腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

深度学习|机器学习|歌声合成|语音合成

专栏作者

306

文章

289271

阅读量

36

订阅数

[工具教程]-27- macbook的基本操作以及常见问题处理

com macbook 工具教程 https

由于 macOS 默认情况下只允许运行可信任签名的应用，如果 macOS 阻止运行该软件，请打开 macOS 终端，在新建的终端 Shell 中输入：

2024-03-07

1300

[算法前沿]--061-生成式 AI 的发展方向，是 Chat 还是 Agent？

agent chat 模型算法人工智能

AI Agent是一种超越简单文本生成的人工智能系统。它使用大型语言模型（LLM）作为其核心计算引擎，使其能够进行对话、执行任务、推理并展现一定程度的自主性。简而言之，Agent是一个具有复杂推理能力、记忆和执行任务手段的系统。

2024-02-09

2360

网络安全的信息收集方法有哪些？

网络安全供应链数据网络系统

网络安全攻击中的信息收集是攻击者为了了解目标系统的弱点、配置、环境和潜在的防御措施而进行的活动。以下是一些常见的信息收集手段：

2024-01-22

1130

NVIDIA-SMI has failed because it couldn“t communicate with the NVIDIA driver .

容器 driver nvidia 连接内核

输出：nvidia-515.105.01 （记住：515.105.01 这个版本号） 5… 此时只需要执行

2023-11-07

2610

mac 删除自带的ABC输入法保留一个搜狗输入法，搜狗配置一下可以减少很多的敲击键盘和鼠标点击次数

mac 笔记开发者配置系统

对于开发者来说，经常被中英文切换输入法所困扰，我这边有一个方法，删除mac默认的ABC输入法仅仅保留搜狗一个输入法，配置一下搜狗输入：哪些指定为英文输入，哪些指定为中文输入（符号也可以指定）

2023-10-11

1.9K0

Mac启动台 Launchpad 图标数量/大小调整

apple com int mac rows

2023-10-11

2010

AI算法开发-dockerfile编写组件（快速编写你的Dockerfile）

dockerfile pip 开发软件算法

2023-10-11

1930

docker教程:搭建本地云仓库

容器镜像服务测试教程客户端配置

2023-10-11

1660

如何使用TRIZ理论来分析问题和解决问题？

工具基础解决方案系统原理

TRIZ基础现代TRIZ 经典的TRIZ方法对专利进行分析,认为专利分为两个部分,一部分是需要解决的问题,一部分是解决问题的解决方案. 首先是问题的分析,确定是否是初始问题,比如工具功能分析/特性传递等工具. 步骤问题识别主要是识别出初始问题;因为最初开始解决的问题并不一定是初始问题.初始问题是解决问题的开始. 问题识别阶段的工具有创新标杆,功能分析,流分析,因果链分析,进化趋势分析,剪裁和特性传递,关键问题分析. 创新标杆:通过创新标杆来帮助解决我们的问题功能分析:识别系统和超

2023-05-09

3720

和chatgpt一样的大模型LLaMA可以运行在pc上？

chatgpt model models 教程模型

Facebook的LLaMA 模型和Georgi Gerganov 的llama.cpp的结合。 LLaMA，这是一组包含 7B 到 65B 参数的基础语言模型。我们在数万亿个令牌上训练我们的模型，并表明可以仅使用公开可用的数据集来训练最先进的模型，而无需诉诸专有和不可访问的数据集。特别是，LLaMA-13B 在大多数基准测试中都优于 GPT-3 (175B)，而 LLaMA-65B 可与最佳模型 Chinchilla-70B 和 PaLM-540B 竞争。我们将所有模型发布给研究社区。

2023-05-09

8190

[创新工具和方法论]-02- DOE实验设计步骤

变量产品工具设计系统

1.DOE设计 DOE(Design of Experiments) 是指通过系统性的一系列实验，其中有针对性地对输入因子进行更改，以便可以确定输出响应中发生重大更改的原因。 1.1 基于OFAT的传统实验设计：每次实验只考虑一个参数的影响，其它参数都是固定不变的只适用于简单工艺过程，因为它不考虑因素间的相互影响效率低下不能找到真正的最优值（区间） 📷 1.2 基于DoE的现代实验设计：一次可以考虑多个参数影响（并行分析）考虑不同因素间的相互影响通过最少的实验次数获得尽可能多的信息能更好

