最新章節

• 7.3.3 構建值得信賴的AI未來
• 7.3.2 在大語言模型中建立防護欄
• 7.3.1 Responsible AI在大語言模型應用開發中的應用
• 7.3 一般性解決方案
• 7.2.5 可解釋性和透明度
• 7.2.4 模型操縱

• 7.3.3 構建值得信賴的AI未來 更新時間：2024-12-12 17:58:30
• 7.3.2 在大語言模型中建立防護欄
• 7.3.1 Responsible AI在大語言模型應用開發中的應用
• 7.3 一般性解決方案
• 7.2.5 可解釋性和透明度
• 7.2.4 模型操縱
• 7.2.3 提示注入/防御
• 7.2.2 內容審查/有害內容
• 7.2.1 數據泄露
• 7.2 數據模型角度的分析
• 7.1.3 隱私
• 7.1.2 偏見與公平性
• 7.1.1 質量與性能
• 7.1 常見的生成式AI倫理道德問題
• 第7章 生成式AI倫理道德
• 6.5.3 新型醫療保健公司的市場
• 6.5.2 應用場景
• 6.5.1 解決醫療資源獲取和成本的問題
• 6.5 在健康領域的應用
• 6.4.4 AI在教育中的挑戰與局限性
• 6.4.3 賦能教師端
• 6.4.2 教育內容創新
• 6.4.1 學習體驗定制
• 6.4 教育應用
• 6.3.5 挑戰
• 6.3.4 動態預測和報告
• 6.3.3 風險管理
• 6.3.2 合規
• 6.3.1 個性化的消費者體驗
• 6.3 金融應用
• 6.2.2 定制化設計方法
• 6.2.1 創新廣告策略
• 6.2 商業廣告設計
• 6.1.3 多媒體內容創作
• 6.1.2 文本和視頻結合
• 6.1.1 文本與圖像結合
• 6.1 跨媒體內容創作
• 第6章 生成式AI行業應用
• 5.5.6 視頻生成的挑戰
• 5.5.5 視頻生成工具
• 5.5.4 視頻優化
• 5.5.3 視頻生成實踐
• 5.5.2 視頻生成的原理
• 5.5.1 簡介
• 5.5 視頻生成
• 5.4.3 關鍵原理解釋
• 5.4.2 運行示例
• 5.4.1 配置流程
• 5.4 3D生成：Stable Diffusion和Generative Gaussian Splatting方法
• 5.3.3 使用ModelScope
• 5.3.2 使用Transformer
• 5.3.1 配置教程
• 5.3 使用Transformer處理多模態大語言模型
• 5.2.3 部署項目
• 5.2.2 用戶使用指南
• 5.2.1 頁面介紹
• 5.2 智能填表QuickFill
• 5.1.2 應用與部署
• 5.1.1 核心技術
• 5.1 文本轉博客
• 第5章 生成式AI開源應用案例
• 4.8 小結
• 4.7.5 有聊天歷史的鏈條
• 4.7.4 情境化問題
• 4.7.3 沒有聊天歷史的鏈條
• 4.7.2 構建環境
• 4.7.1 高級應用示例——添加聊天記錄
• 4.7 高級RAG應用程序
• 4.6.5 調用Agent
• 4.6.4 構建Agent
• 4.6.3 創建提示
• 4.6.2 創建工具
• 4.6.1 搭建Agent
• 4.6 Agent基礎應用
• 4.5.3 詳細分析
• 4.5.2 設置
• 4.5.1 RAG架構
• 4.5 RAG基礎應用
• 4.4.2 常用方式
• 4.4.1 基礎原理
• 4.4 LCEL的使用示例
• 4.3 LCEL入門
• 4.2.3 Agent
• 4.2.2 Retrieval
• 4.2.1 Module I/O
• 4.2 LangChain關鍵組件
• 4.1.2 使用LangChain構建AI Agent示例
• 4.1.1 LangChain架構
• 4.1 LangChain與AI Agent簡介
• 第4章 LangChain與AI Agent
• 3.7 小結
• 3.6.6 控制圖像生成
• 3.6.5 串聯修復pipeline
• 3.6.4 配置pipeline參數
• 3.6.3 非特定修復的checkpoint
• 3.6.2 常用的模型
• 3.6.1 使用Diffusers進行圖像修復
• 3.6 圖像修復
• 3.5.5 控制圖像生成
• 3.5.4 鏈式圖像到圖像pipeline
• 3.5.3 配置pipeline參數
• 3.5.2 流行的模型
• 3.5.1 快速入門
• 3.5 圖生圖
• 3.4.4 優化操作
• 3.4.3 控制圖像生成
• 3.4.2 配置pipeline參數
• 3.4.1 流行的模型
• 3.4 文生圖
• 3.3.4 制作視頻：用AI賦予畫面動態生命
• 3.3.3 圖像編輯：用AI技術重塑視覺記憶
• 3.3.2 圖生圖：Stable Diffusion的圖像轉換魔法
• 3.3.1 從文本生成圖像：用文字描繪視覺世界
• 3.3 Stable Diffusion的基礎應用
