-
数据采集流程
数据采集流程，就是数据采集开始时，首先是抽取数据，将数据从网页或业务处理系统中抽取数据，再经过数据清洗进行数据标准化、统一化的处理，以及数据迁移，最后存储数据。采集的数据类型可以是图片、音频、视频等文件以及附件，附件可以与正文自动关联，直到结束。数据采集流...
-
nvim (setup copilot)for code assit
4. Work with Neo Vim 4-1. Install Neo Vim (0.9.5 or higher neovim/neovim: Vim-fork focused on extensibility and usability (gith...
-
在矩池云使用 Llama-3.2-11B-Vision 详细指南
Llama 3.2-Vision是Meta开发的一系列多模态大型语言模型（LLMs），包含11B和90B两种规模的预训练和指令调整模型。 这些模型专门优化用于视觉识别、图像推理、字幕生成和回答有关图像的一般问题。Llama 3.2-Vision模型在常见...
-
Linly-Talker容器构建
一、模型介绍 Linly-Talker 是一款集成了多种人工智能技术的数字人对话系统，它通过多模型集成、多轮对话能力、语音克隆技术、实时互动和视觉增强，为用户提供了一种全新的交互体验。 二、特点 智能和个性化 ：系统不仅能够理解并生成自然语言，还...
-
不会写提示词的，快下载这个“老六”插件（附插件）
在AI绘画的世界里，每一个细节都至关重要，面对复杂的提示词——SixGod_k插件，只需轻点即可获得提示词，sd-webui中文提示词插件、老手新手炼丹必备。 一、SixGod_k提示词的功能亮点 SixGod_k提示词不仅解决了提示词编写的难题，还通...
-
调用大模型API-文心一言
一、准备工作 进入百度智能云千帆大模型平台，点击应用接入-创建应用；按提默认完成创建 二、开始使用 单轮调用 进入API列表 - ModelBuilder以第一个ERNIE-4.0-8K为例，选择“HTTP请求调用”，把第一步创建应用的 应用A...
-
实习结帖（flask加上AIGC实现设计符合OpenAPI要求的OpenAPI Schema，让AIGC运行时可以调用api，协助公司门后迁移新后端等）
终于，笔者的实习生活也要告一段落了，最后的几天都在忙着和公司做AIGC的项目，在搞api的设计以及公司门户网站的迁移。 牛马搬运工（牛马了3天） 先说这个门户网站的迁移，我原本以为只是换个后端（若依），数据库改改就能...
-
【Llama3.1-8B-Instruct】Llama Factory 等部署实战
一、模型介绍 Meta Llama 3.1 系列是一个多语言大型语言模型 (LLM 集合，包括 8B、70B 和 405B 三种尺寸（文本输入/文本输出）。Llama 3.1 的指令调优版本（8B、70B、405B）针对多语言对话用例进行了优化，并在常...
-
Midjourney Describe API 的对接和使用
Midjourney Describe API 的对接和使用 Midjourney Describe API 的主要功能是通过上传图片，获取对图片的描述。使用该 API，只需要传递图片文件地址，API 会返回图片的详细描述。无需繁琐的参数设置，即可获得...
-
我对意义产生了怀疑！当今社会，一个最基本的因果律（深度好文）——早读（逆天打工人爬取热门微信文章解读）
有时候热搜也是一种预示 引言 Python 代码 第一篇 洞见 当今社会，一个最基本的因果律（深度好文） 第二篇 空仓 结尾 引言 今天真的晚 不过今天会更新两篇 破事真的多 有些人真的很神奇 在你做的时候不断来干预你 然后...
-
＜Project-3 Video2SubTitle＞ Python coding Flask应用：从视频中，提取对白，生成独立的字幕文件 浏览器页面交互 调用cuda, Whisper模型
原因： 在网上看到一个视频没有字幕。 记者问小泉纯一郎 (前日本首相 ，我只是好奇，想知道Y说的是什么。 上面这个帖子里的视频：https://x.com/i/status/1834489208398115295 视频没有字幕，那就自己做...
-
LLaMA-Factory源码分析
搭建远程容器调试环境 docker-compose部署 使用LLaMA-Factory源码中的docker/docker-cuda下的Dockerfile和docker-compose.yml构建镜像，启动其服务。Dockerfile使用官方默认，只需...
