• 

  梅雨季来了,Folx 5助您欢快宅家刷剧

• 正版软件

  首个超大规模GAN模型！生成速度比Diffusion快20+倍，0.13秒出图，最高支持1600万像素

  ​​AIGC爆火的背后，从技术的角度来看，是图像生成模型的架构发生了巨大的变化。随着OpenAI发布DALL-E2，自回归和扩散模型一夜之间成为大规模生成模型的新标准，而在此之前，生成对抗网络（GAN）一直都是主流选择，并衍生出StyleGAN等技术。从GAN切换到扩散模型的架构转变也引出了一个问题：能否通过扩大GAN模型的规模，比如说在LAION这样的大型数据集中进一步提升性能吗？最近，针对增加StyleGAN架构容量会导致不稳定的问题，来自浦项科技大学（韩国）、卡内基梅隆大学和Adobe研究院的

  718天前 模型 网络 GAN 0

• 正版软件

  一日一卡挑战：RTX2080Ti搞定大模型训练，算力节省136倍，学界欢呼

  在一块消费级GPU上只用一天时间训练，可以得到什么样的BERT模型？最近一段时间，语言模型再次带火了AI领域。预训练语言模型的无监督训练属性使其可以在海量样本基础上进行训练，并获得大量语义语法知识，不论分类还是问答，似乎没有AI解决不了的问题。然而，大模型既带来了技术突破，也对算力提出了无穷无尽的需求。最近，来自马里兰大学的JonasGeiping、TomGoldstein讨论了所有关于扩大计算规模的研究，深入探讨了缩小计算规模的改进方向。他们的研究引发了机器学习社区的关注。在新研

  718天前 AI 机器学习 0

• 正版软件

  持续学习常用六种方法总结：使ML模型适应新数据的同时保持旧数据的性能

  持续学习是指在不忘记从前面的任务中获得的知识的情况下，按顺序学习大量任务的模型。这是一个重要的概念，因为在监督学习的前提下，机器学习模型被训练为针对给定数据集或数据分布的最佳函数。而在现实环境中，数据很少是静态的，可能会发生变化。当面对不可见的数据时，典型的ML模型可能会性能下降。这种现象被称为灾难性遗忘。解决这类问题的常用方法是在包含新旧数据的新的更大数据集上对整个模型进行再训练。但是这种做法往往代价高昂。所以有一个ML研究领域正在研究这个问题，基于该领域的研究，本文将讨论6种方法，使模型可以在保持旧的

  718天前 机器学习 ML模型 持续学习 0

• 正版软件

  人脑90%都是自监督学习，AI大模型离模拟大脑还有多远？

  我们都知道，人类的大脑90%都是自监督学习的，生物会不断对下一步发生的事情做出预测。自监督学习，就是不需要外部干预也能做出决策。只有少数情况我们会接受外部反馈，比如老师说：「你搞错了」。而现在有学者发现，大型语言模型的自监督学习机制，像极了我们的大脑。知名科普媒体QuantaMagazine近日报道，越来越多的研究发现，自监督学习模型，尤其是大型语言模型的自学方式，与我们的大脑的学习模式非常类似。过去常见的AI系统都是使用大量标记数据进行训练的。例如，图像可能被标记为「虎斑猫」或「虎猫」，

  718天前 AI 机器学习 0

• 正版软件

  人工智能可以帮助实现元宇宙愿景吗？

  如今，元宇宙空间在炒作和新项目推出的数量方面正在迅速发展——以至于行业市场规模预计将从2022年的1002.7亿美元增长到2029年的15275.5亿美元。但是这些新项目中有多少是甚至能够远程实现所设定的实际愿景？我们距离看到真正的元宇宙还有很长的路要走许多已经启动的元宇宙项目都是在游戏领域。然而，通常情况下，这些项目只是将标准的游戏功能与虚拟现实和NFTs相结合。一个真正的元宇宙，在我们模拟世界的数字平行宇宙的意义上，一个参与者可以在各种自组织的群体和环境中参加各种社会、经济、娱乐和艺术

