最新AIGC创作系统，ChatGPT源码详细图文搭建部署教程，自定义指令Promp提示词，AI绘画、多模态识图理解文档分析

synchronizeOn synchronizeOn 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 3.3k累计阅读 3.3k平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄3年
关注
原创 2024-09-24 12:15:25 3.3k 阅读 AI 写同款· GEO 优化 ›
Ai对话系统网站源码 人工智能+搭建教程+前后端 Ai对话系统网站源码 人工智能+搭建教程+前后端。基于人工智能开发的一个人工智能技术驱动的自然语言处理工具，它能够通过学习和理解人类的语言来进行对话，还能根据聊天的上下文进行互动，真正像人类一样来聊天交流，甚至能完成撰写邮件、视频脚本、文案、翻译、代码，写论文等任务。 支持对接gpt，阿里云，腾讯云 具体看截图 后端环境：PHP7.4+MySQL5.6 立即下载

目录

一、前言

系统文档

二、系统演示

核心AI能力

系统快速体验

三、系统功能模块

3.1 AI全模型支持/插件系统

AI模型提问

文档分析

​识图理解能力

3.2 GPts应用

3.2.1 GPTs应用

3.2.2 GPTs工作台

3.2.3 自定义创建Promp指令预设应用

3.3 AI专业绘画

3.3.1 文生图/图生图（垫图）

3.3.2 局部编辑重绘

3.3.3 混图生图

3.3.4 AI换脸

3.4 Dall-E2/E3/E4绘画

3.5 智能思维导图生成

3.6 AI绘画广场

3.7 登录模块

3.8 管理后台（部分）

四、部署教程（Node.js + PM2 部署）

第一步 4.1 环境安装

第二步 4.2 Node版本选择

第三步 4.3 安装pnpm模块

第四步 4.4 安装Redis

第五步 4.5 部署跑起来

4.5.1 新建站点

4.5.2 配置SSL证书

4.5.3 上传SparkAi系统源码

4.5.4 配置.env文件

4.5.5 启动项目

4.5.5.1 开启端口

4.5.5.2 安装依赖

4.5.5.3 查看启动日志

4.5.6 添加反向代理

4.5.7 搭建完成

第六步 5.6 授权激活系统

4.6.1 未授权激活

5.6.2 激活成功示例

一、前言

人工智能语言模型和AI绘画在多个领域都有广泛的应用。

SparkAi创作系统是一款基于ChatGPT和Midjourney开发的智能问答和绘画系统，提供一站式 AI B/C 端解决方案，涵盖AI大模型提问、AI绘画、文档分析、图像识别和理解、TTS & 语音识别、AI换脸等多项功能。它支持GPTs应用和Prompt自定义预设应用，配备插件系统，并即将推出AI视频生成和AI音乐生成功能。该系统兼容OpenAI-GPT全模型及国内所有AI模型，具备GPT-4大模型支持、联网提问、DALL-E3文本生成图像、GPT4-All联网搜索模型、思维导图、会员套餐、分销系统以及Midjourney绘画动态全功能等，提供AI换脸、图像混合、局部编辑重绘等强大功能，为用户带来丰富的智能创作和互动体验。

