Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

yolov 和resnet咋做成大模型？

Answer

要将 YOLOv 和 ResNet 做成大模型，需要考虑以下几个方面：

  1. 数据准备：收集大量的相关数据，并进行清洗、预处理和标注，以满足模型训练的需求。
  2. 模型架构调整：根据具体任务和数据特点，对 YOLOv 和 ResNet 的架构进行适当的修改和优化，例如增加层数、调整通道数等。
  3. 训练策略：选择合适的优化算法、学习率调整策略等，以提高训练效果和收敛速度。
  4. 计算资源：大模型的训练需要强大的计算资源，包括硬件设施和云计算平台等。

此外，从相关的研究和趋势来看，大模型架构呈现出日益明显的混合趋势，多种有代表性的技术路径在不同程度保留 Transformer 架构优势的基础上，结合 RNN、CNN 等思想做出创新发展。例如类循环神经网络模型（以 RWKV 为代表）、状态空间模型（以 Mamba 为代表）、层次化卷积模型（以 UniRepLKNet 为代表）、多尺度保持机制模型（以 RetNet 为代表）、液体神经网络模型（以 LFM 为代表）等。但需要注意的是，将 YOLOv 和 ResNet 做成大模型是一个复杂的过程，需要深入的研究和实践。

Content generated by AI large model, please carefully verify (powered by aily)

References

4-SeasonYou 工作流 副本

(MaxRetryError('HTTPSConnectionPool(host=\'huggingface.co\',port=443):Max retries exceeded with url:/QuanSun/EVA-CLIP/resolve/main/EVA02_CLIP_L_336_psz14_s6B.pt(Caused by SSLError(CertificateError("hostname\'huggingface.co\'doesn\'t match either of\'*.extern.facebook.com\',\'extern.facebook.com\'")))'),'(Request ID:05b932bd-e982-434e-8dc7-e41cca2e949f)')⑧Ollama大模型部分，为了应对没下载大模型带来的报错，因此需要下载大模型首先，下载ollama，网站：[Download Ollama on Windows](https://ollama.com/download)其次，在[llama3:8b-instruct-q4_K_M(](https://ollama.com/library/llama3:8b-instruct-q4_K_M)[ollama.com](https://ollama.com/library/llama3:8b-instruct-q4_K_M)[)](https://ollama.com/library/llama3:8b-instruct-q4_K_M)网站中，复制代码如红框：然后，像我建议一样打开ComfyUi根目录下的custom_nodes\ComfyUi-Ollama-YN的文件路径，在上方的路径下输入cmd：进入到下方的命令行，右键即可粘贴刚才的代码，等待下载即可：⑨instanid部分：

《2024年度AI十大趋势报告》发布：技术创新、产品洗牌、行业动态一文看尽

2017年《Attention Is All You Need》论文发表，Transformer架构问世，并逐渐成为自然语言处理领域主流技术范式。但Transformer并非完美无缺，产学研界也一直存在一种声音：架构领域需要新的突破，来构建强大且高效的新一代基础大模型。谁将革新甚至颠覆Transformer，取而代之？2023年以来，大量创新大模型架构涌现，尝试在保留Transformer优势的同时解决其算力开销太高的问题，有望在性能与效率上实现突破，对Transformer的绝对统治地位形成有力挑战。类循环神经网络模型（以RWKV为代表）状态空间模型（以Mamba为代表）层次化卷积模型（以UniRepLKNet为代表）多尺度保持机制模型（以RetNet为代表）液体神经网络模型（以LFM为代表）……多种有代表性的技术路径，在不同程度保留Transformer架构优势的基础上，结合RNN、CNN等思想所做出的创新发展，这也使得大模型架构呈现出日益明显的混合趋势，更多创新架构具备“博采众家之长”的特点。

