使用场景 有时候不愿意把自己相片直接贴到社交媒体作为头像。 但是每个人都会有想让别人看到的某一面。 弄清楚画中人想要让别人看到的是什么，可能偏服务类的艺术都是这样。 操作方法 上传一张自己的相片，不要大头照，需要比较自然放松的姿式 使用 Segment Anything 把画面中的人抠出来 使用 ControlNet 的 Scribble，设置 Scibble xdog，提取清晰线图 选 img2img 使用原图作为底图 选择一个喜欢的基础模型，调大 denoising 提示词建议：a young woman, light smile, with glasses, warm colored background, soft light.

1234567英文名称: Llama 2: Open Foundation and Fine-Tuned Chat Models中文名称: Llama 2：开源的基础模型和微调的聊天模型文章: http://arxiv.org/abs/2307.09288代码: https://github.com/facebookresearch/llama作者: Hugo Touvron日期: 2023-07-19引用次数: 110 1 读后感 这是一篇 77 页的论文，正文也有 36 页，让人望而却步。整体分成：Introduction，Pretraining，Fine-tune，Safety，Discussion，RelateWork, Conclusion 几部分，如果没有时间，看看前三个部分，大概 20 页左右也就差不多了。 产出的模型从 7B 到 70B 参数，其成果除了基本的 LLAMA-2 模型，还有精调的 LLAMA 2-CHAT 模型，其精调模型与 ChatGPT (3.5) 性能相当，可作为闭源模型的替代品，且 70B 的体量也是可接受的。 在基础模型方面，文章中没有涉及很新的 ...

123456英文名称: ToolLLM: Facilitating Large Language Models to Master 16000+ Real-world APIs中文名称: TOOLLLM：帮助大语言模型掌握16000多个真实世界的API文章: http://arxiv.org/abs/2307.16789代码: https://github.com/OpenBMB/ToolBench作者: Yujia Qin日期: 2023-07-31 1 读后感 论文致力于让大模型学习使用工具，以实现复杂的任务。目前使用工具能力最强的还是 ChatGPT，但不清楚它是如何实现的。文中提出的 ToolLLM 主要用于构建针对 引导调优（instruction-tuning）的训练数据集 ToolBench，最终通过数据对开源的 LLaMA 调优，训练的模型 ToolLLaMA，对工具的使用能力与 ChatGPT 相当。 为了使路径搜索过程更加高效，提出了基于深度优先搜索的决策树（depth-first search-based decision tree：DFSDT）；训练了 API ...

1 推荐主题 butterfly 的默认 layout 很好，尤其对于内容比较多的 blog，安装方法如下： 1234npm install hexo-renderer-pug hexo-renderer-stylus --savenpm install hexo-theme-butterflycp node_modules/hexo-theme-butterfly/_config.yml _config.butterfly.ymlvi _config.yml # 修改 theme: butterfly 2 正常显示 Latex 公式 2.1 切换渲染器 切成 root 权限，安装 pandoc: 1apk add pandoc 2.2 安装插件 这个插件能支持 $ 号模式的 Latex 公式： 1npm install hexo-filter-mathjax 2.3 配置文件 修改 _config 文件如下： (我直接把插件 github 说明中的配置文件拷过来了) 12345678mathjax: ...

1 入口 https://yiyan.baidu.com/ 2 界面 2.1 整体界面 目标：作为普通用户使用。 结果：整体设计很好，各种角色和提示词，界面也好看，细节到位。 3 模型效果 3.1 写一段微信小程序 目标：对于本土化的工具，国外文本生成支持不是很好。 结果：看着还不错，还没试运行。 3.2 当朋友聊天我会找谁 目标：讨论一些人文问题，提出一些之前和 ChatGPT 聊到的问题，对比答案。 结果：答案也大差不差，呵呵…… 相对 ChatGPT，我觉得 ERNIE 比较教条，调性不太一样。 3.3 业务能力 目标：具体业务的能力。 结果：测试了一下总结长文的能力，理解能力可用。 4 易用性 4.1 申请 API 目标：真正解决问题，还是需要使用 API。 结果：230831 早上 3:00 申请，10:13 收到短信，通过审核。 4.2 费用 目标：看看用哪个更划算 结果：差不多 文心一言：ERNIE-Bot-turbo 0.008 元/千 tokens ChatGPT：0.002 美元/千 tokens 评论： 千帆支持多个模型，有 ERNIE ...

