- 博客(1869)
- 资源 (39)
- 收藏
- 关注
转载 ChatGPT Plugins内幕、源码及案例实战
ChatGPTPlugins内幕、源码及案例实战6.1 ChatGPTPlugins的工作原理本节主要跟大家谈ChatGPT的插件(Plugins),这个内容非常重要。现在很多企业级的开发,一般都会基于ChatGPT插件进行一些服务的封装,相当于开发了一个代理(Agent),把一些服务或者API封装在里面,然后呼叫的时候,是直接使用代理,而不是直接去呼叫服务,代理会在内部把事情处理好。本节会围...
2023-07-02 15:56:26 283
原创 ChatGPT Plugins内幕、源码及案例实战(四)
page_builder函数展示了它的一种用途,根据你输入的内容,有标题(title),还有输入的文本(copy_text),结合这两部分内容和HTML的结构,会生成具体的页面内容,有点类似于编辑器之类的功能,可以生成PDF或者其他一些格式的文档,因为这是函数(function),在里面想调什么都可以,只要能用代码做的事情都可以调。2023年6月,OpenAI发布了两款新模型,gpt-3.5-turbo-0613和gpt-4-0613,这两种大模型都为API带来了一个函数调用的新功能。
2023-07-02 10:07:53 184
原创 ChatGPT Plugins内幕、源码及案例实战(三)
这是一些数据基本的加载处理,没什么特别的,有一些原始数据的描述,是LangChain官网文档的一些内容。我们讲解了ChatGPT检索插件原理机制的部分,接下来看具体的代码,最经典的可以直接看ChatGPT检索插件的代码,它类似一个模板,本节会看一个比较小规模的案例代码,这是关于LangChain文档的插件,在这个例子中,我们执行以下脚本命令,从https://python.langchain.com下载LangChain文档,得到网站上所有的.html文件。这是针对单个文档的,需要对所有文档都这样做。
2023-07-02 10:04:56 709
原创 ChatGPT Plugins内幕、源码及案例实战(二)
ChatGPT检索插件示例中,“.well-known”目录里面的ai-plugin.json是一个插件的说明文档,插件名为Retrieval Plugin,用于搜索用户的文档(如文件、电子邮件等),该插件需要用户授权,采用Bearer类型,API采用OpenAPI规范。大家开发插件的时候,可以把ChatGPT检索插件示例的代码克隆下来,修改代码就行了,然后在一个具体的托管平台进行发布,例如AWS,通过URL去访问具体的服务。检索插件的API需要以下环境变量才能工作,如表6-2所示。
2023-07-02 10:04:27 1017
原创 ChatGPT Plugins内幕、源码及案例实战(一)
有了这个插件,可以访问已开发的服务,或者第三方库等。更进一步,ChatGPT跟用户交互的方式,用户要执行一些动作的话,可以在ChatGPT中对应用程序的图标采取行动,ChatGPT插件都可以实现,这看起来很激动人心,但如果从具体架构的角度,其实是非常简单的,从最上层的角度,域(domain)是URL或者服务访问的地址,代理(Agent)进程对API服务或者工具进行封装,还有Open API 定义(Open API Definition)和插件清单(Plugin Manifest),如图6-3所示。
2023-07-02 10:00:18 1147
转载 GPT-2源码实现及GPT-3、GPT-3.5、GPT-4及GPT-5内幕解析
GPT-2源码实现及GPT-3、GPT-3.5、GPT-4及GPT-5内幕解析Gavin大咖微信:NLP_Matrix_SpaceChatGPT提示词流程解析本节主要是跟大家剖析GPT内部的源码,在进入源码及运行项目之前,我们先思考一下ChatGPT的机制,ChatGPT默认情况下使用的模型是GPT-3.5,作者在日常工作中使用的模型是GPT-4,在做一些研究的时候,会涉及大量的长文本,无论是推理...
