杨文龙的博客 » AI应用领域 - 个人技术笔记 - 热爱创新发明，专注机器学习、算法、深度学习、自然语言处理及人工智能

stylegan Ubuntu env setup

发布时间：2024-03-02 栏目：AI应用领域, GPU, VideoConference, 人工智能, 元宇宙, 图像处理, 机器视觉评论：0 Comments

Check the python, pytorch and Ubuntu version in conda env: python –version conda list pytorch lsb_release -a gcc –version 看CUDA版本的方法有多种，通过命令行查看。打开命令提示符（CMD），输入`nvcc -V`或`nvcc –v...

一些有趣的LLM试用网站

发布时间：2023-11-06 栏目：AI应用领域, LLM, 人工智能评论：0 Comments

Fast Stable Diffusion – a Hugging Face Space by prodia Zephyr Chat – a Hugging Face Space by HuggingFaceH4 Wonder3D – a Hugging Face Space by flamehaze1115 Image Animation Using Thin Plate Spline Motion Model...

关于LLM使用方式的一些总结

发布时间：2023-10-31 栏目：AI应用领域, LLM, 人工智能评论：0 Comments

目前总结下来ChatGPT运行比较好的一些方面： – 作为新信息的查询来源，类似于搜索引擎或者客服的角色 – 写初步的代码，比如Github copilot – 会议总结、文档初稿、信息提要等功能 – 免费的专家系统，可以咨询或者顾问任...

处理时间与延迟时间

发布时间：2023-10-19 栏目：ADAS, AI应用领域, VideoConference, 元宇宙, 图像处理, 机器视觉, 模型加速或优化评论：0 Comments

在自动驾驶辅助驾驶的视觉感知，以及视频通讯特效领域都有碰到这两个概念的区分。在视频通讯的特效领域要区分处理时间与延迟时间： – 每一个视频处理模块的处理时间要达到实时，一般需要保持在30ms以内，如果大于这个值，就需要掉...

RT-2: Vision-Language-Action Models Transfer Web Knowledge to Robotic Control

发布时间：2023-07-29 栏目：LLM, 机器人评论：0 Comments

RT-2: Vision-Language-Action Models Transfer Web Knowledge to Robotic Control RT-2: Vision-Language-Action Models (robotics-transformer2.github.io)

Bloom

发布时间：2023-05-14 栏目：AI应用领域, LLM, 人工智能评论：0 Comments

BLOOM is an autoregressive Large Language Model (LLM), trained to continue text from a prompt on vast amounts of text data using industrial-scale computational resources. As such, it is able to output coherent text in 46 langua...

针对最近LLM观点的几点个人看法

发布时间：2023-05-04 栏目：AI应用领域, LLM, 人工智能, 感悟评论：0 Comments

针对最近一些思想的几点个人看法（仅代表个人观点）： – 涌现只是现象，不是本质原因也不是科学解释，个人不赞同无脑的把未知的东西都简单归结为涌现 – AI带来的生产力的大幅提升，其冲击力仍需消化，可能极大的改变我们未来几十年...

Learning Agile Soccer Skills for a Bipedal Robot with Deep Reinforcement Learning

发布时间：2023-05-04 栏目：AI应用领域, 人工智能, 机器人评论：0 Comments

OP3 Soccer (google.com)

芯片设计流程

发布时间：2023-04-05 栏目：机器人, 芯片设计评论：0 Comments

参考：https://blog.csdn.net/qq_36045093/article/details/124659801 EDA是电子设计自动化（Electronics Design Automation）的缩写，在20世纪60年代中期从计算机辅助设计（CAD）、计算机辅助制造（CAM）、计算机辅助测试（CAT）和计算...

目前自动驾驶中仍然待解决的一些问题

发布时间：2023-03-22 栏目：ADAS, 深度学习评论：0 Comments

上个周末试乘了滴滴的无人驾驶出租车，感觉确实离落地很近了，一时间自己也说不上来有什么具体的问题，一切似乎很完美了，但是真的如此吗？我也不确定，不妨列举一些目前看下来，个人觉得仍然有些风险的点：确定的风险点： – negotiatin...

Textual Inversion vs. Dreambooth

发布时间：2023-03-01 栏目：AI应用领域, 人工智能, 元宇宙, 图像处理, 机器视觉评论：0 Comments

Textual Inversion 从 SD 已知的内容中挖掘给定的输入。Dreambooth 将所需内容插入到输出中。那么在实践中有什么区别呢？ Textual Inversion 不会在系统中插入“新数据”，它只提供更好的向导以便找到所需内容。Dreambooth 需要插入且只插入所需的...

AI videos

发布时间：2023-02-22 栏目：AI应用领域, 人工智能, 元宇宙, 图像处理, 机器视觉, 深度学习评论：0 Comments

Gen-1 by Runway (runwayml.com)

关于ChatGPT的一点初步思考

发布时间：2023-01-29 栏目：AI应用领域, VideoConference, 人工智能, 元宇宙, 智能问答, 机器人, 深度学习, 自然语言处理评论：0 Comments

深度学习应该是有很多瓶颈的，那么为啥ChatGPT可以是实现类似于质的飞跃？真的只是因为它有比较大的量和做了表面的优化（强化学习）这个吗？个人初步感觉，words可能比图像输入有更强的condition和context信息，特别是如果融合前后3000...

ChatGPT Related Papers

发布时间：2023-01-27 栏目：AI应用领域, 人工智能, 元宇宙, 智能问答, 深度学习评论：0 Comments

InstructGPT: [2203.02155] Training language models to follow instructions with human feedback (arxiv.org) reinforcement learning from human feedback (RLHF)

随机微分方程 stochastic differential equation (SDE)

发布时间：2023-01-25 栏目：AI应用领域, 人工智能, 脉冲神经网络评论：0 Comments

常微分方程一般来说其解是一条确定的曲线，而随机微分方程(SDE)，其结果是一个随机的过程，最终得到是的多种样本轨道。 Stochastic differential equation – Wikipedia Euler–Maruyama method – Wikipedia

未来二十年可能会被AI替代的以及不易被替代的职业

发布时间：2023-01-24 栏目：AI应用领域, 感悟评论：0 Comments

不易被替代的（难易度由高到低）： – 政治家或者管理者除非强人工智能出现，否则难以替代 – 企业家/创业者：发现、创新 – 导演 – 运动员 – 金融：考虑到金融的复杂度和难度 – 科学家 – 各行各业的高...

相册集

关于自己

杨文龙，微软Principal Engineering Manager, 曾在各家公司担任影像技术资深总监、数据科学团队资深经理、ADAS算法总监、资深深度学习工程师等职位，热爱创新发明，专注于人工智能、深度学习、图像处理、机器学习、算法、自然语言处理及软件等领域，目前发明有国际专利19篇，中国专利28篇。

联系我

个人技术笔记

290125097@qq.com

2015 in Shanghai