yanggeerr的博客

原创 AI代理：未来技术的革命者

我们往往会高估短期的东西，但又去低估它长期的影响。很多人的热情与想象力都被激发，然而技术的进步难以跟上我们畅想的速度，此时不必有太大落差感，找到自己的方向，坚定的向前走就够了。

原创 未来已来：解锁AGI的无限潜能与挑战

假设你有一天醒来，发现你的智能手机不仅提醒你今天的日程，还把你昨晚做的那个奇怪的梦解释了一番，并建议你可能需要减少咖啡摄入量——这不是科幻电影的情节，而是人工通用智能（AGI）潜在的未来场景。目前，我们所使用的AI系统，比如能够识别你的猫照片并自动打上“可爱”的标签的那种，它们非常擅长处理特定任务。但让我们想象一下，一个不仅仅擅长单一任务，而是可以像人类一样进行思考、学习和适应的智能系统。这正是AGI的承诺所在——不只是一个问题解决者，更是一个能在多领域展现高水平智能的全能型选手。

原创 AIGC技术的现状、应用与未来发展

AIGC技术利用先进的深度学习模型，通过大量数据训练，能够模拟人类在语言、视觉艺术等领域的创作过程。尤其在自然语言处理（NLP）、计算机视觉和音频处理领域，这种技术已经取得了显著的进展。例如，OpenAI的GPT系列模型和Google的BERT系列模型在文本生成和理解上表现出色。同时，像微软的Florence模型则推动了计算机视觉技术的发展，广泛应用于画质修复、视频剪辑等场景。自然语言处理（NLP）领域，AIGC技术已经取得了显著的进展。

原创 一文理解GPU及英伟达GPU参数汇总

H100是高性能计算和AI领域的技术标杆。A800特别为云计算和数据中心的高需求环境设计，支持高效的AI推理和深度学习训练，其核心技术包括Tensor核心的AI加速能力，为AI应用提供了极大的加速效果。简而言之，A800是一款多功能、高效能的GPU，非常适合处理要求苛刻的AI计算、高性能计算任务以及复杂的数据分析，为云计算和数据中心提供了强有力的支持。超越3090，4090是NVIDIA最强大的游戏GPU，为游戏玩家和内容创作者提供了极致的性能，无与伦比的光线追踪和AI功能，定义了未来游戏的视觉体验。

原创 实操数据预处理：从理论到实践的基础步骤

在快速发展的人工智能领域，数据不仅是基础，更是推动技术创新的关键力量。高质量的数据集是构建高效、准确模型的前提。本文将全面深入探讨数据预处理的各个环节，从基础的数据清洗到复杂的数据增强，再到高效的Python应用实践，为你提供一站式的数据处理解决方案。无论你的经验如何，这篇文章都将成为你宝贵的资源。

原创 ChatGPT眼中的房子符合中国国情吗？

原创 AI把中国神话故事的唯美画出来了，感动

原创 AI绘画-ChatGPT眼中中国成语原来长这样

原创 我好像找到了ChatGPT会表达情绪的证据

原创 AI绘画之爱吃香菜的和不爱吃香菜的都沉默了

原创 来看看AI眼中的春晚吧

原创 带ChatGPT勇闯“弱智吧”，第二弹

而今，我和ChatGPT，一个人类和一个AI，将在这个充满奇思妙想的世界里寻找答案，我惊呼与那些我答不出来的问题被其一一破解，问出那个问题的我，好像回到了儿时，当时我对这个世界也充满了这样那样的好奇，但那是问出这个问题的我，却没人在意，今天ChatGPT好像治愈了我心中某一块儿的被遗忘的小荒漠，重新在那里种上了小种子，究竟能长成什么已经不那么重要了，重要的是它不再是一片小荒漠了。今天，我带着一个特殊的伙伴——ChatGPT，这个人工智能的奇迹，踏上了一次前所未有的冒险。你有什么问题想问吗？

原创 当国学经典《水调歌头》遇上AI绘画，效果惊呆啦！

这个效果我是没想到的，尤其最后一句“但愿人长久，千里共婵娟”，ChatGPT的理解能力还是在线的！大家有没有想看哪个诗呢？小的时候上语文课讲古诗的时候，遇到描写非常唯美的诗句时，脑海里总会出现这句诗的画面，当时就在想如果能一下子画出来就好了。如今ChatGPT4.0出了可以根据描述生成图片的功能，让它来根据古诗来生成图片怎么样呢？人有悲欢离合，月有阴晴圆缺，此事古难全。选择一首经典的词——苏轼《水调歌头》不应有恨，何事长向别时圆？但愿人长久，千里共婵娟。转朱阁，低绮户，照无眠。

原创 带ChatGPT勇闯“弱智吧”！他竟然如此强大了

看来ChatGPT真的在很认真的回答我们的问题呢，他们还会察觉到我们背后可能存在的隐患，防止我们因为他的回答而做出一些不好的行为。如今人工智能，尤其是ChatGPT如此火爆，那不如我们来问问它，看它会怎么回答呢？看他会不会嫌弃我们呢？其实像这样的看似有些道理，但不能细品的问题在“弱智吧”里真的是层出不穷。如果我问你：“为什么我一闭眼就什么也看不到了”，你会怎么回答我？既然快递要3天才到，为什么不把所有的快递都提前3天呢？会不会觉着：这么简单的问题为什么就是打不出来呢？房东把房租给我，为什么不把房租给我呢？

原创 当我跟ChatGPT说土味情话时......

