文章列表-AI魔法学院

文章列表

SD入门教程四：图生图基础用法

使用其他图生图功能时也有可能会出现类似问题，这里再次强调一下，文件和文件夹不要使用中文字符，甚至纯数字命名，最好是使用英文命名，以避免各种奇怪的问题。

SD 入门图生图

大模型微调数据选择和构造技巧

多样性即为数据的去重，去重这件事的核心是相似度度量，现在的相似度度量方法大家用的比较多的是基于对比学习构造的语义向量这套思路，当然简单的基于词袋或者tfidf的方案也是可以的。

大模型微调

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

Jakob提出了用自注意力机制替换RNN的想法，并开始努力评估这一想法。

Transformer 大模型

Stable Diffusion

Stable Diffusion教程：采样器

三阶采样器比二阶采样器准确，二阶采样器比一阶采样器准确，但是阶数越高，计算复杂度也更高，消耗更多的计算资源。

画图 SD 采样器

AI能赚到钱了么？

第三，硬件产品销售。

大模型商业模式

微调、训练大模型概念介绍及论文笔记：Tuning系列论文笔记

仅添加任务层，语言模型层参数不变适配器微调（Adapter-tunning） Adapter在预训练模型每层中插入用于下游任务的参数，在微调时将模型主体冻结，仅训练特定于任务的参数，减少训练时算力开销

训练微调

RAG 修炼手册｜一文讲透 RAG 背后的技术

Word2Vec 的问世开创了将单词转化为向量表示的先河，极大地促进了自然语言处理领域的发展。

RAG Embedding

爆火的“女孩的一生”，plus版教程它来了

工作流：https://pan.quark.cn/s/71b87ff08900 提取码：t4vF 插件：https://github.com/Kosinkadink

动画视频 AnimateDiff

AI面部增强器-Remini

注册登录进网站后，点击选择文件上传要处理的图片、 AI增强过的图片就会以直观的方式展现出来，拖动中间的竖线，可以很清晰的对比处理前后的图像清晰度。

Remini 面部增强修复文生图

大模型量化：什么是模型量化，如何进行模型量化

且PTQ几乎不需要调整超参数，使得我们可以很方便的进行模型量化量化感知训练（Quantization Aware Training, QAT）模型量化过程其实就是在做一件事，就是找阈值或者scale

大模型

Stable Diffusion

16/180 Stable diffusion 抽卡神器 dynamic prompts

今天分享一个Stable diffusion 抽卡神器 dynamic prompts 插件安装地址 https://github.com/adieyal/sd-dynamic-prompts

提示词文生图

Prompt工程如此强大，我们还需要模型训练吗？

One-shot和Few-shot最早由OpenAI研究团队在论文《Language Models are Few-Shot Learners》中率先提出，这篇论文也是提示工程方法开山鼻祖，不仅介绍了提示工程的两大核心方法

大模型

实操：基于 Ollama+AnythingLLM 的 AI 超级阅读法

我称之为「AI超级阅读法」一开始，我选择大模型工具是 Kimi Chat 1.第一免费使用，支持 Web、H5、APP、微信小程序等多终端，方便使用。

Ollama AnythingLLM 阅读

视频大模型训练相关词条解释

我把跟Sora以及文生视频模型训练相关的词条放到附件中，相信大家看过这些词条之后，会对Sora的原理有更加清晰的理解。

视频生成 sora 词条

大模型文本生成——解码策略（Top-k & Top-p & Temperature）

在自然语言任务中，我们通常使用一个预训练的大模型（比如GPT）来根据给定的输入文本（比如一个开头或一个问题）生成输出文本（比如一个答案或一个结尾）。

大模型

<...84 85 86 878889 90 91 92 93 ...>

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