- 博客(66)
- 收藏
- 关注
RSS订阅原创 stable diffusion webui学习总结（3）：参数设置
模型：darkSushiMixMix正面提示词：(masterpiece, high quality, highres,illustration),blurry background,[(white background:1.2)::5],(see-through:0.85),shining,Movie poster,(colorful:1.1),ornament,petals,(pantyhose:1.1),<lora:more_details:0.5>,
2024-02-17 15:33:54
760
原创 stable diffusion webui学习总结（2）：技巧汇总
4、启动reactor，并作如下设置，这里需要注意的是如果原图片和参考图中有多个角色，需要修改source image和target image的参数进行调整。3）tiled diffusion这边这么选，其中放大倍数影响最终生成的图像放大程度，算法真人选这个，卡通风格选带anime的那个，别的选择同文生图。勾选ADetailer，会在生成图片后，用更高的分辨率，对于脸部重新生成一遍。3、基于需要高清放大的图，选择tile处理器。1）则先把一开始生成的图片，推送到图生图。2、将图片推送到图生图。
2024-02-17 03:16:51
660
原创 stable diffusion webui学习总结（1）：准备工作
推荐负面提示词：NSFW,logo,text,blurry,bad proportions,out of focus,username,lowres,bad anatomy,badhandv4,EasyNegative,EasyNegativeV2,ng_deepnegative_v1_75t,close up,grayscale,multiple views,(monochrome:1.1),watermark,normal quality,low quality,worst quality,
2024-02-17 02:29:49
1450
原创 CHATGPT精选插件
使用Webpilot插件联网时还可以同时使用其它两种插件（一次可以同时使用三个插件），而使用Web Browsing插件功能联网时无法使用插件功能（联网功能和插件只能二选一，选了Web Brousing就不能选插件了）
2023-06-30 18:19:47
642
原创 【吴恩达deeplearning.ai】基于ChatGPT API打造应用系统（下）
3、逐个循环通过标准问生成ai答，并对比ai答和标准答，累计计算准确率。检查生成结果主要是为了避免生成问题的结果，为应用带来负面的评价。基于提问内容、背景知识、最终答复，通过AI来识别结果是否准确。2、搭建对比标准答和ai答的方法，返回准确率。1、加载组件，组件中包括了chat面板组件。2、基于提示链构建完整功能。
2023-06-27 23:05:04
1031
原创 【吴恩达deeplearning.ai】基于ChatGPT API打造应用系统（上）
即明确ai以一个什么样的身份，并以什么样的格式和风格来回答我的问题# 创建会话模型# max_tokens:限制回答使用的token上限# 让ai按照苏斯博士的说话风格，扮演一个助手来回答；并要求只用一句话来回答。# 苏斯博士：出生于1904年3月2日，二十世纪最卓越的儿童文学家、教育学家。一生创作的48种精彩教育绘本成为西方家喻户晓的著名早期教育作品，全球销量2.5亿册看下token的使用情况# 创建一个会话模型，返回结果包括一个token_dict字典,保存token使用的计数。
2023-06-26 23:35:05
991
原创 【吴恩达deeplearning.ai】基于LangChain开发大语言应用模型（下）
LangChain for LLM Application Development 基于LangChain开发大语言应用模型（上）langchain具有检索能力，可以通过检索用户提供的文档内容，进行相应的回答。以下具体讲解实现逻辑1、【准备阶段】将文档内容（如列表）拆分成多个分片2、【准备阶段】将分片通过embed技术转换为空间向量数组3、【提问阶段】用户提问时，程序自动将提问内容embed为空间向量4、【提问阶段】将提问的空间向量和文档生成的空间向量数组比较，找到最相似的几个5、 【回答阶段】根据对应相关
