免费人妻中文不卡无码_日本精品爽爽van在线_久久精品国产99久久丝袜蜜桃_女强人被春药精油按摩bd电影

前言

第 1章 生成式AI基礎(chǔ) 1

1.1 技術(shù)框架介紹 1

1.1.1 Python 1

1.1.2 TensorFlow 3

1.1.3 PyTorch 5

1.1.4 Hugging Face 8

1.1.5 擴(kuò)展閱讀 9

1.2 常見(jiàn)模型介紹 9

1.2.1 判別式模型 10

1.2.2 生成式模型 10

1.3 數(shù)據(jù)和任務(wù) 11

1.3.1 數(shù)據(jù)類(lèi)型 12

1.3.2 常見(jiàn)任務(wù) 12

1.4 小結(jié) 17



第 2章 Transformer和GPT模型 19

2.1 Transformer簡(jiǎn)介 19

2.1.1 基本概念 19

2.1.2 關(guān)鍵技術(shù) 21

2.1.3 變種與擴(kuò)展 22

2.1.4 資源與工具 23

2.1.5 擴(kuò)展閱讀 24

2.2 GPT模型基礎(chǔ) 24

2.2.1 GPT模型的歷史背景 24

2.2.2 GPT模型的核心技術(shù) 26

2.2.3 擴(kuò)展閱讀 26

2.3 如何使用ChatGPT 27

2.3.1 注冊(cè)ChatGPT賬號(hào) 27

2.3.2 ChatGPT操作方法 27

2.3.3 ChatGPT使用技巧 28

2.4 案例一：文本生成 29

2.4.1 初始化 29

2.4.2 加載ELI5數(shù)據(jù)集 29

2.4.3 預(yù)處理 31

2.4.4 訓(xùn)練 33

2.4.5 推理 34

2.5 案例二：文本總結(jié) 36

2.5.1 安裝 36

2.5.2 加載數(shù)據(jù)集 37

2.5.3 預(yù)處理數(shù)據(jù) 40

2.5.4 微調(diào)模型 44

2.5.5 推理 46

2.6 案例三：文本分類(lèi) 47

2.6.1 transformers庫(kù) 48

2.6.2 具體應(yīng)用 48

2.6.3 實(shí)際應(yīng)用中的挑戰(zhàn) 51



第3章 Stable Diffusion 53

3.1 Stable Diffusion簡(jiǎn)介 53

3.1.1 軟件對(duì)比 54

3.1.2 計(jì)算機(jī)配置要求 55

3.1.3 安裝步驟 55

3.1.4 基礎(chǔ)操作 56

3.1.5 高級(jí)功能 58

3.2 Stable Diffusion入門(mén) 59

3.2.1 前期準(zhǔn)備 60

3.2.2 加載Stable Diffusion 60

3.2.3 可視化Stable Diffusion的內(nèi)部工作機(jī)制 64

3.2.4 Stable Diffusion理論的實(shí)際應(yīng)用 66

3.2.5 Stable Diffusion的內(nèi)部結(jié)構(gòu) 73

3.3 Stable Diffusion的基礎(chǔ)應(yīng)用 84

3.3.1 從文本生成圖像：用文字描繪視覺(jué)世界 84

3.3.2 圖生圖：Stable Diffusion的圖像轉(zhuǎn)換魔法 86

3.3.3 圖像編輯：用AI技術(shù)重塑視覺(jué)記憶 87

3.3.4 制作視頻：用AI賦予畫(huà)面動(dòng)態(tài)生命 88

3.4 文生圖 88

3.4.1 流行的模型 89

3.4.2 配置pipeline參數(shù) 93

3.4.3 控制圖像生成 96

3.4.4 優(yōu)化操作 97

3.5 圖生圖 97

3.5.1 快速入門(mén) 97

3.5.2 流行的模型 98

3.5.3 配置pipeline參數(shù) 102

3.5.4 鏈?zhǔn)綀D像到圖像pipeline 105

3.5.5 控制圖像生成 109

3.6 圖像修復(fù) 113

3.6.1 使用Diffusers進(jìn)行圖像修復(fù) 113

3.6.2 常用的模型 114

3.6.3 非特定修復(fù)的checkpoint 117

3.6.4 配置pipeline參數(shù) 122

3.6.5 串聯(lián)修復(fù)pipeline 125

3.6.6 控制圖像生成 128

3.7 小結(jié) 130



第4章 LangChain與AI Agent 131

4.1 LangChain與AI Agent簡(jiǎn)介 131

4.1.1 LangChain架構(gòu) 133

4.1.2 使用LangChain構(gòu)建AI Agent示例 134

4.2 LangChain關(guān)鍵組件 136

