如何利用ChactGPT

哈喽大家好呀
拆GPT已经混了好久了
那今天来讲一下如何利用拆GPT
来帮助我们学习
首先呢来介绍一下什么是拆GPT
是一个基于深度学习和大语言模型
产生的一个对话机器人
或者大家可以把理解为对话AI
他有点像搜索引擎
就是你问他任何问题呢
他都能给你一个答案
你可以问他我这周末想去放松一下
有什么建议
或者说你可以问一些比较学术的
我想写一个
就是Gossie distribution的一个代码
就是在拍的语言中呢
把它跑出来的一个代码
它可以帮你实现这样子一个问题
那回到最初的问题
就是如何利用柴g p来帮助我们学习
我个人认为
其实如果如果你想学好一门学科
或者说你想把一个知识点巩固好
那最好的方法呢
就是把所有的知识点都连接在一起
就比方说我最近在学肯定vision
就是计算机视觉
其中一个部分呢
就是识别出图中的一个二维边边
那如何去做这件事情呢
那首先呢要用到now maximal separation
然后再去设定一个伐值
去取出
其中高于这个伐尺的一些像素点
那当时我学的时候我就很不能理解
为什么不能直接就是取一个伐尺
如果高于这个伐尺
我们就把所有的像素给取出来
这样子呢
我们是不是也可以就是这样
把一些边边都给画出来
然后后来我就去问x g b t
为什么我要进行这样子一个步骤
就是now maximum was
surprising和
设定阀值
这两个方法当中有什么样子可联系
后来呢乔治BD告诉我
就是说
就是这个图片中可能会有很多的噪音
导致这个边边呢
可能会很宽
或者说有一些它并不是边边地方
但是由于噪音的存在
我们导致当设定阀址时
它也可以被认定为一个边边
通过这样的关系我就知道了
哦原来now maximum suppression呢
他是先预先处理数据
处理完数据之后呢
然后再去设定一个发热
他可能就存在这样子一个顺序的关系
就是我先做这一步才能再做那一步
下次考虑
考虑到就设定法师这个问题的时候
我就会脑子里面马上出现哦
我们要先去做no maximum separation
才能去设定法师
这样子呢
可能帮助我们更好的去
理解这个知识点
大家不管去学物理
化学或者生物的知识点的时候
也可以就是多去问问一下GPT
每个知识点之间他有什么样的关系
是不是这个知识点
他是某个知识点的前提
我们要先做a才能去做b
如果有这样子的一个逻辑关系之后呢
脑子里面可能就会画出这样的图
就这样子连接连接连接
从这个节点到那个节点
哎如果没有这个节点
没有方法a我们是不能到节点b的
通过这样子一个方法呢
可能就是更好的帮助我们去
就是在脑子里面理清所有的知识
哦忘了题
还有大佬开发出了一个拆g b t
学术论文版
他是开源了的大家
可以上搜索引擎搜索一下拆g b t
学书论文版
它里面有什么功能呢
大家可以去简介看一下
就是他有
就是能帮你直接翻
译每篇文章中的一些摘啊
或者说你把一个代码扔给他
他能帮你直接读取代码中每个
那个方程
他都在干什么
或者说呢
他也能帮你进行一个学术论文的润色
真的好厉害
这个大佬让大家可以上去看一下