登录社区云，与社区用户共同成长
邀请您加入社区
3、finetune脚本配置确认：（对比官方，有修改：打印更具体log、对应具体train和val路径、train_ds.py脚本具体位置，以及batch_size等具体参数配置）1、安装funasr环境。
目录引言：从 “模拟” 到 “真实调用”—— 基于官方 SDK 的落地升级正文：一、落地前提：严格匹配官方环境要求（避免 “调用失败” 基础坑）1.1 浏览器环境要求（Web 端导诊屏适用）1.2 嵌入式设备环境要求（Android 端导诊屏适用）二、真实调用核心：官方 SDK 代码落地（分步骤无编造）2.1 步骤 1：引入官方 SDK 依赖（不可用第三方模拟链接）2.2 步骤 2：获取官方认证
“大模型终于有了‘身体’！”—— 这是每一位接触过魔珐星云的开发者最直观的感受。作为魔珐科技重磅推出的 “具身智能基础设施”，星云彻底颠覆了 3D 数字人 “高成本、高门槛、低适配” 的行业困境：电影级数字人精度、免显卡端渲染 SDK、十行代码即可调用，甚至工业级 demo 全量开源免费下载。今天，我们从技术底层、实操教程、场景落地到性能实测，全方位拆解魔珐星云如何重构具身智能的开发逻辑。 一
“大模型终于有了‘身体’！”—— 这是每一位接触过魔珐星云的开发者最直观的感受。作为魔珐科技重磅推出的 “具身智能基础设施”，星云彻底颠覆了 3D 数字人 “高成本、高门槛、低适配” 的行业困境：电影级数字人精度、免显卡端渲染 SDK、十行代码即可调用，甚至工业级 demo 全量开源免费下载。今天，我们从技术底层、实操教程、场景落地到性能实测，全方位拆解魔珐星云如何重构具身智能的开发逻辑。 一、
前言 DeepSeek推出更强大的推理模型DeepSeek R1后一发不可收拾，迅速火遍全球，用户暴增，但巨大的流量以及一些不可控因素，DeepSeek官网变得极不稳定，经常出现“网络繁忙”。 最近，各大厂商包括阿里在内的各种大模型应用纷纷接入DeepSeek，一方面为自己的用户提供更加极致的体验，另一方面也为“Deepseek难民”提供了又快又稳的新通道。 就在近日，国内知名的厂商阿里云宣布接入
过去一个月的时间里，DeepSeek的火热席卷全球，越来越多的企业和开发者开始关注这一备受瞩目的AI模型。而现在，智灵平台也迎来了令人激动的更新——上线了DeepSeek 32B Serverless模板！无需繁杂的操作，普通用户也能通过简单的几步，在3分钟内轻松打造专属大模型API，助力你的产品飞速
智灵训练器支持了混元视频 LoRA 训练，可以在训练页中选择进行混元视频进行训练，步骤和 Flux 训练差不多，先上传图片素材 --> 打标 --> 配置 LoRA 训练参数 --> 开始训练 --> 训练完成。 数据集打标 上传图片素材 切换到混元视频训练页，我们在第 2 步：训练用的数据找到数据集目录，选择我们需要上传文件的目录，如果没有可以手动创建。 手动创建可以
MarsCode助力打造荧光图像分析批处理程序
前言 在人工智能的浪潮中，开发者和企业面临着将复杂的AI技术转化为实际应用的挑战。豆包MarsCode作为一款创新的AI演示与应用工具，旨在简化这一过程，为用户提供一个直观、易用的平台来构建、演示和部署AI应用。本文将详细介绍豆包MarsCode的核心功能、使用场景以及如何通过该工具实现AI技术的应用。 豆包MarsCode概述 豆包MarsCode是一款集成了多种AI模型和算法的开发工具，它通过
AI 数据集 AI 数据集是一个独立的数据集打标页面，相比较在训练页中的数据集打标，AI 数据集页会有更大的空间展示，可以预览更多的数据。 选择数据集目录 我们可以手动输入具体的目录路径，例：/root/images，如果不清楚路径，可以点击右侧的文件夹图标来选择对应的目录。新建目录 如果选择目
