- 综合排序
- 最热优先
- 最新优先
- 来自专栏又见苍岚
Windows 11 体验 Stable Diffusion AI 图像生成
Stable Diffusion 已经发展到可以生成以假乱真图像的程度，无论是 AI 作画还是照片生成都已经可以生成得很精细，本文记录使用过程。 本文记录在 Windows 11 下安装、配置、运行 Stable-diffusion 的流程 过程中经常需要访问境外的网站，需要访问国外网站。 webui-user.bat 文件，我在过程中遇到很多问题，没有问题的同志可以跳过这一节 安装 CUDA 11.7 下载链接：https://developer.nvidia.com/cuda-11 CLIP 安装 CLIP 仓库链接 stable-diffusion-stability-ai 仓库地址： https://github.com/Stability-AI/stablediffusion 咒语 分享一组提示词做测试： 小姐姐： 参考资料 https://medium.com/@croath/低成本体验生成-ai-小姐姐照片-85ffa7c13cd7 https://zhuanlan.zhihu.com
3K00编辑于 2023-03-28 - 来自专栏新智元
普华永道：ChatGPT和生成式AI的11大安全趋势
---- 新智元报道 来源：学术头条 作者：库珀 【新智元导读】近期爆火的 AI 聊天机器人 ChatGPT，以及文生图模型 Dall·E 2、Stable Diffusion 等，让生成式人工智能 （generative AI）成功出圈。 以下是 11 个关于生成式人工智能在未来将如何影响网络安全的预测。 1. 恶意使用人工智能 当涉及到我们可以利用人工智能的方式时，我们正处于一个拐点，这种范式转变影响着每一个人和每一件事。 随着生成式人工智能的不断发展，确保医疗系统安全的相关风险和机会也在不断增加，这强调了医疗行业在接受这种新技术时建立其网络防御和复原力的重要性。 11. 参考资料： https://venturebeat.com/security/pwc-highlights-11-chatgpt-and-generative-ai-security-trends-to-watch-in
59320编辑于 2023-03-29 - 来自专栏域名资讯
滴滴今日宣布成立AI Labs，相关域名疑似处于阿里手中？
继推出自有单车品牌“青桔”后，滴滴又于今日宣布成立AI Labs（人工智能实验室），相关域名ailabs.com疑似在阿里手上，didilabs.com则处于隐私保护状态。 滴滴出行AI LABS启用仪式.png 早在2017年3月，滴滴已宣布成立美国研究院DiDi Labs，滴滴AI Labs是继滴滴研究院、滴滴美国研究院之后，滴滴科研网络进一步的扩展，将加大人工智能前瞻性基础研究 滴滴方面表示，大数据和人工智能是未来交通创新的革命性技术，滴滴发力AI，是想让人们的出现变得更加便捷。 除专注于AI领域前沿问题、深层次拓展滴滴的AI核心技术能力之外，AI Labs还将积极推进AI技术在智能出行场景中的更多应用和创新优化，如滴滴大脑、滴滴助手等。
91150发布于 2018-01-26 - 来自专栏图形学与OpenGL
实验11 B样条曲面生成
由于求值器只提供了对曲线或表面底层描述，需要使用更高层次的NURBS接口来生成B样条曲面。 NURBS接口生成B样条曲面的过程如下。 图A.11（a）生成B样条曲面 5．实验提高 根据控制点(-1.5, -1.5, 2.0)、(-0.5, -1.5, 2.0)、(0.5, -1.5, -1.0)、(1.5, -1.5, 2.0)、 B样条曲面，见图A.11(b)。 图A.11（b）重新生成B样条曲面
2.5K40发布于 2020-10-29 - 来自专栏机器学习炼丹之旅
CS231n：11 生成模型
生成模型 生成模型的定义就是给定一个训练数据，然后生成一些新的样本，保证和所给的训练集有一样的分布。 即下图所示，假设训练集中满足分布 ，我们要做的就是生成一些样本满足分布 ，同时保证 。 生成模型主要有以下这些应用场景： 生成逼真的艺术品图片，拥有超高的分辨率，着色等。 时间序列数据的生成模型可以用于仿真和规划（在强化学习中应用）。 训练生成模型还可以使隐式表征的推断成为有用的通用特征。 对于生成一张图像，我们可以按照某个顺序逐一生成每个像素，假设第一个像素生成的概率为 ，那么第二个像素生成的概率就定义成 ，表示已经生成像素 的条件下，生成第二个像素的概率，同理第三个像素的概率为 那么，既然解码器负责生成图片，那么我们能否利用这个解码器，使用随机的编码来生成一些新的图片呢？这不就是本文在讨论的生成模型的任务吗。
