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
· Suno音乐新手指南(手把手完整版教程)
· 字节跳动最强AI工具 “豆包” ,近1000款应用!一句话自动生成图文,堪比ChatGPT?
· 用秋叶启动器安装fooocus,comfyui
· 国内LLM陆续启动,你的Prompt库有这些模块吗
· 一网打尽 | 掌握64个策划思维模型,逆转职业寒冬!(高清图+模型详解)
· LLM微调神器Lamini,疯狂获星1.9k,免费可用!!
· 打造音乐传奇:Suno推出音乐生成模型Suno V3,让每个人都能成为作曲家
· 一键部署本地私人专属知识库,开源免费!可接入GPT-4、Llama 3、Gemma、Kimi等几十种大模型,零代码集成。
· 数字人起飞!字节Loopy对口型功能在即梦上线 可根据语境匹配表情和情绪
· AIChatru.ru
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
Prompt
自动优化Prompt:Automatic Prompt Engineering的3种方法
这一过
程
是可迭代的。
prompt
大模型
企业
快消品企业怎么才能用上大语言模型?
企业在需要用大语言模型全面提升自身应用和服务能力的同时,也需要开始着手收集还未数字化的企业信息和知识积累,并将他们整理为神经网络能够理解吸收或者学习的格式、作为企业专属模型的数据输
入
。
大模型
Prompt
40个值得收藏的AI prompt提示词,帮助你更好地思考问题,做出更加准确地商业决策,让你无往不利
这个模型包括五个力量:行业内的竞争者竞争
程
度、潜在的新进
入
者威胁、替代品或服务的威胁、供应商的议价能力和消费者的议价能力。
prompt
提示词
人工智能
人工智能训练的灾难性遗忘以及解决方案
基于深度学习的智能体们就像陈列在书架上的一本本工具书,它利用预先收集好的静态的数据集学习,在学习过
程
结束后就是一种静态(没有生命)的存在。
人工智能
大模型
使用stable diffsion对老照片进行AI高清放大修复
点击后期处理即可进
入
。
SD
高清
老照片修复
蚂蚁推出ProChat:快速搭建大语言模型 Chat 对话的前端组件库
·
程
序控制(Refs): 精确控制对话流
程
,允许开发人员创建定制的对话体验。
ProChat
大语言模型
一个令人惊艳的图片高清化重绘神器:SUPIR来了!
11、引
入
噪音:会在每次采样时加
入
一些噪音,值越大生成图片的变化会更多一些。
SUPIR
文生图
开源
开源语音大语言模型来了!阿里基于Qwen-Chat提出Qwen-Audio!
我们的模型训练过
程
包括两个阶段:多任务预训练和监督微调。
大模型
语音
微调
LLM微调神器Lamini,疯狂获星1.9k,免费可用!!
而这个过
程
复杂且繁琐。
大模型
如何将 GPT 幻觉发生率从 20% 以上降低到 2% 以下
这对于生成用于创意写作或头脑风暴会议的文本等用例来说可能很好,但当输出用于客户支持等业务应用
程
序时,它可能是灾难性的。
大模型
GGUF格式详解
GGUF就是一种二进制格式文件的规范,原始的大模型预训练结果经过转换后变成GGUF格式可以更快地被载
入
使用,也会消耗更低的资源。
GGUF
大模型
ChatGPT
使用ChatGPT6小时写出高分论文
请推荐几种在[特定领域]深
入
研究的方法与建议。
ChatGPT
写作
OpenAI
被低估的面壁:打造出不输 OpenAI 的 Scaling Law 曲线
此外,围绕“高效训练”,面壁不仅仅在模型的训练层发力,在底层计算和数据层也有深
入
思考,全面系统地推进大模型上下游工
程
。
Grok-1
开源模型
FaceFusion又更新咯,增强功能再增强!
我们先来看看这次更新了什么: 优化安装
程
序的默认值和 CPU 选择 为换脸器添加高性能 FP16 版本 将 ONNX
FaceFusion
文生图
大模型
领域大模型-训练Trick&落地思考
现有大模型在预训练过
程
中都会加
入
书籍、论文等数据,那么在领域预训练时这两种数据其实也是必不可少的,主要是因为这些数据的数据质量较高、领域强相关、知识覆盖率(密度)大,可以让模型更适应考试。
垂直
训练
大模型
<
...
72
73
74
75
76
77
78
79
80
81
...
>
1
2
4
5
6
7
8
9
100