草庐IT

Unity WebGL实战笔记

全部标签

AI大模型学习笔记之四:生成式人工智能(AIGC)是如何工作的?

OpenAI发布ChatGPT已经1年多了,生成式人工智能(AIGC)也已经广为人知,我们常常津津乐道于ChatGPT和Claude这样的人工智能系统能够神奇地生成文本与我们对话,并且能够记忆上下文情境。Midjunery和DALL·E这样的AI绘图软件可以通过Prompt输入文本提示生成多张令人惊艳的美图,看起来相当神奇。但是,你有没有想过,生成式人工智能(AIGC)究竟是怎么运作的呢?在这篇文章里,我们就来简单了解一下生成式人工智能技术(AIGC)的基本原理,看看它到底能做些什么,还有啥时候你可能不太想依赖它。一、从有监督学习到生成式人工智能大多数传统类型的人工智能(如判别式人工智能)都是

[ai笔记8] 聊聊openAI最新文生视频产品-Sora

欢迎来到文思源想的ai空间,这是技术老兵重学ai以及成长思考的第8篇分享!近期sora在科技届引发不小的轰动,虽然这是openai并未对外发布的相关产品,目前如同小米汽车的技术发布会,但是确实引发了不小的震撼,因此特地到官方网站阅读了它的所有介绍,包括技术资料,这里简单记录下,并聊聊我个人的看法。1Sora简介Sora是由OpenAl在2024年2月16日推出的文本生成视频模型。Sora继承DALL·E3的画质和遵循指令能力,可以根据用户的文本提示快速制作长达一分钟的高保真视频,呈现复杂场景与角色。还可以根据提示、静止图像填补现有视频中的缺失帧来生成视频。Sora能够深度模拟真实物理世界,标志

Electron桌面应用实战:Element UI 导航栏橙色轮廓之谜与Bootstrap样式冲突解决方案

目录引言   问题现象及排查过程描述问题 深入探索查明原因解决方案与策略探讨重写样式禁用Bootstrap样式片段深度定制ElementUI组件隔离样式作用域结语引言        在基于Electron开发桌面应用的过程中,我们可能时常遇到各种意想不到的问题。我在使用ElementUI构建应用程序导航栏时就遭遇了一个看似离奇的现象——未预设的焦点轮廓突然显现!经过一番细致排查,最终揭示了问题的根源并提出了有效的解决方案。问题现象及排查过程描述问题         在构建一个Electron应用时,为了获得良好的用户体验和高效的开发效率,选择了ElementUI作为界面组件库来实现导航栏功能。

pytest单元测试实战

1、pytest简介pytest是python的一种单元测试框架,与python自带的unittest测试框架类似,但是比unittest框架使用起来更简洁,效率更高。根据pytest的官方网站介绍,它具有如下特点:非常容易上手,入门简单,文档丰富,文档中有很多实例可以参考。能够支持简单的单元测试和复杂的功能测试。支持参数化。执行测试过程中可以将某些测试跳过,或者对某些预期失败的case标记成失败。支持重复执行失败的case。支持运行由nose,unittest编写的测试case。pytest具有很多第三方插件,并且可以自定义扩展,比较好用的如pytest-selenium(集成seleniu

单片机学习笔记---AT24C02(I2C总线)

目录有关储存器的介绍存储器的简介存储器简化模型AT24C02介绍AT24C02引脚及应用电路I2C总线介绍I2C电路规范开漏输出模式和弱上拉模式其中一个设备的内部结构I2C通信是怎么实现的I2C时序结构起始条件和终止条件发送一个字节接收一个字节发送应答和接收应答I2C数据帧发送一帧数据接收一帧数据先发送再接收数据帧(复合格式)有关储存器的介绍存储器的简介RAM:随机储存,断电丢失数据,存储比较快。SRAM:是最快的,内部是锁存器,D触发器,用电路来储存数据,一般用于电脑的CPU高速缓存。DRAM:利用电容的充放电以达到储存数据的目的,充电就是高电平,放完电之后就是低电平,因为电容存在漏电现象,