2023-06-24 21:33:14 328
原创 GPT-2源码实现及GPT-3、GPT-3.5、GPT-4及GPT-5内幕解析(四)
因此,当数据量越大时,从正常的角度,模型会表现得更好。第二点是人工干预的问题,这个事情很重要,在GPT-3.5、InstructGPT到GPT4的过程中,发现了人工干预的强大威力,OpenAI公司自己也没有想到它会这么强大,所以在GPT升级的过程中,OpenAI公司强化了人工干预的工作。背后有很多原因,但最重要的原因是应对不确定性,因为它本身是一个概率分布,作者多次说过,GPT产生的信息是不可靠的,从GPT-3.5到GPT-4以及GPT-5、6、7等版本,它们做的核心工作一定是怎么应对产生信息的不可靠性。
2023-06-24 15:53:51 598
原创 GPT-2源码实现及GPT-3、GPT-3.5、GPT-4及GPT-5内幕解析(三)
GPT-3是一个基于Transformer的语言模型,通过不同的层次提取语言不同层面的特性,构建整个语言的语义信息,它学习的过程跟人类正常学习的过程是类似的,开始的时候是一个无监督预训练,如图5-5所示,GPT-3模型可以将网络上的所有文档下载下来,包含 3000 亿个文本标记的数据集用于生成模型的训练示例,通过遮住下一个词的方式来训练模型,然后进行预测,如果模型的预测是正确的,那么这是一个很好的结果;GPT-2源码实现及GPT-3、GPT-3.5、GPT-4及GPT-5内幕解析(三)
2023-06-24 15:50:12 1677
原创 GPT-2源码实现及GPT-3、GPT-3.5、GPT-4及GPT-5内幕解析(二)
gpt2函数实现了GPT-2模型的前向传播过程,将输入序列转换为词向量和位置向量,通过多个Transformer block的处理,将输入序列转化为一个预测输出张量。大家看一下,首先是一个 Main入口,Main函数传入提示词、生成的单词数、模型大小和模型文件目录等参数,从模型文件中加载编码器、超参数和模型参数,然后使用BPE分词器对输入文本进行编码,确保编码后的序列长度不超过模型的最大序列长度,接着通过调用generate函数生成输出序列,并将其解码回文本格式,最终返回生成的文本。GPT-2模型的参数。
2023-06-24 15:48:55 869
原创 GPT-2源码实现及GPT-3、GPT-3.5、GPT-4及GPT-5内幕解析(一)
当然,使用10页左右的写作来测试ChatGPT并不算是极限,但是,可以问一些简单的问题,然后经过几轮对话,如果具有上下文,尤其是有序列的上下文,对提示词的管理就非常重要。本节主要是跟大家剖析 GPT内部的源码,在进入源码及运行项目之前,我们先思考一下ChatGPT的机制,ChatGPT默认情况下使用的模型是GPT-3.5,作者在日常工作中使用的模型是GPT-4,在做一些研究的时候,会涉及大量的长文本,无论是推理能力,还是逻辑分析能力,GPT-4信息产出的质量都明显高于GPT-3.5。图5- 3 模型微调。
2023-06-24 15:43:13 544
原创 ChatGPT底层架构Transformer技术及源码实现(五)
ChatGPT底层架构Transformer技术及源码实现(五)3.5 为何GPT-4才是NLP的真正重大突破?2018年6月11日,OpenAI 发布了最初的GPT-1,它是一个拥有1.17亿参数和4.5GB 训练数据文本的NLP 大模型。GPT-4 是OpenAI 最新的大型语言模型,于2023年3月中旬发布,与之前的模型相比,GPT-4有了巨大改进,获得了全球赞誉。
2023-06-24 08:52:30 475
原创 ChatGPT底层架构Transformer技术及源码实现(四)
如图3-33所示,是自编码语言模型,可以根据上下文的注意力进行填充,神经网络背后是向量,隐向量填充有一个程度的问题,多大程度的正确与否,这是一个自编码的过程,像做填空题一样,在填空题对一些关键信息进行挖空,自编码语言模型根据上下注意力来填入相应的内容,再跟实际的内容进行对比,根据实际的结果来校正神经网络,然后自编码语言网络就能够理解数据左侧的部分。如图3-34所示,图中左侧的部分是自编码的过程或者是双向注意力机制,图中右侧的部分是自回归的过程。图3- 34 自编码、自回归模型。图3- 35 对话机器人。
