- 博客(61)
- 收藏
- 关注
RSS订阅原创 5天速成ai agent智能体camel-ai之第5天：MCP 给大模型装上“手”和“眼”，效率原地起飞！（附运行源代码）
对于重复性的、基于规则的数字任务，比如从多个网站收集数据并整理到表格、监控竞品价格并生成报告、自动处理客服邮件中的常见问题等，配备了 MCP 的 AI Agent 可以 7x24 小时不知疲倦地完成，将人类从繁琐的工作中解放出来。* 你发现一篇超赞的最新研究论文 PDF，想让 AI 快速提炼核心观点，你却只能手动复制粘贴，或者苦苦寻找能处理 URL 的插件，过程繁琐得让人抓狂。没有 MCP，AI 只能告诉你“你可以去 XXX 网站查找”，或者基于它训练数据里的旧信息给你一个大概的回答。
2025-04-10 07:44:52
344
原创 AI 革命的下一站：Agent 智能体！李宏毅万字拆解，看懂它，你就领先 90%的人
😂 LLM 也有自己的“内部知识”，它会和工具提供的“外部知识”进行“角力”。，形成更深层次的理解或新的见解（比如从“她天天跟我同车”+“她今天对我笑了”反思出“她可能喜欢我”😍）。早在 2022 年（ChatGPT 出现前的“上古时代”），就有人试过用当时的 LLM 下西洋棋。这说明，至少在下棋这种需要精确逻辑和规则的任务上，目前的 LLM Agent 还有很长的路要走。别急，今天这篇文章，就为你深度拆解李宏毅教授的核心观点，用大白话讲透 AI Agent 的前世今生、核心能力和未来潜力。
2025-04-09 09:27:10
410
原创 5天速成ai agent智能体camel-ai之第4天：揭秘多智能体协作魔法！（附零基础可运行源代码）你的专属AI“梦之队”已上线，效率秒杀人类团队!
(Communicative Agent cooperative Meta-framework Enhanced Language models) 这个框架，就像一个超级项目经理 + HR，它能让你轻松地“招聘”并“管理”多个AI Agent，让它们像一个真正的团队一样，分工合作，共同完成一个复杂的任务。* `model_config_dict`: 对“大脑”进行微调，比如 `temperature` 控制它的创造性（越低越保守），`max_tokens` 限制它一次回答的长度。
2025-04-08 07:55:58
1264
原创 5天速成ai agent智能体camel-ai之第3天：提升大模型回复精准率，camel-ai的RAG知识库教程（零基础可运行代码）
load_dotenv(dotenv_path=env_path, override=True) # override=True 表示如果系统变量和.env都有，用.env的。print("系统原生环境变量:", os.environ.get('QWEN_API_KEY')) # 检查系统环境变量（如果设置了的话）你不需要成为顶尖的AI科学家，只需要理解这个流程，借助 `camel-ai` 这样友好的工具，就能让AI真正为你所用，解决你最关心的问题。print("请检查：1. API Key是否正确有效。
2025-04-07 08:18:33
1311
原创 5天速成ai agent智能体camel-ai之第2天：camel-ai的双智能体协作教程
3. `assistant_agent_kwargs=dict(model=model)` 和 `user_agent_kwargs=dict(model=model)`: 把我们之前创建的那个`model`（无论是智谱还是Qwen）分配给这两个Agent。这本身就是AI能力的体现！6. `task_specify_agent_kwargs=dict(model=model)`: 如果启用了任务细化 (`with_task_specify=True`)，那么这个“需求分析师”AI也需要一个大脑来工作。
2025-04-06 07:59:55
1237