系统文档

二、系统演示

核心AI能力

  1. 🚀 使用 Nodejs 服务端渲染技术, 支持高并发（万级甚至千万级用户同时请求使用）；提供更高的可用性和稳定性。
  2. 📡 支持宝塔常规部署和Decker一键部署方式，所有对接配置均可在后台界面上完成。
  3. 🤖 支持OpenAI官方API + One API 等中转对接使用（即支持OpenAI全模型、三方大模型、国内大模型）；支持 OpenAI / Azure OpenAI / Anthropic Claude / Google Gemini / Midjourney / 讯飞星火 / 百川 AI / Moonshot / 智谱 ChatGLM / 通义千问 / 云雀大模型 / 腾讯混元 / 360 智脑等模型, 适配 LocalAI / Ollama 等模型 (LLaMa / RWKV / SDXL )，支持openai发布最新gpt-4o大模型对接使用.....
  4. 🖥️ 自定义模型对接系统：所有模型走OpenAI的输入格式，当OpenAI发布新的语言模型，可后台第一时间添加，无须系统每次开发对接才能使用！同理支持对接了其他三方模型的中转系统，即支持OpenAI全模型、三方大模型、国内大模型 最新发布模型快速可用。对话模型自定义分类、自定义名称自定义排序、以及部分功能自定义。
  5. ✨ 支持任何 OpenAI 格式中转API, 自研渠道均衡负载和分配算法, 支持多渠道高并发调用管理， 支持多 API Key 轮询！ (优先级/权重/状态管理)。
  6. 🤯 对话会话隔离、云端存储、支持多设备共享数据！
  7. 🎈 多模态模型支持： 识图、文档分析支持。支持自定义对话模型开启多模态支持。
  8. 🌏 支持联网模式、可对模型进行扩展搜索当前网络实时内容总结。
  9. 🎃 支持GPTs应用+Prompt自定义预设应用；GPTS：支持GPTS后台自定义添加、也可以全站搜索 = 官方搜索。
  10. 👂 语音识别 & TTS , 支持 OpenAI / Azure 等语音识别 & TTS 模型，支持 Whisper & TTS 格式中转；支持TTS对话输入回复模式。
  11. 🎨 支持 Midjourney全功能, 支持 Imagine / Upscale / Vary / Zoom Out 等众多功能， 支持 Seed 获取。支持 中转API / 支持局部重绘 (Vary Region)等等。
  12. 💭 专业绘画支持文生图、图生图、垫图混图、角色一致参考图、风格一致参考图生成等、支持AI换脸、支持混合图片。
  13. 🪄 Dall-E-2/3绘画支持、支持所有参数并享有单独模块。
  14. 🔥 强大 Markdown 语法支持 (支持 代码高亮 / LaTeX 公式 / Mermaid 思维导图 / 图表绘制), 支持集成对话绘图模型 (DALL-E / Stable Diffusion / Midjourney 等)。
  15. 📖 开箱即用的文档解析服务, 支持 Pdf / Docx / Xlsx / 音频 / 图片等文件类型解析。
  16. 🗂 存储系统：支持本机、阿里云OSS、腾讯云cos、Chevereto图床多种类型。
  17. 💰 会员系统： 提供普通模型积分、高级普通模型积分、绘画积分三种货币类型、支持各类商品自定义扣费模式与额度。支持自定义模型扣除费用类型、多种计费方式：按时间限制、无时间限制、自定义组合套餐设置 (免费 / 积分（次数）扣费 计费)。
  18. 💸 支持官方微信支持、易支付、码支付、虎皮椒支付等支付方式, 支持同步检查订单状态, 支持订单搜索和管理。
  19. 👋 商城系统：自定义商品套餐、可自定义生成永久套餐、限时套餐。
  20. 🔶 签到系统： 支持配置每日签到赠送不同额度的奖励。
  21. 📦 访客系统： 支持不登录使用部分内容、可游客模式体验站内功能。
  22. 🌏 分销系统：支持 A + B 分销模式、后台可自定义分销提成额度、可对单独用户单独设置。支持设置提现门槛选项，支持用户多种提现方式选择（支付宝、微信、银行卡等）。
  23. 🎫 卡密系统：支持批量生产卡密供用户兑换、用户端可兑换卡密或三方卡网购买支持完备卡密兑换码体系, 支持自定义点数, 支持批量生成和卡密兑换码管理, 支持卡密兑换码查看领取用户 / 创建时间 / 领取时间等信息；删除卡密兑换码等功能。
  24. 🎉 登录系统：支持 邮箱 | 手机短信 | 微信扫码 等不同登录注册方式供选择。
  25. 🏅 插件系统开放、内部支持各类插件并会持续开发更多插件。
  26. 🖥 多端支持，自适应布局、适配PC、移动端、平板等设备。支持 Web / PWA / App / 小程序（后续开发）, UI 移动端适配, 支持明暗主题切换, 支持 Windows / MacOS / Linux / Android / iOS App。
  27. ✔️ 专业站点管理系统, 支持自定义配置网站 LOGO / 站点名称 / 页脚 / 百度统计/ AI名称 / 版权信息/ 联系方式 / 站点公告 / 提示欢迎语等多种内容等多种内容;支持设置用户初始点数, 单独用户群配置 等等。
  28. 📈 数据统计, 丰富美观的仪表盘统计，支持每日新增用户数量统计 / 总计和每日对话数量 / 总计和每日新加绘画数量 / 总计和每日日订单数量统计 / 等多种信息统计图表趋势展示。
  29. 📄 内容敏感词多种限制、支持自定义敏感词/百度内容审核等安全检测、可共同开启。支持敏感词检查记录查询统计！
  30. 🧩 动态菜单系统：可以自定义开关菜单、添加菜单、自定义ICON、自定义菜单类型、可使用三方站点内嵌、支持移动端PC端各自单独设置。
  31. 📡 管理端支持超管和普通演示账户用于分销系统、普通账号仅可读权限
  32. ✈ 管理端支持配置关键词回复、可自定义关键词及回复内容
  33. 📣 推广邀请奖励，支持邀请和被邀请用户设置自定义积分奖励。
  34. 📝 板块添加, 支持添加自定义板块嵌入网站页面, 支持设置板块图标，使站点更加丰富多样。
  35. 🚥其他功能
  36. 🏅 更多AI能力持续开发更新中...

