Notebook快速开发文生视频-教程
“Notebook快速开发”提供CPU和GPU实例，帮助用户在网页端体验和开发各类模型（包括ModelScope）。建议使用Chrome浏览器进行体验。
如何用AI大模型升级升级产品
众所周知，从去年到今年，AI领域出现井喷版的火热景象，越来越多的基于AI大模型诞生的应用越来越多，功能也越来越强大。就拿传统的搜索引擎企业来讲，也不得不迅速加入到AI大模型开发的队伍中，以求提升自身搜索产品的功能升级。无论是国内还是国外，被chatGPT直接影响到的行业都在打造自己的AI大模型，为的就是跟上技术发展的脚步，使得自身产品能够保持持续的竞争力。
《花雕学AI》18：AI绘画尝鲜Prompt Hunt，使用人工智能模型来创造、探索和分享艺术作品
人工智能是当今科技领域的热门话题，它不仅可以帮助人类解决各种实际问题，也可以激发人类的创造力和艺术感。Prompt Hunt就是一个利用人工智能模型来创造、探索和分享艺术作品的AI绘画网站。它提供了三种不同的模型，分别是Stable Diffusion、DALL·E和Midjourney，它们可以根据用户的输入来生成各种风格和质量的图像。在这篇文章中，我们将介绍Prompt Hunt的功能和用法，以及它对于艺术创作和欣赏的影响。
达摩院CVPR2023人脸重建论文HRN解读——REALY榜单冠军模型
前言高保真 3D 人脸重建在许多场景中都有广泛的应用，例如 AR/VR、医疗、电影制作等。尽管大量的工作已经使用 LightStage 等专业硬件实现了出色的重建效果，从单一或稀疏视角的单目图像估计高精细的面部模型仍然是一个具有挑战性的任务。 本文中，我们将介绍来自达摩院的CVPR2023最新的人脸重建论文，该工作在单图人脸重建榜单REALY上取得正脸、侧脸双榜第一，并在其他多个数据集中取得了SO
【机器学习入门与实践】数据挖掘-二手车价格交易预测（含EDA探索、特征工程、特征优化、模型融合等）
【机器学习入门与实践】数据挖掘-二手车价格交易预测（含EDA探索、特征工程、特征优化、模型融合等）
Stable Diffusion复现——基于 Amazon SageMaker 搭建文本生成图像模型
众所周知，Stable Diffusion扩散模型的训练和推理非常消耗显卡资源，我之前也是因为资源原因一直没有复现成功。 而最近我在网上搜索发现，亚马逊云科技最近推出了一个【云上探索实验室】刚好有复现Stable Diffusion的活动，其使用亚马逊AWS提供的Amazon SageMaker机器学习平台，为快速构建、训练和部署机器学习模型提供了许多便利的工具和服务，我也是深入体验了一番。
阿里云灵积模型服务Quick Start
DashScope灵积模型服务以模型为中心，致力于面向AI应用开发者提供品类丰富、数量众多的模型选择，并为其提供开箱即用、能力卓越、成本经济的模型服务API。DashScope灵积模型服务依托达摩院等机构的优质模型，在阿里云基础设施之上构建。灵积服务4.11号刚刚开通公测，目前提供Paraformer语音识别API能力，后续通义千问也将通过该服务对外提供API能力。本文演示如何快速通过Python SDK接入服务。
ModelScope使用之模型部署
ModelScope是阿里巴巴打造下一代开源的模型即服务共享平台，为泛AI开发者提供灵活、易用、低成本的一站式模型服务产品，让模型应用更简单！本文演示如何将模型部署到阿里云的EAS，对外提供服务。
ModelScope使用Quick Start
ModelScope是阿里巴巴打造下一代开源的模型即服务共享平台，为泛AI开发者提供灵活、易用、低成本的一站式模型服务产品，让模型应用更简单！本文通过Docker Image的方式演示服务的快速使用。
葛兰岱尔模型格式转换器
葛兰岱尔数字孪生模型格式转换器能够将几乎所有工程建筑行业的2D/3D/BIM/GIS模型数据转换输出为Unreal（UE）、Unity3D、Cesium、ThreeJS等开源平台支持的模型格式，包括： gltf、glb、标准3Dtiles、fbx、obj
张勇：阿里巴巴所有产品未来将接入大模型全面改造
4月11日，阿里巴巴集团董事会主席兼CEO、阿里云智能集团CEO张勇在云峰会上表示，阿里巴巴所有产品未来将接入“通义千问”大模型，进行全面改造。他认为，面向AI时代，所有产品都值得用大模型重新升级。
