stable_diffusion

安装Stable Diffusion，确保你已经安装了git, 命令行下操作git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui 安装依赖环境，下载conda或miniconda, 安装conda后创建虚拟环境conda create –name webui python=3.10conda activate

cuda_amp

torch cuda amp cuda的混合精度torch.cuda.amp.autocast函数：自动将上下文中的计算步骤转换为 FP16 格式，并在计算完成后将结果转换回 FP32 格式，以保证数值精度。需要注意的是，autocast() 只会自动转换支持 FP16 格式的计算步骤，对于不支持 FP16 格式的计算步骤，仍然会使用 FP32 格式进行计算。另外，autocast() 需要与支

webui报错

升级Webui时报错如下时升级下gradio即可，pip install -U gradio 123456789101112131415161718192021222324252627282930313233343536373839404142434445Traceback (most recent call last): File "/user/stable-diffusion-we

lavis和transformers的冲突

salesforce的LAVIS包，https://github.com/salesforce/LAVIS是一个多模态的库，其中的BLIP2模块部分和huggingface的trasformers==4.27.1不兼容,不兼容部分是,原因是query_embeds被repeat了维度0两次，所以造成torch.cat拼接时冲突。 123456789101112131415lavis/models/

知识点总结

NLP方向总结-其它[NLP方向总结-其它.pdf] NLP方向总结-对比学习[NLP方向总结-对比学习.pdf] NLP方向总结-翻译[NLP方向总结-翻译.pdf] NLP方向总结-多模态[NLP方向总结-多模态.pdf] NLP方向总结-显存优化[NLP方向总结-显存优化.pdf] NLP方向总结-数据结构[NLP方向总结-数据结构.pdf] NLP方向总结-文本摘要[NLP方向

NLP项目和论文搜索

chatgpt

一、ChatGPT介绍1. 什么是ChatGPT?https://openai.com/blog/chatgpt/ 来自官网介绍： 我们已经训练了一个叫做ChatGPT的模型，它以对话的方式进行互动。对话的形式使ChatGPT有可能回答后续问题，承认自己的错误，挑战不正确的前提，并拒绝不适当的请求。ChatGPT是InstructGPT的兄弟姐妹模型，InstructGPT被训练成能够遵循提示

多模态项目记录

项目目的，根据给定的图片和标题，判断所属的商品是库中的哪个商品数据标注开发一个前后端，前端标注人员可以根据提供的关键字进行搜索，搜索通过后端调取爬虫平台，实时获取爬取结果，因为爬取不稳定，添加额外缓存系统，当爬取过一次后，可以直接读取缓存，用户也可以不读取缓存，用户标注的结果提交到后台的mongo中保存标注工具示例: 优化: 0. 提交按钮是浮动状态，方便用户下拉选中后也可以提交 1

一个transformers报错

前提我们在使用huggiface transformers时, 有时会报错transformers报错如下： 12 raise ValueError("got_ver is None")ValueError: got_ver is None 错误分析这是由于transformers使用时，会检查需要依赖的依赖包版本是否满足要求，使用的是importlib_metadat

满意度预测模型

更多信息参见公众号原文https://mp.weixin.qq.com/s/IHcioj1-i0HzloSQ3gu7tw 实现意义结果： 应该把提升用户满意度的钱花在哪个方面，即产品的哪个属性上，然后再哪个属性上应该提升多少，为提升客户对某产品的整体满意度，对用户评论进行分析，判断出用户对产品的哪些属性的满意度较差，提升哪些属性的产品满意度，能显著影响产品的整体满意度。 实现思路主要分为4个模型