系统快速体验

三、系统功能模块

3.1 AI全模型支持/插件系统

AI模型提问

文档分析

​识图理解能力

3.2 GPts应用

3.2.1 GPTs应用

可全网搜索使用

3.2.2 GPTs工作台

3.2.3 自定义创建Promp指令预设应用

3.3 AI专业绘画

3.3.1 文生图/图生图（垫图）

3.3.2 局部编辑重绘

3.3.3 混图生图

3.3.4 AI换脸

3.4 Dall-E2/E3/E4绘画

3.5 智能思维导图生成

3.6 AI绘画广场

3.7 登录模块

支持微信环境静默登录、浏览器中微信主动扫码登录、邮箱注册登录、手机号注册登录

3.8 管理后台（部分）

其他和后台页面太多功能，就不展示了，直接访问演示站点和演示后台

四、部署教程（Node.js + PM2 部署）

这里使用标准Node.js + PM2 部署项目，系统提供Docker快速部署教程

当你进入这个栏目的时候说明你已经想要使用宝塔面板部署了、如果你不知道什么是宝塔、那么请前往宝塔官网进行简单的了解、我们默认你已经安装了宝塔面板、这是最基础的需要。

第一步 4.1 环境安装

宝塔需要安装的环境

  • Nginx >= 1.19.8

  • MySQL >= 5.7或者MySQL 8.0

  • PHP-7.4（非系统需要环境）

  • PM2管理器 5.5

  • Redis 7.0.11

  • Node版本：>=v16.14.1

初始安装环境推荐使用LNMP一键环境套件

​​​

​

注意①： 使用mysql8.0版本，部分宝塔版本 需要重置root密码才能创建数据库

​​

注意②： 同步服务器端口到宝塔运维面板（重要），宝塔最新版本可能不需要自己手动同步

​​

第二步 4.2 Node版本选择

使用PM2切换Node版本（必须）

  • 切换Node版本为：大于等于v16.14.1（这里为v16.19.1）

​​

第三步 4.3 安装pnpm模块

（宝塔默认会安装pnpm 9 的最新版本，此版本要求Node.js版本最低为18，很多linux版本不支持最新pnpm 9）

​​

先设置npm为官方源：

npm config set registry https://registry.npmjs.org/

单独安装pnpm：

请直接安装pnpm 8 的版本

npm install -g pnpm@8

​​

此时再次打开终端、确定我们需要是否有node相关环境

分别执行以下命令，出现版本号说明已经安装成功

node -v
npm -v
pnpm -v

​​

验证pm2环境是否存在：

pm2 -v

如果提示 pm2: command not found，则并没有成功安装，再次手动命令安装： 

npm install -g pm2

再次输入 pm2 -v 显示以下页面，则成功安装

​

第四步 4.4 安装Redis

​​

第五步 4.5 部署跑起来

4.5.1 新建站点

宝塔 - 网站 - 添加站点

​​

4.5.2 配置SSL证书

如果自己没用商业SSL证书，就使用宝塔免费证书，申请Let's Encrypt 证书

​​

开启强制HTTPS并保存

​​

4.5.3 上传SparkAi系统源码

进入网站站点根目录

​​

删除新建站点生成默认文件

​​

将系统程序上传并解压到网站根目录下​

解压源码包

​​

4.5.4 配置.env文件

复制一份.env.example文件，并重命名为 .env 文件

​​

修改.env 配置文件为自己站点信息​

  • 其中mysql为必配项目、redis服务必须安装 否则无法启动项目
  • jwt token 必须修改为自己个人的密钥（再原有基础上再加一点随机英文即可）

4.5.5 启动项目

4.5.5.1 开启端口

宝塔面板安全开启9520端口（如果在配置文件自定义了其他端口，开启对应端口即可，不要和系统一些端口冲突，建议默认9520端口）

​​

4.5.5.2 安装依赖

直接在网站根目录打开ssh终端

