- 综合排序
- 最热优先
- 最新优先
- 来自专栏【腾讯云开发者】
【白话科普】10分钟从零看懂AI绘画原理
本篇不涉及任何一个数学公式、不涉及晦涩文献解析，而是通过尽可能直白的解释，让没有太多AIGC背景知识的人也可以快速理解 AI 画画背后的技术原理和发展历史。欢迎阅读和分享。 所以本文将尽可能通俗、直白地解释 AI 绘画的原理，欢迎各位阅读。 到此，AI 画画的基本原理已经介绍得差不多了。我们可以发现，其实大部分都是「改进」的工作，但是效果是真的很惊人！在这期间，涉及到很多训练网络的 tricks。 在上文中，简单展示过 AI 画画中 img2img 的效果。原理是把左图加一些高斯噪声（撒撒黑胡椒）然后作为底图来基于它生成。所以基本上色块分布是接近的，但是很难控制的更细节。 比如说就有人训练了手脚的控制器，解决了 ai 不会画手的问题： 这些控制结果还可以一起用，例如结合人体姿态和深度图： 甚至不需要来自同一张图： 效果是真的非常惊艳，但原理上其实实现得比较简单。
5.3K20编辑于 2023-04-13 - 来自专栏ops技术分享
Nginx结构原理全解析（10）
4 reload 流程 1）向master进程发送HUP信号（reload命令） 2）master进程校验配置语法是否正确 3）master进行打开新的监听端口 4）master进程用新配置启动新的worker子进程 5）master进程向老worker子进程发送QUIT信号 6）老worker进程关闭监听句柄，处理完当前连接后结束进程 image.png
29930发布于 2021-05-11 - 来自专栏学习之路
【Linux网络#10】：Https协议原理
本文将详细探讨HTTPS协议的工作原理、HTTP与HTTPS的区别、加密技术的应用以及如何通过证书认证保障安全通信 1.1 HTTPS 是什么及其工作原理？ HTTPS的工作原理如下： 当用户通过HTTPS访问网站时，数据首先被加密层处理，进行加密后再交给传输层。 接收方在接收到数据后，同样通过加密层解密，解密后的数据再交给应用层使用。 虽然非对称加密的安全性更高，但由于算法复杂，效率较低使得加密解密速度没有对称加密解密的速度快 1.5 数据摘要与数据指纹 数字指纹(数据摘要)：基本原理是利用单向散列函数(Hash 函数)对信息进行运算 四、百度网盘的工作原理 看了上面这么多，其实我们就可以类比的知道 百度网盘 的工作原理 百度网盘的工作原理核心在于文件指纹技术（MD5校验）与HTTPS加密传输的结合，通过优化存储效率并保障数据安全，实现大容量存储与高效管理 例如，一个视频文件的MD5值可能为7F3B85B0A1F8E768D43C502FA03A2853 秒传与去重 秒传原理：系统将文件的MD5值与服务器数据库比对。
55810编辑于 2025-06-02 - 来自专栏ADAS性能优化
AI weekly (10-26)
can stop a facial recognition network from identifying people in videos. https://venturebeat.com/2019/10 software tools for artificial intelligence deep learning applications. https://venturebeat.com/2019/10 verification solutions, has raised $10 million in seed funding. https://venturebeat.com/2019/10/24/incode-raises-10-million-to-verify-identities-with-ai Twitter now With the advent of AI, data access and accuracy are being improved even more How AI is transforming
35420编辑于 2022-05-13 - 来自专栏AI系统
【AI系统】知识蒸馏原理
本文将介绍知识蒸馏（Knowledge Distillation, KD）的原理，这是一种通过从大型的教师模型向小型的学生模型转移知识来实现模型压缩和优化的技术。 例如 MNIST 数据集中存在一个数字 2 的样本被预测为 3 的概率为 10^{-6} ，被预测为 7 的概率为 10^{-9} ，这部分负标签的信息就意味着这个数字 2 有可能与 3 和 7 有些相像
