人工智能

豆包・图像创作模型Seedream4.0创意玩法大赏:开启 AI 绘画新纪元

前言:AI绘画界的新"顶流"诞生了9月11日晚,字节跳动发布了豆包·图像创作模型Seedream 4.0,结果一夜之间就在AI圈炸了锅!不仅拿下了Artificial Analysis「文生图」和「图像编辑」双榜第一,更是因为其独特的"多图融合"功能,被网友们玩出了花样&#xff0

样式迁移(neural style)

(一)样式迁移(neural style) 就是有两张图片,例如一张人像,一张油画,你想把优化的风格迁移到人像上。生成一张油画版的新的人像。 (1)基于CNN的样式迁移 从图中看出似乎有三个神经网络,实际上是只有一个神经网络。这图的意思是,我们希望输出值是左右两张图片的结合,但是具体怎么结合呢?就是让有些层能够和左边网络的某些层匹配。还有些曾能够和右边的样式的某些层匹配

【AI视频】从单模型,到AI Agent工作流

不用手搓AI视频工作流了,试试CrePal的Agent模式 写在最前面 技术人的“AI创作”痛点:我们到底在烦什么? Agent工作流实战:一次“小猫做饭”的自动化项目管理 从执行到交付:Agent的全程托管 亮点:Agent如何实现精细化控制与高效迭代? 模板,但不止于模板

BookKeeper 基本原理

[TOC] 本篇文章主要聚焦于 BookKeeper 内核的实现机制上,会从 BookKeeper 的基本概念、架构、读写一致性实现、读写分离实现、容错机制等方面来讲述,因为我并没有看过 BookKeeper 的源码,所以这里的讲述主要还是从原理、方案实现上来介绍,具体如何从解决方案落地到具体的代码实现,有兴趣的可以去看下 BookKeeper 的源码实现。 BookKeeper 基础 正如 Ap

Apache Pulsar——分层存储

前言 在一些流数据用例场景中,用户希望将数据长时间存储在流中。虽然 Apache Pulsar 对topic backlog的大小没有限制,但将所有数据存储在 Pulsar 中较长时间,存储成本比较大。分层存储支持在不影响终端用户的条件下,将较旧的数据移动到长期存储中。 在推荐服务中,开发者不希望限制 backlog 的大小。以音乐服务为例,终端用户每听一首歌,就向 topic 中添加一条消息。使

论文阅读_神经网络知识蒸馏_DK

英文题目:Distilling the Knowledge in a Neural Network 中文题目:神经网络知识蒸馏 论文地址: 领域:深度学习 发表时间:2015 作者:Geoffrey Hinton,谷歌 出处:NIPS 被引量:6972 阅读时间:2022.09.21 读后感 这是最早提出蒸馏模型的文章,它训练

土味儿说明数据治理-主数据&参考数据(参考数据)

一,前言 主数据和参考数据在我们数据开发或者JavaWeb开发的同学都有经常接触,并且是大量的使用和分析场景,在数据治理中提到的一些专业名词在数据仓库中或者业务的RDBMS库中都有对应的关系映射。 映射关系: 图片.png 业务系统中交易的订单状态,支付中的支付状态 在数据治理中都可以理解为参考数据。这类数据的特性在于他要比主数据小,具体体现是参考数据的 “列和行” 都要比主数据小,

50 - 基因组预测的基础(4) - ssGBLUP和H矩阵

ssGBLUP经过10多年的发展,已经普遍开始应用在动物育种中。 以前的多步法 image.png 基因组评估 image.png 问题: image.png 表型的测量 image.png image.png BLUP会低估基因组选择趋势 image.png 一步法(ssGBLUP) image.png 展

转录组丨limma差异表达分析,绘制火山图和热图

limma差异表达分析 本篇笔记的内容是在R语言中利用limma包进行差异表达分析,主要针对转录组测序得到的基因表达数据进行下游分析,并将分析结果可视化,绘制火山图和热图 [TOC] 基因表达差异分析是我们做转录组最关键根本的一步,不管哪种差异分析,其本质都是广义线性模型,limma也是广义线性模型的一种,其对每个gene的表达量拟合一个线性方程。 limma包是2015年发表在Nuclei

工具 | 比较基因组 | WGDI

看我不如看【参考】 参考: WGDI | WGDI | bilibili | WGDI的简单使用(一) bilibili | WGDI的简单使用(二) 简书 | xuzhougeng | 如何用WGDI进行共线