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
· 最新最强开源模型Qwen3本地运行指南!Windows+ollama+chatwise轻松搞定
· 【CLIP系列Paper解读】CLIP: Learning Transferable Visual Models From Natural Language Supervision
· Stable Diffusion快速生图,LCM-Lora、sd_xl turbo寄养和亲生谁好?!
· 零一万物API开放平台出场!通用Chat多模态通通开放,还有200K超长上下文版本
· 拒绝996,想出海赚美元?这7个GPT方案绝对靠谱!
· 大模型微调数据选择和构造技巧
· 深度|红杉重磅发布:2024 AI 50 榜单 (全网最全)
· 阿里通义实验室薄列峰:从兵马俑跳“科目三”到照片唱歌,四大框架让AI生成的人物活起来丨GenAICon 2024
· Prompt屠龙术-大厂prompt工程指南解析提炼
· 还没有上手Stable Diffusion XL 1.0 的同学,看这篇文章就够了
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
写作
AI 爆文写作:如何用GPT写出10万+?这篇五
千
字长文给你答案!
在我看来,回答这个
问
题根本没有迟疑的必要。
提示词
写作
自媒体
如何
通
过AI变现,举个详细的例子?
关于老板们为何会愿意花“高价”(当然,这个高价,只是我们普
通
人看来的高),图中的袁老师给出了他的回答,(我觉得非常正确) 为什么客户会定制指令?
生成式AI
Stable Diffusion
Stable Diffusion真实人物转卡
通
证件照(2.0版)
一、简介 你想创建自己的卡
通
证件照吗?
Stable
Diffusion
文生图
LLM
从零开始用LangChain、Pinecone和LLMs搭建你自己的文档
问
答系统
通
过将语
义
搜索的能力与GPT等LLM的卓越能力相结合,我们将演示如何构建一种利用尖端人工智能技术的先进文档
问
答系统。
知识库
langchain
揭秘DeepSeek:一个更极致的中国技术理想主
义
故事
梁文锋:创新的成本肯定不低,过去那种拿来主
义
的惯性也和过去的国情有关。
DeepSeek
大模型
PDFTriage:面向长篇结构化文档的
问
答
我们表明,
通
过提供结构以及对该结构发出查询的能力,增强了PDFTriage的模型可以可靠地回答纯检索增强LLM无法回答的几类
问
题。
大语言模型
PDF
文档
LLM
ChatPDF | LLM文档对话 | pdf解析关键
问
题
由于pdf是最
通
用,也是最复杂的文档形式,因此本文主要以pdf为案例介绍 · 如何精确地回答用户关于文档的
问
题
大模型
RAG
RAG从入门到精
通
-RAG简介
工作原理 RAG本质上是
通
过工程化手段,解决LLM知识更新困难的
问
题。
rag
大模型
ComfyUI
SD-WebUI和ComfyUI的局域网访
问
设置
如何
通
过局域网访
问
AI绘画软件?
comfyui
stablediffusion
AI生成卡
通
人物项目|VToonify
虽然基于强大的 StyleGAN 模型构建的一系列成功的肖像图像卡
通
化模型已经被提出,但这些面向图像的方法在应用于视频时存在明显的局限性,如固定帧大小、需要面部对齐、缺失非面部细节和时间不一致性等。
AI生成卡通人物
VToonify
ChatGLM
基于本地知识的
问
答机器人langchain-ChatGLM
但是这些模型学到的知识是滞后的(比如ChatGPT的知识是截止到2021年),并且这些知识是
通
用领域的。
langchain
什么是极限、导数、微分与积分(
通
俗易懂)
我们将用
通
俗易懂的语言,揭开微积分神秘的面纱,让你感受到它的魅力和实用性。
数学
微积分
科学
大模型
通
俗解读大模型微调(Fine Tuning)
本质上,现在的大模型要解决的
问
题,就是一个序列数据转换的
问
题: 输入序列 X = [x1, x2, ..., xm], 输出序列Y = [y1, y2, …, yn],X和Y之间的关系是:Y = WX
大模型
微调
Transformer
ViTPose+:迈向
通
用身体姿态估计的视觉Transformer基础模型
此外,得益于采用了最简单的编码器-解码器设计,ViTPose可以很容易的兼容更大规模的简单视觉transformer模型,并得到性能提升,展示出良好的扩展性;此外,
通
过使用不同的预训练方式
ViTPose+
Transformer
身体姿态
RAG
谈谈RAG存在的一些
问
题和避免方式
现在,我们
问
它:人有几个头?
RAG
大模型
<
1
2
3
4
5
6
7
8
9
10
...
>
1
2
4
5
6
7
8
9
100