生图
ChatGPT
ChatGPT提示工程5篇合集(五):ChatGPT提示工程 - 邮件回复、营销文案
我们一直致力于提供高质量的产品,并且我们非常重
视
每一位客户的满意度。
prompt
提示词
Prompt
一种通用的 Prompt 框架 - CRISPE
添加
视
觉辅助:利用mermaid.js可以插入图表,以便说明复杂的概念(可靠性较低)。
Prompt
提示词工程
开源
RAGFlow:开源的RAG引擎,专注于深入的文档理解,支持处理各种复杂格式的非结构化数据
·可
视
化文本分块,支持人工干预。
RAGFlow
RAG
开源
金融
金融行业中 Fintech 的应用场景
树模型应该是之前给大家介绍的模型,XGBoost 和 LightGBM 这两个模型的使用
频
率都很高,在银行的业务体系里面使用率也很多。
Fintech
金融
替代画师?不,AI把枪指向了商业摄影
商业精修稿既
视
感。
文生图
开源
为你推荐开源项目:Meridian——专属个人情报站!
广泛的新闻源覆盖:Meridian就像一个信息大管家,从数百个不同的新闻源中抓取信息,保证你能接触到各种各样的内容,让你的信息
视
野更加开阔。
Meridian
开源项目
从⼤模型到 AI 应⽤落地,工程实现有多复杂?
在 Prompt ⼯程化⽅⾯,Dify 通过可
视
化编辑实现了 Prompt 与代码的解耦,降低了学习⻔槛,提⾼了协作效率
大模型
SQL
微信为什么使用 SQLite 保存聊天记录?
派生的数据库表(如Select语句返回的查询结果集)中的列名可以通过SELECT语句、FROM语句或WITH语句来进行改变 · · 2:据我所知,也许可以通过可更新
视
图或派生的列来模拟该功能
SQLite
微信
数据库
Stable Diffusion
Stable Diffusion | SD的老舅ComfyUI来了,节点式工作流,分部控制出图
方便大家看,我把板块调整为竖版,有一定SD基础的同学可以看到这其实就是SD的界面板块打散: ComfyUI有以下特点: 优点: 1.上限高,更适合复杂长线的大型工作 2模块化工作流 3.可
视
化
生成式AI
ComfyUI
SD的老舅ComfyUI来了,节点式工作流,分部控制出图
方便大家看,我把板块调整为竖版,有一定SD基础的同学可以看到这其实就是SD的界面板块打散: ComfyUI有以下特点: 优点: 1.上限高,更适合复杂长线的大型工作 2模块化工作流 3.可
视
化
文生图
comfyui
Stable Diffusion
Stable Diffusion 30种采样器全解
o DPM adaptive:自适应渲染,无
视
采样步数。
Stable
Diffusion
采样器
吴恩达老师建议大家关注 AI 智能体工作流
· • 反思:大语言模型会审
视
自己的作品,并寻找改进的方法。
智能体
大语言模型
大模型
大模型:泛化即智能,压缩即一切
在训练的初始阶段模型的权重是非常嘈杂,当测试数据的准确率已经达到100时,权重的波动依然比较混乱,如下图所示,研究人员根据神经元在训练时的循环
频
率将其分组,并将每个神经元分别绘制成一条单独的线,可以看出在训练集准确率为
大模型
泛化
大模型
大模型:泛化即智能,压缩即一切!
在训练的初始阶段模型的权重是非常嘈杂,当测试数据的准确率已经达到100时,权重的波动依然比较混乱,如下图所示,研究人员根据神经元在训练时的循环
频
率将其分组,并将每个神经元分别绘制成一条单独的线,可以看出在训练集准确率为
泛化
大模型
<
...
44
45
46
47
48
49
50
51
52
53
...
>
1
2
4
5
6
7
8
9
100