人工智能-Tesla

AI is Life. We Are Empty.

累计撰写 327 篇文章
累计创建 107 个标签
累计收到 6 条评论

目录CONTENT

以下是人工智能相关的文章

2025-01-26
ollama and mac mini 4 deploy LLM，deepseek-r1 摘要：使用ollama在本地使用deepseek-r1等开源大模型 Ollama 是一个开源的大型语言模型服务工具，旨在帮助用户快速在本地运行大模型。通过简单的安装指令，用户可以通过一条命令轻松启动和运行开源的大型语言模型。它提供了一个简洁易用的命令行界面和服务器，专为构建大型语言模型应用而设计。
- 2025-01-26
- 31
- 0
- 0
- 人工智能
2024-12-31
MoE in hugging face 博客混合专家模型（MoE）详解稀疏 MoE 层: 这些层代替了传统 Transformer 模型中的前馈网络 (FFN) 层。MoE 层包含若干“专家”(例如 8 个)，每个专家本身是一个独立的神经网络。在实际应用中，这些专家通常是前馈网络 (FFN)，但它们也可以是更复杂的网络结构，甚至可以是 Mo
- 2024-12-31
- 8
- 0
- 0
- 人工智能
2024-12-31
可视化讲解MoE 原址：https://newsletter.maartengrootendorst.com/p/a-visual-guide-to-mixture-of-experts MoE的两个主要组件，即专家和
- 2024-12-31
- 14
- 1
- 0
- 人工智能
2024-12-30
MoE deepseek V3 🧠 671B MoE parameters 🚀 37B activated parameters 📚 Trained on 14.8T high-quality tokens 🔗 Dive deeper here: Model 👉 https://github.com/deepseek-a
- 2024-12-30
- 9
- 0
- 0
- 人工智能
2024-12-26
Pyramidal 中分辨率短视频生成 https://pyramid-flow.github.io/ https://huggingface.co/rain1011/pyramid-flow-sd3 效果
- 2024-12-26
- 5
- 0
- 0
- 人工智能
2024-12-18
学习：Transformer动画讲解 - 向量化（embedding） Transformer动画讲解 - 向量化从端到端的角度来看，数据在Transformer中的流转可以概括为四个阶段：Embedding（嵌入）、Attention（注意力机制）、MLPs（多层感知机）和Unembedding（从模型表示到最终输出万物皆可embedding | Blog
- 2024-12-18
- 5
- 0
- 0
- 人工智能
2024-12-17
学习：图像和文本多模态RAG指南
- 2024-12-17
- 8
- 0
- 0
- 人工智能
2024-12-16
RAG（retrieval-augmented generation） https://dev.amazoncloud.cn/column/article/66df9c04b4ce8063e0311cc7 模型微调的一个关键优势是：因为不涉及额外的检索步骤，它有可能在推理过程中提高性能并降低延迟。这使得微调模型非常适合低延迟和高吞吐量至关重要的场景，例如实时对话式 AI
- 2024-12-16
- 9
- 0
- 0
- 人工智能
2024-12-10
2024年亚马逊云科技全面加码AI生产力【硅谷101】 3nm AI芯片、上百模型、最大集群，亚马逊云科技全面加码AI生产力【硅谷101】_哔哩哔哩_bilibili 亚马逊云科技在2024年re:Invent大会上宣布了
- 2024-12-10
- 6
- 0
- 0
- 人工智能
2024-12-08
2023Year亚马逊云科技全面押注企业级生成式AI (9) 四万亿美元增量机会，亚马逊云科技全面押注企业级生成式AI：更开放、更全面和更“俭约“ - YouTube
- 2024-12-08
- 4
- 0
- 0
- 人工智能

1
2
3
4
5
6