​​

如果打开不在网站根目录请切换为网站根目录

cd /www/wwwroot/你的网站目录

宝塔默认为淘宝旧源，请切换淘宝最新源：

npm config set registry https://registry.npmmirror.com

使用 pnpm i 命令 回车 安装依赖

​​

使用 pnpm start 命令启动项目

pnpm start

​​

4.5.5.3 查看启动日志

输入 pm2 log 查看详细日志、看到下图表示成功！

pm2 log

​​

初始化创建super用户成功、用户名为[super]、初始密码为[sparkai]

4.5.6 添加反向代理

添加站点 9520 端口，宝塔安全需要开启该端口，不然无法访问

目标url:http://127.0.0.1:9520

​​

4.5.7 搭建完成

搭建完成，访问域名，输入域名授权码即可

第六步 5.6 授权激活系统

访问你自己的系统前台域名

4.6.1 未授权激活

​​

5.6.2 激活成功示例

收录于
AIGC

当前文章被收录于：

AIGC
25 篇文章 2 人学习
订阅专栏 查看详情
人工智能

当前文章被收录于：

人工智能
19 篇文章 2 人学习
订阅专栏 查看详情
OpenAI

当前文章被收录于：

OpenAI
3 篇文章 1 人学习
订阅专栏 查看详情
标签
#人工智能 #语音识别 #AI作画 #chatgpt #midjourney
#AIGC
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
小狐狸CHATGPT智能问答AI创作系统v1.6.4 PHP源码 风口项目，流量爆炸！上车价，手慢无！持续升级！开源、开源、开源、可二开！！当前全民热议，市场空白，风口项目，流量超级大，引流太简单！一键下单即可拥有自己的AI生产力工具！ 小狐狸AI付费创作系统 (独立版+无限多开+完全开源+多端同步+分销+万能创作），本源码含有前后端，支持Web和小程序部署。 前台面向终端用户，具有完整的智能问答界面，采用了流失问答，所以回复流畅不卡顿。系统能够通过微信公众号绑定，使得您可以在多端同步历史问答内容，方便切换。同时具备了奖励任务系统可以获得免费问答次数，也有分销系统可以从2级下线获得丰厚收益。 小狐狸GPT智能问答AI创作系统依赖要求 服务器：独立国内或者海外服务器 PHP版本：7.2、 7.3、 7.4 MYSQL版本：5.6、 5.7 立即下载

相关推荐

最新ai创作系统CHATGPT镜像系统源码+支持GPT4.0+支持ai绘画(MJ)+实时语音识别输入+免费更新版本

1、提问：程序已经支持GPT3.5、GPT4.0接口、支持新建会话，上下文记忆 2、支持三种Ai绘画模型（官方Midjourney模型、GPT3.5KEY绘画、国内其他绘画模型） 3、中英文实时语音识别输入，文章资讯发布功能，菜单工具栏功能，邮箱验证和手机短信验证注册登录，邀请返佣功能。 4、新增Prompt面具角色扮演功能 5、AI绘画广场功能 6、后续其他功能更新以及优化 （以上多项功能，后台均可选择开启其中一个或者关闭开启！）

ChatGPT原理及源代码

ChatGPT的源代码使用了Python编写，使用了TensorFlow和PyTorch等深度学习框架进行模型的实现和训练。代码的核心部分是使用了PyTorch中的torch.nn模块来实现Transformer模型，以及使用TensorFlow中的tf.data模块来处理和生成数据集。ChatGPT是一个基于Transformer模型的自然语言处理工具，其原理是利用大量的文本数据进行训练，从中学习语言的规则和模式，然后使用这些知识来生成新的语言。输出序列包括预测下一个单词和整个回答。

2301_79338636的博客 4139

R语言分类变量的统计描述

三篇介绍了连续变量的统计描述的R语言相关函数，计算数值的相关统计指标。本文介绍分类变量的统计描述及如何在R语言中实现。 不同于连续变量，分类变量的统计描述主要是汇总分类变量各类别例数及百分比。 1、table()函数 ...

