关于AIGC人工智能、思维方式、知识拓展,能力提升等。投稿/合作: @inside1024_bot
AIGC 领域的最新工具、开源项目以及行业大事件
斯坦福的课件,清晰地讲解 Prompting, Instruction Finetuning, and RLHF
讲的是非常好。
看完大概一小时。 https://web.stanford.edu/class/cs224n/slides/cs224n-2023-lecture11-prompting-rlhf.pdf?continueFlag=3a2d0ebeb780301d86fd8485c9416eed
一兆韦德又整出个one T店,说我的全国通用卡得花钱升级才能去…太蠢了
Markdown 用久了之后发现,根本就没那么简单,而且还会随着你想要的功能变多,变得越来越难。。 https://forum-zh.obsidian.md/t/topic/435
New Bing 不愧是魔法科研工具。。
给一篇文章问问,直接找到了相关论文来回我。。
怎么感觉不太聪明…
上周搭了一起用AI的导航站(https://17yongai.com)
这周搞了一下爬虫,同步了知乎和微信公众号的内容来学习。
周六一天把Midjourney和Stable Diffusion的新手教程全部整理了一遍,期望能帮到更多人零门槛接触AI绘画。
另外把civitAI的模型按下载了量排序挨个看了遍,挑选出了一些比较实用的模型,把陌生的英文名转化成了一个又一个具有实际落地效果的文字描述,初学者应该不会再对陌生的模型丈二和尚摸不到头了😄
求分享优质的chatGPT训练教程,英文优先,下面这个也可以,不知道下面这个出自哪里
Artifact 虽然本质是美国版的今日头条,但是由于新闻源质量很高,居然很 work …
最近的干货文章很多…没空看…愁…
谁能想到呢,维基百科的终极宿命就是训练AI
鼠须管的朙月拼音方案使用一段时间之后,最终还是受不了繁体转简体的生僻字和奇怪的词频,今天放弃了。
换了另一个纯简体方案的雾凇拼音,换了mac原生皮肤。
初步感觉好多了。
输入法强迫症太难了。 https://github.com/iDvel/rime-icehttps://github.com/NavisLab/rime-pifu
RT 自力hzlzh
订阅了 AI 画图的服务 http://midjourney.com
是的,一切都被简化了,道生一

Aether xpush.eth: LUI (Language User Interface)的核心,是 Dynamic UI 。和 GUI不同,GUI 需要很多产品经理、设计师、工程师经年累月地研发和优化;而 LUI 允许普通人用日常语言,根据场景实时构建操作接口,无需这些成本,就可以达成千变万化的交互能力。
能把好东西做出来还是很开心的,辛苦点就辛苦点。
Azure AI 入门 (三)摩尔定律,GPU与并行计算

摩尔定律(图一)是英特尔Intel创始人之一戈登·摩尔的经验之谈,其核心内容为:集成电路IC相同面积上可以容纳的晶体管Transistor数目在18个月到24个月便会增加一倍,因此处理器的性能大约每两年翻一倍,同时价格下降为之前的一半。
虽然名为“定律”,但其只是根据20世纪中后期的发展趋势归纳而成。进入21世纪以后,以英特尔为代表的中央处理器CPU的发展趋势渐渐慢于摩尔的预测的。仅依靠单颗处理器的速度提升已无法满足日渐复杂的计算任务,比如3维图形的渲染(3D rendering)。
因此,英伟达Nvidia在1999年提出了硬件图形处理器(Graphics Processing Unit)的概念,以大量的只能完成某些特殊任务的微处理器,代替少量的通用处理器。软件方面,并行计算也从专业科学领域逐渐向大众领域流行。用一个可能不是最恰当的比方,CPU像是由4位特级厨师组成的小组,可以完成任何烹饪任务,而GPU像是用同样工资请来的128位三明治店的员工。GPU不能做很多事,像完成一些特定的菜,但如果任务是制作2000人份的三明治,GPU一定可以依靠并行计算比CPU完成得快许多。
GPU与并行计算的普及,也使得云计算成为了可能。计算机科学家在设计计算任务时通常会首先考虑能否将大任务拆分成能同时进行的更小任务,从而可以同时运行在服务商提供的大量数目的CPU和GPU上。
图二 英伟达创始人黄仁勋 Jensen Huang
Back to Top