Others are asking
在办公领域，Deepseek如何进行效率提升，请详细进行原理及操作阐述，我要做成培训课程
以下是关于 DeepSeek 在办公领域提升效率的原理及操作阐述： 原理方面： 1. 强化学习和联网搜索能力改变信息获取方式，从“检索—阅读—摘要”转变为“提问—获得答案”，大幅提升工作效率。 2. 利用“专家混合”和“多头潜在注意力”技术，展现了高效的算力利用。 3. 其开源策略打破了技术垄断，让国内大模型能力迅速提升。 操作方面： 1. 飞书多维表格与 DeepSeek R1 结合，实现批量处理信息，如批量转换文风、快速回复消息，甚至利用 AI 生成文案，操作简单、便捷，普通人无需编程知识也能轻松使用。 2. 有手把手指导在微软 Azure AI Foundry 平台上完成 DeepSeek R1（671B）模型的完整部署流程，包含环境准备、资源管理、模型测试及 API 调用说明。 此外，DeepSeek R1 赏析分享会专为非技术人群设计，通俗易懂地介绍了 R1 和 V3 的技术亮点，深入探讨了业界的困惑与 DeepSeek 的解决方案。同时，也有相关文章通过虚构故事结合真实案例，讲述 AI 在日常工作中的效率提升作用，如分析意图、生成任务说明，并拆分复杂任务成结构化内容，强调最终成果需人工审核、拼接，并以人类主导全流程。
2025-02-25
我想把我女儿的作文做成漫画，用哪个ai工具
以下是一些可以将您女儿的作文做成漫画的 AI 工具： 1. ChatGPT 结合“Cartoonize Yourself”的 GPTs：您可以拍下女儿的简笔画上传给 ChatGPT，然后使用“Cartoonize Yourself”将其转换为皮克斯风格的画作。 2. dodoboo App：由 Hidecloud 和 Sharpmark 创造，无需科学上网，可用 AI 将孩子的简笔画转为精致作品。 3. Anifusion：这是一款基于人工智能的在线工具，即使没有绘画技能，只需输入文本描述，其 AI 就能将其转化为完整的漫画页面或动漫图像。它具有 AI 文本生成漫画、直观的布局工具、强大的画布编辑器、多种 AI 模型支持、商业使用权等功能。适用独立漫画创作、快速原型设计、教育内容创作、营销材料制作、粉丝艺术和同人志创作等场景。优点是非艺术家也可轻松进行漫画创作，基于浏览器无需安装额外软件，具有快速迭代和原型设计能力，且拥有创作的全部商业权利。
2025-02-23
抖音怎么用ai去做成一个号
以下是几种在抖音上利用 AI 做成一个号的方法： 1. 剪映数字人“个性化”： 尽管剪映有很多公模数字人，但私模数字人更受欢迎。您可以用 AI 换脸软件完成最后一步。 操作步骤： 第一步：打开谷歌浏览器，点击链接 https://github.com/facefusion/facefusioncolab 并点击 open colab 进入程序主要运行界面，在右上角点击“代码执行程序”选择“全部运行”，无需安装和付费。点击红框对应的 URL 打开操作界面。 第二步：点击“source”上传自己的照片和“target”上传之前的剪映数字人视频，保持默认参数，点击“START”生成。 第三步：等待专属数字人视频出炉。 有关数字人使用问题，欢迎在底部评论区留言交流。对数字人课程感兴趣，可查看《克隆你自己》课程： ，在线观看第一节：https://www.bilibili.com/video/BV1yw411E7Rt/?spm_id_from=333.999.0.0 。 2. DIN：全程白嫖 拥有一个 AI 大模型的微信助手 搭建 ，用于汇聚整合多种大模型接口，方便更换使用各种大模型，并获取白嫖大模型接口的方法。 搭建 ，这是一个知识库问答系统，将知识文件放入，并接入上面的大模型作为分析知识库的大脑，最后回答问题。如果不想接到微信，搭建完即可使用，它也有问答界面。 搭建 ，其中的 cow 插件能进行文件总结、MJ 绘画。 3. 制作专属艺术二维码 今天带来的是 ComfyUI 工作流系列：AI 创意艺术二维码的制作。 第一步：优化二维码 找一个想要的二维码或链接，通过以下网站进行优化： 草料，可进行微信二维码解码、生成 QRL 链接、二维码美化等。 ，整体用法和草料差不多，定位点花样更多，还可给二维码做拓展。
2025-01-14
把自己的肖像，做成数字人，需要几个步骤，怎么做