zsc943290710的博客 1万+

Ai创作系统ChatGPT源码搭建教程+附源码

更新内容：同步官方图片重新生成指令同步官方 Vary 指令 单张图片对比加强 Vary(Strong) | Vary(Subtle)同步官方 Zoom 指令 单张图片无限缩放 Zoom out 2x | Zoom out 1.5x新增GPT联网提问功能、手机号注册登录、签到功能、管理后台功能更新等。

只恨天高的博客 4323

HLM（多层线性模型）在stata中语句

在阅读CEPS中发现有些研究采用的是HLM模型，HLM简单来说用一个方程跑两个回归。举例，对学习成绩影响因素，不同层有不同的影响，如在个体层面上个体特征会对成绩产生影响，在学校层面学校排名等因素会对成绩产生影响，两种因素不在一个层面，每层造成的差异都不相同。 在找相关语句时候发现操作这个语句的软件大多是SPSS和HLM，对于stata操作者并不友好。因此，在有限资料中总结了HLM在stata中的语句，后面会附上学习视频和链接。 先放语句，后面对方程式一个大致解析。由于针对HLM有一本书的介绍，可能一篇文章无

weixin_44652251的博客 1万+

别再用图片水印了！5种你可能不知道的文本隐写术实战

本文介绍了5种高效的文本隐写术，帮助创作者在不影响内容可读性的情况下嵌入版权信息。从零宽度字符到同形字替换，再到标点符号变形和行尾空格编码，这些技术为数字内容提供了轻量级版权保护方案，特别适用于社交媒体和电子合同等场景。

k8l9m0n的博客 225

ChatGPT中文版源码

ChatGPT最近很火爆大家都知道吧，今天废话不多说 直接给大家带来一个ChatGPT中文版的源码 先对整体进行一个介绍，这套源码界面很有科技感，其次是功能方面有专门的指令输入框，让你可以舒舒服服的玩转你手中的prompts

志在指尖 1万+

【阿里云大模型高级工程师ACP习题集】2.7 通过微调增强模型能力 (上篇)（⭐️⭐️⭐️ 重点章节！！！）

【摘要】这是我精心整理出对应的习题集，里面足足有 30 道题目，从基础概念到深度拓展，全方位覆盖章节重点、难点。不管你是想检验自己的学习成果，还是想针对薄弱环节进行强化训练，它都能完美适配！

davidkorhenn的博客 1605

AI语音机器人开源代码\application\user\view\ad

AI语音机器人开源代码\application\user\view\ad

m0_75193727的博客 1450

树莓派5安装ROS2小白指南避坑攻略

手把手教你如何在树莓派5上顺利安装ROS2，避开常见问题与陷阱，提升配置效率。针对树莓派5安装ros2过程中的依赖冲突、源配置错误等高频难题提供解决方案，适合新手快速上手。

weixin_35754962的博客 1005

语义通信高斯信道仿真代码

【代码】语义通信高斯信道仿真代码。

一去不复返的通信er 427

最新ChatGPT网站源码运营版+支持ai绘画+GPT4.0

2023最新ChatGPT网站源码+支持ChatGPT4.0+支持Midjourney绘画+用户会员套餐+用户每日签到领取+后台管理+一键更新版本，支持手机电脑不同布局页面自适应。ChatGPT提问：如果后续程序有新版，直接在后台一键更新即可！程序完美运行无BUG，独家开发，支持6种会员开通模式，有:"购买提问次数"或者"开通月付会员"套餐等等套餐次数和价格可以自定义在后台进行修改支付直接对接易支付或码支付就可以了，每个IP均有免费提问一次(可以自定义)，然后自动强制跳转登录。

学习笔记，人工智能，教程，技术分享！ 7224

HyperLynx（十四）高级分析技术

如果没有查找到该模型，可使用菜单命令“Setup”→“Options”→“Directories”，打开“Set Directories”对话框，单击“Edit”按钮，在“Select Directories for IC-Model Files”对话框中将路径“…在“Assign Models”对话框中的“Port”栏找到“OUTM”端口，在其对应的“Circuit Connection”栏中选择“txout”项。将端口R75连接到“Gnd”。同样，将“EMP”连接到“V”，完成预加重设置。...

