文章列表-AI魔法学院

文章列表

微调、训练大模型概念介绍及论文笔记：Tuning系列论文笔记

Prompt参数不太稳定，加了个更大的MLP，训练完只保存MLP变换后的参数就行了实验证实只加到embedding上的效果不太好，因此作者在每层都加了prompt的参数，改动较大，可能起到了类似残差的效果

训练微调

使用自己的数据训练清华ChatGLM2-6B 模型

nbsp;3.10.4 版本 pyenv global 3.10.4 下载源码 https://github.com/THUDM/ChatGLM2-6B 进入项目目录，创建虚拟环境

ChatGLM2-6B

Qwen7b微调保姆级教程

;-100> <assistant2> <-100> <assistant3> 在单轮对话模式下，我们仅将最后一轮机器人的回复作为要学习的标签

Qwen7b 大模型

ChatGLM3-6B：新一代开源双语对话语言模型，流畅对话与低部署门槛再升级

· Tool: 工具模式，模型除了对话外，还可以通过工具进行其他操作。

ChatGLM3 语音模型开源模型

SD插件｜EasyPhoto｜妙鸭相机平替|美颜算法

该插件的辅助模型默认路径为%USERPROFILE%\.cache，如果你是初次使用，可能不存在此路径，可以在CMD中执行如下代码判断该路径是否存在，如果不存在则自动创建。

EasyPhoto 文生图

Stable Diffusion

stable diffusion 远端跑图—— Api基础知识掌握

比较简陋中间生成花了一分钟，剪掉了如果你也想像我一样手机跑图，本篇文章所讲述的api内容必不可少，有一定的程序基础即可掌握 > 准备工作

文生图 api

大语言模型综述<演进，技术路线，区别，微调，实践，潜在问题与讨论>

训练式的位置编码作用在token embedding上，而旋转位置编码RoPE作用在每个transformer层的self-attention块，在计算完Q/K之后，旋转位置编码作用在Q/K上，再计算attention

大模型

ComfyUI-基础图生图&基础图片缩放

所以我们可以自己手动连接一个基础图生图的工作流出来。

ComfyUI 图生图

我，大语言模型

作为大语言模型，我只前向思考，不反向思考。

大模型

模型压缩：量化、剪枝和蒸馏

通常，参数越多，所需算力越大，此处较为特殊的是Embedding 层和Multi-Head Attention 层，前者是因为Embedding 操作本质上是查表操作，所以占据较大的存储空间，却不需要算力

BERT 语言模型

ComfyUI | 这么入门就顺了，硬入疼的是自己

ComfyUI较于SD web UI没有普及的先机优势，我们在玩了一段时间web的时候，直接启动Comfy，看到Comfy的界面第一反应就被劝退了，密密麻麻的眼花缭乱，比如加载默认的这个最基础工作的版面

生成式AI

10秒换脸，一张图片够了！SD Roop插件教程

使用插件插件界面及操作路径如下，看起来很多选项，实际很简单。

AI换脸

每天一个AI姬，AI绘画拟真实测，使用ComfyUI模拟闪光灯摄影成像

ComfyUI，而所用到的基础模型，以及相关的背景模板、人物模板、特效模板的名称，俱已列出，如下所示：如果您已经安装了 ComfyUI，那么也可以直接下载本文的原图，然后拖进 ComfyUI 的操作界面之中

文生图

自动优化Prompt：Automatic Prompt Engineering的3种方法

第一步：生成prompt candidates 生成prompt的工作也交给了无所不能的LLM，作者介绍了2大类生成方式： ·

prompt 大模型

大模型微调方法总结

在输出阶段，通过第二个前馈子层还原输入维度，将 m 重新投影到 d，作为 Adapter 模块的输出(如上图右侧结构)。

开源模型

<...80 81 82 838485 86 87 88 89 ...>

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