文章列表-AI魔法学院

文章列表

ViTPose+：迈向通用身体姿态估计的视觉Transformer基础模型

结果如表2所示，无论是否使用人体的位置（人体实例的检测框标注）进行裁剪操作，只使用姿态估计的数据进行预训练的ViTPose在使用更少的数据量的情况下达到了和使用ImageNet数据进行预训练的ViTPose

ViTPose+Transformer 身体姿态

Stable Diffusion

Stable Diffusion WebUI v1.8.0重大更新！

通过CUDA，开发者可以编写能够直接在GPU上执行的代码，从而利用GPU的并行处理能力来加速计算过程。

SD 画图

超越巨头：Zephyr-7B领跑7B级大模型竞赛，开源且笔记本可运行

应用领域 Zephyr-7B在语言理解、文本生成、编程、故事创作等多个领域均展现了卓越的能力。

大语言模型开源模型

数据分析思路系列-如何建立指标体系

但是，这一切的一切，都需要时间和经验的累计，所以之前的文章中我才说这是一个非常重经验的职业，无论你是什么学历，什么学校毕业，都无法直接教会你这些事情，只能依靠在工作中不断的遭遇，不断地总结。

数据分析指标体系

Stable Diffusion

挑战真实影像！Stable Diffusion超越摄影师的光影模型

真实的摄像，脸上一定是有光影的，光滑的像洋娃娃一样的脸，无论多好看，都会有不真实感。

AI图片

使用自己的数据训练清华ChatGLM2-6B 模型

可以看到解压后的文件有两个，分别是train.json和dev.json。

ChatGLM2-6B

chatglm3基础模型多轮对话微调

SFT数据格式使用自己的数据可以参照formatted_samples.json文件，这里没有考虑system，实际使用可以根据自己的情况加上，需要修改chat_data_module.py中对应的数据处理部分

ChatGLM 微调

模型压缩：量化、剪枝和蒸馏

理论计算所需的运行耗时和实际推理时间并不完全一致，在英伟达Titan X GPU 上运行，利用TensorFlow 工具可以得到模型各层的推理所占时间，如图3所示。

BERT 语言模型

令人惊艳的开源图标生成AI模型：ChartLlama （南洋理&腾讯）

代码地址： https://github.com/tingxueronghua/ChartLlama-code 论文地址： https://arxiv.org/pdf/2311.16483.pdf

ChartLlama 开源模型图标

FFmpeg之父新作——音频压缩工具 TSAC

具体来说，TSAC可以将3.5分钟的立体声歌曲压缩为192KB 的文件。

TSAC 音频工具

京东开源普通话数字人JoyHallo，一口流利标准普通话还会讲英语

为了让 JoyHallo 模型适应普通话，采用了中文的 wav2vec2 模型来提取音频特征。

JoyHallo 数字人开源模型

深入探秘：百川7B大模型的训练代码解析，揭秘巨无霸语言模型背后的奥秘

先说下大模型的理论：大模型的底座模型就是多层的transformer，由于是因果语言建模，它只用了transformer的decoder模块。

大模型

实测：本地跑llama3:70B需要什么配置

无论是8B还是70B的版本，用户都可以选择最适合自己需求的版本进行部署。

llama GPU内存

厉害了，匹诺曹Pinokio！所有AI工具，一键安装，全部免费！整合AI绘画、AI视频、AI语音...

今天文章的主角就是Pinoki，它能帮我们轻松搞定主流 AI 项目模型，整个过程一键部署安装，省时又省力！

AI绘画 AI视频 AI音乐

用so-vits-svc-4.1进行音色转换的极简教程

但是无论转换哪种声音，都需要至少采集30分钟-1小时的语音干声，这对于普通讲话很好采集，只需要到一个安静的场所，比如录音棚，录制一段语音即可。

声音 sovits

<...83 84 85 868788 89 90 91 92 ...>

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