2023-06-23 01:15:21
1527
原创 【吴恩达deeplearning.ai】基于LangChain开发大语言应用模型（上）
LangChain是一个框架，用于开发由大语言模型驱动的应用程序。开发者相信，最强大的、差异化的应用不仅会调用语言模型，而且还会具备以下原则：数据感知：将语言模型与其他数据源连接起来。代理性：允许语言模型与环境互动LangChain支持python和javascript两种语言。专注于组合和模块化。官方文档：https://python.langchain.com/en/latest/中文文档：https://www.langchain.com.cn/# 加载包# 一个长内容。
2023-06-18 02:30:50
1772
原创 【吴恩达deeplearning.ai】 大语言模型引导词指导手册
使用分隔符清晰地指示输入的不同部分，要求结构化输出，要求模型检查条件是否满足，少样本引导
2023-05-08 00:57:41
2910
原创 产品总监晋升之路（2）：选育育留之产品经理选用
引言：作为一个产品团队的负责人，选用合适的产品经理是一个必要的技能。此文对此进行探讨。一、面试：面试候选人或者和招聘同学沟通JD前2，最重要的，是需要想清楚自己需要什么样的人，和公司能够给到什么水平的待遇。否则就是浪费自己、候选人和招聘HR的时间。就笔者亲生经验而言，示例一些招聘需求。（非互联网上市公司中后台产品经理）1、应届生产品助理：（1）有一定的实习经验，或者在学校有相关的项目经验 - 这点主要考虑到，产品岗位本身是一个必须需要有激情的岗位，且目前很多高校...
2021-09-04 20:44:52
325
原创 HRSSC共享中心体系探索（1） - 导言
一、用户诉求1、员工：减少单次业务的时间成本，缩短业务办理周期，解决信息不对称问题。2、HRBP：减少人工操作事项，缩短业务流程，获取完整准确的信息和结果。3、COE：规则制度执行到位，用工等风险可控，获取全局信息。二、共享模式按照SLA协议要求，集中为集团内各个子公司、分公司，提供多个HR场景的业务服务。包括本地集中和异地集中两种模式1、本地集中：主要解决的是有明显区域限制的业务服务，包括且不限于：纸质合同签署归档、社保申报业务、户政业务办理、外事服务、工卡办理
2021-09-04 16:54:57
800
原创 血酬定律与互联网+
强调下，我本来也是互联网从业者，本文只是从个人角度提出的一些观点。一、血酬：强盗、土匪、军阀和各种暴力集团靠什么生活？靠血酬。血酬是对暴力的酬报，就好比工资是对劳动的酬报、利息是对资本的酬报、地租是对土地的酬报。不过，暴力不直接参与价值创造，血酬的价值，决定于拼争目标的价值。如果暴力的施加对象是人，譬如绑票，其价值则取决于当事人避祸免害的意愿和财力。这就是血酬定律。特点：不创造财富，利用暴力作为生产资源。二、两种行为1、国贼：出卖或损害国家利益。这就是把自己的蛋糕给了别人。例如：.
2021-08-30 00:57:42
267
原创 产品总监晋升之路（1）：选育育留之产品经理胜任力模型
此文主要将原本只能定性的岗位画像和胜任力模型，转化成定性结果。岗位画像1、定义我们在招聘一个候选人的时候，首先需要给出的是两个东西1、挂在招聘网站的JD：注意JD的目的不在于真实的表现企业的需求，而更注重于吸引合适的候选人投递，重点在吸引。2、针对目标岗位的岗位画像：明确岗位招聘标准，作为简历筛选和面试的直接参考依据。本文的重点在于后者2、选材模型每一家公司对于选材模型都会有不同的标准1）、冰山模型是其中比较经典的：将人的能力分为潜在的“自我意识”、“个性”、“动.
2021-08-18 20:43:44
1656
原创 reinforce learning课程笔记
一、Crossentropy method场景1：平衡游戏问题：已知在一组status下，进行对应一组action时，最终的reward。解决方案1：创建一个初始的policy表，表示每一个status下选择某一个action的概率 找1000组status，根据policy表，得到对应的action组； 根据status：action组，带入模型场景，得到对应的reward...
