文章列表-AI魔法学院

文章列表

PostgreSQL的三位一体——在大模型应用中结合关系型、向量和时间序列数据

使用这些数据库构建的显著缺点变得清晰起来: · 操作复杂性：仅为向量数据持续维护单独的数据库增加了另一层操作开销，要求团队跨多个系统复制

大模型 PostgreSQL

从零开始：构建你的首个ComfyUI工作流

tab=readme-ov-file 2.1 WebUI与ComfyUI对比 ComfyUI提供了极高的自由度和灵活性，支持高度的定制化和工作流复用，同时对系统配置的要求较低，并且能够加快原始图像的生成速度

comfyui 文生图工作流程

「长文」可能是目前最全的LangChain AI资源库之一

通过拉取请求添加链接或创建问题开始讨论。

工作

大模型微调应用实践，没那么简单，看看曾经踩过的坑

除了训练速度符合需求，多机训练模型的loss下降趋势和单机模型训练的趋势基本一致，也符合预期。

大模型

ComfyUI上使用SDXL1.0官方工作流实操使用零基础讲解节点式生成的Ai绘画工具comfyui，节点模块讲解

inpaunt工作流并且comfyui轻量化的特点，使用SDXL模型还能有着更低的显存要求和更快的加载速度，最低支持4G显存的显卡使用。

文生图

大模型实践总结

大模型评估工具： Open AI evals 大模型推理加速模型推理作为模型投产的最后一公里，需要确保模型精度的同时追求极致的推理性能。

大模型训练

微软研究团队：Sora核心技术及未来机会研究报告-中英对照版

正如原始的扩散变换器设计追求的简洁性和扩展性[31]，Sora 采用原始尺寸数据训练的策略，摒弃了传统 AI 依赖于人工抽象概念的做法，转而采用一种随着计算力增长而扩展的全能策略

sora 论文

栩栩如生,音色克隆,Bert-vits2文字转语音打造鬼畜视频实践

connect to [v3u.net]:65280 (system error: 10049 - 在其上下文中，该请求的地址无效

Bert-vits 语音

AIGC工具提示词技巧

部分场景需求中英文提示词都使用，看看哪种效果更好。

AIGC 提示词

七问大模型幻觉｜LLM Hallucination

有意识的源-目标差异：某些任务在本质上并不追求源与目标的严格一致，尤其是在需要多样性输出的情境下

大模型

详解大模型RLHF过程（配代码解读）

的全连接层将维度变为(B, L)，在L这个维度上，第i个位置的数据表示：从第i个位置到最后一个位置输出所能获得的奖励分值的累加和（和DQN里边的Q值一个意义），这种形式的输出满足了critic model的输出要求。

训练

Stable Diffusion

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

简单来说，这些采样器是算法，它们在每个步骤后获取生成的图像并将其与文本提示请求的内容进行比较，然后对噪声进行一些更改，直到它逐渐达到与文本描述匹配的图像。

文生图 SD

SD入门教程五：后期处理图片高清放大

· 最关键的是放大算法，那么这么多算法到底有什么用呢，为了节约时间，我直接推荐（ESRGAN系列算法）和（4X-UltraSharp）这几个算法，一般只会用到放大算法1，在特别的需求会使用到放大算法

SD 入门教程修复

MaskGCT：登上GitHub趋势榜榜首的TTS开源大模型

本文介绍了一种名为Masked Generative Codec Transformer（MaskGCT）的全非自回归TTS模型，该模型消除了文本与语音监督之间的显式对齐需求，以及音素级持续时间预测。

MaskGCT 声音克隆

如何最简单、通俗地理解Transformer？

第一点属于要求掌握一些背景知识，而第三点是有意向深入学习，甚至想在实践中用Transformer做点什么的人去关注。

Transformer 大模型

<...54 55 56 575859 60 61 62 63 >

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