  718天前 人工智能 AI 元宇宙 0

• 正版软件

  李飞飞两位高徒联合指导：能看懂「多模态提示」的机器人，zero-shot性能提升2.9倍

  人工智能领域的下一个发展机会，有可能是给AI模型装上一个「身体」，与真实世界进行互动来学习。相比现有的自然语言处理、计算机视觉等在特定环境下执行的任务来说，开放领域的机器人技术显然更难。比如prompt-based学习可以让单个语言模型执行任意的自然语言处理任务，比如写代码、做文摘、问答，只需要修改prompt即可。但机器人技术中的任务规范种类更多，比如模仿单样本演示、遵照语言指示或者实现某一视觉目标，这些通常都被视为不同的任务，由专门训练后的模型来处理。最近来自英伟达、斯坦福大学、玛卡莱斯特学院、加州理

  718天前 智能 机器人 0

• 正版软件

  AI开发大一统：谷歌OpenXLA开源，整合所有框架和AI芯片

  在去年10月的GoogleCloudNext2022活动中，OpenXLA项目正式浮出水面，谷歌与包括阿里巴巴、AMD、Arm、亚马逊、英特尔、英伟达等科技公司推动的开源AI框架合作，致力于汇集不同机器学习框架，让机器学习开发人员获得能主动选择框架、硬件的能力。本周三，谷歌宣布OpenXLA项目正式开源。项目链接：https://github.com/openxla/xla通过创建与多种不同机器学习框架、硬件平台共同工作的统一机器学习编译器，OpenXLA可以加速机器学习应用的交

  718天前 AI 机器学习 0

• 正版软件

  重温昔日美好瞬间！AI技术帮你修复老旧照片！

  本篇介绍一款开源的AI技术（2021年发布的），可以帮助你修复老旧照片，让你重温昔日美好瞬间！在线免费体验网站：https://huggingface.co/spaces/akhaliq/GFPGAN因为这个模型比较大，需要大量的计算资源，特别是GPU资源，而且还是免费的，所以不知道什么时候会被关闭。现在用的人少，所以这个在线体验还能免费用。什么是GFPGAN实现该修复背后用的是GFPGAN算法。GFPGAN是腾讯开源的人脸修复算法，它利用预先训练好的面部GAN（如StyleGAN2）中封装的丰富和多样的

  718天前 AI 算法 技术 0

• 正版软件

  值得推荐的五大AI工具助力写作

  译者|崔皓审校|孙淑娟开篇毫无疑问，人工智能（AI）内容写作工具正在彻底改变我们创造和消费内容的方式。通过自动生产内容，这些工具极大地提高内容创作的效率。然而，人工智能驱动的内容写作工具也有潜在风险。尤其，这些工具有可能产生大规模低质量的通用内容。这一结果会对网络信息质量产生负面影响，并最终导致整体写作标准下降。人工智能写作工具的早期历史第一个人工智能内容编写工具是在20世纪50年代初由达特茅斯学院的一个研究小组开发的。该工具被称为PLATO（ProgrammedLogicforAutoma

  718天前 人工智能 工具 Grammarly 0

• 正版软件

  深度学习架构的对比分析

  深度学习的概念源于人工神经网络的研究，含有多个隐藏层的多层感知器是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示，以表征数据的类别或特征。它能够发现数据的分布式特征表示。深度学习是机器学习的一种，而机器学习是实现人工智能的必经之路。那么，各种深度学习的系统架构之间有哪些差别呢？1.全连接网络（FCN）完全连接网络（FCN）由一系列完全连接的层组成，每个层中的每个神经元都连接到另一层中的每个神经元。其主要优点是“结构不可知”，即不需要对输入做出特殊的假设。虽然这种结构不可知使得完全连接网络

  718天前 数据 深度学习 架构 0