把自己的肖像做成数字人，一般需要以下几个步骤： 1. 创建视频内容：通过输入文稿内容，确定数字人播出的内容。 2. 生成数字人： 在剪映中，打开右侧窗口顶部的“数字人”选项，选取免费且适合的数字人形象，如“婉婉青春”。软件会播放数字人的声音，可判断是否需要，然后点击右下角的“添加数字人”，剪映会生成对应音视频并添加到当前视频轨道中。左下角会提示渲染完成时间，之后可点击预览查看效果。 还可以使用以下工具： HEYGEN：点击网址注册后，进入数字人制作，选择Photo Avatar上传自己的照片，然后按步骤操作，写上视频文案并选择配音音色，也可自行上传音频，最后点击Submit得到数字人视频。 DID：点击网址，点击右上角的Create vedio，选择人物形象，可添加自己的照片或使用给定形象，配音时可选择提供文字选择音色或上传音频，最后点击Generate vedio生成视频。 KreadoAI：点击网址注册后获得120免费k币，选择“照片数字人口播”功能，点击开始创作，选择自定义照片，配音时可选择提供文字选择音色或上传音频，打开绿幕按钮，点击背景添加背景图，最后点击生成视频。 3. 增加背景图片（可选）：在剪映中，可直接删除先前导入的文本内容，为视频增加背景图片。点击左上角的“媒体”菜单并点击“导入”按钮，选择本地图片上传，将图片添加到视频轨道上，拖动轨道右侧竖线使其与视频对齐，选中轨道后调整背景图尺寸和数字人位置。 需要注意的是，不同工具可能有各自的特点和限制，您可以根据自己的需求和偏好选择合适的工具和方法。
2024-12-09
如何将COZE做成智能客服集成到APP中
将 COZE 做成智能客服集成到 APP 中，可参考以下步骤： 1. 访问微信客服 https://kf.weixin.qq.com/，点击开通。 2. 勾选同意，点击下一步。 3. 按步骤填写，勾选同意，注册企业微信。 4. 注册成功后，可能会出现“企业未认证，累计仅可接待 100 位客户，认证后可提升接待上限”的提醒，个人测试无需认证，不影响使用。 5. 完成上述步骤后，开始复制粘贴操作： 点击配置>到微信客服的企业信息，复制企业 ID >到 coze 页面进行粘贴填写企业 ID，并点击下一步。 到微信客服的开发配置，找到回调配置，复制 Token、EncodingAESKey（如果为空，点击“随机获取”），到 coze 页面进行粘贴，点击下一步。 到微信客服的开发配置，配置回调地址 URL、复制 Secret 到 coze 的页面粘贴。 6. 第一次设置回调地址时，需注意目前需要企业认证才可以接入微信客服。若企业未认证，在配置回调 URL 时会报错：回调域名校验失败。之前未认证就发布过微信客服的不受影响。第一次设置成功后，后续修改在相应页面进行。 7. 到微信客服的客服账号，创建一个客服账号，复制客服账号名称，到 coze 的页面粘贴，点击保存。 8. 保存后，在 coze 发布页面的发布平台的微信客服这里，显示“已配置”，剩下的就是勾选，点击发布。
2024-12-09
怎么将claude做成扣子插件
以下是将 Claude 做成扣子插件的步骤： 1. 公众号私信“TC”获取插件，下载完成后解压。 2. 进入 Chrome 浏览器的扩展程序管理界面，打开右上角的开发者模式。 3. 左上角加载解压完的文件夹。 另外，关于在扣子中手搓插件： 1. 点击个人空间，选择插件，点击创建插件。 插件名称：中文，根据插件需求起名。 插件描述：告诉观众插件的用途和使用方法等。 插件工具创建方式： 云侧插件基于已有服务创建：使用现成的 API 来创建插件，需填入所使用 API 的 URL。 云侧插件在 Coze IDE 中创建：使用 Coze 的服务器写代码来直接搭建 API（支持 Python 和 Node.JS）。 2. 在新的界面点击创建工具。 填入第一个插件工具的基本信息： 工具名称：只能使用字母、数字和下划线来命名。 工具描述：根据工具的使用方法、功能填写，提醒用户如何使用。 工具路径：填写对应完整的 API 以“/”开始，如果后面使用 path 的方式传参，则可以使用“{}”包裹的方式把变量包含在其中。 请求方法：根据 API 的调用方式选择对应的请求方法。 3. 配置输入参数：点击新增参数，把所有需要使用的参数填写进工具。 4. 配置输出参数：如果一切都填对了没有问题，可以直接点击自动解析，会自动调用一次 API 给出对应的输出参数。 5. 调试与校验：测试工具是否能正常运行，运行后查看输出结果，“Request”为输入的传参，“Response”为返回值，点击“Response”就可以看到解析后的参数。
2024-12-05
Manus的基础大模型是什么？
