wutao22的博客

从9月24日Meta发布llama3.2以来，已经过了一个半月，虽然在发布的第二天，ollama就可以调用llama3.2-3B模型，但是没有办法使用llama3.2-vision，好在昨天ollama发布了0.4.0版本，正式支持vision版本，所以话不多说，我们来正式体验一下。不知道如何使用ollama的朋友可以参考我之前的文章《只需 1 分钟|拥有本地运行的大型模型|调用大模型的浏览器插件...

如果你是一个数学老师或者你是一个数学类博主，在进行教学或者科普知识的时候，是否考虑过用动画的方法来展现数学特别是涉及到几何图形的知识呢？但是又苦于动画的制作太麻烦而放弃，比如画一个圆，画一条直线，用传统的动画制作方法都会耗费大量的时间和精力。基于此，而往往陷入纠结两难的境地？今天给你介绍一款专注于数学动画制作的软件，完全开源，只需要你懂一点python编程即可，它就是Manim，传统上，技术概念的...

LLM也火了很久了，各种开源闭源的大模型也是层出不穷，头部玩家当属ChatGPT，但是也是各种收费以及被墙，甚至连API也被封禁了，于是国内玩家也不得不转战于各种各样的国内免费模型，比如Qwen2，但是免费的功能毕竟有限，很多功能也只能试用。所以在本地运行大模型就很有必要了。说起来简单，做起来却并没那么容易，这么多的开源大模型，如果给每一个大模型都构建一个运行环境，那太复杂了，对普通玩家也不友好，...

Kolors 虚拟试衣 AI 展示了让用户以惊人的便捷和精准度虚拟试穿衣物的功能。通过利用这一 AI 驱动的平台，只需上传个人照片和想要的衣物图片即可改变您的购物体验。AI 然后生成穿着所选服装的真实视觉效果，无需实际试穿即可看到不同风格在您身上的效果。目前使用过的虚拟试衣AI，有阿里的outfit anyone，但是试用只能用官方固定的模特，不能选用自己的模特，生成的效果也算是差...

Markdown是一种轻量级标记语言，创始人为约翰·格鲁伯。它允许人们使用易读易写的纯文本格式编写文档，然后转换成有效的XHTML（或者HTML）文档。[4]这种语言吸收了很多在电子邮件中已有的纯文本标记的特性。由于Markdown的轻量化、易读易写特性，并且对于图片，图表、数学式都有支持，目前许多网站都广泛使用Markdown来撰写帮助文档或是用于论坛上发表消息。如GitHub、Reddit、D...

最近有在B站刷到CogVideoX-2b这个文字生成视频的模型，甚者说是Sora和可灵的平替版本地模型，怀着好奇和憧憬，急不可耐的想体验一番，看看是否是真的如博主所说的这么牛，话不多说，我们还是先来看看paper.paper地址：2408.06072 (arxiv.org)有兴趣的可以通读一下。文中介绍了CogVideoX的架构如下：架构：• 3D因果VAE: 用于压缩视频数据，将其转换...

前两天，阿里发布了Qwen2-Audio ，一个大规模音频语言模型，能够接受各种音频信号输入，并针对语音指令执行音频分析或直接文本响应，鉴于一直在使用Qwen作为主力AI工具，所以对这个音频语言模型的期待值还是蛮高的，从github主页来看，模型在各个测试集上取得了不错的成绩，目前该项目已经开源与复杂的分层标签相比，模型针对不同的数据和任务，利用自然语言提示简化了预训练过程，并进一...

在看到这个标题的时候，大家可能会比较疑惑，模型难道不是能识别的类越多越好吗，为什么还要对好不容易学会的类进行遗忘呢？这个领域到现在还是一个新兴领域，主要是为了满足监管需求以及提高对用户隐私的保护。随着针对数据保护的法律在加强，如欧洲的GDPR通用数据保护条例，用户是有权利请求删除其个人数据的，这包括要求从训练有数据驱动模型的数据集中移除其相关数据。针对此需求，传统的方案通常会重新训练...

在之前的无感FOC学习笔记中，提到了多种关于速度和位置的估算方法，比如SMO滑膜控制、HFI高频注入、磁链观测器等等。今天给大家介绍一种新的估算方式，利用人工神经网络ANNs来对位置和速度进行估算，主要的思路来自于下面这篇文章《ANN-based position and speed sensorless estimation for BLDC motors》，具体文章的地址如下：http...

