AIGC的产业地图-三类
@TOC
前言刚进公司，需要学开发需要的新框架及现成框架，完成自己的需求。那么在此期间，遇到新东西，就可以以此为基础，学习新语言新框架新工具…，可能会学到一些新技术、新知识，总结一下，以供后面参考学习，查看。肯定大家都有一定差异啦，大家作为参考哦，与诸君共勉。
一、AIGC的产业地图：总体来看，整个AIGC的产业地图可以分为三类：上游数据服务产业、中游算法模型产业、下游应用拓展产业1、上游数据服务产业。
真正决定不同机器之间能力差异的就是数据的质量。
AIGC的产业链上游是一系列围绕数据服务诞生的生产环节，我们可以用农作物加工过程作一个虽不严谨但易于理解的类比。
首先是数据查询与处理，这个环节相当于把刚从农田里收割的农作物分类打包；
其次是数据转换与编排，这个环节相当于把分类打包的农作物运送到食品工厂后制作成包装精美的成品；
再次是数据标注与管理，这个环节相当于给来自工厂的成品商品打上条码和标价；
最后是数据治理与合规，这个环节相当于库房的安保人员要确保商品按照相应的规则合理存放。
步骤：
1.数据查询与处理【无论是数据湖模式还是湖仓一体模式，都更加符合当前AIGC提取各类非结构 ...
Transformer模型的碎碎念
@TOC
前言刚进公司，需要学开发需要的新框架及现成框架，完成自己的需求。那么在此期间，遇到新东西，就可以以此为基础，学习新语言新框架新工具…，可能会学到一些新技术、新知识，总结一下，以供后面参考学习，查看。肯定大家都有一定差异啦，大家作为参考哦，与诸君共勉。
一、注意力机制：1、在衣服母亲哺乳图中，看完这幅画，相信首先映入你眼帘的是圣母玛利亚以及正在接受祈祷的婴儿耶稣。如果不回看这幅画，你的脑海里是否对右下角的一头驴和一头牛有印象？如果你没有印象，这其实是一种非常正常的现象。
因为人的注意力是有限的，无论是观看图像还是阅读文字，人们都会有选择性地关注一小部分重点内容，并忽略另一部分不重要的内容。
从数学的角度来说，可以将“注意力”理解为一种“权重”，在理解图片或文本时，大脑会赋予对于认知有重要意义的内容高权重，赋予不重要的内容低权重，在不同的上下文中专注不同的信息，这样可以帮助人们更好地理解信息，同时还能降低信息处理的难度。这就是注意力机制，这种机制被应用在人工智能领域，帮助机器更好地解决图像处理和文本处理方面的一些问题。
2、看一句话–“究研明表，早上饭吃很要重”：
阅读完 ...
GPT
@TOC
前言刚进公司，需要学开发需要的新框架及现成框架，完成自己的需求。那么在此期间，遇到新东西，就可以以此为基础，学习新语言新框架新工具…，可能会学到一些新技术、新知识，总结一下，以供后面参考学习，查看。肯定大家都有一定差异啦，大家作为参考哦，与诸君共勉。
一、GPT的演进：1、在GPT-1诞生之前，大部分自然语言处理模型如果想要学习大量样本，基本上都是采用监督学习的方式对模型进行训练，这不仅要求大量高质量的标注数据，而且因为这类标注数据往往具有领域特性，很难训练出具有通用性的模型。2、为了解决这一问题，GPT-1的核心思想是将无监督学习作用于监督学习模型的预训练目标，先通过在无标签的数据上学习一个通用的语言模型，然后再根据问答和常识推理、语义相似度判断、文本分类、自然语言推理等特定语言处理任务对模型进行微调，来实现大规模通用语言模型的构建，这可以理解成一种半监督学习的形式。此外，GPT-1在训练时选用了BooksCorpus数据集来训练模型，它包含了大约7 000本未出版的书籍的文字，这种更长文本的形式可以更好地让模型学习到上下文的潜在关系。最终，GPT-1在多数任务中取得了更 ...
生成图像的大模型
@TOC
前言刚进公司，需要学开发需要的新框架及现成框架，完成自己的需求。那么在此期间，遇到新东西，就可以以此为基础，学习新语言新框架新工具…，可能会学到一些新技术、新知识，总结一下，以供后面参考学习，查看。肯定大家都有一定差异啦，大家作为参考哦，与诸君共勉。
一、Diffusion模型：
Diffusion模型实现思想：
Diffusion模型尝试使用一种更加简单的方法生成图像。大家是否记得老式电视机信号不好时屏幕上闪烁的雪花？这些雪花是随机、无序、混乱的，因而被称为噪声。当电视机信号不好的时候，屏幕上就会出现这些噪声点，信号越差就会出现越多的噪声点，直到最后屏幕完全被随机的噪声覆盖，图2-8就展示了这样一个在图像上增加噪声的演变过程。那么换一个角度去思考，既然任何一张图像都可以在不断添加噪声后，变成一张完全随机的噪声图像，那我们能不能将这个过程翻转，让神经网络学习这个噪声扩散的过程之后逆向扩散，把随机生成的噪声图像，逐渐转化为清晰的生成图像呢？
二、CLIP模型
CLIP模型是OpenAI在2021年初发布的用于匹配图像和文本的预训练神经网络模型。如果要实现相对优质的AI绘 ...
