GPU 的两种模式 TCC vs WDDM 设置指南
GPU 的两种模式 TCC vs WDDM 设置指南学习资源 帮助文档: https://help.didiyun.com/hc/kb/article/1410366/ 1. 简介NVIDIA Tesla/Quadro 系列高端 GPU 在 Windows 环境下可以配置为 Tesla 计算集群（Tesla Compute Cluster，简称 TCC）模式或 Windows 显示驱动
标签：: AI
GPU占用率查看
GPU占用率查看方法一：任务管理器方法二：GPU-Z软件方法三：终端查看在运行中输入cmd，打开终端： 123cd C:\Program Files\NVIDIA Corporation\NVSMInvidia-smi
cuda the launch timed out and was terminated windows10 解决方案
cuda the launch timed out and was terminated windows10 解决方案在windows下cuda函数运行时间超过5s时，windows会强制结束程序，导致输出结果不对。 方法一：修改注册表 左下角搜索 regedit 找到 HKEY_LOCAL_MACHINE-SYSTEM-CurrentControlSet-control-GraphicsDriv
windows10 可用的纯软件虚拟显示器(非虚拟桌面)
windows10 可用的纯软件虚拟显示器(非虚拟桌面)学习资源 B站文章: https://www.bilibili.com/read/cv16992098 软件下载 软件下载链接(其实上面的链接里有): https://www.amyuni.com/downloads/usbmmidd_v2.zip 安装步骤 首先用管理员身份打开命令提示符 然后依次输入以下命令: 12345cd c
Tesla M40 24G
Tesla M40 24G驱动下载 官网下载驱动: https://www.nvidia.cn/Download/index.aspx?lang=cn 配置参数: 产品类型: Data Center / Tesla 产品系列: M-Class 产品家族: M40 24GB 操作系统: Windows 10 64-bit CUDA Toolkit: Any 语言: Chinese(Si
Stable Diffusion 本地部署
Stable Diffusion 本地部署学习资源 B站文章: https://www.bilibili.com/read/cv18292916 官网介绍: https://stability.ai/blog/stable-diffusion-public-release 1. 前言最近看Stable Diffusion开源了，据说比Disco Diffusion更快，于是从git上拉取了项目尝
怎样用 GPT 做文字冒险游戏
怎样用 GPT 做文字冒险游戏游戏开始前玩家选择了设定 (奇幻) 和角色 (骑士) ，AI便是在这基础上生成了一段故事背景。 而这段背景，在游戏的进展当中，一直都会作为模型的输入，让AI不要忘了最初的设定。这样不论情节发展怎样天马行空，也不会脱离大前提。 我们每输入一个动作，模型就会根据背景段，和之前多个”动作+结果”组成的数据对，来输出新的结果。实验发现，回溯8个动作，效果是最好的。 有的时候人
AI 提示词编辑器
AI 提示词编辑器OPS「自动翻译」+「可视化编辑」+「提示词管理」 GitHub 地址: https://github.com/Moonvy/OpenPromptStudio 功能特性这是一个旨在把 AIGC 提示词，可视化并提供编辑功能的工具，有以下特性： 显示英文提示词的中文翻译 翻译输入的中文提示词到英文（因为 Midjourney 仅支持英文提示词） 为提示词进行分类（普通、样式、
ChatGPT最强竞品Claude
ChatGPT最强竞品Claude使用步骤 邮箱注册 Slack，并创建工作组等 官网地址: https://slack.com/ Claude-in-Slack 选加入到 Slack 官网地址: https://www.anthropic.com/claude-in-slack
用ChatGPT创建虚拟小镇
用ChatGPT创建虚拟小镇相关资源 CSDN博客文章: https://blog.csdn.net/2301_77479336/article/details/130133740 虚拟小镇在线地址: https://reverie.herokuapp.com/arXiv_Demo/ 论文地址: https://arxiv.org/pdf/2304.0344
5个 ChatGPT 平替开源项目
5个 ChatGPT 平替开源项目1. ColossalAI 开源地址：https://github.com/hpcaitech/ColossalAI Colossal-AI作为ChatGPT的平替，开源了完整的RLHF流水线，包括，监督数据收集、监督微调、奖励模型训练和强化学习微调等。基于LLaMA预训练模型，并分享最实用的开源项目ColossalChat。 ColossalChat只用了不到
ChatVisualNovel 基于 ChatGPT 的定制化视觉小说引擎
ChatVisualNovel 基于 ChatGPT 的定制化视觉小说引擎项目链接 GitHub 仓库: https://github.com/prompt-engineering/chat-visual-novel 演示地址: https://chatvisualnovel.com/ 原神同人（AI 语音）: https://genshin.chatvisualnovel.com/ 逆转裁判同人
AI 工具箱
AI 工具箱AI 工具箱 包含丰富的AI工具，各种类别
DeepSpeed-Chat：最强ChatGPT训练框架
DeepSpeed-Chat：最强ChatGPT训练框架DeepSpeed-Chat GitHub地址 DeepSpeed Chat 使类似ChatGPT 风格的模型训练变得简单、快速、经济且可扩展。 根据官方介绍，一键运行就可以在 1.36 小时内在具有 48GB 内存的单个消费级 NVIDIA A6000 GPU 上训练、生成和提供 13 亿参数的 ChatGPT 模型。 以下是一些由 Dee
查看显存大小
查看显存大小 按组合键win+r打开运行窗口，输入dxdiag并回车 在弹出的窗口切换至显示选项卡，调出这个对话窗口可能需要权限，直接允许即可 在显示页面，我们可以看到显存大小，同时可以查看到更多的显卡信息，例如显卡加速等等