1 引言 Hexo 是一个简单、快速、强大的博客发布工具，支持 Markdown 格式，有众多优秀插件和主题。我一般使用 Markdown 语法编写文章，通过 Hexo 命令行工具生成静态网页，并通过 Hexo 部署到网站。 2 配置环境 安装 Hexo 之前先要安装 javascript 开发环境，因为怕麻烦，就直接使用了 Hexo 的 docker image 现成环境。具体版本用了轻量级且稳定的系统 alpine 版，整个镜像只有几十兆，其中还包含简单的 vi 编辑器。我的宿主机系统是 Ubuntu 22.04，具体操作如下： 1234$ docker pull taskbjorn/hexo:alpine-latest$ sudo mkdir /exports/hexo_data -p # 数据存放在 docker 之外$ sudo chmod 777 /exports/hexo_data$ docker run -it --rm --name my_hexo_container --privileged=true -p 4000:4000 -v /exports/hexo_da ...

1 初衷 很早就开始分享文档，以技术类的为主，一开始是 MSN，博客，随着平台的更替，后来又用了 CSDN，知乎，简书…… 再后来是 Obsidian，飞书，Notion，常常有以下困扰： 1.1 问题 各平台格式不同，审核规则不同，需要花很多时间上传多个平台，文档更新成本也高。 分类太简单，搜索困难，不能满足要求。 虽然积累了一些积分和关注，但是平台更替，被黑，不可控。 想表达的东西很多：技术文，书评，旅行，画画，其它作品，日常感受；长文与短文，文献与田野的不同风格；每个平台调性，受众不同，全放一起，显得很不专业。 1.2 优势 这么看来，自建平台相对来说更自由，更方便： 租个每年几百块钱的服务器，或者先用个免费平台。 从内容到数据迁移更自由，可利用工具切换平台，减少时间成本，一键分享/更新。 构造一种介于“给自己看”和“给别人看”之间的状态，打通公/私分享内容。 在自己的 blog 和 其它内容之间建立深度链接。 设计自己的逻辑，做自己喜欢的分类和屏蔽规则，让不同类型的内容互不干扰。 1.3 劣势 但也存在一些问题： 学习成本：虽然入门成本不高，但想做到自己满意，需要花很 ...

1 工具使用 1.1 Midjourney vs Stable Diffusion 收费、审核、门槛；开源、部署、海量模型、可控、要求 生态：平台、插件、模型、文档；自已训练 1.2 环境 AI绘画_SD_搭建环境 docker 镜像：siutin/stable-diffusion-webui-docker 1234567$ nvidia-docker run -it --name sdw --gpus all --network host \ -v $(pwd)/models:/app/stable-diffusion-webui/models \ -v $(pwd)/outputs:/app/stable-diffusion-webui/outputs \ -v $(pwd)/extensions:/app/stable-diffusion-webui/extensions \ --rm siutin/stable-diffusion-webui-docker:cuda-v1.5.1-2023-08-02 \ bash$ ./webui.sh --share --list ...

时间序列分析工具包–tsfresh Pasted image 20211127213158.png 1 简介 官方文档：https://tsfresh.readthedocs.io/en/latest/index.html 源码：https://github.com/blue-yonder/tsfresh Star：目前 6.1K 笔者推荐：看一遍官方文档，再试一下源码中的例程 tsfresh/notebooks/examples/ 介绍： 可对应的长短不一的周期序列进行时间序列特征的提取。 能够自动地从时间序列数据中提取上百种基本的时序特征，如：峰数量，均值，最值等等 2 适用性 2.1 适用 自动地提取时序数据特征，扩充建模时的特征维度 只基于时间序列的聚类、分类和回归任务。 2.2 不适用 不适用于在线数据 不适用于对时间序列数据直接训练建模（sklearn 更加适合）。 不适用于高度不规则的时间序列，对于此类数据，tsfresh 可用于与时间间隔无关的特征提取（如峰值数量）；但对于非等间隔的数据（如趋势）应谨慎使用。 3 安装 1$ pip install ...

1 python markdown 解析器 mistletoe Star 665 主要支持 CommonMark Markdown mistune Star 2.3k 较量级 markdown_it Start 16.1k javascript 库 markdown Star 3.4k 对 pandoc 支持相对较好 功能比较强大 帮助页：https://python-markdown.github.io/ markdown2 Start 2.5k 用于转 html 2 mistune 2.1 github 地址 https://github.com/lepture/mistune 2.2 输入 markdown，输出 html 文本。 123import mistunemistune.markdown('I am using **mistune markdown parser**')# 输出: <p>I am using <strong>mistune markdown parser</strong>&l ...