AI大模型知识点大梳理
AI大模型是指具有巨大参数量的深度学习模型，通常包含数十亿甚至数万亿个参数。这些模型可以通过学习大量的数据来提高预测能力，从而在自然语言处理、计算机视觉、自主驾驶等领域取得重要突破。AI大模型的定义具体可以根据参数规模来分类
AI自动写代码：GitHub copilot插件在Idea的安装和使用教程
GitHub Copilot 是微软与OpenAI共同推出的一款AI编程工具，基于GitHub及其他网站的源代码，根据上文提示为程序员自动编写下文代码，可以极大地提高编写代码的效率。先看看ChatGpt是怎么回答Copilot的功能特点：Copilot使用的是OpenAI烧了数千万美元研发出来的GP
使用Llama.cpp在CPU上快速的运行LLM
大型语言模型(llm)正变得越来越流行，但是它需要很多的资源，尤其时GPU。在这篇文章中，我们将介绍如何使用Python中的llama.cpp库在高性能的cpu上运行llm。
基于深度学习的CSI反馈（CsiNet）
最近在学习有关CSI反馈相关知识，整理了这一篇将深度学习引入CSI反馈的高引用论文，如果有理解不正确的地方，敬请回复。
Bark(Suno AI) 搭建及使用
Bark 是由Suno AI创建的基于转换器的文本到音频模型。Bark 可以生成高度逼真的多语言语音以及其他音频 - 包括音乐、背景噪音和简单的音效。该模型还可以产生非语言交流，如大笑、叹息和哭泣。 Bark 目前支持 13 种语言，包括英语、德语、西班牙语、法语、日语和印地语。Suno AI 表示
哈工大2022秋自然语言处理NLP期末考试回忆版试题
哈工大2022秋自然语言处理NLP期末考试回忆版试题
深入理解机器学习——数据预处理：归一化 （Normalization）与标准化 （Standardization）
归一化 （Normalization）和标准化 （Standardization）都是特征缩放的方法。特征缩放是机器学习预处理数据中最重要的步骤之一，可以加快梯度下降，也可以消除不同量纲之间的差异并提升模型精度。而标准化（Standardization）是在不改变原始的数据分布的情况下，将数据的分布
GPT-3.5(ChatGPT)训练和部署成本估算
GPT-3.5(ChatGPT)训练和部署成本估算
YOLOv5 使用tensorboard查看可视化训练结果
tensorboard
什么是人工智能大模型？
人工智能模型的分类：人工智能模型可以分为浅层模型和深度学习模型两大类。大模型属于深度学习模型，具有多层结构和大量的参数。大模型的特征：人工智能大模型通常拥有数亿至数百亿的参数量，相比于传统的小模型具有更强的表达和学习能力。大模型的优势：大模型能够处理复杂的任务和大规模的数据集，在自然语言理解、图像分
微软宣布 AI 聊天机器人必应聊天已向所有人开放，使用方法说明
微软宣布 AI 聊天机器人必应聊天已向所有人开放，使用方法说明
pandas中的.update()方法
在Pandas中，`update()`方法用于将一个DataFrame或Series对象中的值更新为另一个DataFrame或Series对象中的对应值。这个方法可以用来在原地更新数据，而不需要创建一个新的对象。
你需要了解的6大AI音频生成工具
深入了解风靡整个行业的前 6 名 AI 音频生成工具。从语音合成器到音乐作曲家，发现这些工具令人印象深刻的功能，并通过音频制作的未来释放您的创造力。在这篇综合博客文章中了解更多信息。
基于ROS的SLAM建图、自动导航、避障（冰达机器人）
基于ROS的SLAM建图、自动导航、避障（冰达机器人）小车可以运行ros中激光雷达功能包，在PC端的rviz中可以查看；在启动底盘、键盘控制后可以控制小车移动；根据SLAM算法对实验室的环境进行建图；可以保存、读取地图，在PC端控制小车从A点到B点实现路径规划并自动避障。...
【Transformer开山之作】Attention is all you need原文解读
Attention Is All You NeedTransformer原文解读与细节复现在Transformer出现以前，深度学习的基础主流模型可分为卷积神经网络CNN、循环神经网络RNN、图对抗神经网络GAN。而Transformer的横空出世，吸引了越来越多的研究者的关注：Transforme
Adobe推出了PS新功能Generative Fill（创成式填充）；生成式 AI 将改变电脑架构；
提出帮助企业和政府治理生成式AI的建议，包括实施政府主导的AI安全框架、控制关键基础设施的AI系统应部署安全“刹车”、Adobe推出了PS新功能Generative Fill（创成式填充），利用生成式AI来增删图像中的任何一处细节。用户只需上传照片、输入提示词，就能轻松地完成各种PS操作，甚至AI还
Python数据分析-数据挖掘（准备数据——数据建模——模型评估——模型应用）
准备数据——数据建模——模型评估——模型应用
[AI]算法小抄-你不知道的LangChain原理
如果在LangChain原始工程中搜索promt.py，你会发现有非常多的相关文件。这是因为对于LangChain底层不同的功能，都是需要依赖不同的prmpt进行控制，虽然简单粗暴好理解，但是也不是没有副作用的，以下总结这种框架共有优缺点，这个优缺点同样适用于ChatGPT Plugin和LlmaI
本地化GPT：LangChain + ChatGLM == 知识本地库
由于语言模型的输出是通过自回归+采样[可选]完成的，在高精度场景下，即使是超大语言模型，发生错误概率也是指数级的。”，直接调用的返回可以看出，模型在训练阶段使用Chain of Thought，模型输出了任务的正确步骤，但是由于模型无法真正运行计算逻辑，输出了错误的结果。大模型在推理阶段，参数是固定
让我看看，还有谁分不清楚GPT和Chat GTP
GPT（Generative Pre-trained Transformer）是由OpenAI推出的一种基于Transformer的自然语言处理模型，它是在大规模的无监督语言预训练下，使用有监督微调的方式来完成各种自然语言处理任务的。与此不同的是，Chat GPT是专门设计用于聊天和对话任务的模型。