2021-08-16 20:28:55
481
原创 区块链基础
基本定义1、transaction：交易，由多个UTXO输入、多个UTXO输出组成2、UTXO：unspent transaction output3、block：区块，由head、多个transaction组成4、blockchain：区块链，block根据协议形成区块链5、旷工Miners：take on added work or computation to ve...
2021-08-16 20:26:53
158
原创 【RPA】UIpath Academy BA篇
一、流程介绍1、What is a Process流程是什么Definition: A set of interrelated or interacting activities that transforms inputs into outputs •Components: Inputs, Process Flows, Source Applications and Outputs ...
2019-12-09 21:55:09
1558
原创 【RPA】UIpath Academy
一、引导篇1、企业标准化流程：Inputs- the data that goes in the process; Process Flows- the sequences of sub-processes or activities undertaken in the process; Source Applications- the applications or syst...
2019-10-30 02:04:41
5132
转载 学习材料
Sklearn SklearnSklearn tutorials Sklearn examples SKlearn cheat sheethttps://www.tensorflow.org/guide/
2018-12-16 16:08:55
273
原创 贝叶斯神经网络（5）- 图像处理bayes-CNN
一、无偏估计百度：无偏估计是用样本统计量来估计总体参数时的一种无偏推断。估计量的数学期望等于被估计参数的真实值，则称此此估计量为被估计参数的无偏估计，即具有无偏性，是一种用于评价估计量优良性的准则。无偏估计的意义是：在多次重复下，它们的平均数接近所估计的参数真值。无偏估计常被应用于测验分数统计中。二、计算图片的组成分布p(x)用途：如果我们知道的图片的分布p(x)，我们就可以生成新的图片，判断异常...
2018-06-03 20:53:33
10704
1
原创 Bayes方案和传统机器学习方法
以身高、体重的线性关系为例身高体重17077165651556017885x：身高 y：体重 y = ax+b1、传统机器学习方法参数a、b是一个确定的值，通过拟合线性方程，我们可以根据数据集得到一个确定的a和b值得到a和b值后，如果我们得到一个新的身高 190，就可以通过公式计算出体重（1.1367*190-118）2、贝叶斯方法参数a、b并不是一个确定的值，而是属于某一个概率分布。为什...
2018-05-28 23:07:41
1067
1
原创 贝叶斯网络（3） - 变分推断(variational inference)
一、问题在最初的计算中，我们默认先验分布和后验分布同分布（共轭分布）。但在实际中，后验分布并不一定符合某一个分布。 例如，likelihood是一个神经网络，和先验的计算结果就不是一个标准的共轭分布 这时候，我们就要找到一个分布可以无限逼近后验分布 二、Mean field计算方法1、我们假设后验分布是多个q（z）的乘积结果 2、而这边的q（z）属于一个特定的分布范围3、我们的目标是确保每一
2018-05-06 16:27:56
4513
原创 贝叶斯网络（2）- EM协同计算
本文内容主要总结自coursera课程Bayesian Methods for Machine Learning 本文内容延续自《贝叶斯网络（1）- 基础概念》 https://blog.csdn.net/qq_36080693/article/details/80160852一、基础知识1、Expectation Maximization鸡和蛋问题...
2018-05-06 03:17:17
1549
原创 贝叶斯网络（1）- 基础概念
本文内容主要总结自coursera课程Bayesian Methods for Machine Learning一、什么是贝叶斯概率有一个问题，我们有一个硬币，怎么判断这个硬币投掷后，显示正面的概率呢？频率学派：我们可以投掷这个硬币100次，看有多少次是正面，这个结果应该趋近于硬币投掷正面的概率。贝叶斯学派：从生活经验上，硬币投掷到正面的概率是50%，那么我们对于显示正面的...