m基于shepp-Logan模型和滤波反投影的医学图像多尺度全局重建和局部重建matlab仿真
m基于shepp-Logan模型和滤波反投影的医学图像多尺度全局重建和局部重建matlab仿真
model是一个模型网络，model.eval() 、model.train()是什么意思？
在PyTorch中，model.eval()是一个模型对象的方法，用于将模型设置为评估模式。当模型处于评估模式时，它会在前向传递期间禁用某些操作，如丢弃（dropout）和批量归一化（batch normalization），以确保模型的输出稳定性。
【路径规划】基于模型预测人工势场MPAPF求解考虑复杂遭遇场景的 COLREG船舶运动规划附matlab代码
【路径规划】基于模型预测人工势场MPAPF求解考虑复杂遭遇场景的 COLREG船舶运动规划附matlab代码
params.data.clone()是什么意思？params是模型的参数
在深度学习中，模型的参数通常是由多个张量组成的。这些张量存储了模型在训练过程中学到的权重和偏置等参数。 params.data 是一个张量，其中包含了模型的参数数据。clone() 是 PyTorch 中的一个方法，它用于创建一个与当前张量具有相同数据但不同内存地址的新张量。 因此，params.data.clone() 的意思是创建一个与 params.data 张量具有相同数据但不同内存地址的新张量。通常，这个方法被用来复制模型参数，以便在优化器中使用。
NLP专栏简介：数据增强、智能标注、意图识别算法|多分类算法、文本信息抽取、多模态信息抽取、可解释性分析、性能调优、模型压缩算法
NLP专栏简介：数据增强、智能标注、意图识别算法|多分类算法、文本信息抽取、多模态信息抽取、可解释性分析、性能调优、模型压缩算法
Stable Diffusion：一种新型的深度学习AIGC模型
随着ChatGPT-4和AIGC的快速发展，文字生成、音频生成、图像生成、视频生成、策略生成、GAMEAI、虚拟人等生成领域得到了极大的提升。然而，这些技术对GPU和算力的需求也越来越高。
机器学习实战︱基于多层感知机模型和随机森林模型的某地房价预测
在现实生活中，除了分类问题外，也存在很多需要预测出具体值的回归问题，例如年龄预测、房价预测、股价预测等。相比分类问题而言，回归问题输出类型为一个连续值，如下表所示为两者的区别。在本文中，将完成房价预测这一回归问题。
KAN-TTS 在 conda 环境下无法安装 ttsfrd
KAN-TTS 基于conda安装环境的时候无法安装ttsfrd，但在退出conda后，在系统中可以安装
什么是LSTM模型，什么是BILSTM模型，给出 pytorch案例
LSTM模型是一种循环神经网络模型，它在处理序列数据时能够有效地解决梯度消失和梯度爆炸的问题。LSTM模型引入了门机制（如遗忘门、输入门和输出门），以便在序列中选择性地保存或遗忘信息。这些门可以根据输入数据自适应地学习。 BILSTM模型是一种双向LSTM模型，它包含两个LSTM模型，一个正向模型和一个反向模型。正向模型按照时间顺序读取输入序列，而反向模型按照相反的顺序读取输入序列。这使得BILSTM模型能够同时考虑过去和未来的上下文信息，因此通常比单向LSTM模型表现更好。
网络模型可以在定义时就放在cuda上面，还是在实例化时放在cuda上面？
网络模型可以在定义时就放在CUDA上，也可以在实例化时放在CUDA上。 如果你的模型中包含可学习参数（例如神经网络中的权重和偏差），则通常最好在模型定义时将其放在CUDA上。这样可以确保所有参数都在同一个设备上，并在训练期间自动处理设备移动。例如：
Java Bean 的历史
Java Bean 规范定义在 JavaBeans Specification 中。该规范是 Sun Microsystems（现在是 Oracle Corporation）在 1996 年发布的，用于定义 Java Bean 的特性、命名约定和组成方式，以便于 Java 开发人员编写可重用的、可扩展的和可组合的组件。
在训练模型每次迭代中，打印参数的梯度
要打印出每个迭代中的所有样本梯度，您需要在代码中进行相应的更改。以下是一个示例过程，可以帮助您实现此目标： 1. 在训练循环中，使用 enumerate() 函数迭代数据集中的每个批次，并获取每个批次的索引和数据。
