首页
友情链接
全景相册
随机剧照
本站声明
壁纸
Search
1
diffusers-image-outpaint,智能扩图工具,懒人包,有更新
8,945 阅读
2
AIGC数字影像馆,键盘摄影大师(一键懒人包)
4,237 阅读
3
Diffusers-Image-Community,AI扩图,新版懒人包
3,280 阅读
4
三款离线OCR对比(供下载)
3,239 阅读
5
Deepseek本地部署(内置32B和14B模型)2月21更新
3,207 阅读
摄影类
茶余饭后
软件类
登录
Search
标签搜索
AI
园博园
五一
锦绣园
大模型
甘坑
重庆
荔枝公园
开源
懒人包
台湾
相机
大梅沙
沙井
大沙河
南头古城
锦绣中华
博物馆
华强北
一个公园
傻木摄影
累计撰写
658
篇文章
累计收到
151
条评论
首页
栏目
摄影类
茶余饭后
软件类
页面
友情链接
全景相册
随机剧照
本站声明
壁纸
登录
搜索到
658
篇与
的结果
我的阿勒泰
2024年05月13日
571 阅读
0 评论
0 点赞
2024-05-13
美如画想去
什么是馍?什么是型?什么是大馍型?AI大模型解惑
2024年05月11日
350 阅读
0 评论
0 点赞
2024-05-11
什么是馍?什么是型?什么是大馍型?AI大模型解惑趣味定义什么是馍?馍就是吃的馍馍什么是型?型就是很有型的人做馍馍。例如下图中的男馍,意思是一个很有型的男人在做馍。AI大模型科普那么AI大模型又是啥玩意?我们分开来说:1. AI是什么?人工智能(Artificial Intelligence,简称AI) 是一门研究如何使计算机能够模拟和执行人类智能任务的科学和技术领域。核心目标:致力于开发能够感知、理解、学习、推理、决策和与人类进行交互的智能系统。发展历程:背景可追溯到上世纪50年代,最初集中在基于规则的推理和专家系统的开发上。随着计算机技术和算法(尤其是机器学习和深度学习)的兴起,人工智能迎来了爆发式发展。2. 大模型是什么?大模型(Large Model),也称基础模型或 Foundation Model,是指具有大量参数和复杂结构的机器学习模型。核心能力:能够处理海量数据、完成各种复杂的任务,如自然语言处理、计算机视觉、语音识别等。工作原理:通过大量的数据和参数进行训练,以生成人类类似的文本或回答自然语言的问题。超大模型:是大模型的一个子集,其参数量远超过普通大模型。3. 大模型的种类大模型按照输入数据类型和应用领域主要可以分为以下几类:语言大模型(NLP):在自然语言处理领域中使用,如 GPT 系列、Bard、文心一言等。视觉大模型(CV):在计算机视觉领域中使用,如 VIT 系列、文心 UFO、华为盘古 CV 等。多模态大模型:能够处理多种不同类型数据,如 DALL-E、悟空画画等。通用大模型 L0:可在多个领域和任务上通用,具有强大的泛化能力。行业大模型 L1:针对特定行业或领域,相当于 AI 成为“行业专家”。垂直大模型 L2:针对特定任务或场景,提高在该任务上的性能和效果。本地部署指南本地部署大型 AI 模型对电脑配置有一定要求,尤其是对 GPU 的显存和内存有较高需求。1. 模型规模建议3B/7B/13B 大模型:适合个人本地部署,对配置要求适中。注:数字后面的 B 代表 10 亿(3B 表示约 30 亿参数)。经验法则:一般推荐 7B 开始;小于 7B 的智商着急,大于 7B 的硬件资源消耗着急。实测参考:使用 4060 8GB 显存运行 7B RWKV 模型会非常卡顿。2. 硬件配置推荐CPU:10 代 i3 或以上均可。AI 时代的 CPU 主要是“有个就行”。内存:16GB - 128GB(一般建议为显存的两倍左右)。注意:目前 16GB 远不能满足 AI 使用,基础配置建议 32GB 起步。实测 32GB 内存转换 7B 模型时实际需要约 40GB。硬盘:M.2 SSD 512GB 起步。模型动辄十几至几十 GB,有条件的建议直接 2TB 起步。GPU:至少 4060 16GB 显存;若要进行微调,建议配置 4090 24GB(注:该显卡仍无法支持全参数微调,仅能支持极为有限的微调)。3. 部署总结合理规划硬件资源、关注数据质量、保证系统稳定性是成功部署的关键。随着技术进步,未来会出现更多高效且易于部署的大模型。实战经验分享我的常用模型配置(Meta Llama3 中文量化版)模型名称:Llama-3-8B-Q4-K-M.gguf参数量:8B量化参数:Q4-K-M模型体积:4.8GB显存消耗:6GB生成速度:8-12 Tok/s模型获取与选择可以在 Hugging Face Mirror 站点搜索,关键词加上 gguf。