登录社区云，与社区用户共同成长
邀请您加入社区
当需要做一些图像处理方面的学习和研究的时候，首要任务就是选择一套合适的图像处理类库，本文主要简单介绍下各家图像库的一些优缺点。不足之处，还请大家多多提建议，多谢！欢迎微信关注公众号“智能算法”，带您体验不一样的人生！OpenCV，Intel IPP，Halcon，MATLAB ，OpenGL，EmguCv，AForge.net，CxImage，FreeImage，paintlib，AGG，IPL，
选择「NVIDIA GeForce RTX 4090」以及「PyTorch」镜像，OpenBayes 平台上线了新的计费方式，大家可以按照需求选择「按量付费」或「包日/周/月」，点击「继续执行」。稍等片刻，待系统分配好资源，当状态变为「运行中」后，点击「API 地址」边上的跳转箭头，即可跳转至 Demo 页面。点击「input url」，输入图片 URL，点击「Submit」生成。，在「公共教程」
SVDQuant是由MIT研究团队推出的扩散模型后训练量化技术，通过将模型的权重和激活值量化至4位，显著减少了内存占用并加速了推理过程。该技术引入了高精度的低秩分支来吸收量化过程中的异常值，支持多种架构，并能无缝集成低秩适配器（LoRAs），为资源受限设备上的大型扩散模型部署提供了有效的解决方案。
别花钱买码了！手把手教你 3 步免费拿下 Manus 邀请码！
【大模型开源教程】上海交通大学动手学大模型+威斯康辛大学从零构建大模型！（附PDF）
作者：十九编辑：李宝珠Meta 近日开源了 SAM 2 模型，只需要在视频帧上输入提示（点击、框或掩码），就能精准识别并分割图像或视频中的任何对象，用于训练 SAM 2 的大规模数据集 SA-V 已上线至 HyperAI超神经官网 (hyper.ai)，一键即可下载。2023 年 4 月，Meta 发布 Segment Anything Model (SAM)，号称能够「分割一切」，这一颠覆传统计
本文将介绍在 Intel Arc GPU 环境下安装 IPEX-LLM。
是亚马逊发起的社区驱动项目，是 Elasticsearch 和 Kibana 的一个分支。它是一个完全开源的搜索引擎和分析套件，具有丰富的功能和创新的特性。OpenSearch 项目的主要组件是 OpenSearch（Elasticsearch 的一个分支）和 OpenSearch Dashboards（Kibana 的一个分支）。这两个组件都提供企业安全、警报、机器学习、SQL、索引状态管理等功
Transformer模型以其卓越的性能和广泛的应用成为了新一代的领航者。这篇文章将带您深入探索Transformer模型的奥秘，从基础的注意力机制到复杂的编码器-解码器架构，再到多头注意力和位置编码的巧妙融合。无论您是AI领域的新手还是资深研究者，都能通过本文获得对Transformer模型深刻的理解和认识。Transformer模型自2017年由Google的研究团队提出以来，已经成为自然语言
LLaMA-Omni 2 是基于 Qwen2.5-0.5B/1.5B/3B/7B/14B/32B-Instruct 模型的一系列语音语言模型。与 LLaMA-Omni 类似，它可以同时生成文本和语音应答，从而实现高质量、低延迟的语音交互。通过新引入的流式自回归语音解码器，LLaMA-Omni 2 与 LLaMA-Omni 相比实现了更高的语音质量。
今天我们将深入探讨Luma AI近期引发关注的视频生成模型——Dream Machine。Luma AI从最初的3D重建和生成业务逐步转向视频生成领域的背后，隐藏着什么样的战略考量和技术演进？让我们通过Luma AI首席科学家宋佳铭的最新访谈，揭开这场技术转型的奥秘。
Datawhale干货作者：余霆嵩，Datawhale粉丝前 言大家好，我是余霆嵩，一位致力于开源教程编写与学习的工程师。五年时光荏苒，两年心血浇灌，超过20万字的《PyTorch实用教程》第二版终于破茧而出，携带第一版7.2K颗星的璀璨光芒，与Datawhale携手，向每一位开发者致敬。作为一本开源书籍教程，我自然而然地想到通过Datawhale来发布它，与大家见面。众所周知，Datawha..
