Chat GPT-4 + midnshow.fun 自动写PPT

GPT注册使用

参见链接：
https://blog.csdn.net/qq_22828175/article/details/128395845?spm=1001.2014.3001.5501

提问技巧

1. 将你后面回复的所有内容都放到markdown代码框中
   

出现markdown代码框即可

2. “XXX描述”，注意：使用markdown格式，并将回答放到代码框中
   
3. copy markdown代码：markdown代码如下，可以粘贴到mindshow.fun中自动生成了。

# GPT的原理

GPT（Generative Pre-trained Transformer）是一种基于Transformer架构的语言生成模型，由OpenAI团队开发。GPT的基本原理是使用大规模无标注的语料库进行预训练，然后将预训练模型fine-tune到不同的下游任务中。

## Transformer架构

GPT使用Transformer架构来实现语言建模。Transformer架构主要由两个部分组成：Encoder和Decoder。Encoder将输入序列转化为一个上下文向量，Decoder则使用该向量来生成输出序列。

Transformer的核心是自注意力机制（Self-Attention Mechanism）。自注意力机制允许模型在不同位置上对输入序列进行加权处理，并计算加权和，从而在不依赖于序列位置的情况下捕捉到全局依赖关系。

## 预训练

GPT的预训练过程采用了自回归语言模型（Auto-Regressive Language Model）作为目标。给定一个输入序列，模型需要预测下一个单词的概率分布。为了避免过拟合，GPT使用了Dropout和Layer Normalization等技术。

GPT使用了多层的Transformer结构，并在每一层使用了多头自注意力机制。预训练的目标是最大化下一个单词的概率分布的对数似然。

## Fine-tuning

在预训练完成后，GPT可以通过微调（Fine-tuning）来适应不同的下游任务。微调的过程是在预训练的基础上，再用少量有标注的数据进行训练。

微调的过程中，通常会将GPT的最后一层替换成任务特定的层，并根据任务需要进行修改。在微调过程中，模型的参数会被重新调整，以适应特定任务的数据。

## 应用

GPT的应用非常广泛，包括自然语言生成、文本分类、问答系统等等。在自然语言生成方面，GPT可以用于文本摘要、对话系统、机器翻译等任务。在文本分类方面，GPT可以用于情感分析、垃圾邮件过滤等任务。在问答系统方面，GPT可以用于自动回答问题、智能客服等任务。

总的来说，GPT的优点在于可以通过预训练和微调来适应不同的下游任务，从而在各种自然语言处理任务中取得良好的效果。

打开能够导入markdown的PPT制作工具

1. mindshow.fun
   
   
   
   模板是对整个PPT而言去选择，布局是对单张slide而言去选择，选择好之后就可以下载了。

自动生成的PPT

2. slidev
   https://github.com/slidevjs/slidev
   
   在线使用：
   https://stackblitz.com/edit/slidev-a43lak?file=slides.md

参考资料

1. https://www.bilibili.com/video/BV1bM4y1z7Av/?spm_id_from=333.788.recommend_more_video.1&vd_source=1bb0c913fd702c03111d1b95abbf5b61
2. https://www.bilibili.com/video/BV1ko4y1e71W/?vd_source=1bb0c913fd702c03111d1b95abbf5b61
3. https://blog.csdn.net/cainiao_python/article/details/129869930
4. https://zhuanlan.zhihu.com/p/465774494