posted @ 2023-04-30 19:06 蝈蝈俊 阅读(458) 评论(0) 推荐(0) 编辑
摘要:
吴恩达和 OpenAI 一起制作了节一个半小时的,面向开发者的关于 《ChatGPT Prompt Engineering》 的课,对自己Prompt提高非常有帮助。 英文课程地址: https://www.deeplearning.ai/short-courses/chatgpt-prompt-e 阅读全文
摘要:
https://github.com/lvwzhen/law-cn-ai 把开源的中国法律法规数据(https://github.com/LawRefBook/Laws)向量化,然后接入ChatGPT,这样你就可以用自然语言对法律法规进行问答。下面是问答的效果: 对于一些复杂的案例场景,回答还是不行 阅读全文
posted @ 2023-04-29 08:01 蝈蝈俊 阅读(295) 评论(0) 推荐(0) 编辑
摘要:
Auto-GPT是个神奇的工具,它能够根据您用自然语言描述的目标,使用GPT做深入分析,拆分为多个有顺的子任务,并自动执行诸如访问互联网等任务操作,然后根据执行结果做反思重新优化目标,整个过程不断自主循环,直到给出满意的结果。 特点: 不需要人类插手,我们使用ChatGPT,每项任务需要手动发起;而 阅读全文
posted @ 2023-04-25 04:53 蝈蝈俊 阅读(1035) 评论(0) 推荐(0) 编辑
摘要:
我在一台没有GPU支持的Mac电脑本上本地部署了stable-diffusion-webui,并生成了一张图。这张图大概需要10分钟的时间才能生成,但如果有GPU支持的话,只需要几秒钟就能完成。这让我深刻体会到GPU的算力比CPU强大得多。 GPU算力为啥远高于CPU 更多的处理单元 GPU在同样芯 阅读全文
posted @ 2023-04-20 10:38 蝈蝈俊 阅读(106) 评论(0) 推荐(0) 编辑
摘要:
如果你想本机运行 Stable Diffusion 画图,stable-diffusion-webui 可能是最佳选择之一。 安装配置它的过程看 https://github.com/AUTOMATIC1111/stable-diffusion-webui 页的Installation and Ru 阅读全文
posted @ 2023-04-19 15:25 蝈蝈俊 阅读(995) 评论(1) 推荐(0) 编辑
摘要:
1974年,哈佛大学沃伯斯(Paul Werbos)博士论文里,首次提出了通过误差的反向传播(Back Propagation)来训练人工神经网络。 BP算法的基本思想不是(如感知器那样)用误差本身去调整权重,而是用误差的导数(梯度)调整。 通过误差的梯度做反向传播,更新模型权重,以下降学习的误差, 阅读全文
posted @ 2023-04-18 21:30 蝈蝈俊 阅读(242) 评论(0) 推荐(0) 编辑
摘要:
下面几类问题,是ChatGPT常回答错误的。 复杂的数学和科学问题 GPT是一种基于统计模型的语言模型,它并不具备理解数学和科学概念的能力。因此,当问题涉及到深层次的数学和科学知识时,GPT可能会无法理解问题的本质,从而导致给出不确定或错误的答案。 “MathPrompter: Mathematic 阅读全文
posted @ 2023-04-17 15:44 蝈蝈俊 阅读(1131) 评论(0) 推荐(0) 编辑
摘要:
受大脑启发的人工智能程序的一个早期例子是感知机(Perceptron),它由心理学家弗兰克·罗森布拉特于20世纪50年代末提出。感知机是一种基于神经网络的二分类模型,它可以用于对输入数据进行分类任务。感知机的结构简单,易于实现和训练,是神经网络的基础。 大脑神经系统 大脑神经系统无论从构造和功能来讲 阅读全文
posted @ 2023-04-17 09:50 蝈蝈俊 阅读(566) 评论(0) 推荐(0) 编辑