训练参数 智灵训练器提供了两种训练参数模式：新手、专家。 新手模式需要配置的参数较少，适合初学者使用，专家模式则需要配置更多的参数，适合高级用户使用。 切换模式 在训练页左下角可以切换训练参数模式。 专家模式 - 切换底模 新手模式默认不显示底模切换的，开启专家模式后可以在【第 1 步：LoRA 基本信息】中自定义底模。 TOML 配置预览 训练器提供了 TOML 配置预览，方便用户查
仪表盘内置了 TensorBoard 可视化数据展示，用户可以通过它来分析和跟踪训练过程中的数据情况。
创建智灵训练器实例 我们只需要在新增 GPU 的时候选择智灵训练器模板，挂载好保存数据的存储，就可以快速启动训练器实例了！ 模板选择后，选择需要进行训练的显卡规格，比如示例选择的是一张1GPU 1×24GB 显存 4CPU 32GB 内存 50GB 临时存储的显卡。 接下来是挂载存储。你可以挂载已经存在的存储，比
一、前言 作为Stability AI 推出的一款革命性的文本转图像开源模型，Stable Diffusion 3（简称SD3）在图像质量、文本内容生成、理解复杂指令以及资源利用效率方面，都有着不俗的表现。 SD3的Medium版本，拥有20亿参数，体积精巧，即使在消费级个人电脑和笔记本上也能流畅运行，使得广大用户可以在自己的设备上轻松部署和使用。 在图像生成能力上，SD3表现卓越，能够生成细节丰
Faster-Rcnn-训练与测试 提前准备 1.1 mobaxterm（远程连接服务器） https://mobaxterm.mobatek.net/download-home-edition.html 1.2 本文的源码下载 点击下载源码 手把手拿下经典目标检测模型 Faster-Rcnn 2.1 手把手拿下云服务器平台 第一步：创建实例，选择 4090 显卡，并且下载私钥 选择指
效果展示 A street artist, clad in a worn-out denim jacket and a colorful bandana, stands before a vast concrete wall in the heart, holding a can of spray paint, spray-painting a colorful bird on a mottle
新手指引 DAMODEL（丹摩智算）是专为AI打造的智算云，致力于提供丰富的算力资源与基础设施助力AI应用的开发、训练、部署。本篇入门指南旨在介绍DAMODEL（丹摩智算）平台实例的基本创建与使用以及本地连接方法。 实例的创建与使用 本章节将演示说明如何创建DAMODEL实例、如何上传数据以及如何在DAMODEL实例中启动并
目录 1.前言 1.DAMODEL（丹摩智算） 2.平台特性 3.DAMODEL算力配置 4.创建GPU云实例 5.创建GPU云实例步骤 6.创建完成（存储路径及特性） 7.实例的创建与使用 8.数据上传 9.内置JupyterLab的使用 10.本地连接使用DAMODEL实例 11.通过不同工具连接 1.前言 1.DAMODEL（丹摩智算） DAMODEL（丹摩智算）是专为 AI 打造的智
1. 前言 1. 1 丹摩智算平台 DAMODEL（丹摩智算）是专为 AI 打造的智算云，致力于提供丰富的算力资源与基础设施助力 AI 应用的开发、训练、部署。 平台特点： 超友好！配备 124G 大内存和 100G 大空间系统盘，一键部署，三秒启动，让 AI 开发从未如此简单！ 资源多！从入门级到专业级 GPU 全覆盖，无论初级开发还是高阶应用，你的需求，我们统统 Cover！ 性能
RAG+Agent人工智能平台：RAGflow实现GraphRA知识库问答，打造极致多模态问答与AI编排流体验 1.RAGflow简介 最近更新： 2024-09-13 增加知识库问答搜索模式。2024-09-09 在 Agent 中加入医疗问诊模板。2024-08-22 支持用RAG技术实现从自然语言到SQL语句的转换。2024-08-02 支持 GraphRAG 启发于 graphrag 和思
