草庐IT

《Hierarchical Text-Conditional Image Generation with CLIP Latents》阅读笔记

概括模型总述本篇论文主要介绍DALL·E2模型,它是OpenAI在2022年4月推出的一款模型,OpenAI在2021年1月推出了DALL·E模型,2021年年底推出了GLIDE模型。DALL·E2可以根据文本描述去生成原创性的、真实的图像,这些图像从来没有在训练集里出现过,模型真的学习到了文本图像特征,可以任意地组合其概念、属性、风格。DALL·E2除了根据文本生成图像,还能根据文本对已有的图像进行编辑和修改——可以任意添加或者移除图像里的物体,修改时甚至可以把阴影、光线和物体纹理都考虑在内。DALL·E2可以在没有文本输入的情况下,做一些图像生成的工作——比如给定一张图像,它可以根据已有的

《Hierarchical Text-Conditional Image Generation with CLIP Latents》阅读笔记

概括模型总述本篇论文主要介绍DALL·E2模型,它是OpenAI在2022年4月推出的一款模型,OpenAI在2021年1月推出了DALL·E模型,2021年年底推出了GLIDE模型。DALL·E2可以根据文本描述去生成原创性的、真实的图像,这些图像从来没有在训练集里出现过,模型真的学习到了文本图像特征,可以任意地组合其概念、属性、风格。DALL·E2除了根据文本生成图像,还能根据文本对已有的图像进行编辑和修改——可以任意添加或者移除图像里的物体,修改时甚至可以把阴影、光线和物体纹理都考虑在内。DALL·E2可以在没有文本输入的情况下,做一些图像生成的工作——比如给定一张图像,它可以根据已有的

dotnet 6 修复在 System.Text.Json 使用 source generation 源代码生成提示 SYSLIB1032 错误

在dotnet6内置了通过源代码生成的方式进行序列化JSON对象,性能非常高。使用的时候需要将Json序列化工具类换成dotnet运行时自带的System.Text.Json进行序列化,再加上一个继承JsonSerializerContext的辅助类型,且在此类型标记JsonSerializableAttribute特性,将此类型传入序列化和反序列化即可完成对接。然而在使用的过程中,如果发现此辅助类型的实际代码没有生成,且输出提示SYSLIB1032警告,那可能就是此辅助类型没有写对导致如官方文档的对SYSLIB1032的描述,这是由于标记了JsonSerializableAttribute的

dotnet 6 修复在 System.Text.Json 使用 source generation 源代码生成提示 SYSLIB1032 错误

在dotnet6内置了通过源代码生成的方式进行序列化JSON对象,性能非常高。使用的时候需要将Json序列化工具类换成dotnet运行时自带的System.Text.Json进行序列化,再加上一个继承JsonSerializerContext的辅助类型,且在此类型标记JsonSerializableAttribute特性,将此类型传入序列化和反序列化即可完成对接。然而在使用的过程中,如果发现此辅助类型的实际代码没有生成,且输出提示SYSLIB1032警告,那可能就是此辅助类型没有写对导致如官方文档的对SYSLIB1032的描述,这是由于标记了JsonSerializableAttribute的

论文复现丨基于ModelArts实现Text2SQL

摘要:该论文提出了一种基于预训练BERT的新神经网络架构,称为M-SQL。基于列的值提取分为值提取和值列匹配两个模块。本文分享自华为云社区《基于ModelArts实现Text2SQL》,作者:HWCloudAI。M-SQL:Multi-TaskRepresentationLearningforSingle-TableText2sqlGeneration虽然之前对Text2SQL的研究提供了一些可行的解决方案,但大多数都是基于列表示提取值。如果查询中有多个值,并且这些值属于不同的列,则以前基于列表示的方法无法准确提取值。该论文提出了一种基于预训练BERT的新神经网络架构,称为M-SQL。基于列的

论文复现丨基于ModelArts实现Text2SQL

摘要:该论文提出了一种基于预训练BERT的新神经网络架构,称为M-SQL。基于列的值提取分为值提取和值列匹配两个模块。本文分享自华为云社区《基于ModelArts实现Text2SQL》,作者:HWCloudAI。M-SQL:Multi-TaskRepresentationLearningforSingle-TableText2sqlGeneration虽然之前对Text2SQL的研究提供了一些可行的解决方案,但大多数都是基于列表示提取值。如果查询中有多个值,并且这些值属于不同的列,则以前基于列表示的方法无法准确提取值。该论文提出了一种基于预训练BERT的新神经网络架构,称为M-SQL。基于列的

从 Newtonsoft.Json 迁移到 System.Text.Json

一.写在前面System.Text.Json是.NETCore3及以上版本内置的Json序列化组件,刚推出的时候经常看到踩各种坑的吐槽,现在经过几个版本的迭代优化,提升了易用性,修复了各种问题,是时候考虑使用System.Text.Json了。本文将从使用层面来进行对比。System.Text.Json在默认情况下十分严格,避免进行任何猜测或解释,强调确定性行为。比如:字符串默认转义,默认不允许尾随逗号,默认不允许带引号的数字等,不允许单引号或者不带引号的属性名称和字符串值。该库是为了实现性能和安全性而特意这样设计的。Newtonsoft.Json默认情况下十分灵活。关于性能,参考Incerr

从 Newtonsoft.Json 迁移到 System.Text.Json

一.写在前面System.Text.Json是.NETCore3及以上版本内置的Json序列化组件,刚推出的时候经常看到踩各种坑的吐槽,现在经过几个版本的迭代优化,提升了易用性,修复了各种问题,是时候考虑使用System.Text.Json了。本文将从使用层面来进行对比。System.Text.Json在默认情况下十分严格,避免进行任何猜测或解释,强调确定性行为。比如:字符串默认转义,默认不允许尾随逗号,默认不允许带引号的数字等,不允许单引号或者不带引号的属性名称和字符串值。该库是为了实现性能和安全性而特意这样设计的。Newtonsoft.Json默认情况下十分灵活。关于性能,参考Incerr

智能文本自动处理(Intelligent text automatic processing)(二)

AutoText智能文本自动处理工具(Intelligenttextautomaticprocessingtool)。项目地址:https://github.com/jiangnanboy/AutoTextAutoText的功能主要有文本纠错,图片ocr以及表格结构识别等。Guide文本纠错图片ocr表格结构识别TodoContactCitationLicenseContribute文本纠错文本纠错部分详细见jcorrector本项目目前主要包括:基于ngram的纠错基于深度学习的纠错基于模板中文语法纠错成语、专名纠错具体使用见本项目中的examples/correct部分,或者jcorrec

智能文本自动处理(Intelligent text automatic processing)(二)

AutoText智能文本自动处理工具(Intelligenttextautomaticprocessingtool)。项目地址:https://github.com/jiangnanboy/AutoTextAutoText的功能主要有文本纠错,图片ocr以及表格结构识别等。Guide文本纠错图片ocr表格结构识别TodoContactCitationLicenseContribute文本纠错文本纠错部分详细见jcorrector本项目目前主要包括:基于ngram的纠错基于深度学习的纠错基于模板中文语法纠错成语、专名纠错具体使用见本项目中的examples/correct部分,或者jcorrec