开源模型应用落地-工具使用篇-向量数据库(三)

引入向量数据库,为AI服务赋能

SSH?Termius?一篇文章教你使用远程服务器训练!

随着ai模型的发展,gpu算力和显存需求越来越高,本文教学如何使用远程云服务器训练自己模型,也可以部署模型。

人工智能、机器学习、深度学习的关系、智能分类的执行流程、IK分词器的使用

人工智能与机器学习人工智能与机器学习谈谈人工智能人工智能),英文缩写为AI。它是研究开发用于模拟延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语

人工智能的深度学习如何入门

其中,Python是最受欢迎的编程语言之一,在深度学习领域有着广泛的应用和丰富的库支持。在实践过程中,遇到的问题和挑战可以促使自己学习更多的知识,并提高自己的解决问题的能力。要保持对最新的研究成果和技术动态的了解,并不断学习和掌握新的知识和技能。首先,了解深度学习的基本概念是入门的第一步。在深度学习

什么是上游任务、下游任务?

下游任务:真正想要解决的任务。如果你想训练一个网络无论是生成任务还是检测任务,你可能会使用一些公开的数据集进行训练,例如coco,imagenet之类的公共数据集进行训练,而这些数据集可能不会很好完成你真正想完成的内容,这就意味着在解决的实际问题的数据集上,要微调这个预训练模型,而这个任务称为下游任

Nomic Embed:能够复现的SOTA开源嵌入模型

Nomic-embed-text是2月份刚发布的,并且是一个完全开源的英文文本嵌入模型,上下文长度为8192.该模型有137M个参数在现在可以算是非常小的模型了。

AI大模型在金融科技领域的应用与创新

1.背景介绍随着人工智能技术的不断发展,人工智能大模型在各个领域的应用也越来越广泛。金融科技领域也不例外。在这篇文章中,我们将探讨 AI 大模型在金融科技领域的应用与创新。金融科技领域的发展主要集中在金融服务、金融风险管理、金融市场和金融产品等方面。随着数据规模的增加,计算能力的提升以及算法的创新,

开源模型应用落地-安全合规篇(一)

通过对用户输入的内容进行合法性检测,确保项目安全合规。

【探索AI】十八 深度学习之第3周:卷积神经网络(CNN)(二)-常见的卷积层、池化层与全连接层

全连接层(Fully Connected Layer)是卷积神经网络(CNN)中的一个关键组件,它通常位于网络的末端,负责将前面层提取的特征整合并映射到最终的输出结果上。全连接层的作用是将前面层(如卷积层和池化层)提取的特征进行加权求和,并通过激活函数得到最终的输出结果。

sora参考文献整理及AI论文工作流完善(更新中)

OpenAI最新发布的Sora效果惊为天人,除了阅读研究原文(openai.com/research/video-generation-models-as-world-simulators)之外,其引用的32篇参考文献也是了解对应技术路线的重要信息。借此机会,也顺便探索一下整个AI论文的工作应该是什

AI引爆算力需求,思腾推出支持大规模深度学习训练的高性能AI服务器

可见AIGC技术对社会的变革性影响,同时也引爆了AI行业对训练和推理的大模型需求。英伟达是行业翘楚,而A800又是英伟达的明星产品,其算力更是行业望其项背的存在,思腾合力IW4221-8GRs这款产品,任意两个 GPU 之间可以直接进行数据 P2P 交互,GPU 间 P2P 通信速率为 400GB/

深度学习之目标检测R-CNN模型算法流程详解说明(超详细理论篇)

RCNN算法分为4个步骤:获取候选区域:对于一张输入的图像,首先使用selective search算法获取2000个左右的候选区域。获取图像特征:将图像输入到卷积神经网络中获取图像特征,这一部分可以采用常用的图像卷积神经网络如VGGNet,AlexNet等。获取区域类别:在初步获得目标的位置之后,

优化改进YOLOv5算法之Wise-IOU损失函数

边界框回归(BBR)的损失函数对于目标检测至关重要。它的良好定义将为模型带来显著的性能改进。大多数现有的工作假设训练数据中的样本是高质量的,并侧重于增强BBR损失的拟合能力。如果盲目地加强低质量样本的BBR,这将危及本地化性能。Focal EIoU v1被提出来解决这个问题,但由于其静态聚焦机制(F

使用Tokeniser估算GPT和LLM服务的查询成本

Tokeniser包可以有效地计算文本输入中的令牌来估算这些成本。本文将介绍如何使用Tokeniser有效地预测和管理费用。

李宏毅2023机器学习作业1--homework1——模型创建

方便更新超参数,对模型进行参数调整。

如何检测AI辅写的疑似度:深入探讨perplexity与burstiness

为了最大化词汇所选择的perplexity,我们需要在训练AI模型时注重语言特性的学习和模仿,同时结合人类创作者的智慧,提高AI生成内容的自然度和可读性。为了最大化词汇所选择的burstiness,我们需要在AI模型中引入更多的随机性和创造性,使其生成的内容既符合语言规则,又具有独特的表达方式和创意

AI大预言模型——ChatGPT在地学、GIS、气象、农业、生态、环境等应用

AI大预言模型——ChatGPT在地学、GIS、气象、农业、生态、环境等应用

开源模型应用落地-工具使用篇-Spring AI(七)

Spring AI调用OpenAI及Ollama系列模型,良心之作,全网唯一,绝非搬运,希望能给您带来一些些帮助!

StarCoder 2:GitHub Copilot本地开源LLM替代方案

在本文中,我们将介绍StarCoder2的一些基本信息,然后建立一个本地环境,搭建StarCoder2-15B模型并用Python, JavaScript, SQL, c++和Java测试其编码能力。

登录可以使用的更多功能哦! 登录
作者榜
...
资讯小助手

资讯同步

...
内容小助手

文章同步

...
Deephub

公众号:deephub-imba

...
奕凯

公众号:奕凯的技术栈