AIGC-机器学习-深度学习-强化学习-...(一)
@TOC
前言刚进公司，需要学开发需要的新框架及现成框架，完成自己的需求。那么在此期间，遇到新东西，就可以以此为基础，学习新语言新框架新工具…，可能会学到一些新技术、新知识，总结一下，以供后面参考学习，查看。肯定大家都有一定差异啦，大家作为参考哦，与诸君共勉。
一、pgc -> ugc -> aigc
最初的AIGC通常基于小模型展开，这类模型一般需要特殊的标注数据训练，以解决特定的场景任务，通用性较差，很难被迁移，而且高度依赖人工调参。后来，这种形式的AIGC逐渐被基于大数据量、大参数量、强算法的大模型(Foundation Model)取代，这种形式的AIGC无须经过调整或只经过少量微调(Fine-tuning)就可以迁移到多种生成任务。
不少元宇宙选择同时利用PGC和UGC的方式来丰富这些模型，无论是专业机构还是感兴趣的个人，都可以借助官方提供的编辑器来创作各种类型的3D物品模型，或者在创作好3D物品模型后导入元宇宙世界。
在此过程中，产生了一种很重要的位置，提示词(Prompt)工程师
提示词(Prompt)工程师这个“咒语”就是被用来激发创作与思考的提示词。提示 ...
人脸识别(一)
@TOC
前言刚进公司，需要学开发需要的新框架及现成框架，完成自己的需求。那么在此期间，遇到新东西，就可以以此为基础，学习新语言新框架新工具…，可能会学到一些新技术、新知识，总结一下，以供后面参考学习，查看。肯定大家都有一定差异啦，大家作为参考哦，与诸君共勉。
一、人脸识别小项目：
如果自己去做一个小项目，尝试一下，按照整体的工作流程，显示明确需求：
支持识别人脸的朝向
支持检测人脸的表情（高兴、厌恶、惊讶、伤心、愤怒、生气）
支持检测人脸属性（性别、年龄、穿戴）
支持检测是否睁眼闭眼
支持人脸以及鼻子、眼睛、嘴唇、眉毛等特征的坐标检测
支持多人脸同时检测
…
1.当其他团队还在“卷大模型”的时候，而百度已经快人两步:-
2.传统的三层IT技术栈架构：
芯片层
巨人的肩膀
周志明老师的凤凰架构
codesheep老师的公众号文章
项目开发总结之C#写了一个上位机页面，软件卡死了？？？
@TOC
前言刚进公司，需要学开发需要的新框架及现成框架，完成自己的需求。其中会遇到很多卡死等bug，Visual Studio每次执行到这个类中会进入执行catch、finally等，从而导致上位机软件卡死，总结一下，以供后面参考学习，查看。肯定大家都有一定差异啦，大家作为参考哦，与诸君共勉。
一、下面代码有bug，导致上位机软件一直卡1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556575859606162using ...using System.IO;namespace ....ChipFile{ public class ChipxxxOEFile : ChipxxxOEFileBase { public ChipxxxOEFile() : base() { } #region 公共方法 pu ...
Golang-web/http框架
@TOC
前言云时代已经逐渐到来，在工作中学习中，我们时不时会用到Go语言，那就开始学起吧，与诸君共勉。
Go(lang)提供了很好的net/http库，基于此再造框架比较简单快速，Go中常用的三个web框架【go所有的安装都是使用go get安装（类似于git-clone）】Gin
一个Gin框架的请求处理代码块固定格式：请求,处理请求的回调函数1234567891011121314151617package mainimport ( "github.com/gin-gonic/gin" "github.com/thinkerou/favicon" "net/http")func main() { //创建一个gin服务，结合访问地址+端口处理咱们的请求与响应 ginServer := gin.Default() ginServer.GET("/user/info", func(context *gin.Context){ . ...
Golang-练基本功：扎马步、练投篮、练运球
@TOC
前言云时代已经逐渐到来，在工作中学习中，我们时不时会用到Go语言，那就开始学起吧，与诸君共勉。
开发效率跟执行效率不能兼得比较
执行效率高，但是开发和编译低效：C++
执行效率低，但是编译效率高：.NET、Java
有较高执行速度、编译速度和开发速度：Go
Go1.5发布后，解决了广为诟病的GC时延问题【STM】，可以说Go语言在服务端开发方面，几乎抹平了所有弱点
Go是一个容器语言，是google29年发布的系统开发语言，基于编译、垃圾收集和并发的编程语言
Go的发展历程中的特殊点：
1.7的context
1.11的modules
1.13 的error嵌套
1.18:类型参数的实现，也就是俗称的泛型
基本语法：https://www.runoob.com/go/go-program-structure.html一个程序只能有一个main包，也得有一个main包。也就是说package main和func main必不可少变量
定义变量类型用:var，形式：var 变量名 变量类型1234567//定义单个变量：var 变量名 变量类型 = 符合类型的赋值内容/ ...
能不能给别人一个上手就能看懂就能用的三层神经网络（代码）模型呢？
@TOC
前言在工作中学习中，最新AI、神经网络等比较实用，没啥事了解一点呗，又不掉血不掉肉的，那就开始学起吧，与诸君共勉。
1、封装成一个独立且易于使用的神经网络模型
为了将提供的代码片段，我们需要首先引入必要的库，然后定义所需的激活函数（如sigmoid函数和恒等函数），最后将init_network()和forward()函数整合到一个类或模块中。
12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849//这段代码首先导入了numpy库来处理数学运算，接着定义了两个激活函数：sigmoid函数和恒等函数。然后，我们创建了一个名为`SimpleNeuralNetwork`的类，它包含了网络的初始化和前向传播过程。在类的构造函数中，我们初始化了网络参数。在`forward`方法中，我们实现了前向传播算法。import numpy as np# 定义sigmoid激活函数def sigmoid(x): return 1 / (1 + np.exp(-x) ...
Announcement
掬 水 月 在 手 ， 弄 花 香 满 衣
微信号：phone_15902953075
QQ号：1317957931