「寻找热爱技术创作的你:写下你在技术探中的实践和思考」 零一万物大模型开放平台 第四天 我爱我园

简介: 在PowerShell中,由于安全策略,直接使用curl命令(实为`Invoke-WebRequest`别名)从特定URL请求数据时,可能出现错误。修正后的`Invoke-RestMethod`示例展示了如何向API发送POST请求,包含授权头、JSON体,并处理返回的数据。尽管成功展示了如何描述一张图片,但尝试对网上.html格式的图片进行分析时失败,因为需要的是可直接访问的网络图片URL。

零一万物大模型开放平台 第四天
视觉语言模型同步调用
下图用于代码示例,图中公司名称和数据均为虚构。
image.png

HTTP 示例
请求
其中:
遇到了在PowerShell中执行curl命令时出现的一些错误。PowerShell的语法与传统的Unix/Linux shells(如bash)有所不同,因此直接复制粘贴bash风格的命令可能会导致语法错误。
在PowerShell中,curl命令实际上是Invoke-WebRequest别名。要正确执行你的请求,你需要调整命令以符合PowerShell的语法。下面是一个修改后的示例,它应该在PowerShell中工作:
Invoke-RestMethod
-Headers @{ 'Authorization' = 'Bearer fa75942eb8914a57bdddb44af543164f' 'Content-Type' = 'application/json' } -Body '{ "model": "yi-vision", "messages": [ { "role": "user", "content": [ { "type": "image_url", "image_url": { "url": "https://platform.lingyiwanwu.com/assets/sample-table.jpg" } }, { "type": "text", "text": "请详细描述一下这张图片。" } ] } ], "stream": true, "max_tokens": 1024 }' -Method Post
显示:
data: {"id":"cmpl-675ac393c444406190c22b3eeb7c4ee7","object":"chat.completion.chunk","created":1718773155,"model":"yi-vision","choices":[{"delta":{"content":""},"index":0,"finish_reason":"stop"}],"content":"这是一张表格,显示了“天际未来科技有限公司”的“Top 10 客户名单” 。表格共有六列,分别为排名、排名变化、企业名称、价值(亿人民币)、价值变化、城市、行业。表 格中列出了10个客户的信息,包括他们的排名、相对于上一次排名的位置变化、公司名称、公司价值、 价值的变化量、公司所在的城市、以及所属的行业。\n\n排名第一的是“Infinity Innovations Inc.”,公司价值为13800亿人民币,价值变化减少了3000亿人民币,公司位于洛杉矶,行业为金融科技。排名第二的是“宇宙动力股份有限公司”,公司价值为9450亿人民币,价值增加了2230亿人民币,公司位于 北京,行业为社交媒体。\n\n排名第十的是“盛世新能科技有限公司”,公司价值为1891亿人民币,价 值减少了450亿人民币,公司位于杭州,行业为物流。表格中还有一些公司是新晋上榜,这意味着它们是第一次进入前10名。\n\n通过这个表格,我们可以了解到天际未来科技有限公司的重要客户群体,以及 他们的价值变化和所在的城市及行业。这些信息有助于我们分析公司的业务状况和市场趋势。\n","usage":{"completion_tokens":266,"prompt_tokens":1023,"total_tokens":1289},"lastOne":true}