原创 5天速成ai agent智能体camel-ai之第1天：camel-ai安装和智能体交流消息讲解（附源码，零基础可学习运行）
role_at_backend`参数指定了在对方系统里这条消息应该扮演什么角色（比如`USER`或`ASSISTANT`）。我们用`requests`库从网上抓了张图，用`PIL`和`BytesIO`把它处理成程序认识的图片格式，然后把它塞进了`BaseMessage`的`image_list`参数里。所有复杂的对话，都是由一条条基本的消息组成的。同时，`.to_dict()`方法也很有用，它可以把消息对象变成Python字典，方便你检查里面的具体内容，或者序列化（比如存成JSON文件）。
2025-04-05 20:47:06
816
原创 “爆款小说家”AI agent 智能体！逆天！我用这段代码3分钟生成一个爆款小说，可以出版，可以赚钱！零基础可学会可运行的代码！
（这里可以根据实际情况引导用户去哪里获取，比如某些提供试用额度的AI平台）* 获取Key后，需要配置一下环境变量，代码里 `load_dotenv()` 就是干这个的，或者你可以直接在代码里替换 `api_key = "你的Key"` （但不推荐，环境变量更安全）。这一步就像给你的电脑装上必要的“零件”。调整一下你的输入（主题/要求），或者修改一下代码里的 Prompt（提示词，比如 `planning_prompt`、`directory_prompt` 里的要求），看看AI会有什么不同的反应。
2025-04-04 09:42:20
443
原创 未来5年，这5大行业将被AI颠覆！这3种职业最危险，但这2类人反而更吃香？
无论是国外的OpenAI、Google、Microsoft，还是国内的百度、阿里、腾讯，都在AI大模型领域投入巨资。比如懂AI的医生、懂AI的金融分析师、懂AI的教育专家，他们能将AI技术应用到具体行业，解决实际问题。AI能自动批改作业、答疑解惑，甚至能根据学生的表情、语气，判断其学习状态，及时调整教学策略。AI大模型的发展，是不可逆转的趋势。从最初的文本生成、图像识别，到现在的自动驾驶、药物研发，AI大模型正在渗透到各行各业。你有没有想过，也许明年，给你做手术的，就不是医生，而是一个AI机器人？
2025-03-22 19:29:47
915
原创 效率提升1000%！开源agent大模型智能体强势崛起，动动嘴皮子，教程自动生成！
2. 严格按照以下字典格式输出: {{"title": "xxx", "directory": [{{"章节1": ["小节1", "小节2"]}}, {{"章节2": ["小节3", "小节4"]}}]}}它不仅能听懂人话，还能根据你的需求，自动生成各种高质量教程！：负责接收用户输入的任务，调用`directory_action`生成目录，然后调用`_generate_tutorial()`生成完整教程。obs_2 = """{"title": "Python基础教程", "directory": [
2025-03-18 12:53:59
667
原创 开源版DeepResearch来了，浏览器跑出10倍效率的3个秘密
它可不是一般的AI工具，它能把搜索引擎、网页抓取和大语言模型。`deep-research-web-ui` 使用MIT许可证，代码完全开源！传统AI助手只会简单回答问题，而它像个不知疲倦的研究员，一层层挖掘信息，直到挖到你满意为止！🤫悄悄告诉你，下期我们将揭秘更多AI黑科技，让你大开眼界！所有配置、API请求都在你电脑本地完成！🔒 你的数据你做主！的开源项目，直接把“深度研究”搬到你浏览器里！，在这个数据隐私比黄金还贵的时代，简直是研究人员的救星！* 分享给你的朋友，一起探索AI的无限可能！
2025-03-16 13:45:47
1122
原创 零基础打造AI agent智能体！Windows从安装Python到调用顶级API，10分钟速成攻略！（2025年最新环境配置篇）
