人工智能

? 项目效果 由于 ChatGPT 目前只能在漂亮国使用，所以想要在国内使用 ChatGPT 必然险阻重重 不仅时时刻刻要跟企鹅公司斗智斗勇，还要时时刻刻都要跟 openai 公司打游击，真的是很难有一个稳定的版本供大家屡试不爽 在不断的游击战中，我们也是越战越勇，在磨练中，技术越来越完善，体验也 ... »

说时迟那时快，微软第一时间发布开源库Visual ChatGPT，把 ChatGPT 的人工智能AI能力和Stable Diffusion以及ControlNet进行了整合。常常被互联网人挂在嘴边的“赋能”一词，几乎已经变成了笑话，但这回，微软玩了一次真真正正的AI“赋能”，彻底打通了人工智能“闭环 ... »

? 项目效果 随着 AI 技术的发展，你不仅随时可以看到自己的老了之后的样子，还能看到自己童年的样子 随着这部分技术的开源，会有越来越多的应用，当然我觉得前景更好的是用户可以先通过 AI 技术找到自己最美的样子，然后照着这个样子去改变自己，减肥也好锻炼也好，健康餐也好，让自己更加的完美 如何让技术 ... »

本文介绍两个领先的图像分割神经网络模型: Mask2Former 和 OneFormer。相关模型已经在 ? Transformers 提供。? Transformers 是一个开源库，提供了很多便捷的先进模型。在本文中，你也会学到各种图像分割任务的不同之处。 图像分割 图像分割任务旨在鉴别区分 ... »

北国春迟，春寒料峭略带阴霾，但ChatGPT新接口模型gpt-3.5-turbo的更新为我们带来了一丝暖意，使用成本更加亲民，比高端产品ChatGPT Plus更实惠也更方便，毕竟ChatGPT Plus依然是通过网页端来输出，Api接口是以token的数量来计算价格的，0.002刀每1000个to... ... »

? 项目效果 ChatGPT 的出现对于人们的生活和工作都有着重要的影响，作为一个强大的自然语言处理模型，可以理解和生成自然语言，所以 ChatGPT 非常适合作为聊天机器人，回答你的任何问题 在日常生活中想要更加方便的使用 ChatGPT，当然是将其设置成微信聊天机器人和QQ聊天机器人，随时随地 ... »

介绍 基于语言、视觉和语音的 Transformer 模型越来越大，以支持终端用户复杂的多模态用例。增加模型大小直接影响训练这些模型所需的资源，并随着模型大小的增加而扩展它们。Hugging Face 和微软的 ONNX Runtime 团队正在一起努力，在微调大型语言、语音和视觉模型方面取得进步。 ... »

世间无限丹青手，遇上AI画不成。最近一段时间，可能所有人类画师都得发出一句“既生瑜，何生亮”的感叹，因为AI 绘画通用算法Stable Diffusion已然超神，无需美术基础，也不用经年累月的刻苦练习，只需要一台电脑，人人都可以是丹青圣手。 本次我们全平台构建基于Stable-Diffusion算 ... »

动机 基于 Transformers 架构的大型语言模型 (LLM)，如 GPT、T5 和 BERT，已经在各种自然语言处理 (NLP) 任务中取得了最先进的结果。此外，还开始涉足其他领域，例如计算机视觉 (CV) (VIT、Stable Diffusion、LayoutLM) 和音频 (Whisp ... »

? 项目效果 飞浆是一个由百度推出的深度学习开发平台，为开发者提供了高效、易用、灵活和全面的深度学习开发工具和服务。 PaddleGAN是飞浆在图像生成和处理领域的一个代表性项目，通过深度学习的技术和飞浆的支持，PaddleGAN可以实现多种惊人的图像处理效果，例如图像转换、人脸编辑、动态效果生成 ... »

人工智能太疯狂，传统劳动力和内容创作平台被AI枪毙，弃尸尘埃。并非空穴来风，也不是危言耸听，人工智能AI图像增强框架ControlNet正在疯狂地改写绘画艺术的发展进程，你问我绘画行业未来的样子？我只好指着ControlNet的方向。本次我们在M1/M2芯片的Mac系统下，体验人工智能登峰造极的绘画... ... »

hi，我是熵减，见字如面。 昨天我们用ChatGPT来设计一个账号系统，并尝试输出：模型表，类关系图，序列图，状态图等常用的架构设计中常用的元素。 今天，我们继续向更高层级延伸一下，看ChatGPT能不能更进一步释放工程师的生产力，创造更多的可能性。 所以，这次我们就来尝试用ChatGPT，来构建账 »

啥是对话式AI技术？chatgpt到底能干啥？除了chatgpt，还有哪些对话系统？从好玩到好用，我在京东做研发带你走进Chatgpt。 ... »

#机器学习 简单的说，机器学习是一种==让计算机系统从数据中学习并自动改进的算法==。通俗地说，机器学习就是让计算机从数据中“学习”，并使用这些学习成果来做出决策或预测。 学术解释中，==机器学习被定义为一种通过算法让计算机自动学习数据模型和模式，从而实现特定任务的技术。机器学习的主要目标是让计算机 ... »

在《使用 ? Transformers 进行概率时间序列预测》的第一部分里，我们为大家介绍了传统时间序列预测和基于 Transformers 的方法，也一步步准备好了训练所需的数据集并定义了环境、模型、转换和 InstanceSplitter。本篇内容将包含从数据加载器，到前向传播、训练、推理和展望 »

介绍 时间序列预测是一个重要的科学和商业问题，因此最近通过使用基于深度学习 而不是经典方法的模型也涌现出诸多创新。ARIMA 等经典方法与新颖的深度学习方法之间的一个重要区别如下。 概率预测 通常，经典方法针对数据集中的每个时间序列单独拟合。这些通常被称为“单一”或“局部”方法。然而，当处理某些应用 »

引言： 信息时代的高速发展导致数据的大量产生与频繁传输，单单依靠人力很难处理这些数据。依托于人工智能的兴起与发展，数据的利用变得更加高效。表格作为数据的一种重要载体，是人们为了让数据的组织形式更加标准和结构化而使用的一种数据类型。 表格的特点： 信息高度精炼集中，方便信息的检索和比较。表格被广泛用于 ... »

基于 HuggingFace Datasets 和 Transformers 的图像相似性搜索 通过本文，你将学习使用 ? Transformers 构建图像相似性搜索系统。找出查询图像和潜在候选图像之间的相似性是信息检索系统的一个重要用例，例如反向图像搜索 (即找出查询图像的原图)。此类系统试图 ... »

概述 本教程假定你已经对于 PyToch 训练一个简单模型有一定的基础理解。本教程将展示使用 3 种封装层级不同的方法调用 DDP (DistributedDataParallel) 进程，在多个 GPU 上训练同一个模型： 使用 pytorch.distributed 模块的原生 PyTorch ... »

欢迎使用 AI 进行游戏开发！ 在本系列中，我们将使用 AI 工具在 5 天内创建一个功能完备的农场游戏。到本系列结束时，您将了解到如何将多种 AI 工具整合到游戏开发流程中。本系列文章将向您展示如何将 AI 工具用于: 美术风格 游戏设计 3D 素材 2D 素材 剧情 注意： 本教程面向熟悉 Un ... »