-
AIGC与前端结合，可以应用哪些场景
AIGC（AI Generated Content，人工智能生成内容）在前端开发中的应用正变得越来越广泛。通过结合 AI 和前端技术，可以实现更智能、个性化的用户体验。以下是 AIGC 在前端开发中的一些主要应用场景和技术实现方式： 1. 内容生成与个...
-
编译运行 llama.cpp (vulkan, Intel GPU SYCL)
llama.cpp 是一个运行 AI (神经网络 语言大模型的推理程序, 支持多种 后端 (backend , 也就是不同的具体的运行方式, 比如 CPU 运行, GPU 运行等. 但是编译运行 llama.cpp 并不是那么容易的, 特别是对于 SY...
-
Datawhale X 魔搭 AI夏令营--AIGC Task3
Datawhale X 魔搭 AI夏令营–AIGC Task3 文章目录 Datawhale X 魔搭 AI夏令营--AIGC Task3 ComfyUI 实践 Lora微调 ComfyUI 目前主流GUI有三种：使用...
-
Learning Multi-dimensional Human Preference for Text-to-Image Generation
Paper name Learning Multi-dimensional Human Preference for Text-to-Image Generation Paper Reading Note Paper URL: https://arx...
-
GPUStack正式发布: 为大模型而生的开源GPU集群管理器
经过 Seal 研发团队几个月来持续的开发和测试，我们满怀期待及热情地发布新的产品 GPUStack，GPUStack 是一个用于运行LLM（大型语言模型）的开源GPU集群管理器。尽管如今大语言模型作为公共的云上服务已经被广泛推广并在公有云上变得更加易于使...
-
AI绘画 - 「ComfyUI」增强图像细节只需要一个节点，SD1.5、SDXL、FLUX.1 全支持，简单好用！
前 言 今天我给小伙伴们介绍一个非常简单，但又相当好使的一个插件。 功能很简单，就是增加或者减少图像的细节，节点也很简单，就一个节点，只需要嵌入我们的 ComfyUI 的基础工作流中就可以了，随插随用。 而且该插件不仅支持 SD1.5 和...
-
Datawhale X 魔搭 AI夏令营AIGC方向task3
ComfyUI 样例 下载并安装 ComfyUI # #@title Environment Setup from pathlib import Path OPTIONS = {} UPDATE_COMFY_UI = True #@param {...
-
在MidJourney上创建一致的多个角色——使用这个简单的技巧！
如果你喜欢MidJourney，你可能已经在尝试MidJourney最新发布的“角色参考”功能。这个强大的新功能允许你使用一个角色的图像作为参考，使MidJourney能够在你的新创作中复制该角色，并在你的图像中实现角色的一致性。然而，存在一个问题…😣...
-
Lawyer LLaMA(中文法律大模型本地部署)
Lawyer LLaMA(中文法律大模型本地部署 1.模型选择（lawyer-llama-13b-v2） 2.运行环境 1.建议使用Python 3.8及以上版本。 2.主要依赖库如下： transformers >=...
-
11、LLaMA-Factory自定义数据集微调
1、数据集定义 针对实际的微调需求，使用专门针对业务垂直领域的私有数据进行大模型微调才是我们需要做的。因此，我们需要探讨如何在LLaMA-Factory项目及上述创建的微调流程中引入自定义数据集进行微调。**对于LLaMA-Factory项目，目前...
-
AIGC爬虫类代码示例：Scrapy和OpenAI API实现抓取内容并生成内容
对于我从事爬虫行业多年的经验来说，编程各种需求代码真是非常吃力且细致的活，随着AI的大火，我在设想有没有可能通过AI自动化程序实现自动抓取生成想要的文本内容。前提我是打算通过结合爬虫技术（如Scrapy）和生成式AI模型（如GPT-4）来完成。 下面就是...
-
视频模型CogVideoX开源，全民AIGC时代到来了吗？
大家好，我是飞哥！ 之前不少人都以为大模型只能处理文本。但自从今年 2 月 16 日 OpenAI 在其官网发布了基于文字生成视频的模型 Sora 后，让所有人都认识到了即使对对于复杂的视频信息，大模型仍然是具备对其进行理解，以及进行 AIGC...
-
业务系统如何接入文心一言AI模型完整版
博主介绍： 大家好，我是想成为Super的Yuperman，互联网宇宙厂经验，17年医疗健康行业的码拉松奔跑者，曾担任技术专家、架构师、研发总监负责和主导多个应用架构。技术范围： 目前专注java体系，有多年java、golang、.Net、DDD、软件架...