88610编辑于 2022-08-08 字节跳动 AI 新战略疑似曝光：5 万亿参数大模型正在酝酿？
一方面，Seedance 和 Seedream 在视频、图像生成领域迅速杀到行业领先位置，Seedance 甚至已成为火山引擎 MaaS 收入的基本盘；另一方面，语言模型 Seed 2.0 市场反响有限
28110编辑于 2026-08-10- 新添加一篇文章（这样才能触发 save 方法，此前添加的文章不会自动生成摘要来自专栏HelloGitHub
第 11 篇：自动生成文章摘要
# 由于摘要并不需要生成文章目录，所以去掉了目录拓展。 self.excerpt = strip_tags(md.convert(self.body))[:54] super().save(*args, **kwargs) 这里生成摘要的方案是 可以看到很多网站都采用这样一种生成摘要的方式。 span class="meta-nav">→
Python基础(11)——迭代器&生成器
可迭代对象 以直接作用于 for 循环的数据类型有以下几种： 一类是集合数据类型，如 list 、 tuple 、 dict 、 set 、 str 等； 一类是 generator ，包括生成器和带 生成器都是 Iterator 对象，但 list 、 dict 、 str 虽然是 Iterable ，却不是 Iterator 。 生成器 for i in range(1, 10, 1): print(i) def customRange(star, stop, step): x = star while
利用AI 生成商标
最新的尝试是生成一个对抗网络(GAN)——由样本生成器和鉴别器组成，它们可以区分生成的样本和真实世界的样本。 然后他们使用谷歌的云视觉服务生成4到8个描述标识内容的单词标签，并使用预先训练的人工智能模型对这些标签进行矢量化，为每个示例创建空间表示。之后再对这些空间表征进行聚类，以识别具有相似视觉特征的特征。
AI生成视频-Pika
背景介绍 Pika 是一个使用 AI 生成和编辑视频的平台。它致力于通过 AI 技术使视频制作变得简单和无障碍。 Pika 1.0 是 Pika 的一个重大产品升级，包含了一个新的 AI 模型,可以在各种风格下生成和编辑视频,如 3D 动画，动漫，卡通和电影风格。 现在我们需要告诉 AI 实际上我们想要生成什么样的片段。 对于第三次生成，我们将使用 “-camera rotate clockwise” 选项。 注意：以上步骤中的每一个生成命令都应该以回车键结束，这样 PIKA 才会开始生成你的视频片段。 我们很高兴推出 Pika 1.0，这是一次重大的产品升级，包括一个新的 AI 模型，它能够以 3D 动画、动漫、卡通和电影等各种样式生成和编辑视频，以及一个新的 Web 体验，使其更容易使用。
生成式 AI 简介
生成和判别模型 GenAI 是一个 buzzword，其背后本质是生成模型 (generative model)，它是机器学习的一个分支，目标是训练模型以生成与给定数据集相似的新数据。 和判别模型不同的是，生成模型不需要示例里含有标签，因为它的目标是生成新数据，而不是给数据预测标签。 生成模型对 p(x) 建模，直接估计特征 x 的概率，从这个概率分布中采样即可生成新的特征。 由此可见，生成模型比判别模型要困难很多。 2. 生成模型的框架 了解生成模型框架之前，让我们先玩一个游戏。 这个例子展示了生成建模背后的基本概念，虽然现实中用生成模型要复杂很多，但其基本框架是相同。 3.
生成式 AI 简介
生成和判别模型 GenAI 是一个 buzzword，其背后本质是生成模型 (generative model)，它是机器学习的一个分支，目标是训练模型以生成与给定数据集相似的新数据。 和判别模型不同的是，生成模型不需要示例里含有标签，因为它的目标是生成新数据，而不是给数据预测标签。 生成模型对 p(x) 建模，直接估计特征 x 的概率，从这个概率分布中采样即可生成新的特征。 由此可见，生成模型比判别模型要困难很多。 2. 生成模型的框架 了解生成模型框架之前，让我们先玩一个游戏。 这个例子展示了生成建模背后的基本概念，虽然现实中用生成模型要复杂很多，但其基本框架是相同。 3.