fastlio阅读笔记
好吧，那我们就需要一个界面，没有这么多显示器，那就上VNC吧。以前很轻松就能搞定的vncserver，这次在ubuntu22.04LTS上，各种折腾，倒腾一天都没能搞定。注意：mypassword请根据自己的需要进行修改，这只是VNC连接的密码，并非系统登录用户密码。最近系统搞TensorFlow, OpenCV, Python，折腾各种环境，把系统搞得一团糟。好吧，谁叫咱们技术出生，搞定了，希望
以上就是我目前自建大模型平台的方案了，两个开源软件的安装方式在各自项目里都有，可以自行查阅，我这里就不再赘述了。我自己其实是购买了阿里云5年的2c4g的服务器（一次性投入2.6k），然后用docker的方式安装了上面这两个软件，不过后续也不需要每年花1.5k买poe或者gpt的会员服务了，只需要按token使用量付费给大模型服务商即可，我自己估算如果日常使用国内高性价比模型的话，偶尔特殊任务用下贵
多模态大型语言模型（Multimodal Large Language Models， MLLM）的出现是建立在大型语言模型（Large Language Models， LLM）和大型视觉模型（Large Vision Models， LVM）领域不断突破的基础上的。随着 LLM 在语言理解和推理能力上的逐步增强，指令微调、上下文学习和思维链工具的应用愈加广泛。然而，尽管 LLM 在处理语言任务
未来的研究方向包括动态和自适应图的构建、多模态信息集成、可扩展和高效的检索机制、与图基础模型的融合、无损耗压缩检索上下文等。该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本
本文将系统分析LLM所采用的Transformer与Mamba架构各自的优势、Mamba是如何解决Transformer架构存在的问题的，并解释当前出现的、融合两者架构的趋势和原因。
自举法是一种。
还自带多模态 “技能包”，支持 119 种语言，堪称全能小天才！AIME25 测评 81.5 分破纪录，代码能力超 Grok3，中文语境优化后，国内用户用起来超丝滑～比如开发多模态智能客服，它一人就能搞定图文声全流程。💻 DeepSeek：开发者工具集成首选，图像识别、生成任务超拿手，游戏开发中做角色概念图、场景设计超高效！❌ DeepSeek：稠密模型在自然语言和视觉表现亮眼，但多模态得靠插件
StarCloud旨在满足大模型应用和高性能计算的需求，致力于构建一个普惠、易用的算力服务平台。
模型管理、调度优化、扩展集成，全方位提升GPUStack的产品功能、使用体验与集成能力。
今天推荐的这个项目是「Chat2DB」，一款开源免费的数据库客户端工具，支持 Windows、Mac 本地安装，也支持服务器端部署，Web 网页访问。和传统的数据库客户端软件 Navicat、DBeaver 相比 Chat2DB 集成了 AIGC 的能力，能够将自然语言转换为 SQL，也可以将 SQL 转换为自然语言。可以给出研发人员 SQL 的优化建议，极大的提升人员的效率，是 AI 时代数据库
单机多卡分布式推理、跨主机分布式推理、CPU 推理、各种调度策略，你想要的全都有
这么好用的软件，赶紧用起来！文字转语音超简单，只要在软件里输入文字，再挑个喜欢的音色，眨眼间，软件就能生成朗读文本的语音。不管是温柔甜美的女声，还是低沉稳重的男声，又或是搞怪有趣的特色声音，应有尽有，做有声读物、播客的时候用它，效率直接起飞！比如说，你喜欢某个主播的声音，想让自己的视频也有那种风格，用这个功能就能轻松实现，给作品加上独一无二的个性标签。Clone Voice 是一款完全免费的声音克
学术前沿推动产业实践方案升级，PaddleNLP绝了!
近年来，人工智能技术在全球范围内取得了显著的成果，特别是在计算机视觉、自然语言处理、语音识别等领域。这些成果的取得离不开大规模预训练模型的支撑。大模型通过在海量数据上进行预训练，能够捕捉到数据的深层次特征，从而在各类任务中取得优异的表现。如今，大模型已成为人工智能发展的重要方向，为各行各业带来了前所未有的变革。大模型，顾名思义，是指参数规模较大的预训练模型。这些模型通常具有数十亿甚至数千亿个参数，
开源溯源防伪系统、一物一码系统，适用于各种溯源场景的大、中、小、微规模企业的商用级溯源防伪系统。可追踪记录产品的生命周期各个环节，把产品的环节信息保存在系统中，品牌保护、产品营销、防止假冒伪劣产品、防窜货、产品追踪溯源。应用的场景领域：快销品行业、种植行业、养殖行业、畜牧行业、加工行业、仓储行业、零售行业等。
在AI时代，可能人人都可成为产品经理。作为一名产品经理，可能会经常遇到要求写竞品分析报告的任务。那如何利用AI快速完成任务。假设你不知道如何写竞品报告也没有关系，我们可以直接询问AI，竞品分析报告包含哪些内容，如下图所示：“写一份好的竞品分析包含哪些方面”，AI回答如下：从AI的回答，我们知道了分析报告大概包含的内容方面有市场定位、产品特性、用户体验等。选择其中我们关注的点，这样我们大概知道了报告
隐语”是开源的可信隐私计算框架，内置 MPC、TEE、同态等多种密态计算虚拟设备供灵活选择，提供丰富的联邦学习算法和差分隐私机制开源项目：NeurIPS（ Conference on Neural Information Processing Systems）是人工智能领域的顶级会议之一，每年吸引全球众多学者和研究人员参与。NeurIPS 2024 将于当地时间 2024 年 12 月 9 日至