• 3.2.5 Stable Diffusion的內部結構
• 3.2.4 Stable Diffusion理論的實際應用
• 3.2.3 可視化Stable Diffusion的內部工作機制
• 3.2.2 加載Stable Diffusion
• 3.2.1 前期準備
• 3.2 Stable Diffusion入門
• 3.1.5 高級功能
• 3.1.4 基礎操作
• 3.1.3 安裝步驟
• 3.1.2 計算機配置要求
• 3.1.1 軟件對比
• 3.1 Stable Diffusion簡介
• 第3章 Stable Diffusion
• 2.6.3 實際應用中的挑戰
• 2.6.2 具體應用
• 2.6.1 transformers庫
• 2.6 案例三：文本分類
• 2.5.5 推理
• 2.5.4 微調模型
• 2.5.3 預處理數據
• 2.5.2 加載數據集
• 2.5.1 安裝
• 2.5 案例二：文本總結
• 2.4.5 推理
• 2.4.4 訓練
• 2.4.3 預處理
• 2.4.2 加載ELI5數據集
• 2.4.1 初始化
• 2.4 案例一：文本生成
• 2.3.3 ChatGPT使用技巧
• 2.3.2 ChatGPT操作方法
• 2.3.1 注冊ChatGPT賬號
• 2.3 如何使用ChatGPT
• 2.2.3 擴展閱讀
• 2.2.2 GPT模型的核心技術
• 2.2.1 GPT模型的歷史背景
• 2.2 GPT模型基礎
• 2.1.5 擴展閱讀
• 2.1.4 資源與工具
• 2.1.3 變種與擴展
• 2.1.2 關鍵技術
• 2.1.1 基本概念
• 2.1 Transformer簡介
• 第2章 Transformer和GPT模型
• 1.4 小結
• 1.3.2 常見任務
• 1.3.1 數據類型
• 1.3 數據和任務
• 1.2.2 生成式模型
• 1.2.1 判別式模型
• 1.2 常見模型介紹
• 1.1.5 擴展閱讀
• 1.1.4 Hugging Face
• 1.1.3 PyTorch
• 1.1.2 TensorFlow
• 1.1.1 Python
• 1.1 技術框架介紹
• 第1章 生成式AI基礎
• 關于異步社區和異步圖書
• 與我們聯系
• 提交勘誤信息
• 資源獲取
• 資源與支持
• 勘誤信息
• 擴展學習資源
• 本書配套學習資源
• 學習建議
• 本書讀者對象
• 本書主要內容
• 常見應用
• 技術概述
• 前言
• 內容提要
• 版權
• 版權信息
• 封面

• 封面
• 版權信息
• 版權
• 內容提要
• 前言
• 技術概述
• 常見應用
• 本書主要內容
• 本書讀者對象
• 學習建議
• 本書配套學習資源
• 擴展學習資源
• 勘誤信息
• 資源與支持
• 資源獲取
• 提交勘誤信息
• 與我們聯系
• 關于異步社區和異步圖書
• 第1章 生成式AI基礎
• 1.1 技術框架介紹
• 1.1.1 Python
• 1.1.2 TensorFlow
• 1.1.3 PyTorch
• 1.1.4 Hugging Face
• 1.1.5 擴展閱讀
• 1.2 常見模型介紹
• 1.2.1 判別式模型
• 1.2.2 生成式模型
• 1.3 數據和任務
• 1.3.1 數據類型
• 1.3.2 常見任務
• 1.4 小結
• 第2章 Transformer和GPT模型
• 2.1 Transformer簡介
• 2.1.1 基本概念
• 2.1.2 關鍵技術
• 2.1.3 變種與擴展
• 2.1.4 資源與工具
• 2.1.5 擴展閱讀
• 2.2 GPT模型基礎
• 2.2.1 GPT模型的歷史背景
• 2.2.2 GPT模型的核心技術
• 2.2.3 擴展閱讀
• 2.3 如何使用ChatGPT
• 2.3.1 注冊ChatGPT賬號
• 2.3.2 ChatGPT操作方法
• 2.3.3 ChatGPT使用技巧
• 2.4 案例一：文本生成
• 2.4.1 初始化
• 2.4.2 加載ELI5數據集
• 2.4.3 預處理
• 2.4.4 訓練
• 2.4.5 推理
• 2.5 案例二：文本總結
• 2.5.1 安裝
• 2.5.2 加載數據集
• 2.5.3 預處理數據
• 2.5.4 微調模型
• 2.5.5 推理
• 2.6 案例三：文本分類
• 2.6.1 transformers庫
• 2.6.2 具體應用
• 2.6.3 實際應用中的挑戰
• 第3章 Stable Diffusion
• 3.1 Stable Diffusion簡介
• 3.1.1 軟件對比
• 3.1.2 計算機配置要求
• 3.1.3 安裝步驟
• 3.1.4 基礎操作
• 3.1.5 高級功能
• 3.2 Stable Diffusion入門
• 3.2.1 前期準備
