摘要：
Whisper 是 OpenAI 公司开源的通用的语音识别模型。（https://github.com/openai/whisper ） 它是在包含各种音频的大型数据集上训练的，是一个可以执行多语言语音识别、语音翻译和语言识别的多任务模型。 它也是一个针对各种语音处理任务进行训练的 Transfor 阅读全文
posted @ 2023-05-08 20:40 蝈蝈俊 阅读(1927) 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
posted @ 2023-05-01 21:26 蝈蝈俊 阅读(326) 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
posted @ 2023-04-30 19:06 蝈蝈俊 阅读(461) 评论(0) 推荐(0) 编辑
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(332) 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(1096) 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(145) 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(1073) 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(319) 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(1326) 评论(0) 推荐(0) 编辑