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
· 制作可爱的表情包
· 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!
· 使用ChatGPT润色出高品质文章!
· 《构建个人知识图谱》:让 AIGC 帮你自动构建知识图谱
· 这个数字人开源项目太牛了,非常全面的项目解决方案(含源码)
· 为什么国产大模型都说超越ChatGPT而体验却很拉?警惕 Goodhart law 陷阱
· 检索增强生成(RAG)有什么好的优化方案
· 产品经理必会的3大流程:业务流程、功能流程、页面流程(附案例)
· AI绘画巅峰对决:Stable Diffusion 3与DALL·E 3原理深度比较
· 史上最好的中文大预言模型出现了!!!
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
工具
动画制作工具AnimateDiff用法详解
如果您只想下载一个,请获取: · mm_sd_v15_v2.ckpt
测
试是否安装成功
AnimateDiff
视频
训练
一文读懂GPT-1:生成式预训练如何提升语言理解
对于每一个输入,经过预训练后的语言模型后,可以直接选取最后一层Transformer的输出向量h,然后在其后面接一层全连接层,即可得到最后的预
测
概率: 其中,Wy为全连接层的权重参数,最大化目标函数如下所示
GPT
Prompt
提高工作效率的 10 个高级Prompt
问我一系列问题来
测
试我的知识。
工作
大模型
GPT
prompt
提示词
ComfyUI
Fooocus,webui,comfyui优缺点
完全可以把它理解为一个超大的
ai
工具箱。
Fooocus
webui
comfyui
文生图
ChatGPT
26个超级技巧,让你的ChatGPT直接起飞
15 - 当你想询问一个特定的主题、想法或任何信息,并想
测
试你的理解时,你可以使用以下短语:“教我[任何定理/主题/规则名称]并在最后包含一个
测
试,但不要给我答案,然后告诉我我是否在我回答时答对了”。
ChatGPT
什么是极限、导数、微分与积分(通俗易懂)!
导数的美妙之处在于,它不仅仅是一个抽象的数学概念,它还能够帮助我们在现实世界中做出预
测
。
极限
导数
微分
积分
ChatGPT
让ChatGPT帮我写SQL
支持大小写切换 一键复制 SQL语法高亮 查询历史 自然语言转为SQL 支持中文等语言 解释SQL语句 本地安装
测
试
SQL
如何用大语言模型构建一个知识问答系统
应用效果 上述方案在
测
试过程中,以 NBA2K Online2 官网的攻略信息[20]为基础进行尝试,基于 OpenAI API,搭建简单的 CLI 的应用。
知识库
大模型
大模型LLM基础|分词
·
测
试分词器:使用原始和合并后的分词器对示例文本进行分词,并打印结果。
开源模型
OpenAI
Prompt逆向工程:轻松复刻OpenAI“神级”提示词
AI
自述其修:简单地把一个专门设计的Prompt塞进一个包装好的
AI
应用里,让
AI
主动吐露它到底用了哪个提示词。
大模型
Stable Diffusion
Stable Diffusion | SD腾讯云3步部署,全程五分钟,附价格费用清单
ensp; · 模糊搜索:输入“
AI
下载
开源模型
SDXL
造梦师手记:华夏之美,SDXL时代的第一个国风模型和汉服LoRA
尤其是XL对自然语言的理解更加容易,创作者能很容易的用比较口语化的表述来让
AI
实现自己的想法。
文生图
Stable Diffusion
Stable Diffusion 30种采样器全解!
2023年新采样器 UniPC:统一预
测
校正器,收敛快,10步左右产生可用画面。
Stable
Diffusion采样器
大模型
大模型天才杨植麟,被朱啸虎“咬”了一口
这起仲裁还要追溯到杨植麟和张宇韬的首次创业,一家成立于2016年5月的
AI
公司循环智能,其主要面向企业营销客服提供
AI
软件。
杨植麟
大模型
大模型
大模型微调数据选择和构造技巧
我们简单地把已有的数据全部当成正样本打上1,然后待筛选的数据全部当成负样本打上0,我们使用deberta等构建二分类模型,并进行K-fold的交叉验证,在交叉验证过程中,选出每一个fold过程中的
测
试集合里概率接近于
大模型
微调
<
...
77
78
79
80
81
82
83
84
85
86
...
>
1
2
4
5
6
7
8
9
100