• 3.2.2 加載Stable Diffusion
• 3.2.3 可視化Stable Diffusion的內部工作機制
• 3.2.4 Stable Diffusion理論的實際應用
• 3.2.5 Stable Diffusion的內部結構
• 3.3 Stable Diffusion的基礎應用
• 3.3.1 從文本生成圖像：用文字描繪視覺世界
• 3.3.2 圖生圖：Stable Diffusion的圖像轉換魔法
• 3.3.3 圖像編輯：用AI技術重塑視覺記憶
• 3.3.4 制作視頻：用AI賦予畫面動態生命
• 3.4 文生圖
• 3.4.1 流行的模型
• 3.4.2 配置pipeline參數
• 3.4.3 控制圖像生成
• 3.4.4 優化操作
• 3.5 圖生圖
• 3.5.1 快速入門
• 3.5.2 流行的模型
• 3.5.3 配置pipeline參數
• 3.5.4 鏈式圖像到圖像pipeline
• 3.5.5 控制圖像生成
• 3.6 圖像修復
• 3.6.1 使用Diffusers進行圖像修復
• 3.6.2 常用的模型
• 3.6.3 非特定修復的checkpoint
• 3.6.4 配置pipeline參數
• 3.6.5 串聯修復pipeline
• 3.6.6 控制圖像生成
• 3.7 小結
• 第4章 LangChain與AI Agent
• 4.1 LangChain與AI Agent簡介
• 4.1.1 LangChain架構
• 4.1.2 使用LangChain構建AI Agent示例
• 4.2 LangChain關鍵組件
• 4.2.1 Module I/O
• 4.2.2 Retrieval
• 4.2.3 Agent
• 4.3 LCEL入門
• 4.4 LCEL的使用示例
• 4.4.1 基礎原理
• 4.4.2 常用方式
• 4.5 RAG基礎應用
• 4.5.1 RAG架構
• 4.5.2 設置
• 4.5.3 詳細分析
• 4.6 Agent基礎應用
• 4.6.1 搭建Agent
• 4.6.2 創建工具
• 4.6.3 創建提示
• 4.6.4 構建Agent
• 4.6.5 調用Agent
• 4.7 高級RAG應用程序
• 4.7.1 高級應用示例——添加聊天記錄
• 4.7.2 構建環境
• 4.7.3 沒有聊天歷史的鏈條
• 4.7.4 情境化問題
• 4.7.5 有聊天歷史的鏈條
• 4.8 小結
• 第5章 生成式AI開源應用案例
• 5.1 文本轉博客
• 5.1.1 核心技術
• 5.1.2 應用與部署
• 5.2 智能填表QuickFill
• 5.2.1 頁面介紹
• 5.2.2 用戶使用指南
• 5.2.3 部署項目
• 5.3 使用Transformer處理多模態大語言模型
• 5.3.1 配置教程
• 5.3.2 使用Transformer
• 5.3.3 使用ModelScope
• 5.4 3D生成：Stable Diffusion和Generative Gaussian Splatting方法
• 5.4.1 配置流程
• 5.4.2 運行示例
• 5.4.3 關鍵原理解釋
• 5.5 視頻生成
• 5.5.1 簡介
• 5.5.2 視頻生成的原理
• 5.5.3 視頻生成實踐
• 5.5.4 視頻優化
• 5.5.5 視頻生成工具
• 5.5.6 視頻生成的挑戰
• 第6章 生成式AI行業應用
• 6.1 跨媒體內容創作
• 6.1.1 文本與圖像結合
• 6.1.2 文本和視頻結合
• 6.1.3 多媒體內容創作
• 6.2 商業廣告設計
• 6.2.1 創新廣告策略
• 6.2.2 定制化設計方法
• 6.3 金融應用
• 6.3.1 個性化的消費者體驗
• 6.3.2 合規
• 6.3.3 風險管理
• 6.3.4 動態預測和報告
• 6.3.5 挑戰
• 6.4 教育應用
• 6.4.1 學習體驗定制
• 6.4.2 教育內容創新
• 6.4.3 賦能教師端
• 6.4.4 AI在教育中的挑戰與局限性
• 6.5 在健康領域的應用
• 6.5.1 解決醫療資源獲取和成本的問題
• 6.5.2 應用場景
• 6.5.3 新型醫療保健公司的市場
• 第7章 生成式AI倫理道德
• 7.1 常見的生成式AI倫理道德問題
• 7.1.1 質量與性能
• 7.1.2 偏見與公平性
• 7.1.3 隱私
• 7.2 數據模型角度的分析
• 7.2.1 數據泄露
• 7.2.2 內容審查/有害內容
• 7.2.3 提示注入/防御
• 7.2.4 模型操縱
• 7.2.5 可解釋性和透明度
• 7.3 一般性解決方案
• 7.3.1 Responsible AI在大語言模型應用開發中的應用
• 7.3.2 在大語言模型中建立防護欄
• 7.3.3 構建值得信賴的AI未來 更新時間：2024-12-12 17:58:30