小幽余生不加糖 4951

最全AI大模型智能体Prompt预设词指令使用指南

《多角色AI助手使用指南摘要》 本文概述了35种专业化AI助手的核心功能与应用场景，涵盖写作辅助、编程支持、职业发展、创意生成等六大领域。写作类包括论文润色、翻译校对等7种角色，能优化语法结构、提升表达效果；技术类含代码解释、SQL生成等9种工具，可处理复杂的技术问题；创意类提供故事创作、产品命名等5种服务，激发创新思维；职业类包含面试模拟、简历优化等6种功能，助力职业发展；生活类涵盖烹饪建议、旅游规划等5种场景；专业类提供法律咨询、医疗诊断等3种服务。所有助手均遵循特定指令模板，确保响应精准度，用户可根据

学习笔记，人工智能，教程，技术分享！ 3738

滴滴数据分析80道面试题及参考答案

常见的模型评价指标有准确率、召回率、F1 值、均方误差、均方根误差、R 方等。准确率是指模型预测正确的样本数占总样本数的比例，它反映了模型预测的准确性。召回率是指模型预测为正例的样本中实际为正例的比例，它衡量了模型对正例的捕捉能力。F1 值是准确率和召回率的调和平均数，综合考虑了两者的平衡。均方误差是预测值与真实值之差的平方的平均值，它衡量了模型预测值与真实值的平均偏离程度。均方根误差是均方误差的平方根，与均方误差类似，但更直观地反映了误差的大小。

大模型大数据攻城狮的专栏 1698

android 蓝牙通讯demo

android 下蓝牙通讯demo，实现了发现蓝牙，使能蓝牙，通过蓝牙发送消息。

2023最新ChatGPT商业运营网站源码+支持ChatGPT4.0+新增GPT联网功能+支持ai绘画+实时语音识别输入+用户会员套餐+免费更新版本

程序已支持ChatGPT4.0、Midjourney绘画、GPT3.5 API绘画、GPT联网功能、绘画广场功能、Prompt功能，后台自定义添加，用户也可自定义添加+实时语音识别输入、用户会员套餐、用户每日签到功能、后台管理、一键更新版本！支持手机电脑不同布局页面自适应。支持中文普通话、英语后台自定义添加，用户也可自定义添加。

学习笔记，人工智能，教程，技术分享！ 1万+

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用，资源的后缀为tar.gz格式的压缩包

最新开源ai智能写作机器人系统源码 电脑版+手机版+搭建教程

系统功能：可以聊天，写文章，写论文，写代码，写小说，创意策划，做Excel表格，写诗等等，根据上下文语境陪你聊天，写原创文章，文章适合百度收录，做SEO优化排名。分享一个最新开源版的ai智能写作机器人系统源码，带电脑版和手机版，含详细的搭建教程。

春哥开源研究所的博客 2191

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过，这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后，重新检测通过。

ChatGPT源码基于OpenAI的GPT-3.5-Turbo接口开发分享

使用主后端Node.JS，主前端React开发的ChatGPT源码，基于OpenAI的GPT-3.5-Turbo接口定制分享

boechina的博客 5834

最新人工智能源码搭建部署教程/ChatGPT程序源码/AI系统/H5端+微信公众号版本源码

如何搭建部署人工智能源码、AI创作系统、ChatGPT系统呢？小编这里写一个详细图文教程吧！SparkAi使用Nestjs和Vue3框架技术，持续集成AI能力到AIGC系统！ 程序已支持ChatGPT3.5/GPT-4提问、AI绘画、Midjourney绘画（全自定义调参）、Midjourney以图生图、Dall-E2绘画、思维导图生成、知识库（可自定义训练）、AI绘画广场、邀请+代理分销模式、用户每日签到功能、会话记录保存、微信公众号+邮箱+手机号注册登录...

学习笔记，人工智能，教程，技术分享！ 2213

四步搭建自己的专属 ChatGPT（附开源代码）

在未来，ChatGPT将成为人工智能应用领域的支柱，推动人机交互、智能客服和在线教育等领域的发展。如果你对ChatGPT和人工智能有浓厚的兴趣，推荐你阅读一些相关的资料和课程，以便更好地了解和应用ChatGPT。第一步，获取ChatGPT小程序的源代码。我们为每个人提供了免费开放的源代码，你可以根据自己的需求进行二次修改和创作。希望你能加入我们的开发者交流群，一起探索人工智能和小程序的结合。将请求的服务器地址修改为你自己的地址，这样你就可以完全掌控ChatGPT的运行。