2023-06-24 08:48:08 134
原创 ChatGPT底层架构Transformer技术及源码实现(三)
式(3-23)其实就是MAP,而p(D)本身它要算的是把所有的 ∫_θ^ ▒〖P(D|θ)P(θ)〗 dθ进行集成,从最开始看见的式(3-19) P(D)=∫_θ^ ▒〖P(D,θ)dθ〗这个数据和模型共现的概率,转换成计算式(3-20)的P(D)= ∫_θ^ ▒〖P(D|θ)P(θ)dθ〗,其中P(D|θ)是似然估计MLE的部分。在式(3-17)中,x是数据,θ_i是参数,用数据更新模型,其实是后验概率MAP的过程,回到贝叶斯公式本身。从数学的角度来讲,线性转换。图3- 32 概率质量分布。
2023-06-24 08:45:19 278
原创 ChatGPT底层架构Transformer技术及源码实现(二)
如图3-17所示,从训练的视角,阐述Transformer整个训练的数据流程,输入文本数据“you’re welcome”,把它变成嵌入词向量(Embedding),在构建嵌入词向量之前,根据整个的字典,把you、are、welcome这三个单词变成ID的方式,然后转换为词向量(Embedding),为了考虑顺序,也要有位置的编码,将位置编码和输入词向量两个加起来就形成了输入的编码,然后通过不同的编码层(Encoder)完成上下文的编码的部分。图3- 21 Value、Key、Query的产生过程。
2023-06-24 08:29:29 312
原创 ChatGPT底层架构Transformer技术及源码实现(一)
先验概率(Prior)是原有的一个信念或者原有的模型、原有的思维结构,当我们训练的时候是要调整模型P(A),是没有数据的模型,P(A)要经过数据的调整,在加入数据的情况下来改变P(A),就是模型的更新。输入数据x产出是y,y的上面有一个波浪号表示模型的预测值,中间经过了两层线性变换,两层线性变换中间会有非线性变换,这些都是深度学习的基本内容,模型的目标是寻找参数w,使得输入的x通过神经网络模型得出y ̃值要尽量的接近标签y,要尽可能的接近于实际的值,从训练的角度,这都是数据处理的基本支持。
2023-06-24 08:24:47 279
原创 GPT内幕机制及源码实现逐行解析 300行源码实现GPT逐行解析
在函数中,先创建了两个卷积层,分别将输入维度d_model转换为中间层维度dff,再将中间层维度dff转换为输出维度d_model。GPT-2使用12层解码器Transformer架构,在自然语言处理任务中,例如问答、机器翻译、阅读理解和摘要等,通常在任务特定的数据集上使用监督学习来处理,GPT-2语言模型在没有监督的情况下学习这些任务,在一个WebText的数百万网页的新数据集上进行训练,GPT-2是一个拥有1.5B个参数的Transformer模型,它在8个测试数据集中的7个数据集上实现了先进的结果。
2023-06-21 21:46:02 1249 3
原创 企业级ChatGPT开发的三大核心内幕及案例实战(四)
该类通过将一个链映射到每个文档上,然后将结果组合起来来实现文档的合并。假设阅读一本书,作者和智华合作写的一本关于Spark方面的书籍,一共1300多页,如果从第一页开始,逐渐去遍历检索信息,无论从速度、还是从性价比的角度,这是一个问题,LangChain给我们提供了一些比较经典的方式,例如map_reduce、map_rerank、refine、stuff等四种方式。这是一个很核心的问题,也是一个很好的面试题,如果对这个问题能有很好理解的话,通过技术面试的第一轮,不会有太大的问题。
2023-06-21 21:30:36 1257
原创 企业级ChatGPT开发的三大核心内幕及案例实战(三)
这里使用faiss向量数据库,这是Facebook提供的高效检索的向量数据库工具,使用相似度来进行检索, 相似度是一种很简单的思维,会跟大家谈很多企业级的技巧,远远不止于此,这里面会涉及到一些问题,比如速度问题等等,在代码中,将OpenAI的温度参数(temperature)设置为0,以获得相同的结果,store是基于faiss构建的向量索引库,接下来,根据用户的输入,基于输入信息,跟OpenAI大模型进行交互,它的核心代码本身是很简单的。如图2-3所示,是Notion_DB本身的数据,没什么特殊的地方。
