科普性文章
文章平均质量分 50
一些科普性的内容
氢气氧气氮气
AI方向研究生,在学python基础、web应用开发、GPT应用等
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
什么是“path”环境变量?path的作用是什么?
但是难道我们每次要运行该软件的时候都要先找到该.exe文件所在的路径(单击这里了解什么是路径),然后双击吗,显然是不可能的,因为安装的软件太多,我们根本不可能记住所有已安装软件的路径,同时如果我们在其他路径下想运行某些软件岂不是运行不了了,这时候就需要环境变量了。看到这里我相信大家可能还是有所疑惑,但是,不急,接着看。通过在环境变量里面加入所有软件的安装路径,当我们想运行某一软件时双击其快捷方式,此时,计算机除了在其当前目录下寻找该软件的.exe文件外,还会在环境变量中搜索软件的路径,找到,运行。原创 2023-09-12 19:30:27 · 6850 阅读 · 1 评论 -
什么是LLM大语言模型?
大语言模型(英文:Large Language Model,缩写LLM),也称大型语言模型,是一种人工智能模型,旨在理解和生成人类语言。它们在大量的文本数据上进行训练,可以执行广泛的任务,包括文本总结、翻译、情感分析等等。LLM的特点是规模庞大,包含数十亿的参数,帮助它们学习语言数据中的复杂模式。这些模型通常基于深度学习架构,如转化器,这有助于它们在各种NLP任务上取得令人印象深刻的表现。原创 2023-08-16 11:03:54 · 2281 阅读 · 0 评论 -
Demo版产品是什么意思?
Demo是demonstration的缩写,其中文含意为“示范”、“展示”、“样片”、“样稿”,常被用来称呼具有示范或展示功能及意味的事物。原创 2023-07-16 20:38:37 · 2536 阅读 · 0 评论 -
什么是AIGC(AI Generated Content, 人工智能生成内容)?
AI生成内容(AIGC,人工智能生成内容)是一种新型的内容创作方式,它继承了专业生产内容(PGC,Professional-generated Content)和用户生成内容(UGC,User-generated Content)的优点,并充分发挥技术优势,打造了全新的数字内容生成与交互形态。随着科技的不断发展,AI写作、AI配乐、AI视频生成、AI语音合成以及最近非常热门的AI绘画等技术在创作领域引起了广泛讨论。本文将介绍AIGC的基本概念、技术实现、优势与不足、潜在问题以及未来发展方向,并结合一些比较热原创 2023-07-15 21:29:07 · 6343 阅读 · 2 评论 -
知网查论文时怎么筛选核心期刊?
在知网检索论文时不知道如何筛选出核心期刊进行查看?原创 2023-07-15 21:05:37 · 2528 阅读 · 0 评论 -
什么是番茄工作法?
番茄工作法是由弗朗西斯科·西里洛于1992年创立的一种相对于GTD更微观的时间管理方法,旨在帮助使用者尽可能保持专注以及创造力,从而更快地完成工作并减少心理疲劳。原创 2023-07-15 16:41:04 · 724 阅读 · 0 评论 -
校内VPN如何访问web of science?
Web of Science是获取全球学术信息的重要数据库,它收录了全球13000多种权威的、高影响力的学术期刊,内容涵盖自然科学、工程技术、生物医学、社会科学、艺术与人文等领域。Web of Science收录了论文中所引用的参考文献,通过独特的引文索引,用户可以用一篇文章、一个专利号、一篇会议文献、一本期刊或者一本书作为检索词,检索它们的被引用情况,轻松回溯某一研究文献的起源与历史,或者追踪其最新进展;选择学校已购买的web of science数据库进行访问,之后选择机构登录,之后即可成功使用。原创 2023-07-12 21:24:43 · 5930 阅读 · 0 评论 -
什么是GPT?
许多聊天机器人只会对基本的口头提示做出回应,但GPT模型可以生产具有对话式AI功能的聊天机器人。作为语言模型,GPT模型可以理解和编写不同编程语言的计算机代码。此外,有经验的开发人员可以使用GPT工具自动推荐相关的代码片段。例如,营销人员可以提示GPT模型制作讲解视频脚本。基于GPT的图像处理软件可以根据文本说明创建模因、视频、营销文案和其他内容。例如,律师可以使用GPT模型将法律副本转换为简单的解释性说明。教育工作者可以使用基于GPT的软件生成学习材料,例如测验和教程。将文本转换为不同的样式。原创 2023-07-06 00:06:46 · 4563 阅读 · 0 评论 -
ChatGPT的Fine-tuning是什么?
模型评估:使用评估数据集对微调后的模型进行评估。评估可以帮助您了解模型对特定任务的性能,并确定是否需要进一步微调或调整超参数。数据收集:收集与特定任务或领域相关的数据。例如,如果您要训练一个图表生成器,您可能需要收集一组带有图表和相关文本描述的数据。模型微调:使用准备好的数据对图表GPT模型进行微调。微调可以通过在预训练模型的基础上进行额外的训练来实现。数据准备:准备数据以适应图表GPT模型的输入要求。部署和推理:将微调后的模型部署到实际应用中,并使用它进行推理。原创 2023-07-06 00:45:10 · 2087 阅读 · 0 评论 -
NLP(自然语言处理)是什么?
NLP基本概念:NLP基本类型示例NLP主要应用方向NLP发展史原创 2023-07-06 00:36:56 · 2599 阅读 · 0 评论 -
什么是人工智能?
人工智能基本定义:实际应用研究范畴原创 2023-07-06 00:20:12 · 331 阅读 · 0 评论
分享