-
网络爬虫（英語：），也叫網路蜘蛛（），是一种用来自动浏览万维网的网络机器人。其目的一般为编纂网络索引。
網路爬蟲 网络爬虫（英語：），也叫網路蜘蛛（），是一种用来自动浏览万维网的网络机器人。其目的一般为编纂网络索引。 某爬虫的结构 網路搜索引擎等站点通过爬蟲軟體更新自身的網站內容或其對其他網站的索引。網路爬蟲可以將自己所訪問的頁面保存下來，以便搜索...
-
DeOldify for Stable Diffusion WebUI 使用教程
DeOldify for Stable Diffusion WebUI 使用教程 sd-webui-deoldifyDeOldify for Stable Diffusion WebUI：This is an extension for StableD...
-
【愚公系列】《AIGC辅助软件开发》019-AI 辅助测试与调试：AI辅助测试与调试应用案例
🏆 作者简介，愚公搬代码 🏆《头衔》：华为云特约编辑，华为云云享专家，华为开发者专家，华为产品云测专家，CSDN博客专家，CSDN商业化专家，阿里云专家博主，阿里云签约作者，腾讯云优秀博主，腾讯云内容共创官，掘金优秀博主，亚马逊技领云博主，51CTO博客专...
-
【AI绘画】ControlNet：一文搞懂Stable Diffusion最重要的插件
大家好，我是SD教程菌。 当你使用 Stable diffusion 生成图像时，是否有过这种经历？提示词内容在生成结果中似乎都体现出来了，但又总不是自己想要的样子，于是陷入到无限生成（抽卡）的状态，耗费大量时间，逐渐消磨兴趣、耐性及对SD的信任。 同...
-
SwiftWhisper 开源项目教程
SwiftWhisper 开源项目教程 SwiftWhisper🎤 The easiest way to transcribe audio in Swift项目地址:https://gitcode.com/gh_mirrors/sw/SwiftWhis...
-
爬虫与数据分析——爬虫基础知识
目录 一、开发环境 二、爬虫的概念 三、爬虫与Python （一）爬虫常用语言 （二）python的特点 四、爬虫环境依赖 （一）python第三方库 （二）第三方库的安装 五、爬虫与HTTP （一）URL （二）HTTP消息（报文）...
-
ESP32-S3百度文心一言大模型AI语音聊天助手（支持自定义唤醒词训练）【手把手非常详细】【万字教程】
简介 此项目主要使用ESP32-S3实现一个AI语音聊天助手，可以通过该项目熟悉ESP32-S3 arduino的开发，百度语音识别，语音合成API调用，百度文心一言大模型API的调用方法，音频的录制及播放，SD卡的读写，Wifi的配置（smartconf...
-
使用Ollama本地部署Llama 3.1大模型
Llama 3.1 介绍 2024 年 7 月 24 日，Meta 宣布推出迄今为止最强大的开源模型——Llama 3.1 405B，Llama 3.1 405B 支持上下文长度为 128K Tokens， 增加了对八种语言的支持，号称第一个在常识、可操...
-
智能提醒助理系列-AIGC模型选型以及如何调用
本系列文章记录“智能提醒助理”wx公众号 建设历程。 一、需求出发点 想在现有的 “智能提醒助理” 功能中增加 智能提醒，想法是 通过用户设置的定时提醒指令，再提醒的同时，根据指令生成内容，展示给用户。 产品设计入下图所示：...
-
Python爬虫详解：原理、常用库与实战案例
一.爬虫介绍 1.什么是爬虫 爬虫（Spider），也被称为网络爬虫或网络蜘蛛，是一种自动化程序，用于在互联网上浏览和提取信息。爬虫通过模拟人类用户访问网页的行为，从网页中提取数据并将其存储或进行进一步处理。 爬虫可以自动遍历互联网上的各个网页，并...
-
小白mac下载chinese-llama-2-7b全过程！
所有步骤来源： https://my.oschina.net/qyhstech/blog/11046186 只是小白第一次下记录，也为其他小白做个参考！ 环境起步 用这个命令，然后你的base就会变成miaomiao， 然后你在...
-
Jetson 部署 Faster Whisper
文章目录 Whisper Faster Whisper 安装使用 尝试WSL部署 尝试 Jetson 部署 时间戳 实时转录 Whisper Whisper 是一种通用语音识别模型。它是在大量不同音频数据集上进行训练的，也是一...
