LLM代理应用实战：构建Plotly数据可视化代理
我们构建一个数据可视化的代理，通过代理我们只需提供很少的信息就能够让LLM生成我们定制化的图表。
【人工智能】Transformers之Pipeline（概述）：30w+大模型极简应用
本文为transformers之pipeline专栏的第0篇，后面会以每个task为一篇，共计讲述28+个tasks的用法，通过28个tasks的pipeline使用学习，可以掌握语音、计算机视觉、自然语言处理、多模态乃至强化学习等30w+个huggingface上的开源大模型。让你成为大模型领域的
为企业知识库选模型？全球AI大模型知识库RAG场景基准测试排名
此次基准测试的结果清晰地展示了Claude 3模型在当前语言模型领域中的领先地位。无论是在准确率还是在性能成本的平衡方面，Claude 3模型都表现出色。对于需要高精度和高可靠性的应用场景，Claude 3无疑是最佳选择。但是企业的模型选择更会考虑到成本的控制，和用户请求的响应时间和体验。在这种场景
AI是在帮助开发者还是取代他们？
开发者在选择使用这些工具时，应根据自己的需求和环境进行权衡。AI工具对开发者日常工作的影响是深远的，它们不仅改变了开发流程，还对开发者的技能要求和工作方式产生了重要影响。AI的集成正在逐步改变软件开发的工作流程，并对开发者的工作模式和工具使用提出了新的要求。通过这些策略，开发者可以在AI时代保持竞争
AI人工智能深度学习算法：卷积神经网络的原理与应用
1. 背景介绍卷积神经网络（Convolutional Neural Network，简称 CNN）是一种深度学习算法，它在图像识别、语音识别、自然语言处理等领域取得了巨大的成功。卷积神经网络的核心思想是利用卷积操作和池化操作对输入数据进行特征提取和分类，从而实现对图像、语音等数据的识别和分类。本文
【大模型应用开发 动手做AI Agent】计划与执行
随着大模型和AI Agent技术的不断发展，未来的智能系统将更加智能和自主。大模型的能力将进一步提升，AI Agent的应用场景将更加广泛。我们可以期待在医疗、金融、教育等领域看到更多的智能应用。
OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测（代码+数据集！）
YOLOv8一个令人惊叹的物体检测人工智能模型。与 YOLOv5 及之前的版本不同，您不需要克隆存储库、设置需求或手动配置模型。使用 YOLOv8，您只需安装 Ultralytics，我将向您展示如何使用一个简单的命令。YOLOv8 通过引入新的功能和改进，增强了早期 YOLO 版本的成功，从而提高
AI集成工具平台一站式体验，零门槛使用国内外主流大模型
几十种AI大模型，欢迎体验
如何利用AI大模型设计电机本体？
AI在电机本体设计中的应用正逐渐成为提升设计效率、优化性能和降低成本的重要手段。通过深度学习、机器学习、计算机辅助设计（CAD）和仿真技术的结合，AI能够帮助工程师更快速准确地完成电机的设计与优化工作。以下是AI在电机本体设计中的一些关键应用方向：1. **参数优化**：AI可以分析大量历史数据和模
LLM推理引擎怎么选？TensorRT vs vLLM vs LMDeploy vs MLC-LLM
有很多个框架和包可以优化LLM推理和服务，所以在本文中我将整理一些常用的推理引擎并进行比较。
强得离谱，AI音乐的 Stable Diffusion: MusicGen
节前，我们星球组织了一场算法岗技术&面试讨论会，邀请了一些互联网大厂朋友、参加社招和校招面试的同学。针对算法岗技术趋势、大模型落地项目经验分享、新手如何入门算法岗、该如何准备、面试常考点分享等热门话题进行了深入的讨论。Meta 推出了一个基于深度学习的AI音频处理库 AudioCraft，其中包含了
【大模型应用开发 动手做AI Agent】基于大模型的Agent技术框架
随着人工智能技术的快速发展，特别是自然语言处理和大模型技术的突破，基于大模型的Agent（代理）技术正在成为人工智能应用的新热点。Agent技术旨在创建能够自主执行任务、与人交互的智能软件系统，在客户服务、个人助理、智能教育等领域具有广阔的应用前景。本文将深入探讨基于大模型的Agent技术框架，阐述
毕业设计：基于深度学习的图像去噪算法 人工智能
毕业设计：基于深度学习的图像去噪算法通过深度学习模型的训练和优化，能够准确还原图像的真实信息，并有效去除图像中的噪声。本研究为计算机毕业设计提供了一个创新的方向，结合了深度学习和计算机视觉技术，为毕业生提供了一个有意义的研究课题。对于计算机专业、软件工程专业、人工智能专业、大数据专业的毕业生而言，提
AI：175-使用Python进行深度学习模型的训练和部署
我们将使用MNIST数据集，这是一个手写数字识别的标准数据集。它包含60,000个训练样本和10,000个测试样本，每个样本是28x28像素的灰度图像。本文详细介绍了如何使用Python进行深度学习模型的训练和部署。通过实战案例，我们展示了从数据预处理、模型构建、训练、优化到部署的整个过程。同时，我
PyTorch中的多进程并行处理
这篇文章我们将介绍如何利用torch.multiprocessing模块，在PyTorch中实现高效的多进程处理。
人工智能--循环神经网络
循环神经网络是一类具有反馈连接的神经网络，能够处理任意长度的序列数据，通过在隐藏层中引入循环连接，使得网络能够记住过去的信息，并将其用于当前的计算。
2024年6月后2周重要的大语言模型论文总结：LLM进展、微调、推理和对齐
本文总结了2024年6月后两周发表的一些最重要的大语言模型论文。这些论文涵盖了塑造下一代语言模型的各种主题，从模型优化和缩放到推理、基准测试和增强性能。
stable diffusion无限贴近真人的调教方法，助力AI变现（下）
做漫画效果时，看用户想要哪种效果：1、完全根据原图画面来出，则直接使用 linear 线稿进行控制即可，现在大部分产品的人转漫画，就是这个方式。2、想用一张真人图参考，最大还原发型，随意变换姿势，可使用 controlnet 的 IP Adapter 模型。但这个方法比较适用于人转漫，如果想出比较写
【AI开发：音频】一、GPT-SoVITS整合工具包的部署问题解决（GPU版）
目前GPT-SoVITS的合成效果比较不错，相比较其他厂商的产品要规整的多。众多厂家中也是国内使用最多的一款了，并且这个整合包里携带了，除背景音、切割、训练、微调、合成、低成本合成等一些列完整的工具，也可以作为API进行使用。本文中，使用GPT-SoVITS-beta0306fix2说了下在部署过程
RouteLLM：高效LLM路由框架，可以动态选择优化成本与响应质量的平衡
该论文提出了一个新的框架，用于在强模型和弱模型之间进行查询路由选择。通过学习用户偏好数据，预测强模型获胜的概率，并根据成本阈值来决定使用哪种模型处理查询 。该研究主要应用于大规模语言模型（LLMs）的实际部署中，通过智能路由在保证响应质量的前提下显著降低成本。
