个人技术分享

音频相关概念：数模转换、PCM数据与WAV文件详解

针对上面的第一点和第二点，其实我们是有解决方案的，我们可以在解析文案的时候，不是单纯的生成一段文本信息，而是生成一段带有布局/样式信息的。处理文本并将其绘制成图像的功能，我们还可以有改进的地方，这不是本篇文章的主要核心点，就不展开说明了。有对话的，文生图等。拥有活跃的社区和丰富的资源，包括教程、论坛和技术支持，为开发者提供了强大的支持体系。，可以构建强大的文档问答系统，用户可以对大型文档集进行自然语言查询，获取精确的答案。，可以构建复杂的对话系统，这些系统能够进行多轮对话，记住用户的偏好和历史对话内容。

simple chat pdf

在本次咖啡豆识别项目中，我们通过设置GPU、导入并预处理数据、构建深度学习模型，以及对模型进行训练和评估，实现了对咖啡豆图像的自动识别。整个过程涵盖了数据加载与可视化、数据集配置、模型构建与优化等关键步骤，最终显著提升了图像分类的准确性，同时也加深了我们对深度学习技术的实践理解。关于卷积的相关知识可以参考文章：https://mtyjkh.blog.csdn.net/article/details/114278995。在准备对模型进行训练之前，还需要再对其进行一些设置。方法将磁盘中的数据加载到。

GitHub - nesterapp/rasa-admin: An open-source alternative for Rasa-X小鸭子：ner_duckling(组件)查找表：lookup tables + ner_crf （可以是那种可列举的列表类型）

本文重点探讨了高精度时间同步技术在多传感器融合中的重要性。通过选择统一的时钟源和基于以太网的协议，确保多传感器数据在统一时间框架内准确处理，为自动驾驶系统提供了可靠的时间基准。

Pytorch1.9.0环境安装过程

选择对眼睛好的台灯时，我们需要考虑几个关键因素以确保光源对视力的友好性，如照度、频闪、蓝光等级等，高品质的护眼台灯能够模拟接近户外的自然光照效果，以补充室内环境中缺乏的自然光线。，实时捕捉环境光线，并转化成亮度、色温、柔和度等多维度数据，根据数据进行智能补偿，将照明光线始终维持在安全、不伤眼的适宜范畴，从光对人体视觉、生理、心理三大影响维达出发，无限趋近自然光，实现降低92%近视风险！让光线有一个良好的折射扩散，并扩大的照射范围，可以照亮1.3m的大桌面，照射出来的光线更加均匀。，能够提供更宽广的照明。

小程序对于生成式AI类目的产品上架审核较为严格，这也是近两年新增了几个类目，一旦小程序中涉及生成式AI相关的内容，如果你选择相应类目，但审核被划归为这一类，都需要准备此类目的审核，才能正常上架。资质文件到互联网信息服务算法备案系统中去查找，你使用哪个平台的，找对应的平台即可，截图下载，上传即可。以百度智能云为例，开通了相关模型的计费服务，相当于采购了服务，百度智能云提供对应的合同供使用者下载。找到合同管理，如果是第一次，点击申请合同，可以把合同下载下来打印，再盖上本公司的公章即可。

CNVSRC 2024由NCMMSC 2024组委会发起，清华大学、北京邮电大学、海天瑞声、语音之家共同主办。竞赛的目标是通过口唇动作来推断发音内容，进一步推动视觉语音识别技术的发展。视觉语音识别（也称为读唇技术）是一种通过观察唇部动作推断发音内容的技术，广泛应用于公共安全、辅助老年人和残疾人以及假视频检测等领域。

NLP学习路线

NLP学习路线

浅拷贝：copy()浅拷贝意味着创建一个新的对象，但是这个对象包含的元素仍然是原始对象中元素的引用。也就是说，如果原始对象中的元素是可变的（比如列表、字典等），那么在拷贝对象中修改这些元素会影响到原始对象。深拷贝：deepcopy()深拷贝会创建一个新的对象，并且递归地复制原始对象中的所有对象，因此新对象和原始对象是完全独立的。修改新对象中的元素不会影响原始对象。

NLP学习路线

【RLHF个人笔记】RLHF:Reinforcement Learning from Human Feedback具体过程RLHF训练的三个步骤步骤1：收集数据与有监督训练策略步骤2：收集数据训练奖励模型步骤3：结合奖励模型利用强化学习算法如PPO算法来优化策略参考内容

岩石种类有砾岩（Conglomerate）、安山岩（Andesite）、花岗岩（Granite）、石灰岩（Limestone）、石英岩（Quartzite）和5种，每种岩石图片各50张，共250张。定义：数据增强是利用现有数据生成新的数据来增加数据量的过程，能够有效地扩充训练数据集的大小，提高模型的泛化能力，同时也能够有效地防止过拟合现象的发生。注意自己python代码的文件引入路径（确保对应的路径下有对应的文件，我这里设置的是根目录下）使用save函数对训练好的模型进行保存，方便后续使用。

本节主要内容是关于基变换的，从一组基变换到另外一组基中，这是在实际应用中会遇到，我们会在项目中讲到因为基的变换而引申出来的信号压缩，图像压缩问题。本章的主题是线性变换与矩阵的关联，线性变换不一定是在坐标系中进行变换，矩阵用坐标来表示线性变换，图像压缩也存在基的变换。我们平常收到的视频图像是非常大的，我们在传输过程中不可能将原始图像进行传输，这样对于网络的负载太大了，我们需要将图像进行压缩打包后再发送，最后在我们显示的时候解压缩进行图像的还原，这样我们就能够高效的进行图像的传递和播放。

除了基本的文本内容生成功能，晓语台还提供了对话创作、自由扩写、文本润色、续写改写、内容翻译、文章校验、广告法检测等辅助创作功能，满足用户在创作过程中的各种需求。多样化的创作场景：晓语台覆盖了品牌与市场调研、商业媒体、社交媒体、搜索营销、数字广告和职场办公等六类全营销文本的高维创作场景，满足用户在各种行业、平台和职业中的文案创作需求。多种辅助创作功能：除了文本内容生成外，晓语台还提供了对话创作、自由扩写、文本润色、续写改写、内容翻译、文章校验、广告法检测等辅助创作功能，满足用户的不同需求。

“可图”大大降低了AI图像生成的使用门槛，提供了更好的使用体验。

全参 SFTLora SFTLora 继续预训练Llama pro 预训练 + SFT预训练数据：由SFT数据的Query 与 Answer 的拼接SFT数据：由GPT4根据垂域文档抽取问答对+人工挑选而来，大概20000条，其中包括公司的介绍自我认知数据：大概200条，从公开的自我认知数据整理而来匠数科技大模型sft数据集显卡训练框架基座模型Qwen1.5-7B1、全参微调学东西最快2、lora要学习垂域知识，得多训几个epoch才行，或者对数据集进行过采样。