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
· 不会PS也能做神图?豆包AI绘画全解析,让你的创意秒变艺术品!
· 数字人之声音克隆:无样本,1分钟样本完美克隆声音,开源
· 万字长篇!超全Stable Diffusion AI绘画参数及原理详解
· PPT又又有新突破了!智谱AI代码流造PPT
· Ollama还是vLLM?深度解析四大顶级LLM服务框架:性能、特性与技术选型指南
· 15个中文AI写作提示词帮你覆盖所有主流写作场景!!!
· 【CLIP系列Paper解读】CLIP: Learning Transferable Visual Models From Natural Language Supervision
· 了解Kimi必看的26个问题 | Kimi系列文(二)
· 入坑必看:comfyui界面与基础操作
· Suno音乐新手指南(手把手完整版教程)
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
大模型
大模型微调方法总结
Adapter 方法不需要微调预训练模型的全部参数,通过引入少量针
对
特定任务的参数,来存储有关该任务的知识,降低
对
模型微调的算力要求。
开源模型
大模型
大模型检索增强生成(RAG)高质量报告
大语言模型的局限性和实际应用面临的问题 RAG指的就是检索相关信息来辅助大模型回答 优化大模型的性能通常可以从提示工程、RAG或者微调入手 RAG
对
比微调
RAG
大模型
检索
大模型
大模型压缩首篇综述来啦~
此外,非结构化剪枝通常需要
对
LLM进行大量的再训练以恢复准确性,这
对
于LLM来说尤其昂贵。
大模型
ChatGPT
使用ChatGPT润色出高品质文章的提示词
8、 更改字母大小写规范 输入 “调整字母大小写规范”,可以
对
文章中不规范或不一致的大小写进行检测,并提供相应的调整建议。
写作
大模型
ChatGPT
ChatGPT
使用ChatGPT润色出高品质文章
8、 更改字母大小写规范 输入 “调整字母大小写规范”,可以
对
文章中不规范或不一致的大小写进行检测,并提供相应的调整建议。
写作
提示词
ChatGPT
使用ChatGPT润色出高品质文章!
8、 更改字母大小写规范 输入 “调整字母大小写规范”,可以
对
文章中不规范或不一致的大小写进行检测,并提供相应的调整建议。
ChatGPT
写作
大模型
领域大模型LLM训练Trick
进行大模型微调时,数据是比较重要的,数据的高度决定模型效果的高度,因此数据的质量重要性大于数据的数量的重要性,因此
对
于构建微调数据时的几点建议如下所示: (1)选取的训练数据要干净、并具有代表性。
垂直
训练
大模型
StableDiffusion
AI绘画由入门到精通:StableDiffusion精讲课程
学习并掌握StableDiffusion文生图软件
对
于希望在数字艺术领域发展的个人和团队来说至关重要。
SD
视频课程
AI绘画
开源
来个优秀的开源人脸识别项目!
以下是
对
几种常见生物识别技术的介绍: 1.
人脸识别
开源项目
AI绘画:InstantID 一键运行包和在线Colab脚本!
如果你
对
自己的硬件没信心,可以尝试之前提供的网站,在线体验。
InstantID
文生图
视频
超越Animate Anyone! 南加大&字节提出MagicPose,不需任何微调就可生成逼真的人类视频
为此,我们提出了一种两阶段的训练策略,以分离人体动作和外观(例如面部表情、肤色和着装),包括
对
同一数据集的人舞姿势的外观控制块的预训练和
对
外观-姿势-联合控制块的精细调整。
MagicPose
视频
开源
为你推荐开源项目:Meridian——专属个人情报站!
AI分析技术:它运用先进的大型语言模型(比如Gemini),
对
文章和新闻集群进行深入剖析,就像一位经验丰富的侦探,提炼出关键信息和背景驱动因素。
Meridian
开源项目
RAG
简单提升RAG的10种方法
针
对
长文档、多文档的情况,常见的方法之一是使用LLM来创建所有文档的摘要。
RAG
大模型
Transformer
万字长文震撼来袭!揭秘Transformer——吐血解读自注意力机制的革命性突破
在这些模型中,将两个任意输入或输出位置的信号关联起来所需的操作数随位置之间的距离增长,
对
于ConvS2S是线性增长,
对
于ByteNet是
对
数增长。
Transformer
大模型
Google
Google 模型解读 | MoveNet-SinglePose:自底向上做单人姿态估计
对
于Top-down模型而言,因为人为限定了画面中只有一个
对
象,因此该
对
象的各关键点不会出现太严重的尺度差异,基本上用同一个尺度下的特征图就能完成所有关键点的检测。
MoveNet-SinglePose
Google
模型
<
...
74
75
76
77
78
79
80
81
82
83
...
>
1
2
4
5
6
7
8
9
100