麻省理工学院（MIT）Han 实验室一直在积极开展一系列项目，包括微小机器学习（Tiny Machine Learning）、SANA、SVDQuant 和 QServe，这些项目旨在提高人工智能计算的效率，并实现在边缘设备上的高效部署。根据实验室的博文，SVDQuant 是一种用于扩散模型的后训练量化范式，可以实现精确的 4 位量化，并在 16GB 4090 笔记本电脑上支持 12B FLUX
Fooocus 是一款基于 Gradio 实现的图像生成软件，提供高质量的文本生成图像功能，完全离线、开源、免费。github地址：https://github.com/lllyasviel/Fooocus该项目已有37.4k starFooocus 重新思考了 Stable Diffusion 和 Midjourney 的设计，自动化了许多内部优化和质量改进。用户只需专注于文字提示和图像之间的交
近年来，随着人工智能技术的快速发展，大语言模型(Large Language Model,LLM)凭借其强大的自然语言理解和生成能力，在各个领域都得到了广泛应用。然而,大语言模型也面临着一些安全和隐私方面的挑战,如模型泄露、对抗攻击、隐私数据泄露等问题。这些问题不仅会危及用户的隐私和安全,也会影响大语言模型的可靠性和可信度。因此,如何有效地保护大语言模型的安全和隐私成为了当前亟需解决的关键问题。
AigoTools 是一个强大而便捷的工具，帮助您轻松创建和管理导航站点。内置站点管理和基于Ai的自动收录功能，让您能更高效地管理站点信息。同时，AigoTools 支持多语言、暗色/亮色主题切换，以及 SEO 优化，确保您的站点无论在视觉效果还是搜索表现上都表现出色。此外，AigoTools 提供多种图片存储方案，包括本地 MinIO、AWS S3 和腾讯云 COS。我们的目标是让用户只用关注收
);
在这篇博客中，我将继续为大家介绍一些有趣且值得探索的开源项目。这些项目覆盖了多个领域，包括动画人像生成、虚拟伴侣、语音合成等。以下是我精心挑选的一些项目，希望对你们有所帮助。
文字识别OCR英文全称是Optical Character Recognition，中文叫做光学字符识别。CnOCR是Python 3下的文字识别工具包，支持简体中文、繁体中文（部分模型）、英文和数字的常见字符识别，支持竖排文字的识别。有适用于PyTorch版本与ONNX版本的模型。该开源算法自带了20+个训练好的识别模型，适用于不同应用场景。
开源大模型（Open Source Large Models）是指那些由开源社区或组织开发、维护和共享的大型软件模型。这些模型通常具有以下特点：开源：开源大模型的源代码是公开的，任何人都可以查看、修改和分发。这有助于促进技术的发展和创新。大型：这些模型通常具有较大的规模和复杂性，可以处理大量的数据和任务。例如，深度学习模型、自然语言处理模型等。社区支持：开源大模型通常由一个活跃的社区支持，社区成员
LiblibAI开放全新图像模型API，持有Flux-dev的全球商用使用权，提供极致的图像质量，在输出速度和图像卓越性之间实现平衡。简易模式：支持旗舰Flux-dev和经典SDXL，无需复杂控制即可轻松创建专业级作品。进阶模式：支持自定义模型和controlnet，自由选择和搭配站内模型和LoRA，适合高度自由和精准控制的场景。生图低至0.06元/张。所有生成图片均可出售或用于商业目的。
让LLM自己来优化prompt
Lawyer LLaMA是一个在法律领域进行了专门训练的开源项目，通过在大规模法律语料上进行持续预训练和指令微调，显著提升了LLaMA模型在法律领域的应用能力。未来，随着技术的不断发展和数据的不断丰富，我们期待Lawyer LLaMA能够在法律领域发挥更大的作用，为用户提供更加智能、高效和准确的法律服务。
简介CompreFace 是一个免费开源的人脸识别项目，您不需要具备机器学习技能就能安装设置和使用 CompreFace，官方提供了基于 docker 的部署方法，可以方便地部署在本地或者云端服务器上。CompreFace 提供了 RESTful API，用于人脸识别、人脸验证、人脸检测、人脸关键点 landmark 检测、mask 检测、头部姿势检测、年龄和性别识别。除此之外，还具有一个角色管理
GitHub 一周热点汇总第19期(2024/04/14-04/20) ，最强的开源大模型又换人了，小羊驼Llama3一经发布热度绝对的第一，来一起看看这周的内容吧。
【代码】【无标题】
本文所讨论的问题限定在OpenMMLab多库推理过程中，即一个py程序需要调用多个repository的推理器Inferencers（如MMPretrain的ImageClassificationInferencer、MMDet的inference_detector等）的情况。
这期推文总结一下24年发表的与病理AI相关的基础模型。本来这期推文只准备了6篇文献，但是昨天上午听完陈浩老师的报告以后，又多了一篇。
引入多种节点类型来实现细粒度和功能化的信息表示。异构图包括以下七种节点类型：实体（N）、关系（R）、语义单元（S）、属性（A）、高层元素（H）、高层概览（O）和文本（T）。这种设计捕捉原始语料库中的详细信息，还能扩展信息范围，包含关键节点的属性和高层次的发现。每个节点类型都有特定的功能和角色，例如实体和关系节点用于连接语义单元，属性节点用于表示实体的特征，高层元素节点用于总结社区的核心信息等。这种
开源
——开源
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
2048 AI社区