data: [DONE]
总结:达到预期目的,下面百度一幅画,让AI谈谈看法:
未能实现,原因:
网上的图片都是.html格式,而不是网络类似于

相关文章
|
3月前
|
负载均衡 测试技术 调度
大模型分布式推理:张量并行与流水线并行技术
本文深入探讨大语言模型分布式推理的核心技术——张量并行与流水线并行。通过分析单GPU内存限制下的模型部署挑战,详细解析张量并行的矩阵分片策略、流水线并行的阶段划分机制,以及二者的混合并行架构。文章包含完整的分布式推理框架实现、通信优化策略和性能调优指南,为千亿参数大模型的分布式部署提供全面解决方案。
937 4
|
3月前
|
机器学习/深度学习 缓存 监控
大模型推理优化技术:KV缓存机制详解
本文深入探讨了大语言模型推理过程中的关键技术——KV缓存(Key-Value Cache)机制。通过对Transformer自注意力机制的分析,阐述了KV缓存的工作原理、实现方式及其对推理性能的显著优化效果。文章包含具体的代码实现和性能对比数据,为开发者理解和应用这一关键技术提供实践指导。
1430 8
|
3月前
|
存储 机器学习/深度学习 人工智能
大模型微调技术:LoRA原理与实践
本文深入解析大语言模型微调中的关键技术——低秩自适应(LoRA)。通过分析全参数微调的计算瓶颈,详细阐述LoRA的数学原理、实现机制和优势特点。文章包含完整的PyTorch实现代码、性能对比实验以及实际应用场景,为开发者提供高效微调大模型的实践指南。
2516 2
|
3月前
|
存储 人工智能 NoSQL
AI大模型应用实践 八:如何通过RAG数据库实现大模型的私有化定制与优化
RAG技术通过融合外部知识库与大模型,实现知识动态更新与私有化定制,解决大模型知识固化、幻觉及数据安全难题。本文详解RAG原理、数据库选型(向量库、图库、知识图谱、混合架构)及应用场景,助力企业高效构建安全、可解释的智能系统。
|
3月前
|
人工智能 机器人 人机交互
当AI学会“看、听、懂”:多模态技术的现在与未来
当AI学会“看、听、懂”:多模态技术的现在与未来
339 117
|
3月前
|
机器学习/深度学习 缓存 自然语言处理
【万字长文】大模型训练推理和性能优化算法总结和实践
我们是阿里云公共云 AI 汽车行业大模型技术团队,致力于通过专业的全栈 AI 技术推动 AI 的落地应用。
2205 38
【万字长文】大模型训练推理和性能优化算法总结和实践
|
3月前
|
人工智能 安全 开发工具
C3仓库AI代码门禁通用实践:基于Qwen3-Coder+RAG的代码评审
本文介绍基于Qwen3-Coder、RAG与Iflow在C3级代码仓库落地LLM代码评审的实践,实现AI辅助人工评审。通过CI流水线自动触发,结合私域知识库与生产代码同仓管理,已成功拦截数十次高危缺陷,显著提升评审效率与质量,具备向各类代码门禁平台复用推广的价值。(239字)
851 24
|
3月前
|
人工智能 自然语言处理 安全
AI助教系统:基于大模型与智能体架构的新一代教育技术引擎
AI助教系统融合大语言模型、教育知识图谱、多模态交互与智能体架构,实现精准学情诊断、个性化辅导与主动教学。支持图文语音输入,本地化部署保障隐私,重构“教、学、评、辅”全链路,推动因材施教落地,助力教育数字化转型。(238字)
757 23
|
3月前
|
机器学习/深度学习 存储 并行计算
大模型推理加速技术:FlashAttention原理与实现
本文深入解析大语言模型推理加速的核心技术——FlashAttention。通过分析传统注意力机制的计算瓶颈,详细阐述FlashAttention的IO感知算法设计、前向反向传播实现,以及其在GPU内存层次结构中的优化策略。文章包含完整的CUDA实现示例、性能基准测试和实际部署指南,为开发者提供高效注意力计算的全套解决方案。
574 10
|
3月前
|
人工智能 文字识别 自然语言处理
从“看见”到“预见”:合合信息“多模态文本智能技术”如何引爆AI下一场革命。
近期,在第八届中国模式识别与计算机视觉学术会议(PRCV 2025)上,合合信息作为承办方举办了“多模态文本智能大模型前沿技术与应用”论坛,汇聚了学术界的顶尖智慧,更抛出了一颗重磅“炸弹”——“多模态文本智能技术”概念。
235 1

热门文章

最新文章