Manus 是一款由中国团队研发的全球首款通用型 AI 代理工具，于 2025 年 3 月 5 日正式发布。它区别于传统聊天机器人（如 ChatGPT），具备自主规划、执行复杂任务并直接交付完整成果的能力，被称为“首个真干活的 AI”。 Manus AI 代理工具的具体技术架构主要基于多智能体（Multiple Agent）架构，运行在独立的虚拟机中。这种架构通过规划、执行和验证三个子模块的分工协作，实现了对复杂任务的高效处理。具体来说，Manus AI 的核心功能由多个独立模型共同完成，这些模型分别专注于不同的任务或领域，如自然语言处理、数据分析、推理等。这种多模型驱动的设计不仅提高了系统的鲁棒性和准确性，还增强了其处理复杂任务的能力。 Manus AI 的技术架构还包括以下几个关键组件： 1. 虚拟机：Manus AI 运行在云端虚拟机中，用户可以随时查看任务进度，适合处理耗时任务。 2. 计算资源：Manus AI 利用计算资源生成算法，用于筛选简历等具体任务。 3. 生成物：Manus AI 能够生成各种类型的输出，如文本、表格、报告等。 4. 内置多个 agents：Manus AI 通过内置多个智能体，实现了任务的分解和协同工作。 此外，Manus AI 还采用了“少结构，多智能体”的设计哲学，强调在数据质量高、模型强大、架构灵活的情况下，自然涌现 AI 的能力。这种设计使得 Manus AI 在处理复杂任务时更加高效和准确。Manus AI 的技术架构通过多智能体协同工作、虚拟机运行和生成物输出等机制，实现了对复杂任务的高效处理和高质量输出。
2025-03-06
最新AI大模型
以下是关于最新 AI 大模型的相关知识： 1. 概念：生成式 AI 生成的内容称为 AIGC。 2. 概念与关系： AI 即人工智能。 机器学习是电脑找规律学习，包括监督学习、无监督学习、强化学习。 监督学习是利用有标签的训练数据，学习输入和输出之间的映射关系，包括分类和回归。 无监督学习是在学习的数据没有标签的情况下，算法自主发现规律，经典任务如聚类。 强化学习是从反馈中学习，以最大化奖励或最小化损失，类似训小狗。 深度学习是一种参照人脑有神经网络和神经元（因层数多而称为深度）的方法，神经网络可用于监督学习、无监督学习、强化学习。 生成式 AI 可以生成文本、图片、音频、视频等内容形式。 LLM 是大语言模型，对于生成式 AI，生成图像的扩散模型不是大语言模型；对于大语言模型，生成只是其中一个处理任务，如谷歌的 BERT 模型，可用于语义理解（不擅长文本生成），如上下文理解、情感分析、文本分类。 3. 技术里程碑：2017 年 6 月，谷歌团队发表论文《Attention is All You Need》，首次提出了 Transformer 模型，它完全基于自注意力机制（SelfAttention）来处理序列数据，而不需要依赖于循环神经网络（RNN）或卷积神经网络（CNN）。
2025-03-06
我是经济学研究者，经常写作学术论文，投稿SSCI期刊，大模型幻觉太严重，在辅助文献综述写作方面，基本没有用处。你有好的用于文献综述写作的AI辅助工具吗？
以下是一些可能有助于您在文献综述写作中应对大模型幻觉问题的方法和工具： 1. 对于 ChatGPT ，您可以使用 temporary chat 功能，保证其在没有任何记忆的情况下生成最新鲜的回答。 2. 当发现模型回答不理想时，可以采取以下技巧： 告诉模型忘掉之前的所有内容，重新提问或新建会话窗口。 让模型退一步，重新审视整个结构，从零开始设计。 对于像 Claude 这种会自己猜测的模型，如果不确定，可以给它看日志，让其依据日志判断问题所在。 3. 您可以参考 Hallucination Leaderboard （大语言模型幻觉排行榜），了解不同模型的幻觉情况，该排行榜使用 Vectara 的 Hughes 幻觉评估模型计算各大模型在总结文档时引入幻觉的频率，用于评估 LLM 的事实一致性，并为 RAG 系统提供参考。完整榜单可通过查看。 4. Claude APP 即将添加网页搜索和推理功能，这或许意味着新模型即将发布，预计发布时间在一两周内。
2025-03-06
你用的大模型是？