2023-05-03

5130

[创新工具和方法论]-01- DOE课程基础知识

变量工具模型设计数据

实验设计(DoE)是一种优化反应和工艺的统计方法，允许不同因素同时发生变化，以便筛选出反应空间的较佳值。

2023-05-03

3340

[算法前沿]--013-为何AI无法解决一般智能问题？

机器学习神经网络模型数据算法

目前的人工智能系统与人类的智力相去甚远。直接表现是：AI只在特定任务中表现优异，无法将其能力扩展到其他领域。目前用的AI算法都是可以用数据公式表示出来，并且在很大程度上能够解决此公式。哪些未被发现以及无法用可计算的数字方式来代表，仍然是无法触及的空白领域。在人工智能发展的历程中，科学家们经常发明新的方法来利用计算机巧妙的方式解决问题，前几十年的人工智能侧重符号系统。最流行的机器学习形式是监督学习，其中模型接受一组输入数据（例如湿度和温度）和预期结果（例如下雨概率）的训练。机器学习模型使用此信息来微调，形成从输入映射到输出的一组参数。即使遇到以前没有见过的数据输入时，训练有素的机器学习模型也可以非常准确地预测结果。并不需要去制定明确的规则。机器学习涉及问题的表述时，它的解决方法是将其设置为三组数字。一组数字表示系统接收的输入，一组数字表示系统生成的输出，第三组数字表示机器学习模型。机器学习另一个分支是深度学习，常常被比作人脑，其核心是深度神经网络。深度学习模型可以执行非常复杂的任务，如对图像进行分类或转录音频深度学习的威力在很大程度上取决于架构和表现力。大多数深度学习模型需要标记的数据，而且没有一种通用的神经网络架构可以用以解决所有可能的问题。在构建模型的过程中，机器学习研究员必须首先定义要解决的问题，然后“找”一个大型训练数据集，然后找出能够解决该问题的深度学习架构。训练期间从输入到输出都需要数据工程师来指定输入和输出，调整输入参数，神经网络层数和类型、学习效率、优化功能、损失功能和其他不可学习的方面。许多的神经网络的威力是源自其设计和数据叠加的结果，不是其自主的智能。只能说巧妙的网络结构和数据相结合才有好的模型。机器学习的其他分支也遵循相同的规则。例如，无人监督的学习不需要标记示例。但是，它仍然需要一个明确的目标，如网络安全中的异常检测。强化学习是机器学习的另一个流行分支，与人类和动物智力的某些方面非常相似。强化学习环境通常非常复杂，智能体可以执行的可能操作的数量非常大。因此，强化学习代理需要人类智力的大量帮助来设计正确的奖励、简化问题和选择正确的架构。总结：目前人工智能工作的方法，是在研究员已经想出了如何构建和简化问题的基础上开发的，以便现有的计算机和流程能够解决这些问题。要拥有真正的一般智能，计算机需要拥有能够定义和构建自己的问题的能力。大型神经网络并不能解决一般智能的根本问题。人工智能的缺陷往往是其创造者的缺陷，而不是计算决策的内在属性。只是你我都深陷其中不能自拔。

2023-04-28

1470

[算法前沿]--009-ChatGPT详述指令学习关键问题

chatgpt 工作模型算法系统

任务语义可以用一组输入到输出的例子或一条文本指令来表示。传统的自然语言处理(NLP)机器学习方法主要依赖于大规模特定任务样本集的可用性。出现了两个问题: 首先，收集特定于任务的标记示例，不适用于任务可能太复杂或太昂贵而无法注释，或系统需要立即处理新任务的场景;其次，这对用户来说并不友好，因为最终用户可能更愿意在使用系统之前提供任务描述，而不是一组示例。因此，社区对NLP的一种新的监督寻求范式付出了越来越大的兴趣: 从任务指令中学习。尽管取得了令人印象深刻的进展，但社区仍面临一些共同的问题。本文试图从以下几个

2023-04-28

2510

[算法前沿]--006-大模型时代：必须要掌握的ZERO

zero 进程模型数据算法

本次大规模训练技术系列分享之 ZeRO，主要对微软 ZeRO Optimizer 的思路和实现进行介绍，全文包含以下四个部分：

2023-04-28

6940

[算法前沿]--004-transformer的前世今生

self 函数架构模型算法

1.transformer介绍 Transformer被认为是一种新型的深度前馈人工神经网络架构，它利用了自注意机制，可以处理输入序列项之间的长期相关性。在大量领域中采用，如自然语言处理（NLP）、计算机视觉（CV）、，音频和语音处理、化学和生命科学；他们可以在前面提到的学科中实现SOTA性能。 TransformerX库存储库 1.1 注意力机制注意力是一种处理能力有限的认知资源分配方案它同时生成源标记（单词）的翻译，1）这些相关位置的上下文向量和2）先前生成的单词。注意力的特性 1.软 2.