当我跟ChatGPT说土味情话时......

原创 【炼丹侠】TensorFlow隐藏操作

tensorflow还有其他数据结构，比如稀疏张量(tf.SparseTensor)，张量数组(tf.TensorArrray)，不规则张量(tf.RaggedTensor)，字符串张量(tf.string)等等。矩阵的乘法为tf.matmul()，它提供的函数和numpy都差不多，但是有些不一样，比如求和.tf.reduce_sum(),求均值为tf.reduce_mean(),求最大值tf.reduce_max();keras会保存函数的名字，每次加载的适合需要提供一个字典，将函数名称映射到实际函数。

原创 【炼丹侠】精品项目推荐-人脸检测识别模型dface

保证一次性教会你用dface，别忘了去炼丹侠官网试试更高性能的gpu资源！网址：https://liandanxia.com

原创 YOLOv8训练自己的数据集（超详细）

接下来准备labels，把数据集格式转换成yolo_txt格式，即将每个xml标注提取bbox信息为txt格式，每个图像对应一个txt文件，文件每一行为一个目标的信息，包括class, x_center, y_center, width, height格式。dataSet #之后会在Main文件夹内自动生成train.txt，val.txt，test.txt和trainval.txt四个文件，存放训练集、验证集、测试集图片的名字（无后缀.jpg）

原创 大模型训练场景下A100的使用需求

其次，A100提供高达80 GB的显存容量，能够满足大型神经网络所需的大内存空间，而且通过NVLink技术，多个A100 GPU可以共享大内存，支持更大规模的模型训练。在国内，由于美国的政策限制原因，很难大规模获取到A100服务器，零散购买的A100也是价格高昂，在大模型训练中成本难以接受，因此，租用云服务器成为了大模型训练的一个新的选择，炼丹侠AI服务平台解决了数据集的获取、算力的租用等问题，可以以极低的价格开箱即用A100服务器并进行定制化训练。视频《目标训练之上班再玩手机你就完了！

原创 YOLOv8随着2023一块来了~刚开赶紧打开仓库尝尝鲜！

另外，我也写了一篇关于YOLOv8&YOLOv7&YOLOv5的数据对比，详情参看这篇YOLOv8（n/s/m/l/x）&YOLOv7(yolov7-tiny/yolov7/yolov7x)&YOLOv5（n/s/m/l/x）不同模型参数/性能对比（含训练及推理速度）。# w = 宽, h = 高， b= bndbox的数组 = ['xmin','xmax','ymin','ymax']# 获取对应的bndbox的数组 = ['xmin','xmax','ymin','ymax']

原创 【炼丹侠】使用yolov8训练安全帽数据

2. 简单而有效的设计：YOLOv8采用了简单而有效的设计，通过使用更深的网络结构和更多的特征层来提高检测性能。3. 多尺度检测：YOLOv8引入了多尺度检测的策略，通过在不同的特征层上进行预测，可以更好地处理不同尺度的目标。4. 自适应训练：YOLOv8采用了一种自适应训练策略，可以根据目标检测任务的复杂度和数据集的大小，自动调整模型的大小和训练策略。3. 多种规模的检测：YOLOv8提供了不同的模型大小，包括小型、中型和大型模型，以满足不同场景下的需求。这些模型可以在不同的硬件设备上进行部署和使用。

原创 [炼丹侠]YOLOV5配置训练实战

首先打开yolov5的github的官网（这个网站在国外打开是很慢的，而且是有的时候能正常打开，有的时候是进不去的，但是大家第一次打不开的话，一定要多打开几次。，最高支持cuda11.6版本，所以我们选择cuda11.7版本的cuda，然后将下面红色框框中的内容复制下来，一定不要把后面的-c pytorch -c conda-forge也复制下来，因为这样运行就是还是在国外源下载，这样就会很慢。特别要注意的是，classes里面必须正确填写xml里面已经标注好的类，要不然生成的txt的文件是不对的。