2023-06-21 21:30:18 1177
原创 企业级ChatGPT开发的三大核心内幕及案例实战(二)
当然一个好的代理,它是一个动态调整的过程,可以认为它是一个循环(loop),它既能与模型打交道,又能与数据打交道,又能与工具打交道,而且它能够处理异常,并且能够评估整个系统的行为。因为基于大模型做一个对话的AI产品,历史的信息必然会影响当前的信息,当前的信息处在一个上下文中,你当前说一句话,从一种正常的角度,肯定是有上下文的,可能有同学会问第一句话怎么处理,可以将第一句话作为提示词,自动把它设定为上下文,例如,可以指定这个系统是一个数学老师,或者是一个销售,或者是一个工程师来参加面试等等。
2023-06-21 21:23:35 543
原创 企业级ChatGPT开发的三大核心内幕及案例实战(一)
在业界的最佳实践中,一般都会把这些东西封装进框架,业界现在最流行的框架是LangChain,这是开源界公认的最好的大模型框架,是工业界使用最广泛的大模型框架,也是学术界认可最广泛的大模型框架。我们做大模型开发,更经典的一种展现方式是把大模型驱动的系统做成一个插件(Plugins),其他的企业或者实体可以集成我们的插件,这对于大模型时代的开发是非常重要的,因为现在业界逐渐有一个趋势或者共识,所有的应用程序背后都值得用大模型驱动重新开发一遍,重新开发肯定是想使用大模型的一些优势,大模型的优势在于它的推理能力。
2023-06-21 21:23:18 2075
原创 基于ChatGPT的端到端语音聊天机器人项目实战(三)
大家通过朴素贝叶斯的思想,比较容易知道概率模型,在重试的时候,不要以简单粗暴方式重试,而应该拿上这个结果,加上你的判断进行重试,你看见那个结果,告诉它不正确,然后你重新生成,这也会有效果,在很多情况下,你应该设立好自己的框架,一个很重要的技术叫Langchain,它做的一个很重要的工作,就是帮你封装了部分此类的操作。但是这里面有一个很重要的问题,从企业级的角度,模型产出的结果可能不符合你的预期,这边有三种情况,第一种是满意度不高,模型给的回复可能是一部分是正确的,但另外一部分是很有问题的;
2023-06-21 21:17:25 3215
原创 基于ChatGPT的端到端语音聊天机器人项目实战(二)
OpenAI API使用的费用,根据实际情况可能比较低,也可能比较高,转过来说明了另外一个很重要的问题,也是我们重点跟大家谈的一个内容,就是提示词,同样一件事情,提示词如果写得好的话,使用的标记数量可能只是正常人使用标记数量的1/3,从费用的角度讲,这是一个很大的差异,如果有海量标记的话,每天使用OpenAI的提示词可能是几十万甚至上百万的费用,如果能把它降低为1/3,这显然是一个节约成本的方式。Elevenlabs本身很简单,没什么特别的,以上是它的API部分,也可以看一下它的语音合成,如图1-5所示。
2023-06-21 20:00:00 331
原创 ChatGPT 使用 拓展资料: OPENAI 函数调用和其他 API 更新
ChatGPT 使用 拓展资料: OPENAI 函数调用和其他 API 更新我们在今年早些时候发布gpt-3.5-turbo,gpt-4在短短几个月内,已经看到开发人员在这些模型之上构建了令人难以置信的应用程序。今天,我们将跟进一些令人兴奋的更新:Chat Completions API 中的新函数调用功能gpt-4和的更新和更易于操纵的版本gpt-3.5-turbo新的 16k 上下文版本gpt-3.5-turbo(与标准 4k 版本相比)我们最先进的嵌入模型的成本降低了 75%
2023-06-15 21:09:31 1033
转载 来自硅谷企业级ChatGPT大模型开发入门实战直播试听课
来自硅谷企业级ChatGPT大模型开发入门实战直播试听课片段11. "打造完美的工业级ChatGPT,提示词Prompt四大核心不可或缺!结合理论与实践,打破你的认知,让模型预测效果超越你的想象。不再只是概念,而是实际操作指南,让你实战中快速成长!"2. "遇到产品级ChatGPT的输出问题和错误无法解决?我们深度解析策略和实战技巧,帮你轻松解决输出问题,确保模型运行的稳定性和准确性。让你的Ch...