80810编辑于 2024-12-06 - 来自专栏AI系统
【AI系统】GPU 工作原理
前面的文章对 AI 计算体系和 AI 芯片基础进行讲解，在 AI 芯片基础中关于通用图形处理器 GPU 只是简单地讲解了主要概念，将从 GPU 硬件基础和英伟达 GPU 架构两个方面讲解 GPU 的工作原理 传送一个数据单元所需要的时间，单位是 ms、s、min、h 等； ● 吞吐：处理器在一定时间内从一个位置移动到另一个位置的数据量，单位是 bps（每秒比特数）、Mbps（每秒兆比特数）、Gbps（每秒千比特数），比如在第 10s 传输了 20 bit 数据，因此在 t=10 时刻的吞吐量为 20 bps。 在实际硬件工作的过程当中，更倾向于利用多线程对循环展开来提高整体硬件的利用率，这就是 GPU 的最主要的原理。 GPU 工作原理 基本工作原理 首先通过 AX+Y 这个加法运算的示例了解 GPU 的工作原理，AX+Y 的示例代码如下： void demo(double alpha, double *x,
85810编辑于 2024-12-04 - 来自专栏AI系统
【AI系统】卷积操作原理
卷积的数学原理 在通常形式中，卷积是对两个实变函数的一种数学运算。 若令 t=10 ，则 x,y 的取值序列有如下图所示的对应关系。直观上 x,y 的取值有一种翻转对应的感觉。 填充背后的数学原理是这样的，如果我们有一个 n×n 的图像，用 k×k 的卷积核做卷积，那么输出的大小就是 (n-k+1)×(n-k+1) 。
92011编辑于 2024-12-13 - 来自专栏AI系统
【AI系统】计算图原理
在前面的文章曾经提到过，目前主流的 AI 框架都选择使用计算图来抽象神经网络计算表达，通过通用的数据结构（张量）来理解、表达和执行神经网络模型，通过计算图可以把 AI 系统化的问题形象地表示出来。 AI 系统化问题遇到的挑战在真正的 AI 工程化过程中，我们会遇到诸多问题。而为了高效地训练一个复杂神经网络，AI 框架需要解决许多问题，例如：如何对复杂的神经网络模型实现自动微分？ 因此派生出了目前主流的 AI 框架都选择使用计算图来抽象神经网络计算。计算图的定义我们会经常遇到有些 AI 框架把统一的图描述称为数据流图，有些称为计算图，这里可以统称为计算图。 torch.tensor([[3.0,1.0]],requires_grad=True)b = torch.tensor([[3.0]],requires_grad=True)X = torch.randn(10,2 )Y = torch.randn(10,1)# Y_hat 定义后其正向传播被立即执行，与其后面的 loss 创建语句无关Y_hat = X@w.t() + bprint(Y_hat.data)loss
67110编辑于 2024-12-06 - 来自专栏AI系统
【AI系统】常量折叠原理
6 STORE_NAME 0 (day_sec) 8 LOAD_CONST 2 (None) 10 6 STORE_NAME 0 (day_sec) 8 LOAD_CONST 2 (None) 10 AI 编译器的常量折叠常量折叠作为传统编译器的一种优化技术，其迁移到 AI 编译器依然适用。传统编译器通常是对抽象语法树进行常量折叠优化，而 AI 编译器是对计算图进行常量折叠优化。 以下是 AI 编译器常量折叠的几个类型：当计算图中某个节点的数据输入节点均为编译期常量(不同 AI 编译器的定义可能完全不相同)的节点，则可以提前计算出该节点的值来完全替换该节点。 AI 编译器实现案例不同的 AI 编译器对于常量折叠的细节不尽相同，这里以 tensorflow 为例，描述其常量折叠的实现细节：获得逆后续节点集。
39810编辑于 2024-11-29 - 来自专栏python
详解AI作画算法原理
本文将深入浅出地探讨AI作画的核心算法原理，分析常见问题与易错点，并通过一个简单的代码示例，带领大家一窥AI艺术创作的奥秘。一、核心概念与原理1. MidjourneyMidjourney是由Abyss Creations LLC开发的AI艺术平台，专注于利用AI技术生成独特的艺术作品。 与艺术家、设计师合作，探索AI在特定艺术风格、主题上的应用，可以产生意想不到的创新成果。4. 伦理讨论与倡议参与AI伦理的讨论，关注技术对社会、文化的影响，倡导负责任的AI艺术实践，确保技术发展的同时，维护艺术创作的多样性和人文价值。八、结语AI作画不仅是技术的展示，更是艺术与科学的完美结合。 随着算法的不断进步，AI创作的图像越来越接近甚至超越人类艺术家的作品。然而，掌握其背后的原理与技巧，避免常见陷阱，才能真正释放AI在艺术领域的无限潜能。
