![](https://img-blog.csdnimg.cn/direct/3a311ee754644b7cbec3b63b185b71e1.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
AI实战
文章平均质量分 94
记录AI学习和实战过程中的一些踩坑经验和思路梳理
AI码上来
AI工程师。真诚利他,干货分享。欢迎围观公众号:猴哥的AI知识库
展开
-
全网刷屏的 LLaMa3.1,2分钟带你尝个鲜
手把手带你本地体验 Llama3.1原创 2024-07-26 08:10:28 · 919 阅读 · 0 评论 -
本地部署大模型?Ollama 部署和实战,看这篇就够了
Ollama 也许是当前最便捷的大模型部署工具,配合Open WebUI,人人都可以拥有大模型自由。原创 2024-07-24 07:57:37 · 1637 阅读 · 0 评论 -
SenseVoice 实测,阿里开源语音大模型,识别效果和效率优于 Whisper,居然还能检测掌声、笑声!5分钟带你部署体验
阿里开源语音大模型:语音识别效果和性能强于 Whisper,还能检测掌声、笑声、咳嗽等原创 2024-07-23 07:48:24 · 1244 阅读 · 0 评论 -
EasyAnimate-v3 实测,阿里开源视频生成模型,5 分钟带你部署体验,支持高分辨率超长视频
体验一下开源的视频生成模型?EasyAnimate-v3 支持图像/文本生成视频,及高分辨率超长视频生成原创 2024-07-22 08:07:23 · 1124 阅读 · 0 评论 -
NGCBot-打造基于Hook机制的微信机器人,Windows本地部署
今天带大家在本地搭建一款微信机器人,调用的是 Windows 电脑端的微信,无需云服务器,无需部署,更安全可靠。原创 2024-07-13 08:26:51 · 986 阅读 · 0 评论 -
手把手搭建微信机器人,帮你雇一个24小时在线的个人 AI 助理(上)
动手捏一个基于 LLM 的微信机器人,有手就能做原创 2024-07-07 16:09:29 · 893 阅读 · 0 评论 -
【大模型指令微调实战】小说创作,一键直达天池挑战赛Top50
天池挑战赛 baseline 方案,大模型指令微调入门级项目,实现一个优质的【小说创作】大模型。原创 2024-06-28 10:55:28 · 1266 阅读 · 0 评论 -
B站大模型指令微调入门实战(完整代码),一键打造你的数字分身
通过个人微信聊天记录,来微调大模型,快速入门大模型指令微调原创 2024-06-23 20:28:26 · 1059 阅读 · 0 评论 -
拒绝Token焦虑,盘点可白嫖的6款LLM大语言模型API~
本文将系统盘点:目前市面上都有哪些**可以免费调用的云端API**? 方便大家开发基于LLM的应用,快速实现自己的想法,让创意起飞~🚀原创 2024-06-15 10:40:58 · 2678 阅读 · 2 评论 -
手把手带你搭建一个语音对话机器人,5分钟定制个人AI小助手(新手入门篇)
如果你的身边有一个随时待命、聪明绝顶的AI小助手,能够听懂你的话,理解你的需求,用温暖的声音回应你,会是一种什么体验?今天,带大家一起搭建一个语音对话机器人,拥有一个专属的个人AI小助手。本文面向技术小白,以最通俗易懂的语言,最贴心的步骤指导,确保你能够轻松上手,快速掌握。原创 2024-06-14 13:29:17 · 1991 阅读 · 3 评论 -
【飞桨AI实战】大作业:从0到1搭建一个图像识别系统
在了解了图像分类和目标检测的基本概念后,很多同学发现现有的算法模型往往只能识别特定类别的目标,面对全新的目标类别,这些训好的模型往往就无能为力了。本次分享将带领大家从 0 到 1 搭建一个面向现实场景的商品识别系统,旨在帮助初学者快速走通从理论到应用的过程,希望对感兴趣的同学提供一点帮助。原创 2024-05-31 21:15:22 · 1418 阅读 · 0 评论 -
【飞桨AI实战】基于PP-OCR和ErnieBot的字幕提取和智能视频问答
本次分享将带领大家从 0 到 1 完成一个基于 OCR 和 LLM 的视频字幕提取和智能视频问答项目,通过 OCR 实现视频字幕提取,采用 ErnieBot 完成对视频字幕内容的理解,并回答相关问题,最后采用 Gradio 搭建应用。本项目旨在帮助初学者快速搭建入门级 AI 应用,并分享开发过程中遇到的一些坑,希望对感兴趣的同学提供一点帮助。原创 2024-05-18 15:08:59 · 1359 阅读 · 0 评论 -
【保姆级教程】Linux上部署Stable Diffusion WebUI和LoRA训练,拥有你的专属图片生成模型
本文详细介绍了如何在Linux系统上部署Stable Diffusion WebUI,首先介绍了Stable Diffusion和LoRA模型的基本概念,然后完成WebUI的下载、安装和配置。在部署过程中,作者分享了解决常见问题的方法,文章的后半部分专注于LoRA模型的训练,包括准备训练数据集、修改训练脚本和启动训练过程。作者提供了详细的命令和步骤,以帮助读者训练自己的LoRA模型,并将其集成到Stable Diffusion WebUI中。原创 2024-05-03 21:55:05 · 4308 阅读 · 2 评论 -