打开Anaconda Prompt（安装Miniconda后，开始菜单里会有），输入`conda create -n myenv python=3.9`（`myenv`是环境名，`3.9`是Python版本，按需修改）。跟着我，只需简单几步，你也能成为AI时代的弄潮儿！在你的项目文件夹下，打开命令提示符，输入`python -m venv .venv`（`.venv`是虚拟环境的名字，你可以自己改）。* 在`python_example`文件夹下，创建一个名为`.env`的文件（注意，前面有个点！
2025-03-15 08:14:04
1008
原创 Manus开源了，使用OWL 3分钟打造自己的ai员工！（保姆级教程）
基于Playwright框架，页面滚动、点击、输入、下载，甚至历史回退，统统不在话下，简直就是浏览器里的“自动驾驶”！OWL智能体，一款功能强大、开源免费的国产AI神器，不仅能帮你提高工作效率，还能拓展你的能力边界。内容转文本、转Markdown，分分钟的事儿！网页界面使用Gradio构建，在你的本地机器上运行，除了你配置的模型API调用所需的数据外，不会向外部服务器发送任何数据，安全可靠！：无论是网上的视频、图片，还是本地的音频文件，OWL都能轻松处理，帮你提取关键信息，再也不用对着一堆素材发愁了！
2025-03-13 08:56:12
1095
原创 大模型时代，你的AI分身已上线！AutoGen定制智能体保姆级教程，动动手指就搞定！
`GeminiAssistantAgent`：我们创建了一个名为`GeminiAssistantAgent`的类，它继承自`BaseChatAgent`。* 我们创建了两个AI实例：`primary_agent`（主要助手）和`gemini_critic_agent`（评论员）。* `on_messages`：处理消息的核心逻辑，接收消息历史，调用Gemini模型生成回复。* `__init__`：初始化方法，设置了AI的名称、描述、模型、API密钥和系统消息。
2025-03-12 08:57:56
565
原创 DeepSeek模型微调揭秘，小白也能轻松上手！
但要让它们在特定领域更专业，比如成为医学专家，就需要“补课”——这就是“微调”！"labels": torch.stack([torch.tensor(d["input_ids"]) for d in data]).to(device) # 使用input_ids作为labels。这时候，如果你给他一堆医学专业书籍和病例，让他集中学习，他就能迅速成为医学领域的专家！output_path = r"你的保存微调后的模型路径" # 微调后模型保存路径。（就像微调后的模型，专注解决特定领域问题）
2025-03-11 08:59:02
650
原创 Manus开源了，OpenManus开源炸锅，deepseek加持，做一个自己的ai员工（附教程）
除了OpenManus，团队还开源了OpenManus-RL，一个专注于用强化学习（RL）优化LLM智能体的项目。这意味着，你的AI员工不仅能完成任务，还能不断学习、自我进化！它基于当下最火的大语言模型（LLM），能帮你把各种天马行空的创意，变成实实在在的AI应用！甚至，它还能帮你做SEO优化网站，让你的网站排名蹭蹭蹭往上涨！你有没有想过，如果能有一个24小时待命、任劳任怨、还不用发工资的员工，那该多好？更炸裂的是，这个项目背后的大佬团队，来自MetaGPT等顶级组织，人家只用了。在评论区分享你的创意吧！
2025-03-10 08:26:47
858
原创 3分钟搞定一周工作量！用AI做了一个自己的员工，“文章分析师”智能体，（从零搭建，附源码运行）
以前，写一篇文献综述，我得经历“找文献-筛文献-读文献-做笔记-写报告”的漫长折磨，一周能憋出一篇就不错了。你可以把它想象成一个超级AI助手，能自主思考、规划、执行任务，还能调用各种工具，简直就是开了挂的“打工人”！：`google_search` 和 `arxiv_search`，分别用于谷歌搜索和arXiv搜索。其实，我用的就是一个叫AutoGen的开源框架，它能让你像搭积木一样，轻松创建自己的AI智能体！* 分享本文到朋友圈，截图发到评论区，抽一位幸运儿，送价值99元的AI课程！