2018-05-05 23:58:56
2736
原创 评价模型metircs optimization指南
本文所有内容整理自Coursera - Advanced Machine Learning- How to Win a Data Science Competition: Learn from Top Kagglers定义evaluation metrics基本概念一般来说，优化矩阵由组织者按照业务需求定义有些情况下，优化目标不太好量化，需要直觉判断转换为其他优化矩阵观察优化矩阵优化的趋势是
2018-04-06 20:53:54
664
原创 一文学会推荐算法：从概念、算法、案例到代码实战
一、概念基本概念1、解决什么问题：信息过载 2、使命：联系用户和信息 3、区别于分类网站（2345、雅虎）：覆盖面广、具有个性化 4、区别于搜索引擎（Google）：主动、用户不需要提供明确需求推荐系统的数据来源1、用户：用户属性、用户标签、社交网络、ip地址、网络设备、位置定位 2、物品：物品属性、物品标签 3、用户 《— 行为 —》物品推荐系统的评测指标1、用户满意度：在线指标 2、
2018-04-05 21:05:54
13540
5
原创 完成一个kaggle竞赛
本文所有内容整理自Coursera - Advanced Machine Learning- How to Win a Data Science Competition: Learn from Top Kagglers一、分析问题1、问题类型： 2、数据量大小 3、硬件需要 4、软件需要 5、评估模型是什么 6、有没有一些相关的历史代码二、探索性数据分析基本操作1、通过hist图查
2018-04-03 23:56:23
1856
1
原创 Ensembling模型融合
>>本文所有内容整理自Coursera - Advanced Machine Learning-How to Win a Data Science Competition: Learn from Top KagglersAdvanced Machine Learning一、average最基础的，将不同模型的结果平均（或加权平均），得到最终的估计二、bagging概念：相同模型不同参数...
2018-04-01 23:48:18
3847
转载 双层stack模型的train、validation分割策略
There are a number of ways to validate second level models (meta-models). In this reading material you will find a description for the most popular ones. If not specified, we assume that the data does...
2018-04-01 22:11:47
506
原创 第三方软件产品采购分享
流程最重要的事：尽可能早的将采购部门纳入到整个第三方采购项目中来项目准备 - 确定是否外采：与业务部门明确需求。根据需求确认开发周期和开发成本。与业务部门沟通2的结果，看业务方是否能接受，不能接受，往下。初步接触2-3家外部系统供应商，了解对方的系统功能和大致报价。与业务部门和领导层评估，给出自研和外采的最终意见。项目准备 - 筛选确定目标供应商：立项，对接采购部门，由采购部门牵头整个
2018-01-02 14:12:16
1444
原创 产品PRD文档撰写指南
分享一下自己在工作中积累和整理的，对于编写PRD文档需要注意的方面本文，纯粹为工具文，用于产品经理在撰写PRD时，进行查漏补缺
2017-11-17 18:15:59
2660
原创 EHR-招聘、培训和智能设备
招聘1、主要功能招聘需求管理、职位发布、候选人在线申请职位、简历筛选、专业级人才测评、笔试管理、招聘流程管理、动态人才库以及招聘绩效分析等功能组成的完整产品线企业招聘官网校园招聘：不成熟自由个性的应聘者社会招聘：成熟目标导向的应聘者招聘现场实施面试现场安排应聘者app端预约，查看招聘进度招聘后端管理人才库流程：可配置的对接各大招聘网站自动获取简历：解析简历人才评测2、市场情况比
2017-10-03 20:08:39
595
原创 《结构思考力》- 书摘整理