好饭不怕晚,Google基于人工智能AI大语言对话模型Bard测试和API调用(Python3.10)
谷歌(Google)作为开源过著名深度学习框架Tensorflow的超级大厂，是人工智能领域一股不可忽视的中坚力量，旗下新产品Bard已经公布测试了一段时间，毁誉参半，很多人把Google的Bard和OpenAI的ChatGPT进行对比，Google Bard在ChatGPT面前似乎有些技不如人。 事实上，Google Bard并非对标ChatGPT的产品，Bard是基于LaMDA模型对话而进行构建的，Bard旨在构建一个对话式的AI系统，使其能够更好地理解人类语言，并且具备进行多轮对话的能力。而GPT的目标是生成自然语言文本。
构建基于深度学习神经网络协同过滤模型(NCF)的视频推荐系统(Python3.10/Tensorflow2.11)
毋庸讳言，和传统架构(BS开发/CS开发)相比，人工智能技术确实有一定的基础门槛，它注定不是大众化，普适化的东西。但也不能否认，人工智能技术也具备像传统架构一样“套路化”的流程，也就是说，我们大可不必自己手动构建基于神经网络的机器学习系统，直接使用深度学习框架反而更加简单，深度学习可以帮助我们自动地从原始数据中提取特征，不需要手动选择和提取特征。
阿里云PAI-DeepRec CTR 模型性能优化天池大赛——获奖队伍技术分享
超硬核解题思路快来看看吧！本期邀请“创新大师杯”全球AI极客挑战赛——PAI-DeepRec CTR模型性能优化挑战赛获奖队伍分享解题思路，共同推动实际工业实际场景中点击率预估模型的训练效率的提升。
喜马拉雅基于阿里云机器学习平台PAI-HybridBackend的深度学习模型训练优化实践
喜马拉雅AI云借助阿里云提供的HybridBackend开源框架，实现了其推荐模型在 GPU 上的高效训练。
机器学习实战系列[一]：工业蒸汽量预测（最新版本下篇）含特征优化模型融合等
在进行归回模型训练涉及主流ML模型：决策树、随机森林，lightgbm等；在模型验证方面：讲解了相关评估指标以及交叉验证等；同时用lgb对特征进行优化；最后进行基于stacking方式模型融合。
Azure OpenAI服务&chatgpt模型
一.什么是 Azure OpenAI 服务？Azure OpenAI 服务允许通过 REST API 访问 OpenAI 的强大语言模型，包括 GPT-3、Codex 和 Embeddings 模型系列。这些模型可以轻松适应特定的任务，包括但不限于内容生成、汇总、语义搜索和自然语言到代码的转换。 用户可以在 Azure OpenAI Studio 中通过 REST API、Python SDK 或
【DSW Gallery】基于ModelScope的中文GPT-3模型（1.3B）的微调训练
本文基于ModelScope，以GPT-3（1.3B）为例介绍如何使用ModelScope-GPT3进行续写训练与输入输出形式的训练，训练方式不需要额外指定，训练数据集仅包含 src_txt 时会进行续写训练，同时包含 src_txt 和 tgt_txt 时会进行输入输出形式的训练。
【DSW Gallery】基于EasyNLP Transformer模型的中文文图生成
EasyNLP提供多种模型的训练及预测功能，旨在帮助自然语言开发者方便快捷地构建模型并应用于生产。本文简要介绍文图生成的技术，以及如何在PAI-DSW中基于EasyNLP轻松实现文图生成，带你秒变艺术家。
基于决策树模型的用户购物行为预测分析
本文通过分析电子商务平台的用户购物行为，构建了一个基于决策树模型的用户购物行为预测分析模型。该模型可以帮助企业预测用户的购物意愿、购物频率及购买金额等重要指标，为企业制定更有针对性的营销策略提供参考
【DSW Gallery】基于预训练模型的多场景文本生成（以新闻标题生成为例）
EasyNLP提供多种模型的训练及预测功能，旨在帮助自然语言开发者方便快捷地构建模型并应用于生产。本文以中文文本生成为例，为您介绍如何在PAI-DSW中使用EasyNLP。
ModelScope模型即服务
ModelScope旨在打造下一代开源的模型即服务共享平台，为泛AI开发者提供灵活、易用、低成本的一站式模型服务产品，让模型应用更简单！欢迎加入技术交流群：微信公众号：魔搭ModelScope社区，钉钉群号：44837352