2025-03-09 11:36:34
744
原创 从零搭建“公司研究分析师”，让智能体为自己打工！AutoGen智能体（附运行原代码）
它就像一个“乐高积木”，你可以通过简单的配置，将不同的AI模型（如GPT-4、Gemini等）和工具（如搜索引擎、数据分析工具等）组合起来，创造出各种各样的智能体，帮你自动完成任务！* `team.run_stream(task="使用中文撰写美国航空公司的财务报告")`：启动任务，让智能体团队自动完成财务报告！pip install ...`，跟着做就行）。* `stock_analysis_agent`：负责分析股票数据的智能体。* `team`：将三个智能体组成一个团队，让它们协同工作。
2025-03-08 12:38:40
611
原创 深入浅出的理解deepseek类大模型（附运行代码）
这个专家，就像我们人类一样，需要先“看”到文字，然后才能理解文字的意思，最后才能回答问题或者生成新的文字。整个 Qwen2 模型就像一个。Python 代码，就是在。
2025-03-07 20:21:47
2469
原创 3分钟从零打造专属“打工人”，autogen智能体（附运行代码）
想象一下，你只需要告诉AI你的需求，它就能自动帮你完成查资料、做规划、写报告、甚至自动回复邮件…有了AI智能体，你可以把这些繁琐的工作统统交给它，自己专注于更有价值的事情！🔑你需要一个API密钥，这里我们用ONE-API(获取方式，请自行搜索，这里不做赘述，以规避风险)现在，只需要几行代码，普通人也能轻松创建自己的AI智能体，让它帮你搞定一切！AI智能体就像你的专属“外挂”，让你拥有无限可能，一个人也能成为一支队伍！你可以根据自己的需求，修改智能体的“人设”和“技能”，让它更符合你的要求。
2025-03-07 20:03:48
844
原创 告别996！这款AI神器，让你三步搭建高效智能团队
想象一下，你的竞争对手还在吭哧吭哧手动coding，你已经用AutoGen搭建好AI团队，自动完成数据分析、报告撰写、甚至客户沟通，效率直接碾压！它就像AI界的“乐高”，让你轻松搭建强大的多智能体应用，告别加班，拥抱高效！打开浏览器，访问 `http://localhost:8080`，你将看到一个简洁直观的界面，拖拽组件，连接流程，就像玩游戏一样轻松！AutoGen最强大的地方在于，可以让你像搭积木一样，自由组合各种AI智能体，构建强大的团队！🎉 这就是AutoGen的魅力，让你快速体验AI的强大！
2025-03-05 22:31:22
543
原创 deepseek r1大模型发展历程（了解大模型整体）
💥 Transformer架构就像一把 “手术刀” 🔪，彻底解决了传统模型的各种“疑难杂症”，为大模型时代的到来扫清了障碍！Meta、Mistral AI等公司纷纷开源自己的大模型， Hugging Face等平台也降低了AI的使用门槛， “平民英雄” 也能用上 “黑科技”！简单说，就是让人类来 “评价” AI的答案，然后用 “奖励” 的方式，让AI自己学习进步！而且，训练成本更低！DeepSeek-R1的出现，打破了AI “高高在上” 的局面， 让更多人、更多企业都能用上先进的AI技术！
2025-03-04 11:43:46
707
原创 deepseek 的核心架构之Transformer 论文讲解（小白也能看懂）
这样做的问题是，如果菜谱太长 (句子太长)，厨师可能会忘记前面的步骤，导致后面的菜 (翻译) 质量下降。例如，在句子 "The cat sat on the mat" 中，厨师会思考 "cat" 和 "sat" 的关系，"sat" 和 "mat" 的关系，以及 "the"、"cat"、"sat"、"on"、"the"、"mat" 这些词语之间的相互影响。解码器内部也使用了“自注意力”，但为了保证翻译的“自回归”特性 (即生成下一个词语时只能依赖于之前已经生成的词语)，解码器的自注意力机制会进行“掩码”，
