人工智能

使用 Transorfmer 的 Decoder 从头构建 GPT 模型，并且使用不同采样算法完成文本生成任务。

本文主要使用了 keras_nlp 中的原生 GPT-2 大模型在中文诗词数据微调后完成了诗词生成的任务。

本文首先使用 stable diffusion 绘制了吉祥图，给大家庆祝即将到来的龙年，另外回忆了一些小时候的过年习俗。

传统的三维场景渲染通常依赖于手工设计的三维模型和复杂的渲染方程。相比之下，`NeRF` 使用神经网络，通过学习从场景中的点到`颜色和密度的映射`，直接从数据中学习如何渲染，并且效果惊人。

如果我跟你说可以使用 LLM 对话的形式把数据处理的工作轻松完成，是不是你觉得有点天方夜谭，本文接下来展示的就是这个奇迹！

本文使用 DDPG（Deep Deterministic Policy Gradient） 强化学习算法玩 Pendulum 游戏。

本文使用 Deep Q-learning 强化学习算法训练智能体，并在 BreakoutNoFrameskip-v4 游戏中取得高分。

内容摘要是自然语言处理（NLP）的核心问题之一，实现这一能目标必须让模型具备语言理解和内容生成两大能力。本文使用新闻数据，通过微调 T5 模型，来完成新闻摘要这一任务。

本文介绍的是在轻量级 BERT 模型—— distilbert 模型上进行微调来完成简单的问答任务。

本文以最常见的模型 `Bi-LSTM-CRF` 为例，总结了在实际工作中能有效提升在 `CPU/GPU` 上的推理速度的若干方法，包括`优化模型结构`，`优化超参数`，使用 `onnx 框架`等。

本文以 chatchat 项目为框架，以线上大模型 `qwen-turbo` 的基础，构建出的智能 agent 可以调用多个工具应为用户提问

本文使用 Qwen-7B-Chat 大模型，通过 Agent 调用自定义工具 weathercheck 来获取实时天气状况，还能给出出行穿戴的建议哦。

本文使用最新的大模型 chatglm3-6b ，调用自定义工具 Calculator 计算两个地址的经纬度之间的距离。

本文参考官网和其他多方教程，将搭建 Langchain-Chatchat 的详细步骤进行了整理，供大家参考。

本文构建了一个常见的深度学习模型，实现多标签文本分类，可以根据论文摘要的文本内容预测其所属的多个主题领域标签。

本文主要介绍了使用 FNet 模型完成 IMDB 电影评论的情感分类任务，并且和传统的 Transformer 模型进行性能比较。

本文主要搭建经典的一维卷积神经网路模型，用于完成 IMDB 电影评论的情感分类预测任务，并在最后对模型进行了改造升级。

本文构造了大量的整数相加运算的样本对，然后搭建并训练 LSTM 模型，最终可以完成简单的两个整数相加的运算。

本文主要使用预训练模型 BERT 完成对问答数据的答案预测，详细介绍数据处理和模型的搭建过程，适合新手入门。

本文主要针对 tensorflow 中模型优化的剪枝、量化和轻量化等技术，分别对他们进行单独使用和混合使用的效果进行了比对。