2023-06-11 15:45:53 108
原创 ChatGPT 使用 拓展资料:吴恩达大咖 Building Systems with the ChatGPT 端到端的示例
ChatGPT 使用 拓展资料:吴恩达大咖 Building Systems with the ChatGPT 端到端的示例步骤1:输入通过审核检查。步骤2:提取产品列表。第三步:查找产品信息。步骤4:生成对用户问题的响应。步骤5:响应通过审核检查。第6步:模型评估响应。步骤7:模型批准了响应。
2023-06-09 19:30:00 157
原创 ChatGPT 使用 拓展资料:吴恩达大咖 Building Systems with the ChatGPT API 系统评估2
ChatGPT 使用 拓展资料:吴恩达大咖 Building Systems with the ChatGPT API 系统评估 。
2023-06-09 19:00:00 330
原创 ChatGPT 使用 拓展资料:吴恩达大咖 Building Systems with the ChatGPT API 系统评估1
ChatGPT 使用 拓展资料:吴恩达大咖 Building Systems with the ChatGPT API 系统评估1在前面的几段视频中,用户展示了如何使用一个小时来构建应用程序,从评估这些输入到处理输入,再到进行最终打开检查,再到向用户显示输出。显然是构建了这样一个系统。你怎么知道它是如何工作的?也许即使你部署了它并让用户使用它,你如何跟踪进展情况并找到这些不足之处,并继续提高系统中答案的质量?在这个视频中,我想和大家分享一些评估Elm输出的最佳实践。
2023-06-08 20:57:43 785
原创 ChatGPT 使用 拓展资料:吴恩达大咖 Building Systems with the ChatGPT API 输出检查
ChatGPT 使用 拓展资料:吴恩达大咖 Building Systems with the ChatGPT API 输出检查在本视频中,将重点检查系统生成的输出。在向用户展示输出之前检查输出对于确保质量非常重要,提供给他们的响应的相关性和安全性,或者使用自动化或学习如何使用Moderation API。
2023-06-08 20:00:00 355
原创 ChatGPT 使用 拓展资料:吴恩达大咖 Building Systems with the ChatGPT API 链式提示
ChatGPT 使用 拓展资料:吴恩达大咖 Building Systems with the ChatGPT API 链式提示在本视频中,我们将学习如何通过将多个提示链接在一起,将复杂的任务拆分为一系列更简单的子任务。你可能会想,为什么要将一个任务拆分为多个提示,而你可以像我们在上一个视频中学到的那样,通过一个提示和思维推理链来实现它?我们已经证明,语言模型非常善于遵循复杂的结构,尤其是像GPT 4这样更先进的模型。所以让我解释一下为什么我们要用两个类比来做这件事——比较思维链、推理和链接多个提示。比较这
2023-06-08 19:30:00 318
转载 企业级ChatGPT开发入门实战直播21课
课程名称:企业级ChatGPT开发入门实战直播21课Throughout this course, we firmly believe that the true power anddistinctiveness of language model applications lie in their ability to connectwith external data sources an...