AI写作类型的API在近年来得到了快速发展，各种功能强大的接口不断涌现，为内容创作者提供了更多便利和可能性。其中涉及到的API服务包括Smodin多语言抄袭检查、CAPIX AI论文生成、spinbot AI文章重写、APILayer AI改写、AISEO人性化AI文本对内容创作、Smodin语言检测、文本相似度检测API接口-API Ninjas以及AI语法检查服务-LanguageTool等
无缝融入，即刻智能[1]：MaxKB知识库问答系统，零编码嵌入第三方业务系统，定制专属智能方案，用户满意度飙升 1.简介 MaxKB(Max Knowledge Base)是一款基于 LLM 大语言模型的开源知识库问答系统， 飞致云是中国领先的开源软件公司。飞致云旗下开源产品包括 1Panel 开源面板、JumpServer 开源堡垒机、DataEase 开源数据可视化分析工具、MeterSphe
曾经你是一个很要强的人，面对复杂冗长的代码编写工作时，你决定独自熬夜解决。现在你不用再要强了，因为你的强来了！他就是——DevPilot！
OrangePi AIpro 整体介绍与实践
在CSDN举办的技术沙龙活动中，嘉宾们深入探讨了人工智能在日常生活中的广泛应用及其未来发展方向。从个人生活中的AI助手、健康管理，到金融、医疗、交通、教育等各个领域，AI技术正在不断改变我们的生活方式
前言 Orange Pi AI Pro 开发板是香橙派联合华为精心打造的高性能 AI 开发板，其搭载了昇腾 AI 处理器，可提供 8TOPS INT8 的计算能力，内存提供了 8GB 和 16GB两种版本。可以实现图像、视频等多种数据分析与推理计算，可广泛用于教育、机器人、无人机等场景。 OrangePi AIpro(8T)采用昇腾AI技术路
感谢官方给予的测评机会，非常有幸收到一块AI边缘计算开发板OrangePi AIpro。OrangePi AIpro是香橙派联合华为精心打造，建设人工智能新生态，业界首款基于昇腾深度研发的AI开发板。
香橙派AI Pro上手体验报告以及性能评测
2023年3月16日，由中兴通讯主办的以“探索、启发、共振”为主题的ChatGPT发展与挑战高端论坛于南京顺利举办。
综合实战项目：智能医疗诊断助手 1. 数据准备： 收集医疗图像数据： 从医院数据库或开放数据集如NIH Chest X-rays获取X光、MRI或CT扫描。 收集相关的临床文本数据： 与医院合作收集症状描述和病史等，确保数据是匿名的。 2. 数据预处理： 图像增强： 使用图像增强技巧，如
第10章 - 最新进展与研究方向 实训操作手册 1. 介绍最新的PyTorch功能和工具 目标：了解PyTorch的最新功能和工具，包括模型优化、部署和监视工具。 内容： a. 动态量化： 动态量化在模型推理时实时进行，通常用于减少模型大小和提高推理速度。 b. TorchServe： PyTorch的官方模型服务
第9章 - 模型部署与生产环境 实训操作手册 1. TorchScript和模型序列化 目标：理解TorchScript的目的，并学会将PyTorch模型转换为TorchScript。 内容： a. 什么是TorchScript？ TorchScript提供了一种方法，可以捕获PyTorch模型的定义，使其与Pyt
第8章 - 强化学习与PyTorch 实训操作手册 1. 强化学习基础概念 目标：理解强化学习的核心概念及其与监督学习的区别。 内容： a. 什么是强化学习？ 强化学习是机器学习的一个子领域，其中智能体学习如何在环境中采取行动，以便最大化某种概念上的累积奖励。 b. 术语： 智能体(Agent)：在环
第7章 - 生成对抗网络 (GAN) 实训操作手册 1. GAN基础概念 目标：理解GAN的工作原理及其与传统神经网络的区别。 内容： a. 什么是GAN？ 生成对抗网络（GAN）由两部分组成：生成器 (Generator) 和鉴别器 (Discriminator)。生成器试图产生假的数据，而鉴别器试
