Peanut🥜

人工智能基础杨杰 黄晓霖 高岳 乔宇 屠恩美 绪论AlphaGo 的核心是两种不同的深度神经网络，即值网络（Value Network）和策略网络（Policy Network）。 值网络负责减少搜索的深度 策略网络负责减少搜索的宽度 布尔、哥德尔、图灵、莫克利、冯·诺依曼、麦卡锡 1956 人工智能一词正式提出 1969 第一届国际人工智能联合会议（International Joint Conference on AI，IJCAI）召开，此后两年一次。 1970 年《人工智能》国际杂志（International Journal of AI）创刊。 1980 XCON，一种专家系统。可以简单理解为“知识库+推理机”的组合。 20 世纪 90 年代以来，专家系统，机器翻译，机器视觉和问题求解等方面的研究已经开始应用。 学派 符号学派（逻辑学派、心理学派、计算机学派），认为人对世界的认知基元是符号，认知过程即符号操作过程。研究内容是基于逻辑的知识表示和推理机制。 联结学派（仿生学派、生理学派）认为人工智能源于仿生学，特别是人脑模型的研究。该学派的原理主要为神经网络及神经网络间的连接机制 ...

多模态大模型读书笔记多模态大模型——新一代人工智能技术范式 刘阳 林倞 著 序1956——1976 符号主义（逻辑主义）发展 1976——2006 联结主义发展 2006——至今，深度神经网络 2012开始 人脸识别为代表的计算机视觉发展 2022开始 ChatGPT为代表的大语言模型发展 多模态大模型的技术分支 自然语言处理 计算机视觉 机器人和具身智能 大模型全家桶预训练语言模型（Pretrained Language Model，PLM），通过在大规模数据库上训练获得了解决各类自然语言处理（Natural Language Processing，NLP）任务的能力 当参数规模超过一定水平，更大的语言模型获得了显著的性能提升，涌现出小模型不具备的能力，如上下文学习。为了与PLM区分，这类模型被称为大语言模型（Large LAnguage Model，LLM）。 BERT 的成功催生了 CV 社区的SimCLR、MoCo、BEiT、MAE。 多模态基础模型旨在解决三个代表性问题： 视觉理解任务 视觉生成任务 语言理解和生成相结合的通用接口 由于大规模的图像文本数据的出现 ...

《网络动画 Animate 制作与表现》讲了网络动画的发展，Animate 的使用和动画制作的步骤。挺有趣的，这里对最后一章做下笔记。 Animate 动画基本制作流程前期：剧本创作，角色设计、场景设计，分镜头设计； 中期：制作元件、编辑动画； 后期：合成、配音、生成影片。 前期制作一、剧本创作首先，要有一个基本的包含浓缩的完整故事的构思，并且标明故事的主角，包括构成故事的冲突——发展——结局。然后，将上述提到的基本故事构成扩展成一个叙事大纲，其中含有大量的细节，并且有明确的故事发展情节。接下来，分场提纲，即影片逐场所叙事提纲，它允许作者控制节奏和速度，最后，是剧本初稿，接着是第二稿，直到最后定稿。大约每分钟一张。 二、角色设计和场景设计动画片不但需要紧凑的节奏、丰富的表现力，还必须有自己的影片风格。因此角色和场景造型设计就显得尤为重要。以经典二维动画片《千与千寻》为例，片中的角色设计与场景设计均根据剧情需要进行设计，贪婪且自私的汤婆婆是人与鹰的结合体、锅炉爷爷的六只手臂能够自由伸缩、无脸男戴着面具显得非常神秘、“汤屋”中客人们的形态不一等，这一切构成了影片光怪陆离的奇妙幻境，深深吸引 ...

计算机科学导论课程链接 https://www.bilibili.com/video/BV1Hr421F7VC/ 0-Scratch事件通常是指在计算机程序中发生的图形化或交互式的操作 好快乐的课 1-Ccreepy 毛骨悚然的 “终端窗口实际上就是你访问云端服务器的命令行界面。专业术语叫做”容器“，你们每个人在云端都有自己的容器，就像你们自己的电脑一样，运行在互联网上的某个地方，你有你自己的用户名和密码，可以访问你自己的“硬盘”（也就是你的主文件夹），里面存放着你上课的所有文件。除非你开启实时共享，否则只有你能访问。” ls 命令是 list 的缩写。 mv 代表 move，可以用来重命名。 cd, change into? 2-Arraysclang -o hello hello.c clang -o hello hello.c -lcs50 C 语言中，以 # 开头的部分称为预处理指令（pre processor directive） spooky /ˈspuːki/，诡异的，阴森的，瘆人的 preprocessing compiling assemblin ...