2025-03-03 09:01:39
768
原创 DeepSeek R1 揭秘：3招掌握AI核心技能，不被时代抛弃！（深入浅出理解机器学习和损失函数)
第一次考试，学生可能考得很差，毕竟是“自觉学习”，没人指导，容易跑偏。它不用人教“规则”，而是通过看海量的数据，自己找出规律，然后就能识别新的事物！损失函数是机器学习模型的“考试评分标准”，不同的问题和数据分布，需要选择合适的损失函数。想象一下，你是一个“摆烂”的老师，机器是你的学生。我们不是靠死记硬背，而是看了无数的猫咪和狗狗的照片，自己总结出更深层的规律，比如“猫咪更灵活，狗狗更热情”。别觉得大模型高不可攀，今天这篇文章，就用最通俗易懂的方式，带你揭开大模型的神秘面纱，让你快速入门，不被时代抛弃！
2025-03-02 14:29:20
632
原创 深度学习没那么难！小白也能秒懂的“炒菜”原理 [特殊字符]️
这个摸索的过程，就像。它就像我们人类学炒菜一样，通过观察大量“例子”（数据），不断“摸索”（学习），最终掌握“技巧”（模型）。你看得番茄炒蛋图片越多，吃过的味道越多，你就越知道“正宗”的番茄炒蛋是啥样的。它会根据你的“菜”（模型输出）和“标准答案”（真实数据）的差距，反向调整“酱料配方”（参数），让你的“菜”越来越好吃！它会尝尝你炒的菜，告诉你味道是咸了、淡了、还是糊了，然后告诉你怎么调整“酱料配方”（调整参数）。，它们就像加速学习的“师傅”，能更快地找到最佳的“酱料配方”（参数），让模型更快地“进化”！
2025-03-01 21:04:02
671
原创 DeepSeek R1深度解析，颠覆你的认知！
🤩 以前大家普遍认为，强化学习需要大量的“老师”指导，但R1-Zero证明了，即使没有“老师”，只要有合适的“规则”，模型也能“自学成才”！简单来说，R1-Zero就是用一套“纯规则”的强化学习方法，让模型在没有“老师”（监督数据）的情况下，自己学会思考、反思，甚至生成复杂的推理链（CoT）！：未来的AI助手，可能会更像“真人”，不仅能帮你完成各种任务，还能理解你的需求，甚至能和你“聊天”、“讨论”问题！R1是R1-Zero的“升级版”，它解决了R1-Zero存在的问题，并进一步提升了LLM的整体能力。
2025-02-28 22:36:31
1193
原创 手把手教你从零搭建大模型评测体系：小白也能轻松上手！（附运行源码）
今天这篇文章，就用大白话给你讲清楚，大模型到底跟你有什么关系，以及，如何像搭乐高积木一样，亲手搭建一个属于自己的大模型“评测实验室”！🤔️ 你是不是也经常听到“大模型”、“LLM”这些高大上的词汇，感觉它们就像“别人家的孩子”，聪明又强大，但又离自己的生活很遥远？* 例如，如果模型只是“鹦鹉学舌”，或者“投机取巧”，现有指标可能无法发现。现在，市面上的大模型越来越多，就像手机一样，各种品牌、各种型号，看得人眼花缭乱。评测，就像一场“大模型奥运会”，让不同的模型在同样的“赛道”上比拼，看看谁更厉害。
2025-02-28 08:41:17
2592
原创 大模型时代人人必修：Attention机制、Transformer深度解析与实战应用（小白也能看懂）
词嵌入（Word Embedding）：nn.Embedding层权重矩阵的两种常见选择：（1）使用预训练(Pre-trained) 的Embeddings并固化 （2）对其进行随机初始化(当然也可以选择预训练的结果)并设为可训练的(Trainable)。就像你听一段很长的演讲，可能只记得最后几句话，而忽略了前面的重要内容。从2017年Transformer的提出，到2018年ELMo、GPT-1、BERT等模型的出现，再到2020年GPT-3的惊艳亮相，Transformer的发展可谓日新月异。
