在设计器中View->Options中调整Grid的大小默认为0.1mm，调成0.01后可以进行微调
FastReport微调
2011-11-03
686
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
在设计器中View->Options中调整Grid的大小默认为0.1mm，调成0.01后可以进行微调
目录
相关文章
|
2月前
|
人工智能
自然语言处理
机器人
【Prompt Engineering 提示词工程指南】文本概括、信息提取、问答、文本分类、对话、代码生成、推理
本文介绍了使用提示词与大语言模型（LLM）交互的基础知识。通过调整参数如温度（Temperature）、最高概率词元（Top_p）、最大长度（Max Length）及停止序列（Stop Sequences），可以优化模型输出。温度参数影响结果的随机性；Top_p 控制结果的多样性；最大长度限制输出长度；停止序列确保输出符合预期结构。此外，频率惩罚（Frequency Penalty）和存在惩罚（Presence Penalty）可减少重复词汇，提升输出质量。提示词需包含明确指令、上下文信息、输入数据及输出指示，以引导模型生成理想的文本。设计提示词时应注重具体性、避免歧义，并关注模型的具体行为
312
1
1
|
2月前
|
机器学习/深度学习
数据可视化
UED
黑匣子被打开了！能玩的Transformer可视化解释工具，本地运行GPT-2、还可实时推理
【9月更文挑战第4天】Transformer Explainer是一款基于网页的交互式可视化工具，专为帮助用户理解复杂的Transformer模型而设计。通过多层次抽象、实时推理及互动实验，以及无需安装即可使用的便捷性，此工具选取GPT-2作为教学模型，降低了学习门槛并提升了教育普及度。用户可以通过输入自定义文本观察预测过程，深入了解内部组件的工作原理。此外，它还减少了认知负荷，增强了互动学习体验。未来，该工具将在复杂性管理和性能优化方面继续改进，并通过用户研究进一步提升功能和可用性。[论文地址：https://arxiv.org/pdf/2408.04619]
50
1
1
|
3月前
|
机器学习/深度学习
自然语言处理
数据可视化
|
5月前
|
机器学习/深度学习
人工智能
算法
【CVPR2024】面向StableDiffusion的编辑算法FreePromptEditing，提升图像编辑效果
近日，阿里云人工智能平台PAI与华南理工大学贾奎教授团队合作在深度学习顶级会议 CVPR2024 上发表 FPE(Free-Prompt-Editing) 算法，这是一种面向StableDiffusion的图像编辑算法。在这篇论文中，StableDiffusion可用于实现图像编辑的本质被挖掘，解释证明了基于StableDiffusion编辑的算法本质，并基于此设计了新的图像编辑算法，大幅度提升了图像编辑的效率。
95806
24
26
|
5月前
|
机器学习/深度学习
存储
监控
基于YOLOv8的多目标检测与自动标注软件【python源码+PyqtUI界面+exe文件】【深度学习】
基于YOLOv8的多目标检测与自动标注软件【python源码+PyqtUI界面+exe文件】【深度学习】
372
1
1
|
6月前
|
机器学习/深度学习
人工智能
自然语言处理
LLM资料大全：文本多模态大模型、垂直领域微调模型、STF数据集、训练微调部署框架、提示词工程等
LLM资料大全：文本多模态大模型、垂直领域微调模型、STF数据集、训练微调部署框架、提示词工程等
588
0
0
|
6月前
|
机器学习/深度学习
编解码
图形学
CVPR 2024：全新生成式编辑框架GenN2N，统一NeRF转换任务
【4月更文挑战第29天】CVPR 2024 提出GenN2N框架，统一处理NeRF转换任务，将NeRF编辑转化为图像到图像转换，适用于文本驱动编辑、着色等。通过结合VAE和GAN的生成模型及对比学习正则化，保证三维一致性。虽依赖高质量预训练转换器且计算成本高，但展示了出色性能和通用性，有望广泛应用于图形学和视觉领域。[CVPR 2024, NeRF, GenN2N, 生成式编辑, 图像到图像转换]
81
1
1
|
数据可视化
数据挖掘
iOS开发
|
机器学习/深度学习
人工智能
运维
|
机器学习/深度学习
图计算
图形学