我所使用的大模型相关信息未明确告知。但为您介绍一下大模型的相关知识： 大模型指的是用于表达 token 之间关系的参数多，主要是指模型中的权重（weight）与偏置（bias），例如 GPT3 拥有 1750 亿参数，其中权重数量达到了这一量级，而词汇表 token 数只有 5 万左右。以 Transform 为代表的大模型采用自注意力（Selfattention）机制来学习不同 token 之间的依赖关系，生成高质量 embedding。 通俗来讲，大模型就是输入大量语料，来让计算机获得类似人类的“思考”能力，使之能够理解自然语言，能够进行“文本生成”“推理问答”“对话”“文档摘要”等工作。 大模型的训练和使用过程可以类比为“上学参加工作”： 1. 找学校：训练 LLM 需要大量的计算，因此 GPU 更合适，只有购买得起大量 GPU 的才有资本训练自己的大模型。 2. 确定教材：大模型顾名思义就是大，需要的数据量特别多，几千亿序列（Token）的输入基本是标配。 3. 找老师：即用什么样的算法讲述“书本”中的内容，让大模型能够更好理解 Token 之间的关系。 4. 就业指导：学完书本中的知识后，为了让大模型能够更好胜任某一行业，需要进行微调（fine tuning）指导。 5. 搬砖：就业指导完成后，下面就要正式干活了，比如进行一次翻译、问答等，在大模型里称之为推导（infer）。 在 LLM 中，Token 被视为模型处理和生成的文本单位。它们可以代表单个字符、单词、子单词，甚至更大的语言单位，具体取决于所使用的分词方法（Tokenization）。Token 是原始文本数据与 LLM 可以使用的数字表示之间的桥梁。在将输入进行分词时，会对其进行数字化，形成一个词汇表。比如：The cat sat on the mat，会被分割成“The”“cat”“sat”等的同时，会生成相应的词汇表。
2025-03-06
大模型调优
大模型调优的方法主要包括以下几个方面： 1. 更换大模型：例如从 ChatGLM26B 替换成 baichuan213b，针对特定场景，后者性能可能提升一倍左右。 2. 更换 embedding 模型：将默认的 embedding 模型如 LangChain Chatchat 的 m3ebase 替换为 bgelargezh，后者可能更优。 3. 测试不同 Top k 的值：比较 Top 5、Top 10、Top 15 的结果，发现 Top 10 时效果最优。 4. 对文档名称进行处理：人工对文件重命名，上传相同文件构建知识库，同时在构建时勾选【开启中文标题加强】选项，重命名文件对结果提升不明显，但勾选该选项后回答的无关信息减少，效果有所提升。 从产品视角考虑大模型调优，主要从以下两个维度分析问题： 1. Context optimization（上下文优化）：所创建的 LLM 应用若需要特定数据、系统和流程等预训练 LLM 中缺失的知识和信息，需进行上下文优化，如企业内部智能问答机器人，应将相关知识提供给大模型，RAG 是解决该问题的技术。 2. LLM optimization（大模型优化）：在进行足够的 prompt 工程后，若 LLM 应用在垂直领域表现仍不足或希望输出特定格式风格等稳定性不及预期，可考虑微调，且需与良好的 prompt 工程结合。 大模型的安全保障可通过对齐，也叫指令调优实现，包括监督微调、获取 reward model 与进行强化学习调整输出分布。但即使如 GPT4 和 Claude 等模型已几乎不回复危险问题，Alignment 仍不足以防护所有安全问题，存在越狱现象。LLAMA2 专门使用安全有监督微调确保语言模型安全。强化学习能让模型根据人类反馈调整分布，面对训练分布外数据也可能学会拒绝不当回答。
2025-03-06
写PPT用哪个大模型比较好
以下是关于写 PPT 可用的大模型及相关信息： 1. 在将 PPTX 格式文件转换为 MD 语言文本方面，Github 上有一个简单项目，可在此基础上接大模型做进一步开发。原项目地址：https://github.com/ssine/pptx2md 。 2. 对于自动 PPT 翻译脚本，推荐使用讯飞大模型。新账户免费送 200 万 tokens，有效期 3 个月。前期准备包括根据自己的 API 资源提前设置，如在 https://xinghuo.xfyun.cn/ 进行相关操作。 3. 关于 PPT 设计相关的 prompt： 主题聚焦：选择中心主题，围绕其设计每张幻灯片。 故事叙述：将内容想象成故事，每张幻灯片是一部分。 视觉元素：利用图片、图表和图标传达信息。 颜色与字体：选择匹配主题和内容的颜色和字体。 简洁表达：每张幻灯片少用文字，突出关键信息。 互动性：加入互动元素，如问答或观众参与活动。 案例分析：使用真实或假设案例说明观点。 对比与比较：通过对比强调观点。 未来视角：展示观点对未来的影响。 结论与行动：结尾清晰总结观点，提供行动指南。
2025-03-06