1.7K10编辑于 2024-04-29 - 来自专栏AI系统
【AI系统】NVLink 原理剖析
随着 AI 技术的飞速发展，大模型的参数量已经从亿级跃升至万亿级，这一变化不仅标志着 AI 的显著提升，也对支持这些庞大模型训练的底层硬件和网络架构提出了前所未有的挑战。 虽然这在当时被视为高效的数据传输方式，但随着 AI 和机器学习领域的快速发展，数据集和模型的规模呈指数级增长，这种传统的 GPU-CPU 互联方式很快成为了系统性能提升的瓶颈。
91410编辑于 2024-11-27 - 来自专栏终有链响
详解AI作画算法原理
AI作画算法原理：深度学习驱动的艺术革新 引言 在数字化时代，人工智能正以前所未有的方式重塑着艺术的边界。 本文将深入探讨AI作画背后的算法原理，解析其如何借助深度学习的力量，实现从数据到艺术的华丽转变。 1. 生成对抗网络（GANs）的魔术 原理介绍：GANs通过一个生成网络与一个判别网络的动态博弈，推动生成网络逐步逼近真实数据分布。 变分自编码器（VAEs）与创意探索 原理：VAEs通过学习数据的低维表示，可以在潜在空间中进行采样，生成新的、但符合训练数据分布的图像。这种随机采样机制为AI艺术创作提供了无限的创意可能。 用户交互与定制化创作 交互界面：现代AI作画平台通常提供用户友好的界面，用户可以通过文字描述、上传参考图片或选择预设风格来引导AI创作过程。
1.1K10编辑于 2024-07-29 - 来自专栏EffectiveCoding
Java Concurrent AQS原理&源码概要（Java 10）
AQS 原理 AQS维护了一个volatile int state（可以理解为锁状态）和一个FIFO线程等待队列（多线程争用资源被阻塞时会进入此队列）。 放一张示意图： ? ，其中Set、compareAndSet等函数与Java 8的实现不同的是，使用VarHandle实现，具体VarHandle介绍可以参考上一篇《Java Concurrent Atomic（JDK 10 下面开始说第三层，也是代码量及工具量非常庞大的一层，后续可能更加枯燥，除去基础使用的API，更愿意简述里面的实现原理。
82530发布于 2019-07-31 - 来自专栏前端数据可视化
Canvas 10款基础滤镜（原理篇）
如果是在不懂怎么搭建环境可以在留言区提问~\n\n \n\n \n\n# 滤镜原理\n\n众所周知，位图是由像素组成，像素是位图最小的信息单元。 你可以把日常看到大多数图片理解成由一个个点组成的图像。 \n\n反色的原理就是用 255 减去原来的值。也就是说红、绿、蓝各自取反。\n\n比如 rgb(10, 200, 100) ，那么反色就是 rgb(245, 55, 155)。 \n\n其原理比较复杂，我打算开多一篇文章讲解~\n\n \n\n\n \n\nhtml\n<canvas id="c" width="700" height="320" style="border: )\n }\n</script>\n\n\n \n\n \n\n# 马赛克\n\n马赛克的<em>原理</em>是：先定义一个马赛克范围参数，该参数越大，马赛克的格子就越大。 \n\n其<em>原理</em>也是比较复杂，不是一两百字能表达完。
65821编辑于 2022-09-08 - 来自专栏c语言与cpp编程
宏工作原理以及典型面试10问
宏工作原理 以hello word程序为例来看看,将下述代码存成hello.c #include <stdio.h> #define STR "hello world" /*这是一个hello word 宏有两种常见形式： 大致说明了宏的工作原理，来看看一些常见的面试问题： 不带参形式（有的地方也称对象形式object-like）。 ); printf("%d", x); return 0; } 答案：B 解析：预处理器用10*10替换SQUARE(10)，表达式变为 x = 2000/10 * 10，x的值计算为 总结一下 面试小提示：实际笔试中，只有掌握了宏的基本操作原理，以及宏预处理的本质，在解题时细心展开，一般而言不会有什么问题。 本文总结了宏的基本工作原理，以及10个比较典型的面试问题，相信对于宏理解不深的盆友会有些许帮助。 如喜欢请点赞/在看/分享支持！
