logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

使用国产操作系统作为主力开发系统一年了

另外deepin对办公软件的支持也是优点,比如企业微信,我在Ubuntu上也尝试过运行企业微信,各种问题,但在deepin上非常稳定,基本都是一直开着,偶尔卡住,退出后再进入就没有什么问题。deepin作为开发系统,最主要的诉求就是软件丰富,特别是各种开发软件,这一点deepin做的还不错,比如docker、clang、gcc、jdk、python等等版本都更新得比较快,不会因为版本过低而去折腾编

Stable Diffusion 2.0 来了

Stable Diffusion 一经发布,就立刻在业界掀起巨大的波浪。我个人后知后觉,直到 Stable Diffusion V1.4 版本发布,才接触 Stable Diffusion (之前使用的是 Disco Diffusion)。这段时间,SD 团队也没闲着,很快就发布了 V2 版本。下面看看 SD V2 版本给我们带来了哪些惊喜。全新的文本到图像扩散模型Stable Diffusion

AI 作画初体验

连续看了几期和菜头的公众号上关于 AI 作画的文章后,我也产生了一些兴趣。作为一名理科生,立马就行动起来,这篇文章就聊一聊我的尝试过程。说起 AI 作画,其实已经出现好几年了。最早的新闻有:2018年,10月25日,一幅由人工智能创作出的肖像画在纽约佳士得拍卖会上拍出43.2万美元的高价(约合人民币300万元)。但之前的 AI 作画,都只存在于谷歌、NVidia这样的顶级...

#java#docker#python +2
SDXL 模型之 base、refiner 和 VAE

在上一篇文章《Stable Diffusion 开源模型 SDXL 1.0 发布》中介绍了 Stable Diffusion 最新模型 SDXL。然而在下载模型时发现,模型有两个,分别是 stable-diffusion-xl-base-1.0、stable-diffusion-xl-refiner-1.0。开始也没有仔细看介绍,想当然的认为 refiner 模型肯定比 base 模型好。于是就下

#人工智能
钞票准备好了吗?鸿蒙电脑 5 月见

需要比较顶级的配置,才可能提供过得去的体验。如果鸿蒙 PC 版仅仅是将鸿蒙手机版上的应用扩充到 PC 上,且不说两者形态的差异,而且两者定位也不同。上,华为常务董事、终端BG董事长、智能汽车解决方案BU董事长余承东正式宣布:搭载全栈自研鸿蒙操作系统的鸿蒙电脑将于2025年5月亮相,标志着华为终端全面进入鸿蒙生态时代。3月20日,在华为 Pura 先锋盛典及鸿蒙智行新品发布会上,华为常务董事、终端B

#harmonyos#华为
Coze:开启AI聊天机器人的全新篇章

在上篇文章第一个 AI 应用中写到我通过 Coze 平台开发了第一个 AI 应用,其实也没什么特别的,就一聊天机器人。我选择发布在 Discord,所以平常是这样使用的:看上去和在浏览器中使用 ChatGPT 是一样的,那为啥不直接使用浏览器呢?不用安装 App,也不用费劲折腾。我也有同样的疑问,字节出这么一个 Coze 平台,如果只是套壳,那也太不爱惜羽毛了。带着这样的疑问,我仔细查询了一下 C

#人工智能#机器人
点赞!微信4.0原生国产系统版本和 Windows、 MacOS 版本同步发布,还支持龙芯、麒麟等国产芯片...

在此前的文章《国产芯片+国产操作系统打造办公系统》中,我分享了在 UOS 系统上工作的体验。尽管未提及微信,原因是微信主要定位于移动通讯软件。但在工作过程中,微信 PC 版的使用频率还挺高,比如在和外部客户、合作伙伴沟通,很多时候都是通过微信。在电脑上使用,打字,收发文件,都比在手机上方便很多。尽管 UOS 应用商店早早上线了微信,最初的版本却是基于 Wine 运行的 Windows 版,随后微信

#微信#windows#macos
手把手教你开发人工智能微信小程序(4): 训练手写数字识别模型

在上篇文章《手把手教你开发人工智能微信小程序(3):加载数据》中,我给大家演示了如何通过fetch加载网络数据并进行数据归范化,出于演示的目的,例子做了简化处理,本文中将给大家介绍一个稍...

能在 CPU 上运行的开源大模型推理框架

如今,大模型的发展势头迅猛,而且,大模型的演进出现了两种分化趋势:一方面,开源大模型的规模不断扩大,从最初的数十亿参数迅速扩展到数千亿参数,照这个趋势,很快就会突破万亿级的超大规模。这类巨型模型通过引入更丰富的语义理解、复杂的推理能力和跨领域知识整合,展现出强大的智能。各大厂商开展军备竞赛,为了追求更高的准确率和更强的泛化能力,大模型的“无上限”扩展不断突破技术和硬件的边界。另一方面,模型也在向小

巧用Kaggle进行模型训练

本文翻译自Medium上的一篇文章,原文标题:Using Kaggle for your Data Science Work,点击文末的阅读原文可以跳转到原文。数据工程师都喜欢Jupyter Notebook,但是有时候您需要处理非常大的数据集和/或复杂的模型,而您的计算机却无法胜任。好消息来了,您可以将Jupyter Notebook文件导入Kaggle。如果您是数据科学的新手,那么...

    共 87 条
  • 1
  • 2
  • 3
  • 9
  • 请选择