使用 CPU 本地安装部署运行 ChatGLM-6B 获得自己的专属 AI 宠物
ChatGLM-6B 是一个清华开源的、支持中英双语的对话语言模型，基于GLM架构，具有62亿参数。结合模型量化技术，ChatGLM-6B可以本地安装部署运行在消费级的显卡上做模型的推理和训练（全量仅需14GB显存，INT4 量化级别下最低只需 6GB 显存）虽然智商比不过 openAI 的 Cha
【AI实战】llama.cpp 量化部署 llama-33B
llama.cpp 量化部署 llama-33B
【人工智能的数学基础】局部敏感哈希(Locality Sensitive Hashing)
RcRP1P2在机器学习领域，经常会面临：比如给定一个特征向量，。如果是在低维度的小数据集中，可以使用线性查找（，如）的方法；但是在高维度大数据集中，线性查找的效率很低，显然是不可行的。如何从高维度大数据集中找到与某个向量最相似的一个或多个向量，是检索任务中的一个难点。在这种高维度大数据集中的检索，
【AI工具】-Stable Diffusion本地化部署教程
今天我们要介绍的是时下最流行的AI绘图软件Stable Diffusion，虽然Diffusion.ai已经开放api，但是长时间的商业化调用我们需要购买很多的金币。所以我们需要找一个平替的AI绘图平台，现在主流市场中AI绘图软件主要就是OpenAI的DALLE、midjourney以及今天要学习的
3款最强的AI视频生成器，支持文生视频、图生视频
当我们深入人工智能世界及其对视频创作的变革性影响时，发现人工智能视频生成器的强大功能。人工智能视频生成器正在彻底改变我们创建内容的方式，让我们比以往更轻松地以最少的努力制作高质量的视频。无论您是内容创作者、营销人员，还是只是一名人工智能爱好者，了解这些工具的工作原理都可以为您的视频制作需求打开一个充
人工智能安全的数据治理和数据分析
作者：禅与计算机程序设计艺术 1.简介1.1 研究背景及意义随着人工智能的普及和应用，越来越多的个人和组织使用基于机器学习、深度学习等技术进行各种各样的业务决策、工作指导和服务推荐。然而，随之而来的安全问题也逐渐显现出来，尤其是在对模型训练、模型部署
人工智能隐私保护中的跨隐私数据保护与跨隐私数据治理策略
作者：禅与计算机程序设计艺术 《人工智能隐私保护中的跨隐私数据保护与跨隐私数据治理策略》引言1.1. 背景介绍随着人工智能技术的快速发展，各种应用场景及业务需求不断涌现，个人隐私保护
阿里推出的6个免费的 AI 神器是想让我失业吧
阿里推出了6个打工人反卷 AI 神器，这6个新的AI工具网站，太强大了
如何使用 ChatGPT 来快速编写产品需求文档（PRD）
ChatGPT 即了解具体的编程知识，也了解编程之前的需求设计过程。因此产品经理也可以使用 ChatGPT 来快速编写PRD(产品需求文档, production requirement documentation)。
【中科院】新一代人工智能大模型——紫东太初2.0 发布 —— 六月起AI大模型产品和应用迎来了集中发布
人工智能大模型是一个庞大复杂的网络系统，类似于人的大脑，其中的节点和数据量越多，处理能力也越强大，通常这种大模型节点数都在百亿以上。作为我国首个存储千亿参数的图文音三模态大模型，第一代紫东太初人工智能大模型在2021年问世时实现了无标识的图像、文字、语音的识别能力，这次发布的新一代大模型则升级融入了
大模型的下一站是通用人工智能（AGI）吗？
与2021年发布的以“纯炼大模型”为目标的1.0和2.0版本不同，用智源研究院院长黄铁军的话来说，“悟道 3.0”是“以大模型为核心的生态”，其中包括底层数据处理和汇聚、模型能力和算法评测、开源开放，形成一套高效的大模型技术和算法体系。而后，他给出了有关解决方案的构想：“像婴儿一样观察世界”。这一模
jupyter notebook跳转不了浏览器和jupyter运行跳下一行无反应的解决方法
进入jupyter notebook 之后如果不能正常运行且出现以下情况，通过以下方法可以得到解决。
论文中常用的注意力模块合集(上)
在深度卷积神经网络中，通过构建一系列的卷积层、非线性层和下采样层使得网络能够从全局感受野上提取图像特征来描述图像，但归根结底只是建模了图像的空间特征信息而没有建模通道之间的特征信息，整个特征图的各区域均被平等对待。在一些复杂度较高的背景中，容易造成模型的性能不佳，因此可以引入注意力机制，而注意力机制
小波神经网络的时间序列预测模型
波变换主要通过伸缩和平移实现多尺度细化，突出所要处理的问题细节，有效提取局部信息。小波变换不仅可以知道信号的频率成分，还能知道各频率成分出现的时刻。将傅里叶变换中无限长的三角函数基换成了有限长的会衰减的小波基。
Python中进行特征重要性分析的9个常用方法
特征重要性分析用于了解每个特征(变量或输入)对于做出预测的有用性或价值。目标是确定对模型输出影响最大的最重要的特征，它是机器学习中经常使用的一种方法。
【赠书活动｜第六期《强化学习：原理与Python实战》】
《强化学习：原理与Python实战》理论完备，涵盖强化学习主干理论和常见算法，带你参透ChatGPT技术要点；实战性强，每章都有编程案例，深度强化学习算法提供TenorFlow和PyTorch对照实现；配套丰富，逐章提供知识点总结，章后习题形式丰富多样。还有Gym源码解读、开发环境搭建指南、习题答案
【AI绘图学习笔记】Latent Diffusion Model（上）——论文解读
我们来看一些主要的生成模型：第一个GAN生成对抗网络，可以分为判别器和生成器两个部分，总体思想就是：我们先对判别器进行训练，让其判断给出的inputxxx是否为生成器所生成的（二分类问题判断real or fake），在一段时间的训练后，判别器的准确度会达到很高的水准。接下来我们再训练生成器使其骗过
2023 Google 开发者大会 – AI 领域的技术更新
Google 开发者大会是 Google 面向开发者和科技爱好者展示最新产品和平台的年度盛会。2023 Google 开发者大会 (Google I/O Connect | China) 为开发者提供丰富的学习资源，实践操作和现场演示，提供与谷歌专家互动、与其他开发者交流的契机，助力开发提效，释放团
【开放视觉】AI人像特效之「更快、更高、更强的互娱换脸解决方案」
换脸技术旨在将图像或者视频中的人脸替换成目标人脸，使生成的图像与目标人脸相似，且具有图像或视频中人脸的外貌特征。作为近几年计算机视觉和图形学领域较热门的应用之一，已被广泛用于互动娱乐，肖像替换，广告宣发，电影后期等场景中。本工作面向互动娱乐场景，扎根于学术前沿，聚焦于行业落地，提出了一个脸型自适应的
浣熊优化算法(COA)(含MATLAB代码)
浣熊优化算法(Coati Optimization Algorithm, COA)模拟了自然界中长鼻浣熊的两种自然行为：(1)攻击和捕猎鬣蜥时的行为；(2)逃离捕食者者时的行为。作者从勘探和开发两个阶段描述了COA的实现步骤，并对其进行了数学建模。COA的结果与11种著名的元启发式算法的结果进行了比
