搜尋結果
2024年2月1日 · 在命令提示符中輸入 python 並執行，以確認Python版本正確安裝。 若未顯示Python 3.10.6，請卸載電腦中的其他Python版本。 接著，安裝Git，這是一個代碼庫管理系統，用於版本控制和協作。 您可以通過 Git安裝教程 進行安裝，並可參考我們的 Git入門課程 以深入了解Git。 第2步：創建GitHub和Hugging Face帳戶. GitHub是一個代碼托管服務，用於軟件開發的版本控制和協作。 如果您還沒有GitHub帳戶，請訪問 GitHub 創建一個。 您還需要訪問 Hugging Face ，這是一個專注於開源AI模型的社區，註冊一個帳戶以下載Stable Diffusion模型。 第3步：克隆Stable Diffusion Web-UI.
2024年1月30日 · Claude的目標是成為一個有益、誠實且無害的AI助手，並且能夠與用戶進行自然對話，提供高質量的回答和支持各種任務，包括創意寫作、寫程式、問答等
2024年2月1日 · Transformer的工作原理. Transformer的核心是自注意力機制，這一機制允許模型在生成輸出時評估序列內的所有單詞之間的相關性。 這意味著模型不需要按順序逐步處理資訊，而是可以平行處理，大大加快了學習速度。 此外，Transformer包含了多頭注意力（multi-head attention）機制，這使得模型能在多個子空間中同時學習資訊，增強了其學習能力和表達力。 自注意力機制. 想像一下，當你讀一句話時，你的大腦會同時關注這句話中的每個單詞，並理解每個單詞與其他單詞之間的關係。 自注意力機制也是如此。 它允許模型在處理一句話時，能同時考慮到句中所有單詞的信息，而不是一個接一個地處理。
2024年3月7日 · 一、資料清理. 二、如何切割文本. 三、如何搜尋. 四、LLM 生成品質. 快速掌握 LLM 應用全局觀. 有了「長上下文 LLM」（Long-Context LLM），還需要 RAG 嗎？ RAG（Retrieval-Augmented Generation，檢索增強生成）無疑是當今開發大型語言模型（LLM）產品時，不可或缺的技術。 由於可以確保 LLM 生成的真實性，在企業 AI 應用與搜尋場景相當受到重視。 為此，我也試著實作一個簡單的 RAG 應用。 多年累積下來，我的 Apple Notes 已經有 7000 多則筆記，搜尋愈來愈不準確，常在寫新筆記時想參考舊筆記，卻怎麼也找不到。
2024年2月26日 · 以及為什麼 NVIDIA、Microsoft 等軟硬體科技巨頭都爭相投入這個領域。. （編按：想要進一步知道 RAG 實作與產品化要考量的面向，可以閱讀這篇 〈為我的筆記加上 AI：RAG 實作經驗分享與四大產品化挑戰〉 。. 什麼是 RAG？. 跟模型微調有什麼差別？. 在我 前一篇 ...
2024年1月24日 · 還記得大學熬夜做期末專案，在輸入訓練指令後就要設定一個鬧鐘，偷空睡一兩個小時再回來看結果。 當時的開源社群已經有不少函式庫與零散的資料集，但很難找到已經預先訓練好的模型。 如今開發者不必自己訓練模型，可以透過 Hugging Face 大幅節省時間與成本。 其中最重要的四項特色是：「多」、「省時」、「簡便」與「標準化」。 「多」：大量且多樣的 AI 模型.
2024年1月17日 · 不過研究人員也提到，因為與思維鏈相比，思維樹所需使用的詞元量更大（成本也就越高），所以若是既有的思維鏈表現已經不錯的任務，就無需使用到思維樹的架構。