2023-04-28

4380

[算法前沿]--003-AGI通用人工智能模型对安全的影响和开源的大模型

人工智能开源安全模型算法

2023年虽然才开始不久，但毫无疑问ChatGPT是今年最重大的科技话题之一。Chat GPT是生成式人工智能的开山之作，出道即巅峰，是继PC互联网、移动互联网之后又一次革命性创新，其创新性在于突破之前决策式AI基于规则的算法模型框架，跳出之前“数据搬运工”的传统模式，即在海量数据中寻找符合规则策略的数据，经过比对计算，基于当前的环境、条件和状态，准确的找到符合条件的数据，一步一步的走向算法和程序的终点，得出一个确定的决策。生成式AI为决策式AI赋予了灵魂和思想，决策式AI需要在海量数据中挑选并使用符合规则的数据，自身并不创造新的数据，生成式AI的革命性创新的根本在于将逻辑和伦理以算法的形式植入，并产生新的数据，相当于为算法植入了思想和灵魂，尽管其智能水平与高水平人类仍有较大差距，但生成式AI在可无限扩展的算力和数据加持下，其成长性和发展前景将无比光明。从2022年底至今，Chat GPT已经从3.0快速迭代到3.5，从3.5迭代到4.0，配合市场营销的宣传，ChatGPT已经成功打造了几个标签： l 高富帅：超级算力+海量数据+机器学习+资本追捧 l 自学成才：自我学习，自我提升，快速进阶 l 会推理：读懂复杂问题，具备逻辑能力

2023-04-28

6030

[算法前沿]--014- AIGC和LLM下的Prompt Tuning微调范式

aigc prompt 模型设计算法

Prompt的目的是将Fine-tuning的下游任务目标转换为Pre-training的任务.

2023-04-28

8720

[ChatGPT]-02-ChatGPT对安全的影响和开源的LLM大模型资源汇总

数据安全开源安全模型数据

2023年虽然才开始不久，但毫无疑问ChatGPT是今年最重大的科技话题之一。Chat GPT是生成式人工智能的开山之作，出道即巅峰，是继PC互联网、移动互联网之后又一次革命性创新，其创新性在于突破之前决策式AI基于规则的算法模型框架，跳出之前“数据搬运工”的传统模式，即在海量数据中寻找符合规则策略的数据，经过比对计算，基于当前的环境、条件和状态，准确的找到符合条件的数据，一步一步的走向算法和程序的终点，得出一个确定的决策。生成式AI为决策式AI赋予了灵魂和思想，决策式AI需要在海量数据中挑选并使用符合规则的数据，自身并不创造新的数据，生成式AI的革命性创新的根本在于将逻辑和伦理以算法的形式植入，并产生新的数据，相当于为算法植入了思想和灵魂，尽管其智能水平与高水平人类仍有较大差距，但生成式AI在可无限扩展的算力和数据加持下，其成长性和发展前景将无比光明。从2022年底至今，Chat GPT已经从3.0快速迭代到3.5，从3.5迭代到4.0，配合市场营销的宣传，ChatGPT已经成功打造了几个标签： l 高富帅：超级算力+海量数据+机器学习+资本追捧 l 自学成才：自我学习，自我提升，快速进阶 l 会推理：读懂复杂问题，具备逻辑能力

2023-04-23

6870

[ChatGPT]-01-chatgpt可以做什么？如何调教

chatgpt 翻译工作开发设计

示例：Java 后端开发工程师、React 前端开发工程师、全栈开发工程师、iOS 开发工程师、Android开发工程师等。回复截图请看这里

2023-04-01

8270

点击加载更多

社区活动

腾讯技术创作狂欢月

“码”上创作 21 天，分 10000 元奖品池！

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态