- 博客(13)
- 收藏
- 关注
RSS订阅原创 如何在jupyter notebook中使用django框架
进入settings.py中（用记事本打开即可），找到INSTALLED_APPS列表，回车，出现以下内容，输入y确认安装，等待安装完毕。输入y，然后回车，确认继续安装，这段过程需要一些时间。查询我们安装django是否成功。看到这里的3.8.20成功安装。选择我们创建的new-env。出现done，说明安装成功。
2025-03-25 22:28:16
568
原创 《机器学习》--西瓜书版
我们希望得到表现很好的学习器（模型），所以我们希望从训练样本中尽可能学出适用于所有潜在样本的“普遍规律”，这样才能在新的样本出现时做出正确的判别。泛化：由于机器学习的目标是根据已知来对未知做出尽可能准确的判断，因此对未知事物判断的准确与否才是衡量一个模型好坏的关键，我们称此为“泛化”能力。：机器学习的本质就是在学习样本在某个方面的表现是否存在潜在的规律，我们称该方面的信息为“标记”。不同的机器学习的算法会得到不同的模型，这就是“归纳偏好”。：学习器的实际预测输出与样本的真实输出之间的差异。
2024-10-16 22:29:52
1344
1
原创 Datawhale 组队学习--大模型bot开发--prompt工程--task02
比如在讨论旅游景点的话题时，就应该围绕景点的特色、地理位置、游玩体验等方面展开，而不应该突然谈论起与旅游景点毫无关系的股票市场或体育赛事等内容。比如对方只是想知道你是否有空参加会议，你只需要回答 “我有空” 或 “我没空”，而不需要详细阐述你当天的所有行程安排。写 Prompt 的过程中，对于语言，要区分两个概念： 语义学(Semantics)和语用学(Pragmatics)。语义学认为语言的意义包含在「语言形式」之中。对于提示驱动型语言模型，它会通过prompts（提示）生成基于更复杂指令的内容。
2024-10-15 22:17:46
253
原创 动态规划基础
我们以斐波那契数列问题来举例：斐波那契数列的示意如图。要点：我们用一个数组（这里假设为dp[]）来存储斐波那契数列的所有值，这样在运算的时候就不用反复的计算已经计算过的内容。
2024-10-15 21:58:01
857
原创 Datawhale 组队学习--大模型bot开发--task01
同时我们最好在中间的插件位置点击”+“左边一点的图标进行自动插件匹配，会根据你对只能提的描述自动匹配合适的插件。我们可以在限制那里进行一定的放宽（100字什么的太少了吧，来个1000字的o(*￣▽￣*)ブ）如下图，我根据自己的需求建立了自己需要的智能体，直接点击小东西给我们生成的智能体即可。如上图右下角标注的小东西，点击它就可以开始对话，建立自己的bot了。目标：在扣子平台上按照自己的需求做出一个智能体。
2024-10-12 23:24:37
277
原创 Datawhale 组队学习--AI攻防--task01跑通baseline
进入中，如图，选择方式二，点击开始，直到出现如图“查看Notebook”，点击进入。点击Terminal，进入一个新的终端；复制以下代码：回车。进入下图中标识的文件进入后缀为.ipynb的文件如图，先点击下图上方的开始，再点击Restart，程序就会开始运行如下图，出现标识的内容则表明在在运行中，需要等待一定的时间。完成以后会出现如下图标识的csv文件，我们右击该文件来保存。最后一定要点击右上角的“关闭实例”，否则我们可怜的额度就会一直消耗。
2024-10-12 23:04:10
354
原创 基础算法一--枚举
也称为穷举算法，指的是按照问题本身的性质，一一列举出该问题所有可能的解，并在逐一列举的过程中，将它们逐一与目标状态进行比较以得出满足问题要求的解。对于一个合数，它一定有除了1和本身的质因子，使得它本身一定是这个质因子的倍数；通常会在前缀和首位放一个0，如：数组[1,2,3],前缀和：[0,1,3,6]上面两张图中，第一张图的结果正确！【先削减s的值，再递增i的值】前缀和：前缀和指一个数组的某下标之前的所有数组元素的和（包括自身）例四：和为s的连续正数序列。例六：网络信号最好的坐标。例七：和为k的子数组。
2024-09-17 12:02:36
1483
原创 机器学习的基本概念--Datawhale X 李宏毅苹果书 AI夏令营--学习笔记
机器学习（Machine Learning）：让机器具备一个找函数的能力，从而让机器实现诸如：语音识别（Speech Recognition），图片识别（Image Recognition）等功能在机器学习的大家庭中，有两种主要的学习方法：监督学习和无监督学习。监督学习（Supervised Learning）：监督学习是一种基于标签的学习方法，其中训练集数据包括输入特征向量和对应的输出标签。监督学习的类别：回归（Regression）：预测连续的具体数值，分类（Classification）
2024-08-24 00:47:25
1038
原创 AI训练语音（以游戏角色“白露”为示例）—＞So-VITS-SVC 4.1—＞新手使用教程
大家通过一系列的操作，应该多多少少明白了sovit4.1的一些基本步骤，当然，训练一个自己喜欢的声音需要花费很大量的时间，不过为了自己喜欢的角色，就算等待一会也是完全值得的！！！因为这篇博客只是介绍了最基本的流程，训练出来的结果可能不会太让你满意，这个时候你就需要对你的成果进行调整，就像示例中白露的文本转音频的成果，会出现吐字不清淅，哑音等等问题。而关于如何润色推理出来的音频，如何应对哑音等等问题，就留给大家自己去慢慢探索啦。
2024-08-18 21:32:46
3970
原创 【本地+在线】Comfyui的基本工作流的搭建----文生图+图生图
最后的结果如下图：注：事实上，我们没有必要每次用comfyui时都来创建比这个基本骨架更加完善的工作流，你可以使用b站秋叶aaaki的comfyui整合包（点击跳转），这位大佬的整合包会在你每次启动时默认搭建好了工作流，相当方便。点击添加提示词队列：生成结果如下图：（结果，在这里没有添加任何其他的插件）
2024-08-16 22:04:51
9071
原创 AIGC新手炼丹师快速生成属于自己的lora--示范样例：北条时行（出自：擅长逃跑的殿下）
你是否已经制作出你所喜欢的角色的lora并为其赋予上自己独有的色彩了呢？探索AIGC是一个漫长的旅程，我们需要掌握很多相关的知识和技能，其中的艰辛常常会让我们感到难过，但是当一张张优美的图片展现在我们眼前，绚丽的色彩能够在计算机上呈现属于自己的光芒时，我们也会显得如此开怀。（关于人工智能，还有什么想了解的吗？告诉我吧！
2024-08-15 19:37:45
2509
2
原创 Datawhale X 魔搭 AI夏令营 - AIGC 文生图task02 精读代码，实战进阶
data_frame.to_csv("./data/lora_dataset_processed/train/metadata.csv", index=False, encoding="utf-8-sig") # 将data_frame保存到./data/lora_dataset_processed/train/metadata.csv。f.write(json.dumps(metadata)) # 将索引数据写入文件./data/data-juicer/input/metadata.jsonl。
2024-08-13 22:45:35
1117
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