人性的弱点不做点笔记总觉得少了点什么（ 如何消除忧虑🍖揭开忧虑之谜🧁亚里士多德： 查清忧虑的真相 分析这些真相 做出决断后立即付诸行动 第一步是最重要的，很多事情完成了第一步就不会忧虑了 🍖不畏将来，不念过去🧁 关注脚下，向自己发问： 我是否在为将来的日子而忧虑，或者在向往远方的玫瑰园？ 我是否会时常把往事追悔，把昨天的重负放在今日？ 早晨起床时，我是否决心“把握住今日”？ 生活在“今天独立的隔舱”里，我的生活是否会更加丰富多彩？ 何时执行这个忠告？明天，下周，还是就在今天？ 🍖 消除忧虑的万能公式 设想一下最坏的结局是什么？ 做出最坏打算后，做好勇敢接受这个结局的准备。 内心保持平静，集中精力，改变那最坏的结果。 🍖忧虑是健康的大敌“不知道怎样消除忧虑的人容易过早地去世” 忧虑可能导致胃溃疡？ 🍖驱逐思想中的忧虑让自己忙起来 “你最容易受到忧虑伤害的时候，不是在你的一天的工作行动的时候，而是在工作做完了之后。因为那时，你的思想会混乱起来，容易让你胡思乱想，会把你曾经出现过的每一个小错误都加以夸大。在这个时候，你的思想就像一部空载的车子，会不顾一切地乱冲乱撞，甚至自 ...

今天看了看招聘信息记录一下各类算法岗到底要求什么东西 字节跳动视频生成算法工程师-Seed 1、参与视频生成基础模型相关结构的研究和开发，包括：VAE，MOE，Dynamic Attention，Streaming Multimodal Model； 2、参与视频生成全流程的研究和开发，包括：Data，Scaling Recipe，SFT，RLHF。 正式岗位似乎只收博士 1）图片/视频生成扩散模型； 2）视觉自监督学习/表示学习/生成理解统一； 3）动态模型结构设计； 4）大规模训练经验、SFT或RLHF经验； 多模态世界模型算法专家-Top Seed 只收博士 ACM/ICPC、NOI/IOI、Top Coder、Kaggle等比赛获奖者优先； 在CVPR、ECCV、ICCV、NeurIPS、ICLR、SIGGRAPH或SIGGRAPH Asia等顶级会议上发表论文者优先； 在多模态、大模型、基础模型、世界模型、RL、渲染生成领域，主导过大影响力项目者优先。 图片生成算法工程师-Seed 2、在计算机视觉一个或多个领域的研究 ...

概览📖 RAG 是什么？Retrieval-Augmented Generation，检索增强生成。顾名思义，用检索到的信息增强大模型生成的内容，可能是增强准确性，也可能为了增强多样性，总之就是在增强这个大模型的回答。 这项技术可以帮你构建一个更专业的“智能客服”，“知识助手”。 ⚙️ 原理 检索 (Retrieval) 在大模型生成答案前，先从外部知识库（例如数据库、文档集合、向量库、甚至互联网）里检索和问题相关的资料。 增强 (Augmented) 把这些检索到的资料作为上下文信息，拼接到用户输入里，提供给大模型。 生成 (Generation) 大模型再基于用户问题 + 外部资料，生成更准确、知识更新的回答。 🌟 为什么需要 RAG？ 解决 LLM “知识过时” 的问题：大模型的知识是训练时固化的，RAG 可以实时接入外部数据。 **减少幻觉 (hallucination)**：模型少“瞎编”，因为它有真实的参考资料。 灵活可控：你可以决定接入什么知识库，比如企业文档、论文库、代码库等。 📌 应用场景 智能问答系统（比如企业知识库问答、学术论文助手） 法律& ...

VOICEVOX 是一个高质量的语音合成平台,它使用了最新的人工智能技术来生成自然而流畅的语音。

论文翻译Conditional Variational Autoencoder with Adversarial Learning for End-to-End Text-to-Speech用于端到端语音合成的条件变分自编码器与对抗学习摘要近年来，已有多种端到端的文本到语音（TTS）模型被提出，它们支持单阶段训练和并行采样，但其生成的语音质量仍不及传统的两阶段TTS系统。在本研究中，我们提出了一种并行的端到端TTS方法，其生成的语音比现有的两阶段模型更自然。我们的方法采用了结合正规化流（normalizing flows）的变分推断，并引入了对抗训练过程，从而提升了生成模型的表达能力。我们还提出了一种随机时长预测器（stochastic duration predictor），可以从输入文本中合成出节奏多样的语音。通过对潜在变量的不确定性建模以及随机时长预测器，我们的方法能够体现自然存在的“一对多”关系——即同一段文本可以以不同的语调和节奏被表达。我们在单说话人数据集LJ Speech上进行了主观人类评价（平均意见评分，MOS），结果显示我们的方法优于目前公开可用的最佳TTS系统，并且 ...

https://www.bilibili.com/video/BV1PD4y1B77q/ CAM类激活热力图，缺点： 必须有 GAP 层（全局平均池化）才可以应用该算法 只能分析最后一层卷积层输出，无法分析中间层 GradCAMpytorch-grad-cam ，GitHub上的一个仓库，可以参考 优点： 不需要重新训练网络了（不需要加上 GAP 层） 可以分析任意中间层 数学上是原生 CAM 的推广 细粒度图像分类，Machine teaching 缺点： 图像上有多个同类物体时，只能画出一张热力图 不同位置的梯度值，GAP 平均之后，影响是相同的（中心的像素应该比边缘更重要才对） 梯度饱和，梯度消失，梯度噪声 权重大的 channel，不一定对类别预测分数贡献大 只考虑从后往前反向传播梯度，没考虑前向预测的影响 深层生成的粗粒度热力图和浅层生成的细粒度热力图都不够精准 LIME超像素分割成多个块，分别做分类，看看哪个块影响大