2025-02-27 11:54:45
770
原创 智识图谱Agent 开发速成：从小白到专家的实战指南（附源代码）
contents="""在一个神奇的动物王国里，住着一只聪明的骆驼，名叫CAMEL，以及一只智慧的鲸鱼，名叫DataWhale。text="""在一个神奇的动物王国里，住着一只聪明的骆驼，名叫CAMEL，以及一只智慧的鲸鱼，名叫DataWhale。我们将以一个“神奇动物在哪里”的故事为例，展示如何用 CAMEL 框架搭建一个混合 RAG 系统，结合向量检索和知识图谱检索，让你的 AI Agent 能够查询和探索存储的知识。：RAG 不仅能生成答案，还能提供答案的来源，让你的 AI Agent 更可信！
2025-02-26 11:05:12
942
原创 深入理解大模型：手搓Transformer，掌握NLP的基石(附运行代码之深入理解）
举个例子，当你在阅读一篇关于“猫”的文章时，你的注意力会更多地集中在“猫”、“可爱”、“毛茸茸”等关键词上，而忽略其他不相关的信息。通过计算Query和Key的相关性，得到一个“注意力分数”，然后用这个分数对Value进行加权求和，就得到了最终的“注意力结果”。多头注意力，就像是让多个“秘书”同时工作，每个“秘书”关注不同的方面，最后综合所有“秘书”的意见，得到更全面的结果。通过“手搓”Transformer，你不仅了解了它的“骨架”和“血肉”，还掌握了它的“灵魂”——注意力机制。
2025-02-25 12:15:47
626
原创 深入理解大模型之手搓大模型训练（附源码，深入理解）
coeff = 0.5 * (1.0 + math.cos(math.pi * decay_ratio)) # 余弦函数计算衰减系数，范围为0到1。batch_iter = iter_batches(split=split) # 获取对应数据集的批次迭代器。说白了，大模型就像一个“超级学霸”，它“博览群书”（海量数据训练），“过目不忘”（超强记忆力），“举一反三”（生成能力）。tokens_per_iter = batch_size * max_seq_len # 每次迭代处理的token数。
2025-02-24 12:26:16
1019
原创 从零手搓一个 RAG智能体，抱紧大模型时代的“大腿”！（深入学习之内附超详细步骤及代码）
🤯 这可不是你提问的姿势不对，而是大模型“一本正经地胡说八道”了，也就是所谓的“幻觉”(Hallucination)。如果把大模型比作一个“学霸”，那么 RAG 就像是给这位“学霸”配备了一位“超级图书管理员”和一本“百科全书”。有了这两样“神器”的加持，“学霸”在回答问题时，不仅能引经据典，还能结合最新信息，给出更准确、更全面的答案。我们需要一个“仓库”来存储“知识碎片”及其“数字指纹”，并能根据问题快速找到最相关的“碎片”。如果给定的上下文无法让你做出回答，请回答数据库中没有这个内容，你不知道。
2025-02-23 08:43:51
716
原创 手把手教你撸一个 RAG：从零到一，轻松搞定 AI 时代的“外挂”神器！（附代码，深入理解RAG）
在 `query` 方法中，我们首先将用户的问题向量化，然后计算问题向量与数据库中所有文档片段向量的相似度，最后返回相似度最高的 k 个文档片段。RAG 技术为 LLM 的应用打开了新的大门，让 LLM 能够更好地服务于我们的工作和生活。5、大模型模块相当于是图书馆的咨询员，读者可以向他咨询问题，他会根据读者的需求，从图书馆中找到相关的书籍，并结合自己的知识来回答读者的问题。，手把手教你从零开始搭建一个属于自己的 RAG 系统，让你的 LLM 拥有“最强大脑”，从此告别“幻觉”，成为真正的“知识达人”！
2025-02-22 21:23:36
622
原创 AI绘画核心技术Diffusion模型，原来是这样画出来的！(自动生图，内附代码，人人可上手)