原创 【炼丹侠】如何用GPU服务器实现ResNet50训练

在图像分类任务中，ResNet-50能够高效地识别物体和场景，在目标检测任务中能够准确地定位和识别目标物体，而在图像分割任务中，它能够将图像分割为不同的区域并识别每个区域的对象或特征。此外，ResNet-50还在特征提取任务中有着出色表现，将图像转化为高级语义特征，可用于图像生成和迁移学习。在传统的卷积层后面，残差块通过将输入直接加到输出中，从而允许网络在必要时跳过某些层，使信息得以更轻松地传递。在本次训练过程中，通过对cifar10数据集的训练，使用A100进行加速的训练时长为。本次采用炼丹侠平台的A。

原创 【炼丹侠】如何用GPU服务器实现ResNet训练

在目标检测中，作为特征提取器，ResNet可以用于定位和识别图像中的物体。ResNet旨在解决深层网络训练中的梯度消失和退化问题，使得可以训练更深、更复杂的神经网络，同时获得更好的性能。设置了模型训练对照组，一组为使用炼丹侠A100 GPU进行训练的ResNet18，另一组是使用炼丹侠CPU进行训练的ResNet18，本次训练的流程为定义模型、模型训练、模型总结，训练的内容是cifar10数据集。ResNet的成功为后续的深度学习研究和应用提供了重要的启示，尤其是在设计更深、更复杂的神经网络时的指导原则。

原创 【炼丹侠】如何用GPU服务器实现GoogLeNet训练

GoogLeNet之所以引人注目，是因为它在减少参数数量的同时保持了较高的准确率，以及引入了一种称为"Inception模块"的创新结构。GoogLeNet在深度学习领域的贡献是引入了Inception模块，展示了一种有效地减少参数数量同时保持模型性能的方法，为后续的网络设计提供了有价值的启发。在炼丹侠A100服务器上GoogLeNet的训练加速比肉眼可见，相比于CPU计算，使用A100进行训练的时间节省了3个多小时，在实际项目运行中这个时间性能提升可能会更多。

原创 【炼丹侠】如何用GPU服务器实现AlexNet训练

AlexNet是一种深度卷积神经网络，由Alex Krizhevsky、Ilya Sutskever和Geoffrey Hinton于2012年提出。它是在ImageNet Large Scale Visual Recognition Challenge竞赛中取得突破性成果的模型，标志着深度学习在计算机视觉领域的崭露头角。

原创 【炼丹侠】如何用GPU服务器实现VGGNet训练

本次选取经典的VGGNet对MNIST数据集进行训练操作，得到一个可用的模型文件，本次训练使用的服务器为炼丹侠平台A100服务器，其中GPU型号为A100 80GB，CPU使用了AMD EPYC 7542 32-Core Processor，训练分为了GPU训练测试和CPU训练测试。VGGNet的基本组成单元是由连续的卷积层和池化层构成的块，通常有两到三个卷积层，后面跟随一个池化层。相比于其他网络结构，如AlexNet，VGGNet采用了更深的网络结构，有更多的卷积层和池化层，从而提高了网络的表达能力。

原创 【炼丹侠】如何使用GPU服务器实现CNN训练

CNN的设计灵感来源于生物学中的视觉皮层的工作原理，它使用了卷积操作来捕捉图像中的局部特征，并通过池化操作来减少数据的维度，从而实现特征的平移不变性和空间层次结构的建模。- 该模型包括两个卷积层（`conv1`和`conv2`），两个池化层（`pool`），以及两个全连接层（`fc1`和`fc2`）。- 在这个类中，我们继承了`nn.Module`基类，并在`__init__`方法中定义了神经网络的各层。- 在`forward`方法中，我们定义了前向传播的流程，包括卷积、池化和全连接等操作。

原创 如何使用炼丹侠的A100？

NVIDIA A100以其卓越的性能和创新的架构成为不可或缺的基石。它为AI应用提供了前所未有的计算能力和效率，无论是深度学习、数据分析还是科学研究都展现出其出色的性能和可靠性。在追求更高精度、更快速度和更大规模的AI计算过程中，NVIDIA A100是不可或缺的强大引擎。无论您是研究者、开发者还是AI爱好者，只需联系我们就能立即获得，欢迎您的积极参与。1.进入炼丹侠官网（https://liandanxia.com/），并找到算力市场模块，在该模块下选择一个可用的服务器并进行租用。

原创 5倍性能提升！A100超强加速

本次训练采用的是经典的LeNet网络，实现手写数字识别任务，选取的两个对照服务器均为炼丹侠A100服务器。炼丹侠A100加速版本训练总共耗时33秒。CPU版本训练总共耗时152秒。

原创 基于YOLOv8的自制猫狗数据集训练与推理教程

Yolov8为ultralytics公司在2023年1月10号开源的一个重大更新版本，目前支持图像分类、物体检测和实例分割任务，在还没有开源时就收到了用户的广泛关注，考虑到YOLOv8的优异性能，本次教程从训练到推理进行了全面的讲解。