-
Esp32S3通过文心一言大模型实现智能语音对话
前言 效果展示 效果展示录制 一、开发环境介绍 1、arduino开发平台； 2、所需设备：Esp32s3、inmp441、max98357、按键，杜邦线(接线 ； 3、大模型：百...
-
FastAPI部署大模型Llama 3.1
项目地址：self-llm/models/Llama3_1/01-Llama3_1-8B-Instruct FastApi 部署调用.md at master · datawhalechina/self-llm (github.com 目的：使用Aut...
-
OpenAI o1惊现自我意识？陶哲轩实测大受震撼，门萨智商100夺模型榜首
【新智元导读】OpenAI o1，在门萨智商测试中果然取得了第一名。数学大神陶哲轩实测发现，o1竟然能成功识别出克莱姆定理。而OpenAI的研究副总裁也在此时跳出来表明:大型神经网络可能已经有了足够算力，表现出意识了。 OpenAI o1，在IQ测试中拿到...
-
Azure openai speech to text -Whisper “code“:“404“,“message“: “Resource not found“
题意：Azure OpenAI 语音转文本 - Whisper 报错 "code":"404","message": "Resource not found 问题背景： i'm trying to transcribe a audio file...
-
心理健康问答系统-AIGC大模型-小程序制作
制作一个心理健康问答系统的小程序，涉及到多个环节和技术领域。这里将从需求分析、技术选型、开发流程、API调用等方面进行详细说明。 一、需求分析与规划 在开始任何项目之前，首先需要明确的是你的小程序想要解决什么样的问题，提供哪些功能给用户。对于心理健康...
-
在Ubuntu22.04 使用stable-diffusion-webui 秋叶整合包
背景 众所周知，赛博菩萨已经发布了windows下的整合包，开箱即用，且集成度较高。 那我为啥非要在Ubuntu下使用呢？ 当然是因为主力机就是Ubuntu系统啦。而且涉及到sd webui API 的调用，在Ubuntu 下调试更加方便一点。 那有...
-
Python 爬虫入门（一）：从零开始学爬虫 「详细介绍」
Python 爬虫入门（一）：从零开始学爬虫 「详细介绍」 前言 1.爬虫概念 1.1 什么是爬虫？ 1.2 爬虫的工作原理 2. HTTP 简述 2.1 什么是 HTTP？ 2.2 HTTP 请求 2.3 HTTP 响应 2.4 常见...
-
无需训练的 Diffusion MoE 方案 (SegMoE): Segmind Mixture of Diffusion Experts
Paper name SegMoE: Segmind Mixture of Diffusion Experts Paper Reading Note Blog URL: https://blog.segmind.com/introducing-seg...
-
Python 爬虫入门: 常见的爬虫库及相关工具
Python 爬虫入门: 常见的爬虫库及相关工具 前言 1. 爬虫框架 1.1 Scrapy 1.2 Scrapy-Redis 2. 解析 XML 和 HTML 文档 2.1 BeautifulSoup 2.2 lxml 2.3 Par...
-
耗时50小时！超详细的胎教级Stable Diffusion使用教程，看这一篇就够！
大家好，用爷爷都能听懂的方式分享可以落地实操的干货 花了很长时间终于整理好了这份SD的使用教程！ 从手把手安装部署，到界面功能讲解，再到实战案例制作，到下载优质模型，每一步都有详细教程 并且用一个又一个的例子展示，让大家不止是枯燥地看，而是看完立刻也...
-
如何部署Meta开源大模型Llama2，转换为Huggingface模型的权重文件
如何部署Meta开源大模型Llama2 一、申请下载权限 通过Meta AI官网(https://llama.meta.com/llama-downloads/ 申请下载权限，注意Country/Region选择这里，可能会影响审查速度吧，...
-
AIGC工具推荐：构建自己的创作生态
AIGC工具推荐：构建自己的创作生态 在如今这个信息快节奏的时代，内容的创造与发布已成为越来越重要的趋势。人工智能生成内容（AIGC）技术的迅猛发展，使得创作变得更加高效、灵活且具创新性。通过合适的AIGC工具，创作者可以构建一个个人化的创作生态，释放...
-
ubuntu 安装配置 ollama ,添加open-webui
ubuntu 安装配置 ollama 下载安装 [https://ollama.com/download](https://ollama.com/download 一 安装方法 1 命令行下载安装 一 安装方法 2 , 手动下载安装 二...