2023-06-08 13:30:38 312 1
原创 ChatGPT 使用 拓展资料:吴恩达大咖 Building Systems with the ChatGPT API 思维链
在本节中,我们将重点讨论要处理输出的任务,这些任务通常通过一系列步骤来获取输入并生成有用的输出。有时,在回答特定问题之前,模型详细推理问题是很重要的。如果你参加了我们之前为开发人员提供的提示工程课程,你会看到很多这样的例子。
2023-06-07 19:45:00 407
原创 ChatGPT 使用 拓展资料:吴恩达大咖 Building Systems with the ChatGPT API 内容审查
评估输入:内容审查
2023-06-06 20:30:15 359
原创 ChatGPT 使用 拓展资料:吴恩达大咖 Building Systems with the ChatGPT API 分类
ChatGPT 使用 拓展资料:吴恩达大咖 Building Systems with the ChatGPT API 分类在本节中,我们将重点讨论评估输入的任务,这对确保系统的质量和安全非常重要。需要大量独立的指令集来处理不同的情况。首先对查询类型进行分类,然后使用该分类来确定要使用的指令,这是有益的。这可以通过定义固定类别和对与处理相关的指令进行硬编码来实现给定类别中的任务。例如,在构建客户服务助理时,首先对查询类型进行分类,然后根据该分类确定要使用的说明可能很重要。
2023-06-05 19:27:03 123
原创 ChatGPT 使用 拓展资料:吴恩达大咖 Building Systems with the ChatGPT API 构建聊天形式的模版
欢迎来到本课程,学习如何使用聊天API构建系统,之前我介绍了如何使用提示语调用API,但系统需要的不仅仅是单个提示或对 语言模型的单个调用。在这门简短的课程中,我们想与您分享构建复杂应用程序的最佳实践。我们使用构建端到端客户服务助理系统的运行示例,该系统根据前一个调用的输出,使用不同的指令将多个调用链接到一个语言模型,有时甚至从外部源查找。例如,给出一个用户输入,告诉我有什么电视在卖。我们会使用以下步骤来处理这个问题。首先,你可以评估输入,以确保它不包含任何有问题的内容,例如仇恨言论。
2023-06-05 15:04:41 992 1
原创 ChatGPT 使用 拓展资料:大模型时代的开发者新机遇
ChatGPT 使用 拓展资料:大模型时代的开发者新机遇在这里插入图片描述NLP&ChatGPT&LLMs技术、源码、案例实战210课**
2023-06-04 22:01:32 214
原创 ChatGPT 使用 拓展资料: 从GLM 到ChatGLM:大模型预训练与微调
ChatGPT技术和OpenAI API的基础应用和进阶应用:学习了ChatGPT技术和OpenAI API的基础和进阶应用,如大模型概述、API接口概述、向量检索、文本生成、嵌入式向量检索实现问答系统、使用LangChain等,可以在不同的场景中灵活应用ChatGPT技术和OpenAI API解决问题。2, 通过近21小时学习导师从自己阅读的超过3000篇NLP论文中的精选出的10篇质量最高的论文的架构、算法、实现等讲解,对新一代的NLP技术了然于胸,极大的加速NLP科研及项目开发进度。
2023-06-04 09:58:34 621
Rasa对话机器人Debugging项目实战之电商零售、银行金融、保险行业、教育领域对话机器人第121课-第128课学习笔记
2022-04-21
Rasa对话机器人连载十二 第124课:Rasa对话机器人Debugging项目实战之保险行业调试全程实战解密(三).rar
2022-04-21
Rasa对话机器人连载二十八 第128课:Rasa对话机器人Debugging项目实战之教育领域综合调试实战解密(三).pdf
2022-04-21
Rasa对话机器人连载二十七 第128课:Rasa对话机器人Debugging项目实战之教育领域综合调试实战解密(二).pdf
2022-04-21
Rasa对话机器人连载二十五 第127课:Rasa对话机器人Debugging项目实战之教育领域项目 .pdf
2022-04-21
Rasa对话机器人连载二十四 第127课:Rasa对话机器人Debugging项目实战之教育领域项目 (三).pdf
2022-04-21
Rasa对话机器人连载二十三 第127课:Rasa对话机器人Debugging项目实战之教育领域项目 (二).pdf
2022-04-21
