文章列表-AI魔法学院

文章列表

浅浅介绍下中文分词，用这些库搞定

你可以根据自己的需求调整词云的参数，以及对分词结果进行处理、过滤等操作，以获得更好的词云效果。

Python 分词库

AI绘画：InstantID Win11本地安装记录！

0.准备工作准备一张3090或者4090或者显存24+的N卡。

InstantID Win11 安装

更强的小型LLM：Zephyr-7B

结果 Hugging Face对ZEPHYR-7B的主要评估集中在单轮和多轮聊天基准测试上，这些测试衡量了模型遵循指令的能力以及在不同领域对复杂提示作出回应的能力。

Zephyr-7B 大语言模型

RAG超参数调优食用指南

该函数具体执行以下操作: 1.从文档构建索引， 2.查询索引，并运行一些基本计算。

rag 大模型

TypeChat 入门指南

我们可以为咖啡订单项目定义一个类型，并使用 TypeChat 处理自然语言输入并将其映射到经过验证的 JSON 作为输出。

TypeChat

LLM大模型推理输出生成方式总结

参数：temperature（取值范围：0-1）设的越高，生成文本的自由创作空间越大；温度越低，生成的文本越偏保守。

大模型

EverydayWechat：让微信变得更强大，引领每日生活新体验

启动机器人： 1 bot.run() 运行上述代码后，每日微信将会提供自动回复、定时发送消息等功能，并根据配置的参数执行相应的操作。

EverydayWechat

蚂蚁推出ProChat：快速搭建大语言模型 Chat 对话的前端组件库

gt; ( <ProChat request={async (messages) => { // 使用 Message 作为参数发送请求

ProChat 大语言模型

大规模训练系列之技术挑战

此时，数据并行的作用就可以体现了：对于这些深度学习训练来说，直接增大数据并行的计算资源是比较有效的，投入数倍的计算资源基本上能获取到相应的加速倍数。

开源模型

百川智能RAG方案总结：搜索出生的百川智能大模型RAG爬坑之路

总体思路有点像ReAct[3]系列的进阶版本，其在搜索侧和答案修正侧都做了更多的一些工作来优化实际效果。

RAG 大模型

Nvidia发布Llama3-ChatQA-1.5: 提升对话问答和表格推理能力，平均性能超越GPT-4

作为一款小尺寸高性能的模型，Llama3-ChatQA-1.5必将成为未来对话式AI应用的重要支撑。

Llama3-ChatQA-1.5 对话问答模型

如何估计大模型所需要的显存大小？HuggingFace发布Model Memory Calculator，一键计算大模型显存需求

在许多深度学习模型中，尤其是Transformer类模型，层与层之间的操作往往需要在vRAM中存储中间计算结果，这些结果可能包括激活值、权重等。

大模型

长窗口大战要终结了？谷歌魔改Transformer，推出了“无限注意力”

它将降低进入应用程序的门槛，使开发者和组织能够快速创建工作原型，而无需巨大的工程努力。

大模型上下文

喂饭级 AI’MWISE 启动器安装教程

等待系统自动安装安装后，我们选择的目录里面就可以看到，三个文件夹了 git：用于存放git程序，git的作用是能够对软件进行更新以及安装软件所需要的依赖

文生图

8G显存一键训练，解锁Llama2隐藏能力！XTuner带你玩转大模型

除单点功能外，XTuner 还有以下三个黑科技，让开发者可以做到真正的“面向数据”工作。

大模型

<...87 88 89 90 91 92 939495 96 >

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