鸿蒙HarmonyOS实战-Stage模型(线程模型)

前言线程是计算机中的一种执行单元,是操作系统进行调度的最小单位。它是进程中的实际运行单位,每个进程可以包含多个线程。线程可以理解为进程中的一个执行流,它独立运行,拥有独立的栈和寄存器,但共享进程的资源,如内存空间、文件等。线程通过并发执行,将一个进程的任务划分成多个子任务并行处理,以提高程序的性能和响应速度。线程分为用户线程和内核线程。用户线程是由用户级线程库实现和调度的,操作系统并不直接支持用户线程,因此线程的创建、销毁、调度等都是由应用程序自己完成。内核线程则由操作系统内核管理,操作系统负责线程的创建、销毁和调度。内核线程相对于用户线程更加稳定和可靠,但创建和销毁线程的开销较大。线程具有以

Flink实时数仓同步:流水表实战详解

一、背景在大数据领域,初始阶段业务数据通常被存储于关系型数据库,如MySQL。然而,为满足日常分析和报表等需求,大数据平台采用多种同步方式,以适应这些业务数据的不同存储需求。这些同步存储方式包括离线仓库和实时仓库等,选择取决于业务需求和数据特性。一项常见需求是,大数据分析平台需要能够检索某张业务表的变更记录,并以每天为单位统计每条数据的变更频率。以下是示例:[Mysql]业务数据-用户表全量数据:idnamephonegendercreate_timeupdate_time1jack111男2023-06-0113:00:002023-06-0113:00:002jason222男2023-0

读十堂极简人工智能课笔记08_人工智能的未来

1. 通用人工智能1.1. 我造不出的东西,我便不明白1.1.1. 物理学家理查德·费曼1.2. 欧文·霍兰德1.2.1. 他的发明中有一个很不寻常的机器人叫作Slugbot,这是一个能“吃”真正的鼻涕虫的机器人,旨在用鼻涕虫腐烂的身体产生动力1.2.2. 其团队造出了CRONOS,一个看起来相当可怕的人形机器人,头部有一只独眼,其解剖结构尽可能地符合人类的骨架1.2.2.1. 其骨头是用塑料生产的,结构相当精巧,足以匹配人类的骨骼1.2.3. 方法是模仿自然,其模仿的深入程度远胜前人在机器人领域的种种尝试1.2.4. 所谓意识就是要让机器人对外部世界形成自己的内部模型,这尽管是它自己想象中的

Miniconda 安装和使用笔记

Miniconda是Anaconda的简化版,可以管理多个Python版本的环境.实际使用的话,占用的空间不会很小,我跑一些正常的应用后,安装目录占用空间4.3GB,安装建议要预留10到20G的空间.安装Miniconda下载安装包https://docs.anaconda.com/free/miniconda/历史版本https://repo.anaconda.com/miniconda/在里面下载适合自己操作系统的安装包,对于X64的Ubuntu,下载的是Miniconda3-latest-Linux-x86_64.shchmod后执行chmod+xMiniconda3-latest-Li

YOLOv8改进 | 进阶实战篇 | 利用辅助超推理算法SAHI推理让小目标无所谓遁形(支持视频和图片)

 欢迎大家订阅我的专栏一起学习YOLO!   一、本文介绍本文给大家带来的是进阶实战篇,利用辅助超推理算法SAHI进行推理,同时官方提供的版本中支持视频,我将其进行改造后不仅支持视频同时支持图片的推理方式,SAHI主要的推理场景是针对于小目标检测(检测物体较大的不适用,因为会将一些大的物体切割开来从而导致误检),检测效果非常的好对于小目标检测,尤其是无人机航拍的图片检测或者远距离拍摄的图片,本文中附代码+详细的参数讲解并有教程示例!专栏目录: