#Python
共 767 篇文章
基于Ktransformers的DeepSeek-R1满血版部署
2月10日，清华大学KVCache.AI团队联合趋境科技发布的KTransformers开源项目公布更新：一块24G显存的4090D就可以在本地运行DeepSeek R1、V3的671B“满血版”。预处理速度最高达到286 tokens/s，推理生成速度最高能达到14 tokens/s。 KTransformers通过
DeepSeek Janus Pro多模态模型一键部署教程，支持云端免费体验！
DeepSeek Janus Pro开源模型 DeepSeek团队于1月28日凌晨发布了开源多模态大语言模型Janus Pro，这是一款基于DeepSeek LLM 1.5b base和DeepSeek LLM 7b base构建的模型。 第一步：登录「优云智算」算力共享平台并进入「镜像社区」 地址：https://w
2.4K star的GOT-OCR2.0：端到端OCR 模型
GOT OCR2.0是一款新一代的光学字符识别（OCR）技术，标志着人工智能在文本识别领域的重大进步。作为一款开源模型，GOT OCR2.0不仅支持传统的文本和文档识别，还能够处理乐谱、图表以及复杂的数学公式，为用户提供了更加全面和高效的解决方案。 产品功能及特点 多语言支持： GOT OCR2.0主要支持中文和英文字
英伟达开始引领下一波浪潮：物理AI
这可能会是AI技术形态的一个转折点,大模型的下一个形态，不再是人和模型一轮一轮的即时问答了。 当地时间 7 月 29 日，在美国丹佛举行的第 51 届 SIGGRAPH 计算机图形学会议上，英伟达创始人、CEO 黄仁勋与 Meta 创始人、CEO 马克・扎克伯格进行了一场全球瞩目的炉边谈话。 这场对话主要围绕生成式 A
Mem0:个性化的AI记忆层，一款开源的大语言记忆增强工具
在人工智能的浪潮中，个性化体验已成为创新的关键。而随着各种各样的模型迭代更新，如何为AI应用提供持久、智能的记忆系统逐渐成为了一个关键挑战。 最近开源的Mem0项目为我们提供了一个强大的解决方案。它为大型语言模型(LLM)提供了一个智能、自我优化的记忆层，使得跨会话的个性化AI体验成为可能。本文将深入探讨Mem0的配置
Code2prompt：探索高效代码编辑新纪元的开源模型工具
项目介绍 Code2prompt 是一个命令行工具，能将你的代码库转化为单一的大型语言模型（LLM）提示，结合源码树结构，模板定制，以及令牌计数。它旨在简化与高级上下文窗口模型如GPT或Claude的交互，助你在重写代码、查找bug、编写文档和实现新功能等方面提升效率。通过将你·的整个项目转换为一个全面的、对 AI 友
MindsDB：一个利用企业数据构建 AI 的平台
MindsDB作为一个开源项目，它旨在将机器学习模型无缝集成到现有的数据库系统中，为用户提供实时的数据预测能力。这个项目的创新之处在于，它能够以简单、直观的方式让开发者和非技术人员都能够利用AI进行数据分析和预测。 它是根据企业数据库定制的AI平台，使用者可以根据数据库、矢量存储和应用程序数据实时创建、提供和微调模型。
ChatTTS打破人机对话的壁垒！短视频、小说配音，营销推广场景大杀器！
过去我们让AI说话，它给出的总是不咸不淡的机器合成声音，毫无波澜的死板音调让人听得昏昏欲睡。但由于chatTTS的到来，一切都将会变得不一样。作为一款强大的对话式文本转语音模型，它完美解决了用户对于生动对话的需求。如此功能不可小觑，可以称得上在业界一骑绝尘。对于短视频内容创作，有声小说配音，数字营销推广以及日常办公，它
照片+音频=视频，超实用项目源码已开放，单卡4090部署！
项目简介 AniTalker是一个开源项目，它利用静态照片和音频文件来创造动态的面部说话视频。 AniTalker采用了一种通用的运动表示方法。这种创新的表示方法有效地捕捉了广泛的面部动态，包括微妙的表情和头部动作。 AniTalker通过两种自监督学习策略增强了运动描述：第一种策略是通过同一身份内的源帧重建目标视频帧
ollama-python-Python快速部署Llama 3等大型语言模型最简单方法
ollama介绍 在本地启动并运行大型语言模型。运行Llama 3、Phi 3、Mistral、Gemma和其他型号。 Llama 3 Meta Llama 3 是 Meta Inc. 开发的一系列最先进的模型，提供8B和70B参数大小（预训练或指令调整）。 Llama 3 指令调整模型针对对话/聊天用例进行了微调和优
tensorflow服务器部署
当你在本地开发和训练TensorFlow模型时，你可能会发现你的计算机的资源有限。为了解决这个问题，你可以考虑将模型部署到远程服务器上。这样，你可以利用更多的计算资源来加速模型的训练和推理。在这篇文章中，我将介绍如何在服务器上部署TensorFlow模型。 第一步是选择一个云服务器提供商。这里有很多选择，包括Amazo
python3.5安装tensorflow
好的，下面是一篇关于Python 3.5安装TensorFlow的编程技术类文章。 TensorFlow是一种非常流行的机器学习框架，它可以用来构建和训练各种各样的深度学习模型。为了使用TensorFlow，您需要先安装它。在本文中，我们将讨论如何在Python 3.5上安装TensorFlow。 步骤1：安装Pyth
tensorflow量化训练
好的，下面是一篇关于TensorFlow量化训练的编程技术类文章。 TensorFlow量化训练是一种优化模型大小和性能的技术，它通过减少模型中参数的精度来实现这一目标。在这篇文章中，我们将介绍如何使用TensorFlow实现量化训练，并探讨它如何提高模型的性能和效率。 首先，让我们来了解一下TensorFlow量化训
tensorflow入门与实战
TensorFlow是一种流行的机器学习库，它提供了许多工具和技术，使得机器学习和深度学习变得更加容易。在这篇文章中，我们将介绍TensorFlow的入门和实战技术，帮助您开始使用这个强大的工具。 首先，让我们来了解一下TensorFlow的基础知识。TensorFlow是一个用于数值计算的开源软件库，它使用数据流图来
tensorflow怎么升级
当你使用TensorFlow进行机器学习和深度学习时，及时升级到最新版本的TensorFlow是非常重要的。TensorFlow的最新版本通常会提供更好的性能和更多的功能。在本文中，我将向您展示如何升级TensorFlow。 首先，您需要确定您当前正在使用的TensorFlow版本。您可以在Python中使用以下代码来
tensorflow如何指定gpu
当需要在TensorFlow中使用GPU来进行计算时，您需要指定要使用的GPU设备。在本文中，我将向您介绍如何在TensorFlow中指定GPU设备。 首先，您需要确保您的计算机上已经安装了CUDA和cuDNN。这是因为TensorFlow需要这些库才能使用GPU进行计算。 接下来，您需要在TensorFlow中指定要
tensorflow中训练如何调用gpu
当涉及到深度学习模型的训练时，使用GPU可以显著提高训练速度。TensorFlow是一种广泛使用的深度学习框架，它允许用户轻松地利用GPU来训练模型。在本文中，我们将讨论如何在TensorFlow中调用GPU进行训练的编程技术。 首先，确保您的计算机上已经安装了GPU驱动程序和CUDA库。TensorFlow需要这些库
tensorflow
TensorFlow是一种广泛使用的机器学习框架，它提供了许多强大的工具和技术来构建和训练深度神经网络。在本文中，我们将探讨一些TensorFlow的编程技术，以帮助您更好地理解和使用这个框架。 1. 张量（Tensors） 在TensorFlow中，所有的数据都是以张量的形式表示的。张量是一个多维数组，可以存储数字、
tensorflow
当今，机器学习和人工智能是最热门的技术领域之一，而TensorFlow是其中最受欢迎的深度学习框架之一。TensorFlow由Google开发，是一种开源的软件库，它可以让开发者更轻松地构建和训练深度学习模型。在本文中，我们将探讨TensorFlow的编程技术，以帮助读者更好地了解如何使用这个强大的工具。 首先，Ten
tensorflow可视化网络
当我们构建一个深度学习模型时，了解模型的结构和参数是非常重要的。TensorFlow提供了一种可视化网络的编程技术，它可以帮助我们更好地理解模型的结构和参数，从而更好地调整模型以获得更好的性能。 TensorFlow提供了一个名为TensorBoard的工具，它可以可视化我们的模型。TensorBoard可以显示训练和