第6章 - 优化技巧实训操作手册 1. 正则化技术：Dropout和Batch normalization 1.1 Dropout Dropout是一种防止神经网络过拟合的技术。它在训练期间随机“关闭”一些神经元，使其在前向传播和反向传播中都不工作。 实操步骤： 在你的模型中的适当位置插入Dropout层。选择一个dropout率，例如0.5
第5章 - 循环神经网络 (RNN) 与长短时记忆网络 (LSTM) 实训操作手册 1. RNN基础概念 目标：理解RNN的工作原理及其与传统神经网络的区别。 内容： a. 什么是RNN？ RNN是一种用于处理序列数据的神经网络结构。与传统神经网络不同，RNN可以处理长度可变的输入序列，并具有“记忆”功能，能够保留
第4章 - 卷积神经网络 (CNN) 基础实训操作手册 1. 卷积神经网络简介 目标：理解卷积神经网络的基本原理和其在图像处理中的应用。 内容： a. 什么是卷积神经网络（CNN）？ CNN是一种深度学习算法，它特别适用于处理具有网格结构的数据，如图像。CNN能够自动和适应地从图像中学习空间层次结构的
第3章 - 神经网络基础实训操作手册 1. 神经网络架构介绍 目标：理解神经网络的基本组成部分以及其工作原理。 内容： a. 什么是神经网络？ 神经网络是一种模拟人类大脑神经元工作原理的算法模型，由层层的节点（也称为“神经元”或“单元”）组成。每个节点都会接收输入，对其进行加权处理并通过一个激活函数&
第2章 - PyTorch基础操作实训操作手册 1. 张量操作 目标：掌握基本的张量操作，如索引、切片、连接和变换。 内容： a. 张量索引和切片 张量的索引和切片操作与Numpy数组非常相似。可以使用方括号[]来选择特定的元素、行、列或区域。 实操： import torch tensor = torch.tensor([[1, 2
第1章 - 基础知识实训操作手册 1. 深度学习与神经网络简介 目标：理解深度学习的基本概念，以及它与传统机器学习的区别。 内容： a. 什么是神经网络？ 神经网络是一种模拟人脑神经元工作方式的算法模型。它由多个节点（或称为“神经元”）组成，这些节点在层级结构中组织起来。每个连接都有一个权重ÿ
课程大纲 第1章 - 基础知识 介绍深度学习与神经网络PyTorch简介安装PyTorchPyTorch基础概念：张量（Tensors） 实战项目：使用PyTorch进行基础的张量操作，如创建、修改和组合张量。 第2章 - PyTorch基础操作 张量操作自动微分与计算图基本神经网络构建数据加载和处理：使用Data
本文从数学原理出发介绍了facebook开源的Prophet模型，希望能更好的帮助大家理解并使用。参考prophet官方网站：https://facebook.github.io/prophet/
LSQ 是一种有效的低比特量化算法
目标指令选择阶段会把后端td文件里面的DAG模式和selection DAG的节点相匹配，如果找到一个匹配，则匹配的节点会被有具体机器指令（或者伪指令）的节点代替。
LLVM编译器后端的主要工作是将LLVM中间端表达式（IR）转换成汇编文件，Cpu0 是一个非常简单的 RISC 架构处理器，本文以Cpu0作为硬件的例子，来构建能适配它的编译器后端。
本文针对 LLVM MC做了简单的介绍。受限于笔者知识水平，文中可能会存在某些理解身上的偏差，欢迎批评指正。
# 人工智能
——# 人工智能
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
杭州城市开发者社区
智源数据社区
魔珐星云开发社区
DeepSeek技术社区
智灵弹性算力系统
AI编程社区
尧米AI
AtomGit开源社区
AI大模型技术社区
ZA技术社区
鲲鹏昇腾开发者社区
长沙城市开发者社区
兴智开发者社区
高性能计算社区