例如下载地址:Meta-Llama-3-8B-GGUF下载原则:上图中框起来的多个文件其实都是同一个模型,区别在于量化参数不同。原则:模型体积越大,质量越好;但体积越大,对资源要求越高。配置匹配建议:若显卡为 8GB 显存(除去系统占用约剩 7GB),下载 5GB 左右的模型最合适。再小则质量低,再大则不流畅。反面教材:尝试过 Llama3 70B 的 Q1 量化版(体积不到 16GB),虽然能跑起来,但两秒钟才出一个字,体验极差。推荐工具GGUF 模型加载工具(免环境配置,Windows 双击运行):LM Studiokoboldcppllamafile(注:以上工具均为英文界面)国产傻瓜式工具(中文、免费、开源、带详细说明):RWKV Runner: https://github.com/josStorer/RWKV-Runnerai00_server (同源): https://github.com/Ai00-X/ai00_server
立夏拍花试镜
2024年05月05日
396 阅读
0 评论
0 点赞
2024-05-05
立夏拍花试镜至少花不会迟到管你去不去花就在那里老家谚语立夏不下----无水洗耙意思是,立夏这天,怎么都得下点雨意思意思。如果一滴不下,那么今年就是个旱年。
2024-05-03
傻木摄影_文件批量重命名
傻木摄影_文件批量重命名这是一个极简版且功能绝对够用的工具。界面虽然美观度一般,但纯自用非常方便。核心功能用于批量更改文件名。可以在原始基础文件名中做出任意更改:替换字符:例如将 DSC 替换成 Sam $\rightarrow$ Sam_8722.jpg增加前缀:保留原始文件名情况下,增加前缀 $\rightarrow$ 1-DSC_8722.jpg删除字符:删除前四位 $\rightarrow$ 8722.jpg删除后两位 $\rightarrow$ DSC_87.jpg更改后缀名:例如将 .jpg 更改为 .MP3使用说明载入文件夹:点击“浏览”按钮,载入需要批量改名的文件夹。快速打开:在文件目录不为空的情况下,直接点击文件夹栏即可打开该文件夹。操作建议:工具设计简洁明了,无需专门教程,如有不明之处可多尝试几次。快捷操作:双击列表中的文件即可打开。在列表中点击右键,可显示“打开”或“删除”选项。更新日志2024-05-03列表框不再显示文件夹,只显示文件名。删除了程序打开和关闭时的效果。2024-04-14列表中点击右键,增加“打开”或“删除”选项。2024-04-10优化了自动复制和粘贴逻辑。注意:经测试,本软件存在少量小 bug,正常情况下使用无问题,特殊情况下会出现异常(不打算修复,不影响日常使用)。若之前已下载过旧版,请务必下载最新版本。点我下载_文件批量重命名.rar
2024年05月03日
320 阅读
0 评论
1 点赞
2024-05-02,深圳工业展馆
2024年05月02日
296 阅读
0 评论
0 点赞
2024-05-02
2024-05-02,深圳工业展馆一直心心念念要去工业展,这次趁着五一放假。环境挺好,因为偏向工业化,人不是很多,可以见识到很多平时见不到的,都是深圳市知名企业的当家花旦。书店打卡还去了书店,忘记书店名字了。深圳书店还是挺多的,环境也都很好,非常适合打卡拍照。
2024-04-28
离线AI能蠢到什么地步?
离线AI能蠢到什么地步?最近几天各家AI大模型你家唱罢我登场,那叫一个忙的不亦乐乎。大模型发布潮Meta Llama3 系列:从8b到70b,着实火了一把。从一发布开始的当天晚上就有网友放出中文量化版。整天说被限制了买不到高端显卡,给我的感觉就是这届网友真有钱。这位大佬指定家里有矿,A800,还是4张,每张80GB显存,羡慕嫉妒恨啊。微软 Phi3 Mini 3B:模型太小,基本就是个摆设。阿里巴巴 Qwen 110B:这个真牛逼,牛逼到上面那四张A800才跑的动,也只是勉强跑的动,民用显卡根本不敢说话。苹果公司:就连一向闭口不谈AI的苹果公司也按捺不住,而且一口气发布了4个模型,当然了,也是看客级别的。测试实录:从对答如流到“泣不成声”近几天着重测试了 Meta Llama3 8B 版本。寻常问题都是对答如流的,就这个体量的模型,有这个能力,已经很不错了,当然还有巨大的潜力。今天我给模型下达了几乎不可能的任务,看起来模型完成的非常好,不信你跟着往下看:然而,模型大概被我气到了:已经泣不成声了:几乎不能回答完整了:总结与评分如果需要我打分的话,给 40分 吧(满分120分的那种)。我认为未来一年优化后可能达到70分左右。结论: 目前离线模型几乎没什么用。再等一年吧,一年后估计有较大改观。
2024年04月28日
422 阅读
0 评论
0 点赞
2024-04-24
目前生成式AI最大的短板是什么?