Rasa对话机器人连载二十二 第127课:Rasa对话机器人Debugging项目实战之教育领域项目 (一).pdf
2022-04-21
Rasa对话机器人连载二十一 第126课:Rasa对话机器人Debugging项目实战之教育领域项目解密(四).pdf
2022-04-21
Rasa对话机器人连载二十 第126课:Rasa对话机器人Debugging项目实战之教育领域项目调试解密(三).pdf
2022-04-21
Rasa对话机器人连载十九 第126课:Rasa对话机器人Debugging项目实战之教育领域项目调试 解密(二).pdf
2022-04-21
Rasa对话机器人连载十八 第126课:Rasa对话机器人Debugging项目实战之教育领域项目调试解密(一).pdf
2022-04-21
Rasa对话机器人连载十七 第125课:Rasa对话机器人Debugging项目实战之保险行业调试 解密(四).pdf
2022-04-21
Rasa对话机器人连载十六 第125课:Rasa对话机器人Debugging项目实战之保险行业调试 解密(三).pdf
2022-04-21
Rasa对话机器人连载十五 第125课:Rasa对话机器人Debugging项目实战之保险行业调试 解密(二).pdf
2022-04-21
Rasa对话机器人连载十三 第124课:Rasa对话机器人Debugging项目实战之保险行业调试全程实战解密(四).pdf
2022-04-21
Rasa对话机器人连载十一 第124课:Rasa对话机器人Debugging项目实战之保险行业调试全程实战解密(二).pdf
2022-04-21
Rasa对话机器人连载十 第124课:Rasa对话机器人Debugging项目实战之保险行业调试全程实战解密(一).pdf
2022-04-21
Rasa对话机器人连载九 第123课:Rasa对话机器人Debugging项目实战之Training及Reference(二)
2022-04-21
Rasa对话机器人连载八 第123课:Rasa对话机器人Debugging项目实战Training及Reference剖析(一)
2022-04-21
Rasa对话机器人连载七 第122课:Rasa对话机器人Debugging项目实战之银行金融对话机器人全生命周期调试实战-(三)
2022-04-21
Rasa对话机器人连载六 第122课:Rasa对话机器人Debugging项目实战之银行金融对话机器人全生命周期调试实战-(二)
2022-04-21
Rasa对话机器人连载五 第122课:Rasa对话机器人Debugging项目实战之银行金融对话机器人全生命周期调试实战-(一)
2022-04-21
Rasa对话机器人连载四 第121课:Rasa对话机器人Debugging项目实战之电商零售对话机器人运行流程调试全程演示-4
2022-04-21
Rasa对话机器人连载三 第121课:Rasa对话机器人Debugging项目实战之电商零售对话机器人运行流程调试全程演示-3
2022-04-21
Rasa对话机器人连载二 第121课:Rasa对话机器人Debugging项目实战之电商零售对话机器人运行流程调试全程演示-2
2022-04-20
Rasa对话机器人连载一 第121课:Rasa对话机器人Debugging项目实战之电商零售对话机器人运行流程调试全程演示-1
2022-04-20
第123课:Rasa对话机器人Debugging项目实战之图解银行金融案例架构视角下的Training及Reference全生命
2022-04-08
第122课:Rasa对话机器人Debugging项目实战之银行金融对话机器人全生命周期调试实战
2022-03-29
第121课:Rasa对话机器人Debugging项目实战之电商零售对话机器人运行流程调试全程演示
2022-03-29
第121课:Rasa对话机器人Debugging项目实战之电商零售对话机器人运行流程调试全程演示-4
2022-03-20
第121课:Rasa对话机器人Debugging项目实战之电商零售对话机器人运行流程调试全程演示-1
2022-03-20
fr-en.tgz https://www.statmt.org/ europarl/v7/fr-en.tgz
2021-09-26
tensorflow-1.15.0-cp36-cp36m-win_amd64.whl
2020-09-01
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人