自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(9)
  • 收藏
  • 关注

原创 SQL SERVER 基础教学(学习分享)

# 学习分享sql 分类: DDL(Data Definition Language):数据定义语言,用来定义数据库对象:库、表、列等;DML(Data Manipulation Language):数据操作语言,用来定义数据库记录(数据);DCL(Data Control Language):数据控制语言,用来定义访问权限和安全级别;DQL(Data Query Language):数据查询语言,用来查询记录(数据);

2024-09-08 15:37:12 1053

原创 基于ChatTTS与zhipuai虚拟聊天助手(demo)

然后建立获取collect的函数命名为collect_role.py因为采用streamlit的text_input作为输入所以可以直接输入目标角色和角色关系以及特点性格,所以这里不采用ai进行收集。接下来就是将收集的内容构建成prompt,并且根据角色的关系放回需要下载的语音包(目前只有设计男女两种不同的语音),所以将包命名成get_prompt.py。所有的内容都构建完了就到main.py,将大部分的内容串起来,有一部分需要用demo.py才能连接。也可以采用ai收集,但是个人认为繁琐了点。

2024-09-02 16:41:33 1437

原创 基于ChatTTS与zhipuai虚拟聊天助手(baseline)

解决了年轻人的内心的空虚,也可以陪伴独居的老人,可以进行情感的交流,释放内心的压力。语音ChatTTS部分需要去保存特定的声音,当选择男性角色时使用男性角色的声音,选择女性角色时使用女性角色的声音(这里以一个声音为例),是将语音保存了下来,因为在命令行运行无法直接发出声音,所有将声音的保存下来(命名为:TTs.py)(刚刚的是普通定制就只是利用ai原本的能力,那么高级定制就可以利用微调技术,生成具有更符合用户特点的输出)以下都是普通定制内容,只是提供微调的想法,但是未实现。并且通过拜拜,再见等词结束对话。

2024-08-28 17:32:51 1496

原创 基于zhipuai的RAG技术的应用(穿搭助手)

例如:请问我比较的高瘦应该怎么穿搭——>变成我比较的高瘦该穿什么样的衣服,我比较的高瘦该穿什么样的裤子......利用这样的拆分一条条的检索对应的答案的背景,最后将问题和背景一起返回回去给LLM进行推荐。使得生成的结果比较靠谱,原本ai推荐的比较的广泛没有具体的内容,所有采用RAG技术来提高ai的准确率,以及审美水平,具体的RAG流程如下。由于数据库中的数据的比较少,虽然被拆分的问题多,但是返回的结果也没有完全把所有的问题的回答了,回复的答案其实也是比较的“水”。,从而显著提升了回答的准确性与深度。

2024-08-20 21:31:06 717

原创 Datawhale AI 夏令营 学习笔记01

得到了最终的内容先放入列表messages中,角色是assistant,这样就在输入的user的后面,当再此调用的时候,又在assistant下面添加user,就变成了一个链式输入,后面以此往复。2.Embedding辅助给LLM外接大脑:由于用的都是网络上公开的数据,具有严重的滞后性,ai可能会出现幻觉的情况,以及最重要的数据的安全性。其中需要注意的就是调用模型这部分,输入的prompt需要先经tokenizer切分成token,并转成对应的id,并通过。之后的字符串),并删除末尾的。

2024-08-09 17:29:37 506

原创 基于ZhiPuAI的任务型对话机器人(推荐菜品机器人)

实际生活中如果推荐菜品的话,首先我们需要知道有多少人先推荐对方点几道菜,然后我们需要了解对方的是否存在忌口,然后要了解对方的预算,然后确定这顿饭是和谁吃和不同的人吃有不同的选择,然后询问对方喜欢什么菜系,了解对方喜欢的口味,之后就是要控制荤菜素菜的数量(这里需要用召回),确定对方点的菜没有冲突的。2.订单信息肯要有用户的id,这此对话的id,另外我们需要知道他喜欢什么口味,还有他喜欢什么食物,以及就餐时间,我们总不能晚上给用户推荐早餐吧;有很多人点餐时总是会有什么推荐的吗?1.我们需要知道用户的id;

2024-08-07 21:51:15 967

原创 基于ZhiPuAI的文本匹配3(新闻推荐)

如果是新用户,那么在打开app的时候官方大多数都会让你选择你感兴趣的频道,那么这些就会曾为你的标签,那么官方向你发送时就会加大这部分的权重。我们以新闻为例,我们将标题和导语作为匹配的文本(实践现实中会根据复杂),与你曾经浏览的文章作为对比相似度,与你浏览文章相似度高的新闻就会推送给你。百度网盘链接: https://pan.baidu.com/s/1oLZdBrI6Us-nxjZIotRm4Q?得到推荐的内容,我们只需要将data传进class里面,然后选取用户就可以得到,这个用户会获得的推荐新闻。

2024-08-06 16:29:10 762

原创 基于ZhiPuAi的文本匹配2(Q&A)

那么我们的问题和以及答案都存储进去了,我们可以问一个问题,基于第4条来问,what are two alternatives to Kaggle,其实是任意的问题,只是会答非所问,因为没有足够的数据支撑,我们的只有10数据所以不能随便问问题,只能对着答案问问题。这就完成了Q&A最基本的流程,剩下的就是基于现实的优化,例如我们上面创建的字典应该把所有的维度的加上,还有就是数据的储存,因为当我们数据量大了,用本地运行会很慢。可以看到数据的大小是(1166, 4),以及数据大概的样子,以及每一个维度的含义。

2024-08-05 22:16:14 1096 1

原创 基于ZhiPuAi的文本匹配1(基础)

可以看到emb1和emb3的相似对更高,但是文本之间的差距比emb1、emb2之间的文本差距大(指的是所用的字的差距大,并非文意),但是为什么1、3相似度会比1、2的相似的高呢,是因为embedding是联系上下文的,所以虽然文本没有什么差距,但是内涵是不一样的,所以相似度就没有内涵一样的高。所以我们在远古时期用的检索问题答案的方式就是,将你的问的问题(文本)embedding化,然后在官方的embedding库中检索,对比,将相似对最高的问题作为你的问的问题,然后将这个问题的答案放回给你。

2024-08-05 21:09:32 917

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除