【开源项目】ai-good-for-nothing

1

文章目录 前言 关于GPT-2 各个版本的GTP-2 中文版GTP-2 语料链接 15亿参数版GPT-2 OpenGPT-2 前言 GPT-2这个名字不知有多少人知道。但有很多人应该都知道埃隆 • 马斯克的OpenAI吧。 OpenAI，由诸多硅谷大亨联合建立的人工智能非营利组织。2015年马斯克与其他硅谷科技大亨进行连续对话后，决定共同创建OpenAI，希望能够预防人工智能的灾难性影响，推动人...

本文旨在为AI从业者和爱好者提供一份全面的弱监督学习开源资源指南，涵盖从基础理论到实践应用的完整知识体系。我们将重点关注那些能够帮助开发者减少数据标注成本、提高模型训练效率的开源工具和框架。本文将首先介绍弱监督学习的核心概念，然后详细分析其工作原理，接着推荐一系列实用的开源工具，最后通过实际案例展示如何应用这些工具解决现实问题。弱监督学习(Weakly Supervised Learning)：使用不完整、不精确或噪声较大的标注数据进行模型训练的学习范式。

On-Device Neural Net Inference with Mobile GPUs

为用户提供专业知识的学习路径安排。

文 / 林顺 Cocos2D-HTML5是基于HTML5规范集的Cocos2D引擎的分支，于2012年5月发布。Cocos2D-HTML5的作者林顺将在本文中介绍Cocos2D-HTML5的框架、API、跨平台能力以及强大的性能。Cocos2D-HTML5是Cocos2D系列引擎随着互联网技术演进而产生的一个分支。该分支基于HTML5规范集，目标是可对游戏进行跨平台部署。Cocos2D-HTML...

只接受开源项目(符合OSD定义)* 不接受C++相关内容* 优先处理标记为'help wanted'的issue* 可贡献优质资源或移除失效/低质量内容更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）公众号二维码。

【国产异构加速卡】快速体验LLaMA-Factory 私有化部署和高效微调Llama3模型

NSIS Patch GeneratorThe nsisPatchGen utility recursively compares two directory structures looking for changes to the files and subdirectories. It produces an NSIS include file c

今天的主人翁，不是这个潘多拉宝盒，而是一个来自携住酒店的AI管家----潘多拉。 在我看来，这个所谓的AI管家，实际上就是一个打通了酒店PMS的语音机器人而已。 这个管家设备是由云知声帮其打造的，设备的硬件没有拆解，但是从系统的分析来看，就是一个带了屏幕的Android平板，结合云知声的语音平台和携住酒店方面的优势，共同合作开发的一个产品，产品的硬件已经不是很重要了，这里用的是国产的全志芯...

这次实验最大的收获是：与其在规则里“猜”爬虫长什么样，不如把判断逻辑外置到一个能持续学习的边缘节点。群联的清洗中心提供了实时封禁 API，让我们可以把模型结果直接落地，而不用改一行业务代码——这比传统“先打日志、再人工加黑名单”的节奏快了整整一个量级。

门控循环单元（GRU, Gated Recurrent Unit）是循环神经网络（RNN）的一种改进结构，由 Cho 等人在 2014 年提出。它和 LSTM 一样，旨在解决RNN 的梯度消失和梯度爆炸问题，同时能够建模长距离依赖信息。与 LSTM 相比，GRU 结构更简洁，参数更少，计算效率更高。GRU 是 LSTM 的简化版，在很多任务上能取得相似甚至更好的效果。优点：计算效率高、参数量少、适合大规模训练。缺点：缺少独立记忆单元，在极长序列任务中可能稍逊于 LSTM。在实际应用中，

本文记录了基于HuggingFace Transformers最新master分支对Qwen2模型的学习过程。主要内容包括：1) 开发环境搭建（Python 3.11、PyTorch CPU版）；2) 模型测试代码实现，通过调参创建轻量级配置；3) 核心架构分析，包括分词编码、DecoderLayer处理流程（RMSNorm归一化、自注意力机制、前馈网络）和分组查询注意力机制；4) Qwen2的三大优化点：RMSNorm计算优化、RoPE位置编码和GQA注意力机制；5) 开发中遇到的版本依赖问题及解决方法。

从基础功能到自主决策：Agent 开发进阶之路

正文详见：7.3 使用 LangChain 搭建本地 RAG 应用。

数据库审计

本文介绍了在Paddle3D中使用PETRv1模型进行3D物体检测的完整流程。首先通过Docker配置标准测试环境，安装Paddle3D并下载预训练权重。然后准备NuScenes迷你数据集，生成所需的注解文件。接着对原始模型进行精度测试，获取mAP、NDS等关键指标。最后将训练好的模型导出为推理格式，便于后续部署。文章详细说明了每个步骤的操作命令和参数含义，特别对精度测试结果中的各项指标进行了专业解读，帮助读者理解模型性能评估标准。整个流程涵盖了从环境搭建到最终模型导出的全链路操作，为3D目标检测任务提供了