丹摩征文活动 | SD3+ComfyUI模型图文部署：AI工程师的实践与探索
在丹摩智算平台上部署SD3+ComfyUI图文模型的过程中，我感受到了极高的效率和便捷性，尤其是在处理图文生成任务时表现尤为出色。作为一名AI工程师，我对平台的计算能力和操作简便性有着严格的要求，而丹摩智算正好满足了这些需求。丹摩智算平台的界面用户友好，功能布局合理，使得整个部署过程非常直观。即使是
手搓人工智能—聚类分析（下）谱系聚类与K-mean聚类
所谓聚类分析就是根据某种原则，将样本或数据集划为若干个“有意义“的子集，称为——无监督学习
AI大模型与4大策略，打造智能客服机器人问题解决新高度
在数字化浪潮中，智能客服机器人正重塑企业与客户间的互动模式。然而，衡量智能客服机器人的价值并非易事。我们先看影响智能客服机器人运营成本的几个关键指标：处理率、解决率、费力度。其中费力度，则是指衡量用户解决问题所需付出的努力，而解决率指的是在自动化流程中，智能客服机器人独立完成任务的能力，可见处理率虽
学习率了解一
微调预训练模型：当使用已经预训练好的模型（如在特定任务上微调BERT）时，通常使用非常小的学习率（例如5e-5或更小），这是因为预训练模型已经非常接近优化目标，我们只需要做一些轻微的调整。细致调整：当你发现模型的性能开始稳定，但还需要进一步优化时，可以减小学习率（例如0.001或0.0001），帮助
【AI知识点】余弦相似度（Cosine Similarity）
余弦相似度（Cosine Similarity）是一种用于衡量两个向量在方向上的相似程度的指标。它主要用于文本分析、自然语言处理（NLP）、推荐系统等任务中，能够衡量两个向量之间的相似性，而不受向量的长度（模）影响。
智体AI在多模态交互领域的综述（上）
24年1月论文“Agent AI: surveying the horizons of multimodal interaction“，来自斯坦福、微软、UCLA和华盛顿大学。
【AI知识点】近似最近邻搜索（ANN, Approximate Nearest Neighbor Search）
近似最近邻搜索（ANN） 是一种为了提升高维数据相似性搜索效率的技术，它在牺牲一定精度的前提下，大大提升了搜索速度。它被广泛应用于推荐系统、图像检索、文本相似性搜索等实际场景。常见的ANN算法包括局部敏感哈希（LSH）、图嵌入法（如HNSW）、矢量量化（VQ）等，它们通过不同的方式优化搜索过程，解决
给机器装上“脑子”—— 一文带你玩转机器学习
机器学习是一门研究算法和统计模型的学科，其目标是让计算机系统从数据中提取规律或“经验”，以提高完成特定任务的效率。机器学习的核心在于“自动化的学习过程”，与传统编程不同：传统编程要求开发者明确指令，而机器学习系统则依靠数据驱动，通过算法“自我学习”来做出预测、分类或决策。
带你迅速了解什么是人工智能
1950-1970 符号主义流派：专家系统占主导地位1950：图灵设计国际象棋程序1962：IBM Arthur Samuel 的跳棋程序战胜人类高手（人工智能第一次浪潮）1980-2000统计主义流派：主要用统计模型解决问题1993：Vapnik提出SVM1997：IBM 深蓝战胜卡斯帕罗夫（人工
【机器学习监督学习】：从原理到实践，探索算法奥秘，揭示数据标注、模型训练与预测的全过程，助力人工智能技术应用与发展
本文详细介绍了五种经典的监督学习算法：线性回归、逻辑回归、支持向量机、决策树和随机森林。线性回归适用于回归问题，模型简单且易于解释。逻辑回归适用于二分类问题，模型简单且易于解释。支持向量机在处理高维数据和非线性可分问题时表现出色。决策树易于理解和解释，但容易过拟合。随机森林通过集成多个决策树，提高了
【AI知识点】内部协变量偏移（Internal Covariate Shift）
内部协变量偏移（Internal Covariate Shift） 是深度学习中的一个概念，它描述了在神经网络训练过程中，每一层的输入分布随着训练过程的变化而变化的现象。这种现象会增加训练的难度，导致网络收敛变慢，甚至可能影响模型的最终性能。
告别Print，使用IceCream进行高效的Python调试
本文将介绍**IceCream**库，这个专门用于调试的工具显著提升了调试效率，使整个过程更加系统化和规范化。
机器学习“捷径”：自动特征工程全面解析
在机器学习项目中，特征工程是影响模型性能的关键步骤。它通过从原始数据中提取出更有用的特征，帮助模型更好地捕捉数据中的模式。然而，传统的特征工程过程往往需要大量的领域知识和实验调整，是一项耗时费力的工作。近年来，自动特征工程（Automated Feature Engineering）技术的兴起，为这
AI基础知识
必会知识
Labelme AI 自动标注版使用说明【附下载链接】
Labelme 是一个开源的图像标注工具，主要用于机器学习和计算机视觉领域的数据集创建。能够帮助用户快速、方便地对图像进行标注，以便为训练模型提供高质量的数据。支持 jpg，jpeg，png，tif，tiff 图像格式，对图像进行多边形矩形、圆形、多段线、线段、点形式的标注，实现AI辅助标注，与手动
AI大模型如何赋能电商行业，引领变革？
AI大模型如何赋能电商行业，引领变革？
OMG-Seg：一个模型搞定所有分割任务的终极解决方案，大幅提升AI自动标注效率！
它采用了一种编码器-解码器架构，并使用任务特定的查询和输出来实现各种分割任务，显著简化了分割任务的部署。分割任务通常要求对图像或视频中的每个像素进行分类，传统上使用单独的模型来处理不同的分割任务，例如语义分割、实例分割、全景分割等。通过一个模型架构的多任务处理，OMG-Seg 展示了其在实际应用中的
LLM：模型微调经验
样本数量一般1万左右的高质量样本即可达到良好效果。对于简单任务，100-300条数据足够；中等难度任务需1000条以上；高难度任务需3000条甚至更多，可能达到10万条。样本质量样本质量优先于数量，高质量样本更有效。需要重点关注样本的多样性和答案质量。继续预训练当领域任务数据与预训练数据集差异较大时
基于AIACC加速器快速实现LLaMA-7B指令微调
是Meta AI在2023年2月发布的开放使用预训练语言模型（Large Language Model， LLM），其参数量包含7B到65B的集合，并仅使用完全公开的数据集进行训练。LLM具有建模大量词语之间联系的能力，但是为了让其强大的建模能力向下游具体任务输出，需要进行指令微调，根据大量不同指令
万余字描述国内外主流车型智能驾驶测试评价体验
车企逐鹿城市 NOA，体验是提高功能渗透率的核心自动驾驶大势所趋，小鹏、蔚来、理想、小米等新势力，长安、赛力斯、江淮、北汽等华为系以及吉利、上汽、长城、广汽等传统车企纷纷入场，竞相推出自家城市 NOA 方案，城市 NOA 正从“0-1”步向“1-10”。提高城市 NOA 渗透率，关键是提高消费者