【飞桨AI实战】人体姿态估计:零基础入门,从模型训练到应用开发
本文将基于飞桨AI开发框架,走完一个完整的人体姿态估计项目,从基础的数据准备到模型训练,再到应用开发和部署,旨在帮助初学者快速入门并掌握关键技能。首先了解了如何使用PaddlePaddle框架和COCO数据集来构建和训练一个高效的人体关键点检测模型,其次采用PP-TinyPose模型通过Gradio创建了一个交互式的前端应用。原创 2024-04-17 13:25:19 · 1754 阅读 · 0 评论 -
【YOLOv8实战】手把手带你入门YOLOv8,你也能训练自己的检测器,以SAR目标检测为例(源码+数据集+Gradio界面)
基于YOLOv8的SAR图像目标检测系统,覆盖数据制作、数据可视化、模型训练/评估/推理/部署全流程,最后通过 Gradio 界面进行展示。原创 2024-04-11 11:22:46 · 1717 阅读 · 0 评论 -
【飞桨AI实战】人脸口罩检测:手把手带你从零搭建一个前后端分离的Flask应用,代码开源
本文带领大家从零开始构建一个人脸口罩检测的前后端分离的Flask应用。首先,我们采用PaddleDetection训练得到了人脸口罩检测模型,然后基于 ONNX 完成了模型推理,最后基于Flask框架搭建了一个前后端分离的Web应用,包括如何实现模型推理的后端接口、如何搭建前端界面,以及启动和运行整个服务。原创 2024-04-06 17:04:54 · 1089 阅读 · 0 评论 -
【飞桨AI实战】人像分割:手把手带你入门PaddleSeg,从模型训练、推理部署到应用开发
本文通过一个计算机视觉领域中最基础的任务之语义分割,带领大家熟悉百度PaddleSeg深度学习框架中的各种组件,覆盖了数据准备、模型训练评估、推理部署的全流程,最后通过应用开发实现了一个简单的前后端分离项目。原创 2024-04-04 21:23:24 · 2991 阅读 · 1 评论 -
【飞桨AI实战】AI Studio后台任务-保姆级教程:如何利用免费GPU训练资源实现SAR图像目标检测
本项目通过计算机视觉领域中最基础的任务之目标检测,带领大家熟悉如何启动一个AI Studio后台任务,来完成自己的训练任务,从0到1跑通一个检测任务的全流程原创 2024-03-28 14:08:06 · 1444 阅读 · 1 评论 -
【大模型实战】零门槛入门AgentScope多智能体游戏开发:和Agent玩飞花令
阿里开源了一款全新的多智能体协同的Multi-Agent应用框架-AgentScope,早先的单智能体还只能完成对话类等一些简单的应用,通过调用外部API(如搜索 绘画 配音等)也只是拓展了单智能体的能力边界。如果能够调用多个智能体,并做好多个智能体之间的协同配合,就能够打造出内容和样式更加丰富的应用。本项目将以飞花令为切入点,利用AgentsSope开发框架,打造一款和Agent玩飞花令的游戏,希望能够给爱好古诗词的朋友带来一种全新的体验:摆脱场地和人员的限制,随时随地和Agent玩飞花令!原创 2024-03-25 10:53:58 · 3186 阅读 · 0 评论 -
【7天Python入门系列】Day1:Windows 环境准备 - Conda 和 VS code 安装
本篇主要介绍了学习Python之前的准备工作,主要介绍了Python环境管理工具Miniconda和开发者工具VS code的安装,下篇文章我们将从0到1开始学习Python编程语言的一些基础概念。原创 2024-03-23 16:08:17 · 912 阅读 · 0 评论 -
【飞桨AI实战】交通灯检测:手把手带你入门PaddleDetection,从训练到部署
本次分享将带领大家从0到1完成一个目标检测任务的模型训练评估和推理部署全流程,项目将采用以PaddleDetection为核心的飞浆深度学习框架进行开发,并总结开发过程中踩过的一些坑,希望能为有类似项目需求的同学提供一点帮助。原创 2024-03-20 09:13:01 · 2785 阅读 · 0 评论 -
【飞桨AI实战】桃子分类系统部署:手把手带你入门PaddleClas全家桶
本次分享将带领大家从0到1完成一个图像分类任务的模型训练评估和推理部署全流程,项目将采用以PaddleClas为核心的飞浆深度学习套装进行开发,并总结开发过程中踩过的一些坑,希望对有类似项目需求的同学提供一点帮助。这个部分的目的是将我们的模型部署到移动端(比如手机),这样就不用依赖云端服务器来进行推理了,飞浆已对上述需求所需要的功能实现进行了封装,主要体现在PaddleLite这个组件上,细节可参考。如上,我们便完成了数据的准备工作,接下来将选用一个model完成模型在该数据集上的训练。原创 2024-03-06 20:14:06 · 1719 阅读 · 0 评论