74710发布于 2020-12-02 - 来自专栏Android补给站
10 秒看懂 Android 动画的实现原理
本文将介绍 Android 动画的原理和实现方法，并提供一些示例。 原理 Android 动画的实现原理是通过改变视图的属性来实现的。 如果你想要在你的应用程序中实现动画效果，本文提供了 Android 动画的基本原理和实现方法。你可以根据自己的需要使用不同类型的动画来实现不同的效果。
92320编辑于 2023-08-31 - 来自专栏人人都是极客
解密AI芯片的加速原理
网上对AI芯片的剖析实在太少，这里对一些论文和大佬的研究做一个总结，希望对读者有所帮助。 AI 芯片的诞生 讲到半导体，不得不从摩尔定律说起。 人工智能的出现可以说让所有行业眼前一亮，刚刚提到的无人驾驶，物联网等等背后也都是因为 AI 的出现才带来这样巨大的，有前景的应用。也就是说 AI 技术的变革才是集成电路新应用场景落地的本质所在。 AI 芯片的加速原理 乘加运算硬件加速，脉冲阵列 ? 脉动阵列并不是一个新鲜的词汇，在计算机体系架构里面已经存在很长时间。 下面说下脉冲阵列的基本原理： 首先，图中上半部分是传统的计算系统的模型。一个处理单元（PE）从存储器（memory）读取数据，进行处理，然后再写回到存储器。 下面分享几个已经存在的AI加速芯片的例子，相信这样会更加直观。 AI 芯片实例 TPU ? 这是Google的TPU。从上边的芯片框图可以看到，有一个64K的乘加MAC阵列对乘加运算进行加速。
92630发布于 2019-05-14 - 来自专栏AI系统
【AI系统】Auto-Tuning 原理
软硬件的快速更迭：随着新的处理器架构和专用 AI 加速器的不断涌现，硬件平台变得更加多样化。 自动调优原理为了以一种高效的方式在各种硬件平台上提供这些算子，已经引入了多种编译器技术，用户使用高层级声明性语言以类似于数学表达式的形式定义计算，编译器根据该定义生成优化的张量程序。 在 AI 领域，这尤为重要，因为 AI 模型的计算复杂度通常很高，而且不同的硬件平台（如 CPU、GPU、FPGA 等）对计算和内存访问的优化需求各不相同。 自动调优可以显著提高 AI 应用的运行效率，尤其是在深度学习等计算密集型任务中。 在自动调优中，TVM 是走在前列的 AI 编译器，其自动调优系统已经历经三代，本文将介绍 TVM 的这三代自动调优系统。
55010编辑于 2024-11-29 - 来自专栏人人都是极客
解密AI芯片的加速原理
网上对AI芯片的剖析实在太少，这里对一些论文和大佬的研究做一个总结，希望对读者有所帮助。 AI 芯片的诞生 讲到半导体，不得不从摩尔定律说起。 人工智能的出现可以说让所有行业眼前一亮，刚刚提到的无人驾驶，物联网等等背后也都是因为 AI 的出现才带来这样巨大的，有前景的应用。也就是说 AI 技术的变革才是集成电路新应用场景落地的本质所在。 AI 芯片的加速原理 乘加运算硬件加速，脉冲阵列 ? 脉动阵列并不是一个新鲜的词汇，在计算机体系架构里面已经存在很长时间。 下面说下脉冲阵列的基本原理： 首先，图中上半部分是传统的计算系统的模型。一个处理单元（PE）从存储器（memory）读取数据，进行处理，然后再写回到存储器。 下面分享几个已经存在的AI加速芯片的例子，相信这样会更加直观。 AI 芯片实例 TPU ? 这是Google的TPU。从上边的芯片框图可以看到，有一个64K的乘加MAC阵列对乘加运算进行加速。
4.5K30发布于 2018-09-25 转载：【AI系统】NVLink 原理剖析
随着 AI 技术的飞速发展，大模型的参数量已经从亿级跃升至万亿级，这一变化不仅标志着 AI 的显著提升，也对支持这些庞大模型训练的底层硬件和网络架构提出了前所未有的挑战。 虽然这在当时被视为高效的数据传输方式，但随着 AI 和机器学习领域的快速发展，数据集和模型的规模呈指数级增长，这种传统的 GPU-CPU 互联方式很快成为了系统性能提升的瓶颈。
90010编辑于 2024-12-11
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号