向来缘浅，奈何情深 7461

Spark+AI深度学习动手实践

《Spark大数据商业实战三部曲》第二版在人工智能领域的应用内容，包括深度学习动手实践：人工智能下的深度学习、深度学习数据预处理、单节点深度学习训练、分布式深度学习训练；Spark+PyTorch案例实战：PyTorch在Spark上的安装、使用PyTorch实战图像识别、PyTorch性能调优最佳实践；Spark+TensorFlow实战：TensorFlow在Spark上的安装、TensorBoard解密、SparkTensorFlow的数据转换；Spark上的深度学习内核解密：使用TensorFlow进行图片的分布式处理、数据模型源码剖析、逻辑节点源码剖析、构建索引源码剖析、深度学习下Spark作业源码剖析、性能调优最佳实践。 

最新ai创作系统CHATGPT源码+支持GPT4.0+支持ai绘画Midjourney

SparkAi创作系统是基于OpenAI很火的ChatGPT进行开发的Ai智能问答系统+AI绘画系统，支持OpenAI GPT全模型+国内AI全模型。本期针对源码系统整体测试下来非常完美，可以说SparkAi是目前国内一款的ChatGPT对接OpenAI软件系统。那么如何搭建部署AI创作ChatGPT？小编这里写一个详细图文教程吧！SparkAi程序使用Nestjs和Vue3框架技术，持续集成AI能力到AIGC系统。Ai模型提问：支持同步官方图片重新生成指令。

学习笔记，人工智能，教程，技术分享！ 7341

最新智能AI系统程序源码+图文搭建部署教程/支持ai绘画/H5端源码/Prompt应用+知识库对接

SparkAi创作系统是一款基于ChatGPT和Midjourney开发的智能问答和绘画系统，支持OpenAI-GPT全模型及国内所有AI模型。该系统具备GPT-4大模型、文档分析、图像识别和理解、GPTs应用、GPT语音对话、联网提问、DALL-E3文本生成图像、GPT4-All联网搜索模型、思维导图、会员套餐功能、分销系统、Midjourney绘画动态全功能、AI换脸、垫图混图、Vary Region局部编辑重绘、插件功能等多项强大功能，为用户提供丰富的智能创作和互动体验。

只恨天高的博客 1261

最新AI写作创作系统源码ChatGPT源码，支持AI绘画/支持OpenAI-GPT全模型+国内AI全模型

SparkAi创作系统是基于OpenAI很火的ChatGPT进行开发的Ai智能问答系统+AI绘画系统，支持OpenAI GPT全模型+国内AI全模型。本期针对源码系统整体测试下来非常完美，可以说SparkAi是目前国内一款的ChatGPT对接OpenAI软件系统。那么如何搭建部署AI创作ChatGPT？小编这里写一个详细图文教程吧！SparkAi程序使用Nestjs和Vue3框架技术，持续集成AI能力到AIGC系统。

学习笔记，人工智能，教程，技术分享！ 1600

ChatGPT 的实现原理和核心代码

GPT 模型是一种基于 Transformer 的语言模型，可以生成符合上下文语境的文本。在预训练阶段，GPT 模型使用大量的文本数据进行训练，学习到了丰富的语言知识。在微调阶段，我们可以使用对话数据对 GPT 模型进行微调，以使其生成符合对话场景的文本。ChatGPT 是一种基于 GPT 模型的对话生成模型，其原理是在预训练的 GPT 模型基础上，使用对话数据进行微调，以生成符合对话场景的文本。，并将其移动到 GPU 上。接着使用模型计算损失并反向传播，以微调模型。这个函数使用模型和分词器生成对话文本。

Python，数据分析，机器学习，深度学习 6419

2024最新ChatGPT商用源码+支持ai绘画(Midjourney)+GPT4.0+Dall-E3绘画+文档分析识图理解

SparkAi创作系统是基于ChatGPT进行开发的Ai智能问答系统和Midjourney绘画系统，支持OpenAI-GPT全模型+国内AI全模型。支持GPT-4o大模型、文档分析、识图图片理解、GPTs应用、GPT语音对话、联网提问、GPT-4全模型、DALL-E3文生图、GPT4-All联网搜索模型、思维导图、会员套餐功能、分销系统、Midjourney绘画动态全功能、AI换脸、垫图混图、Vary Region 局部编辑重绘、插件功能等等...

只恨天高的博客 2136
上一篇： Mybatis-映射文件中select标签resultType属性的使用
下一篇： MyBatis-映射文件中的select属性resultMap的使用
点赞 83
评论 0
书签 书签 19
synchronizeOn
synchronizeOn
博客等级 码龄3年 1193粉丝 64原创
+ 关注 专栏目录 订阅专栏
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值