7月29日，META发布了Segment Anything Model 2 (SAM 2) ，一个通用的视觉分割系统，它不仅适用于图像，也适用于视频。它是对 Segment Anything (SA) 模型的升级，后者主要针对图像中的可提示分割。考虑到现实世界的视觉片段在视频中展现出的复杂动态特性，以及多媒体内容中视频数据的日益增长，因此SAM 2 提供了一种能够同时处理图像和视频的统一模...

clark变换/park变换和Clark逆变换/park逆变换，三相坐标系转换成αβ坐标系，然后转换成dq坐标系，让dq逼近磁链环Park变换原理 Park变换可以将正弦变量线性化，将α一β坐标系旋转度变为d-q坐标系，d指向转子中心，Q指向切线方向，其中θ是转子当前的角度。如下图：/***Clarkb变换**Ia+Ib+Ic=0**等幅值变换**Alpha=Iu**Beta=sqrt(...

·无论睡多久都很困，明明很累却睡不着·早上一起床就已经累了，需要集中精力却提不起精神·不想努力了，对什么都没有兴趣，不记得上一次笑是什么时候·独处时觉得很空虚，不知道该做什么，表达不出自己的感受·不知为何非常压抑，每天都很疲倦·想摔东西·觉得动脑子很麻烦·想消失出现以上的信号就说明你已经过度疲劳了，要好好注意休息。不要想着自己还能再撑一撑，没有什么事情值得你努力到生病。...

openai即将入局搜索引擎RAG增强搜索一直是AGI玩家必争之地之一，作为AGI领域的绝对强者，OpenAI 即将对谷歌搜索领域发起攻击。这很有可能是谷歌有史以来面临的最严重威胁。OpenAI 的 SSL 证书日志现在显示他们创建了 search.chatgpt.com据称，微软必应将为该服务提供动力。其实考虑到以下几点，这也就不足为奇了：1.OpenAI 有一个网络爬虫 GPTBot。2.Ch...

微软的迷你人工智能Phi-3 Mini可在手机上运行微软周二发布了一款为手机和个人电脑设计的新人工智能，它不需要这种连接。该公司称，其名为 Phi-3 Mini 的新人工智能可以与 OpenAI 的 ChatGPT-3.5 等流行的网络人工智能相媲美。微软告诉路透社，它的新人工智能可以与其他人工智能竞争，而其他人工智能的电源和运行成本要贵 10 倍。"微软 GenAI 研究副总裁塞巴斯蒂安-布贝克...

面向未来的制造：微软发布从云端到工厂车间的全新工业人工智能创新技术在全球最大的制造业创新盛会之一汉诺威工业博览会（Hannover Messe）召开之前，微软宣布将为制造商提供新的人工智能和数据解决方案，帮助他们开启创新、实现智能工厂、优化运营和提高员工生产力。在过去十年中，制造业一直保持着令人难以置信的韧性，新人工智能解决方案的注入标志着这一重要行业的关键转型。罗技发布 AI 提示生成器软件及配...

Adobe 探索与 OpenAI 合作，增加人工智能视频工具Adobe（ADBE.O）周一表示，该公司正处于允许第三方生成人工智能工具（如OpenAI的Sora等）在其广泛使用的视频编辑软件中使用的早期阶段。Adobe 的 Premiere Pro 应用程序广泛应用于电视和电影行业。这家位于加利福尼亚州圣何塞的公司正计划在今年为该软件增加基于人工智能的功能，例如用人工智能生成的物体填充场景中的某些...

Idefics2：功能强大的社区 8B 视觉语言模型Idefics2是一种通用的多模态模型，可将任意序列的文本和图像作为输入，并生成文本回复。它可以回答有关图像的问题、描述视觉内容、创建基于多幅图像的故事、从文档中提取信息以及执行基本算术运算。Idefics2 在 Idefics1 的基础上进行了改进：Idefics2 具有 8B 参数、开放式许可证（Apache 2.0）和增强的 OCR（光学...

卡牌游戏开发商向 "AI艺术家 "支付9万美元以生成卡牌艺术作品数字交易卡牌游戏《异界魔法冠军》的开发商透露，其已投入$90,000用于卡牌美术制作，所有费用均支付给了一位匿名的“AI艺术家”，该艺术家每月获得$15,000薪酬，但每月仅需工作不足两天。日前谷歌Deepmind研究人员推出人工智能音乐应用UdioUdio是前谷歌DeepMind的顶尖AI研究员和工程师创立，得到了a16z的投资，每...

自主人工智能代理领域正在升温。最近斯坦福大学推出了这款宝藏模型，Octopus V2设备上的语言模型，用于超级代理，而且这是一个小型模型，在准确性和延迟方面超越了GPT-4的表现，它的速度有多快，它是什么呢？毋庸置疑，这是一个设备上的语言模型，用于超级代理，意味着它可以在你的电脑上、你的手机上、任何设备上运行。我们最近在苹果公司看到了非常相似的情况，他们也有一个设备上的模型，他们称之为RM。它基本...