目前生成式AI最大的短板是什么?如图,最大的短板应该是默契。你不懂我,就算放一本百科全书加一本康熙字典在你面前你一样看不懂我;如果有默契,一个眼神就足以说明一切。场景描述例如下表格式,一个问卷调查,共8题,每题有多个备选项,至少需要选择3项:我需要做出统计,如下表,某一题中的各个问题被选择了多少次:需求详情对此,我将Excel表单基础数据整理好了,并且写了一份我的需求,如下:1. 数据结构第一页(回收):问卷结果集,共8列(对应8个问题)。第二页(统计表单):包含8个问题及其对应的可选项,以及统计列。统计逻辑需对应第一页的问卷结果集。2. 核心任务我需要分析第二页的每一个答案,在第一页中被选择了多少次。以第7题为例(共收回152份):选中“关爱会主席”:2个选择“关爱委员会成员”:26个选择“活动小组团长”:6个选择“活动小组政委”:12个以上角色均不参加:106个合计:152个3. 统计逻辑要求我需要在第2页的统计表单做出统计。意思是每一题中的每一个问题(例如 M列的“打造ABP文化建设”和N列的“计数”),计算每个问题在第一页中被选中了多少次。算法/执行步骤建议数据清洗:将第一页的回收数据(152份问卷)与第二页的题目及可选答案进行对比,确保数据的一致性和准确性。以第7题为例。数据拆分:根据第二页的题目,将第一页每个问题的答案拆分成对应的可选答案。例如:如果第二页第7题有四个可选答案(关爱会主席、关爱委员会成员、活动小组团长、活动小组政委),我们需要将第一页的相应答案拆分成这四个部分。数据匹配:将拆分后的答案与第二页的可选答案进行匹配,统计每个可选答案在第一页中被选中的次数。具体操作流程(以第7题为例)确认分布:确认第一页中第7题的答案分布情况。拆分统计:将答案拆分成四个部分(关爱会主席、关爱委员会成员、活动小组团长、活动小组政委),并分别统计在第一页中被选中的次数(如:主席2次,成员26次等)。结果填充:在第2页的统计表单中进行填充:A列是问题,B列是对A列的统计;C列是问题,D列是对C列的统计……以此类推。循环执行:重复以上步骤,为第二页的每个题目创建统计表单。测试反馈智谱清言:各种回复乱七八糟。百度:直接摆烂,不支持Excel。月之暗面:更简单了,直接罢工。
2024年04月24日
298 阅读
0 评论
0 点赞
MAC_8GB内存到底够不够用?
MAC 8GB 内存到底够不够用?系统与硬件的现状Windows 的垃圾回收机制非常糟糕,每次系统升级带来的都是对硬件(CPU + 内存)的堆砌。加上现在 AI 带来对显卡无穷无尽的需求,以及随之水涨船高的存储需求:前面一波虚拟货币炒得显卡硬盘跌宕起伏;后面跟着 AI(好歹 AI 对人类、对社会是有用的);搞不懂虚拟货币有什么用,纯属浪费社会资源。软件占用与内存危机扯远了,现阶段各种软件优化不到位,尤其是鹅厂,根本不在乎用户感受:程序常驻后台:QQ、微信、企业微信等等,每个程序至少占用 500MB 内存;系统基础占用:系统开机约 2GB 内存;常用办公软件:邮箱、Excel、浏览器等;其他工具:各种 ERP 以及其他各类工具。在这些消耗下,8GB 已经远远不够用了。对 MAC 的吐槽万恶的 MAC 依然大言不惭地飙狠话说“8GB 依然够用”,你是没有经过社会的毒打。说什么 “MAC 8GB = Win 16GB”,这一定是脑子被门夹了才会说这样的蠢话。容量逻辑的本质什么是 GB?字节度量单位,好比一个水桶:MAC 的 8GB 就相当于一个 8 升的水桶;虽然质量尤其好,不光装水,装沙子、装石头都能胜任;但是,它只能装 8 升。毕竟容量就这么大,哪怕你优化得再好,那也就这么大。怎么就等于隔壁 16 升的大桶了?
2024年04月24日
330 阅读
0 评论
0 点赞
1
...
38
39
40
...
83
网站版权本人所有,你要有本事,盗版不究。 sam@gpcb.net