4.2.1 Module I/O 137

4.2.2 Retrieval 140

4.2.3 Agent 141

4.3 LCEL入門(mén) 141

4.4 LCEL的使用示例 144

4.4.1 基礎(chǔ)原理 144

4.4.2 常用方式 148

4.5 RAG基礎(chǔ)應(yīng)用 150

4.5.1 RAG架構(gòu) 150

4.5.2 設(shè)置 151

4.5.3 詳細(xì)分析 153

4.6 Agent基礎(chǔ)應(yīng)用 158

4.6.1 搭建Agent 158

4.6.2 創(chuàng)建工具 159

4.6.3 創(chuàng)建提示 159

4.6.4 構(gòu)建Agent 160

4.6.5 調(diào)用Agent 160

4.7 高級(jí)RAG應(yīng)用程序 161

4.7.1 高級(jí)應(yīng)用示例添加聊天記錄 162

4.7.2 構(gòu)建環(huán)境 162

4.7.3 沒(méi)有聊天歷史的鏈條 163

4.7.4 情境化問(wèn)題 164

4.7.5 有聊天歷史的鏈條 165

4.8 小結(jié) 167



第5章 生成式AI開(kāi)源應(yīng)用案例 169

5.1 文本轉(zhuǎn)博客 169

5.1.1 核心技術(shù) 169

5.1.2 應(yīng)用與部署 173

5.2 智能填表QuickFill 174

5.2.1 頁(yè)面介紹 174

5.2.2 用戶(hù)使用指南 175

5.2.3 部署項(xiàng)目 176

5.3 使用Transformer處理多模態(tài)大語(yǔ)言模型 180

5.3.1 配置教程 181

5.3.2 使用Transformer 181

5.3.3 使用ModelScope 190

5.4 3D生成：Stable Diffusion和Generative Gaussian Splatting方法 192

5.4.1 配置流程 192

5.4.2 運(yùn)行示例 193

5.4.3 關(guān)鍵原理解釋 194

5.5 視頻生成 195

5.5.1 簡(jiǎn)介 195

5.5.2 視頻生成的原理 196

5.5.3 視頻生成實(shí)踐 197

5.5.4 視頻優(yōu)化 202

5.5.5 視頻生成工具 203

5.5.6 視頻生成的挑戰(zhàn) 206



第6章 生成式AI行業(yè)應(yīng)用 209

6.1 跨媒體內(nèi)容創(chuàng)作 209

6.1.1 文本與圖像結(jié)合 209

6.1.2 文本和視頻結(jié)合 210

6.1.3 多媒體內(nèi)容創(chuàng)作 211

6.2 商業(yè)廣告設(shè)計(jì) 212

6.2.1 創(chuàng)新廣告策略 213

6.2.2 定制化設(shè)計(jì)方法 213

6.3 金融應(yīng)用 214

6.3.1 個(gè)性化的消費(fèi)者體驗(yàn) 214

6.3.2 合規(guī) 215

6.3.3 風(fēng)險(xiǎn)管理 216

6.3.4 動(dòng)態(tài)預(yù)測(cè)和報(bào)告 216

6.3.5 挑戰(zhàn) 217

6.4 教育應(yīng)用 217

6.4.1 學(xué)習(xí)體驗(yàn)定制 218

6.4.2 教育內(nèi)容創(chuàng)新 219

6.4.3 賦能教師端 219

6.4.4 AI在教育中的挑戰(zhàn)與局限性 219

6.5 在健康領(lǐng)域的應(yīng)用 220

6.5.1 解決醫(yī)療資源獲取和成本的問(wèn)題 220

6.5.2 應(yīng)用場(chǎng)景 222

6.5.3 新型醫(yī)療保健公司的市場(chǎng) 222



第7章 生成式AI倫理道德 225

7.1 常見(jiàn)的生成式AI倫理道德

問(wèn)題 225

7.1.1 質(zhì)量與性能 225

7.1.2 偏見(jiàn)與公平性 226

7.1.3 隱私 226

7.2 數(shù)據(jù)模型角度的分析 227

7.2.1 數(shù)據(jù)泄露 227

7.2.2 內(nèi)容審查/有害內(nèi)容 228

7.2.3 提示注入/防御 229

7.2.4 模型操縱 230

7.2.5 可解釋性和透明度 230

7.3 一般性解決方案 231

7.3.1 Responsible AI在大語(yǔ)言模型應(yīng)用開(kāi)發(fā)中的應(yīng)用 231

7.3.2 在大語(yǔ)言模型中建立防護(hù)欄 231

7.3.3 構(gòu)建值得信賴(lài)的AI未來(lái) 231