明确理念打基础标准结构思考力的四个基本特点 结构化接受信息的三个步骤 方法选择文档：不超过20页结构梳理：运用结构思考力进行文件结构梳理文档优化：根据金字塔结构配对原文档进行优化修改基于目标定主题标准目标：符合ABCD目标法 （受众Actor 条件Condition 行为Behavior 程度Degree）主题：简单、准确、利益（从对方角度出发）序号：SCQA基本要素 （S情景
2017-08-06 01:21:37
1840
原创 《产品的视角》- 书摘整理
理想产品经理的升级RAC路径：认识产品、还原产品、创造产品产品经理：一个提供答案，而不是问问题的人；高质量的解决问题，而不是创造问题小步快跑的做事，小版本快速迭代需求排序：用户排序和功能排序redmine：项目管理软件三种信息架构：类目陈列、搜索直达、数据订阅推送为用户代言保护开发和测试流程额意义在于“无例外”向迭代要数据，向数据要迭代产品分成：表现层、框架层、结构层、范围层和
2017-07-31 17:24:21
414
原创 做人资OA产品过程中经历的坑【链家篇】
一些工作中遇到的坑，引以为戒，避免再次踩入系统问题：1、报表查询缓慢，拖垮其他应用速度解决方式： 首先，报表查询和界面表单查询，都可以走只读库。 且对于报表查询，虽然查询量最大，单只需要支持查询延时数据（每天同步一次）。 而对于界面表单查询，信息量比较小，但需要满足实时查询最新信息。且查询频率比较频繁，就需要做好缓存的设计。 在系统功能设计上，也要区分报表查询和界面表单查询。2、因为涉及成本
2017-07-25 17:37:46
1090
原创 《企业IT架构转型之道》阿里巴巴中台战略思想和架构实战-书摘整理
一、思考1、厚平台、薄业务 2、服务中心的业务定位： 相关的服务均有各自的服务中心提供，不管前端业务形态如何多样，共享服务中心提供的服务都能很好地提供所包含的核心服务，让前端业务的交易信息和数据回流到对应的服务中心。3、业务架构师：（服务中心业务负责人） 从技术开发初试，在多年业务领域的需求浸染中，不断形成对该业务全面的知识体系以及自身的理解，对该业务在集团中的职能定位、市场发展趋势都有一定的
2017-07-04 13:00:28
11594
原创 《产品前线》- 书摘整理
产品经理金字塔定位确定一个明确的产品目标（逐步修正）借助认知关联为产品定位（与熟知的东西建立正负相关）把系统交给用户，让他们自己挖掘玩法需求分析三步挖掘需求：搜集现象-〉多问追述原因-〉从原因出发所有的用户行为，都可以追本溯源地找到它们的最终目标或结果。它最终一定是我们不能- 再追溯下去的目标或者需要，这些需要的满足本身就是目的没有完美的设计，只要不断调整结合使用场景—用户视角人们
2017-07-04 11:30:44
559
原创 TensorFLow学习（一）---原生Windows安装TensorFlow，进行MNIST机器学习
2015年11月9日，Google发布人工智能系统TensorFlow并宣布开源。 【TensorFlow】是 Google 多年以来内部的机器学习系统。如今，Google 正在将此系统成为开源系统，并将此系统的参数公布给业界工程师、学者和拥有大量编程能力的技术人员。近期开始尝试对TensorFlow进行学习，因为习惯了windows系统和anaconda、spyder的python开发环境，以下
2017-04-09 09:59:00
3074
原创 201703随笔 智能时代
互联网是一道开胃菜，而人工智能才是主菜 大数据只是方法，智能才是目的对于产品经理产品经理要从互联网产品向智能产品升级，熟悉智能产品的开发环境，设计逻辑和商业背景对于企业互联网公司具备智能升级的流程文化和体制，而实体公司具备智能升级最重要的资产和数据。无论是从商业变现能力还是智能产品的应用场景上，实体公司都更为丰富。预测未来五年，所有实体公司将引入大量的互联网人才，建立独立于核心业
2017-04-05 15:58:49
472
原创 《浪潮之巅 - 下册》 书摘
第13章 短暂的春秋商业模式非常重要不要寄望于占据所有利益，适当的联合很重要埃里森对太阳公司的诊断 不关心盈利管理者心不在焉不要简单地迎合客户停止那些毫无前途的项目佩奇对网景的诊断 网景没有居安思危网景公司额商业模式还停留在卖软件上和微软这样的公司竞争，必须有办法顶得住轮番进攻，并且由二次、三次的反击能力网景公司虽然在抓用户，抓的却是卖网景公司软件的用户而不是真正使用互
2017-02-08 23:33:22
539
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人