11分钟，我做出了一个爆款图文AI生成器（AI编程，真不难）
今天，我做个简单的演示，11分钟做出一个网页应用，爆款图文AI生成器。 咱们要做的，是表述自己网页应用的需求。 我是这么设计的： 1. 用户输入一个岗位名称； 2. 网页应用输出4个选题； 3. 系统生成四格漫画脚本，图片提示词，生成图片，生成金句，完成。 接下来，咱们键盘一甩，坐等验收就好了。我在这里大致描述下，AI编程的整个执行过程。 首先，AI编程进行了系统初始化： 她判断需要加载两个核心技能： 1. LLM的技能：llm 2. 前端技术架构； 总共耗时11分32秒。 构建好之后，看下生成的站点应用质量如何： 我选了一个“前端开发”（展示默认岗位，这个功能是AI自己加的）。 接下来生成了“前端开发”的四个爆款选题： 1. 怎么样，AI编程，其实并不难吧？
深入理解生成式AI技术原理：初识生成式AI
真正的大师永远怀着一颗学徒的心 如果将人工智能按照用途进行简单分类的话，人工智能可以划分为决策式AI以及生成式AI两类。 而以ChatGPT为代表的生成式AI通过对大量数据的联合概率进行学习，对已有的数据和知识进行归纳总结，同时结合深度学习技术，自动生成新的内容，而新生成的内容可以是文字、图片甚至是视频等多模态内容。 深度学习 深度学习是生成式AI背后比较核心的实现技术，它是机器学习的重要优化手段，而机器学习又是人工智能领域重要的落地实现措施。 总结 本文主要对生成型AI进行了初步阐述，同时针对生成型AI最核心的两个技术点分别进行了初步说明，后面的专栏文章中将继续以深度学习以及大模型核心技术点作为切入点来深入分析生成型AI背后的技术原理。 希望通过系列文章的说明，让大家对于类似ChatGPT这样的生成型AI有一个更加深刻的理解。 如何优雅的消除系统重复代码 大厂面试官眼中的好简历到底什么样？
中文NLP笔记：11. 基于 LSTM 生成古诗
基于 LSTM 生成古诗 1. 语料准备 一共四万多首古诗，一行一首诗 2. sentence = sentence + next_char print(sentence) （5）predict 函数 根据给出的文字，生成诗句 seed[1:] + next_char res += seed return res （6） data_generator 函数 生成数据
如何批量生成Code-11条码
Code 11是在1977年Intermec为了给高信息密度矩阵的特殊应用需求所开发出来的。它的结构像2/5的矩阵。 Code11条码支持数字“0-9”和特殊字符“-”共11个字符，故称为Code11码。小编下面会介绍如何在条码软件中批量生成Code11码。 因为我们要通过数据库的数据批量生成Code-11码，所以需要先导入数据库。点击设置数据源，弹出一个界面，点击选择文件，将保存有条码数据的Excel文件导入到软件中。 02.png 条码制作完成后，点击打印预览，设置打印范围和打印数量，点击界面上方的上一页和下一页可以查看生成的条码。准确无误后就可以开始打印了。 03.png 综上所述就是通过数据库实现批量生成Code 11码的操作方法，以上是为了测试，所以数据很少，现实操作中，数据库的数据有多少就可以生成多少个条码。
Python基础11-迭代器,生成器
迭代器介绍 迭代器使用 for循环底层原理分析 迭代器总结 自定义迭代器 练习：实现range功能 表达式yield应用（了解） yield关键字总结 生成器表达式 emm...看到标题，我们要讲一个自定义的迭代器，结果mmp，为啥就变成了生成器的介绍呢？ Because，生成器就是一种自定义的迭代器，本质就是迭代器 新概念：yield def func(): print('first') yield func() 但凡函数内包含 先为当前暂停位置的yield赋值 2. next(生成器)直到再次碰到一个yield停下来，然后其的值当做本次next的结果 # print(res2) res3=g.send('肉包子') # print 生成器表达式 回顾列表表达式 l=[i**2 for i in range(1,6) if i > 3] print(l) ---- 生成器表达式 # 生成器表达式 g=(i**2 for i in
【AI】生成式AI & Gemmi模型介绍
AI 人工智能 （AI） 被认为是机器（尤其是计算机系统）对人类智能过程的模拟。这些过程包括学习（获取信息和使用信息的规则）、推理（使用规则得出近似或明确的结论）和自我纠正。 生成式AI 生成式人工智能最近变得非常流行，它被大众用来生成不同类型的内容，包括文本、图像、视频等。 生成式 AI 是人工智能 （AI） 技术的一个子集，专注于根据输入数据或从现有数据中学习的模式生成新的原创内容。 与专为分类或预测等特定任务而设计的传统 AI 模型不同，生成式 AI 模型能够创建全新的数据样本，这些样本类似于它们所接触的训练数据。它使用生成模型，这些模型根据现有数据的学习概率分布生成新内容。 在这里，我们开发了用于不同领域的不同 AI 工具列表。 参考：What is Artificial Intelliegence? - DEV Community
疯子的算法总结11--次小生成树+严格次小生成树
一、总体思路 首先,我这一题的思路是倍增LCA+Kruskal 首先，kruskal求最小生成树 不会的戳这里 求次小生成树 倍增 LCA 关键在于次小生成树怎么求： 问自己一些问题 怎么求不严格次小生成树 不严格次小生成树为什么不严格 方法每次选择U—V之间的边，前提是最小生成树上不存在的边，添边之后删去较短边，使用LCA找到祖先，删边，这里保证次小生成树的是？ M]; int F(int x){ if(f[x]==x) return x; return f[x]=F(f[x]); } void kruskal(){ //kruskal 算最大生成树
AI Logo 生成技术解析
在 AI 技术蓬勃发展的当下，其应用已渗透至品牌设计领域，AI Logo 生成这一创新应用应运而生。 一、AI Logo 生成技术解析（一）算法基础AI Logo 生成工具主要依赖深度学习中的生成对抗网络（GAN）和变分自编码器（VAE）等技术。以 GAN 为例，它由生成器和判别器两部分组成。 通过不断地训练和优化，生成器能够逐渐生成更加逼真、符合设计要求的 Logo 图像。（二）数据驱动大量的设计数据是 AI Logo 生成技术的核心驱动力。 三、AI Logo 生成的优势与特点（一）高效快速AI Logo 生成工具能够在极短的时间内（最短不到 60 秒）生成一批 Logo 方案。 五、AI Logo 版权问题剖析（一）版权政策差异免费 AI Logo 生成工具在版权政策方面存在显著差异。