torch`是PyTorch深度学习框架，`torchvision`包含了一些常用的图像处理工具，`tqdm`可以显示进度条，`matplotlib`用于绘图，`unet`和`diffusion`是我们自己定义的模型和噪声调度器。然后，根据预测的噪声和之前获取的系数，计算出当前时间步的去噪结果（`model_mean`）和方差（`model_log_var`）。`t_batch`表示当前的时间步。在时间`t>0`的时候根据公式计算出去除了部分噪声的`x_t`,在时间`t=0`的时候，直接输出结果。
2025-02-21 10:00:00
2690
原创 AI绘画神器Diffusion模型：从涂鸦到惊艳画作，它究竟是怎么做到的？（绘画原理解析附源码）
你有没有想过，为什么AI绘画工具，比如Midjourney、Stable Diffusion，能根据你输入的几个词，就生成一张张令人惊艳的图片？接着你越撒越多，照片越来越模糊，直到最后，整张照片变成了一堆杂乱无章的“雪花点”，也就是我们所说的“噪声”。训练好的模型,就具备了从噪声中还原出图像的能力.这个过程叫做采样,也就是AI根据你的prompt从噪声开始逐步生成图像的过程.： 训练一个神经网络（这里用的是`SimpleUnet`），让它根据带噪声的图像和时间步，预测出这一步加了多少噪声。
2025-02-20 09:45:00
561
原创 震撼揭秘！AI绘画核心技术Diffusion模型的Unet框架大揭秘：小白也能看懂的原理和代码！
`Concatenated input shape before up block 1`：`x`的形状为`[1, 1024, 2, 2]`，`residual_x`的形状为`[1, 1024, 2, 2]`，拼接后形状变为`[1, 2048, 2, 2]`。* 经过`input`卷积层处理后，`x`的形状变为`[1, 64, 32, 32]`。Unet就像是Diffusion模型的“超级大脑🧠”，它负责观察当前这堆“噪声”积木的状态，然后预测下一步应该添加哪些“积木”，或者说，预测噪声的分布。
2025-02-18 08:46:48
524
原创 我滴妈呀！原来AI画猫是这样“学”会的！看完我彻底跪了...
这段代码，就像是训练一个“噪点图像复原大师”，通过“逆向学习”，让它掌握从马赛克中还原图像的“超能力”！(`optimizer` 和 `loss.backward()`)：告诉“复原大师”哪里画错了，并帮它调整“绘画技巧”（模型参数），让它下次画得更好！(`model(noisy_images, t)`)：“复原大师”拿到一张被“破坏”的猫片，开始去除噪点，尝试还原。`train_step` 和 `train` 函数，就是不断重复这个过程，让“复原大师”在“题海”中飞速进步！它要走“逆向”路线！
2025-02-18 07:06:55
494
原创 AI 智能体：你的私人学习加速器，定制专属教程，效率提升1000%，卷翻职场！（从零搭建，源码附上）
AI 智能体：你的私人学习加速器，定制专属教程，效率提升1000%，卷翻职场！（从零搭建，源码附上）
2025-02-17 15:38:11
509
原创 一秒get“AI绘画”核心原理！代码实操，小白也能玩转Stable Diffusion！
如果你有某种神奇的“引导”，告诉你每次应该往哪里泼、泼多少，那么随着时间的推移，这片混乱的颜料竟然逐渐显现出了一幅美丽的图案！它从一张充满“噪声”的图片开始（就像那张被随机泼洒颜料的画布），然后通过一个叫做“去噪”的过程，逐步将噪声去除，最终生成一张清晰的图片。😊 它就像一个不断学习、不断进步的“学渣”，通过“加噪”和“去噪”的过程，最终掌握了创造的“魔法”。最终，这个“学渣”逆袭成了“学霸”，它不仅能还原出原来的清晰图片，还能从一张完全充满噪声的图片中，“无中生有”地创造出一张全新的图片！
2025-02-17 07:55:57
441
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