超参数调节或超调
超参数调节或超调Keras Examples Keras Tuner 是一个库，可帮助您为 TensorFlow 程序选择最佳的超参数集。 超参数有两种类型： 模型超参数：影响模型的选择，例如隐藏层的数量和宽度 算法超参数：影响学习算法的速度和质量，例如随机梯度下降 (SGD) 的学习率以及 k 近邻 (KNN) 分类器的近邻数 安装并导入 Keras Tuner。123conda activ
保存和恢复模型
保存和恢复模型可以在训练期间和之后保存模型进度。这意味着模型可以从停止的地方恢复，避免长时间的训练。此外，保存还意味着您可以分享您的模型，其他人可以重现您的工作。 小心：TensorFlow 模型是代码，对于不受信任的代码，一定要小心。 以管理员身份运行 annconda prompt123conda activate pythonProject2pip3 install pyyaml h5py
Dropout 解决过拟合
Dropout 解决过拟合添加随机失活随机失活是一种最有效、最常用的神经网络正则化技术，由 Hinton 和他在多伦多大学的学生共同开发。 随机失活的直观解释是，由于网络中的单个节点不能依赖其他节点的输出，所以每个节点必须输出对自己有用的特征。 “随机失活率”是指被清零的特征的比率；它通常设置为 0.2 到 0.5 之间。 向网络中添加两个随机失活层，检查它们在减少过拟合方面的表现： 123456
Initializing libiomp5md.dll, but found libiomp5md.dll already initialized
Initializing libiomp5md.dll, but found libiomp5md.dll already initialized报错的原因是，site-packages目录下，有两个以上的libiomp5md.dll文件。 1. 权宜之计12import osos.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"
监督学习
监督学习监督学习(supervised learning)问题大部分可以分成 Regression (回归)和 Classification(分类) 这两种。回归是说我要预测的值是一个连续的值，比如房价，汽车的速度，飞机的高度等等。而分类是指我要把东西分成几类，比如猫狗猪牛等等。 图像分类1234567891011121314151617181920212223242526272829303132
Tensorboard的使用
Tensorboard的使用Tensorboard教程 大致流程12345678from torch.utils.tensorboard import SummaryWriter#实例化SummaryWriter，并指明日志存放路径。在当前目录如果每月logs目录将自动创建#如果不写log_dir，系统将会创建runs目录writer = SummaryWriter(log_dir = '
Tensorboard 可视化
Tensorboard 可视化Tensorboard教程 以管理员身份运行 annconda prompt 安装 Tensorboard12345conda activate pythonProject2pip install tensorboard -i https://pypi.tuna.tsinghua.edu.cn/simplepip3 install torchvision -i htt
Tensorflow
Tensorflow拟合曲线机器学习其实就是让电脑不断的尝试模拟已知的数据。它能知道自己拟合的数据离真实的数据差距有多远，然后不断地改进自己拟合的参数，提高拟合的相似度。 拟合参数如果红色曲线的表达式为：y = ax + b 其中x代表inputs, y代表outputs, a和b是神经网络训练的参数。模型训练好了以后，a和b的值将会被确定，比如 a=0.5, b=2
Pandas 基本介绍
Pandas 基本介绍Numpy 是列表形式的，没有数值标签，而 Pandas 就是字典形式 主要两个数据结构：Series 和 DataFrame Series123456789101112131415import pandas as pdimport numpy as nps = pd.Series([1,3,6,np.nan,44,1])print(s)"""0
Numpy 属性
Numpy 属性基本属性 ndim：维度 shape：行数和列数 size：元素个数 123456789101112131415import numpy as np #为了方便使用numpy 采用np简写array = np.array([[1,2,3],[2,3,4]]) #列表转化为矩阵print(array)"""array([[1, 2, 3],
DQN
DQNGoogle Deep mind 团队就是靠着这 DQN 使计算机玩电动玩得比我们还厉害 融合了神经网络和 Q learning 的方法，名字叫做 Deep Q Network。 我们可以将状态和动作当成神经网络的输入，然后经过神经网络分析后得到动作的 Q 值，这样我们就没必要在表格中记录 Q 值，而是直接使用神经网络生成 Q 值。 DQN 两大利器 DQN 有一个记忆库用于学习之前的经历
单步更新 and 回合更新
单步更新 and 回合更新单步更新虽然我们每一步都在更新，但是在没有获取宝藏的时候，我们现在站着的这一步也没有得到任何更新，也就是直到获取宝藏时，我们才为获取到宝藏的上一步更新为：这一步很好，和获取宝藏是有关联的，而之前为了获取宝藏所走的所有步都被认为和获取宝藏没关系。 回合更新虽然我要等到这回合结束，才开始对本回合所经历的所有步都添加更新，但是这所有的步都是和宝藏有关系的，都是为了得到宝藏需要
Q Learning 和 Sarsa
Q Learning 和 Sarsa在强化学习中 Sarsa 和 Q learning 及其类似，Sarsa 是说到做到型，所以我们也叫他 on-policy，在线学习，学着自己在做的事情。而 Q learning 是说到但并不一定做到，所以它也叫作 Off-policy，离线学习。 而因为有了 maxQ，Q-learning 也是一个特别勇敢的算法。因为 Q learning 机器人 永远都会
机器学习教程
机器学习教程机器学习教程链接
Win10 利用 pycharm 运行 gym 框架
Win10 利用 pycharm 运行 gym 框架在windows下运行，要借助anaconda建一个环境，在新建的环境里面配置好gym，之后在pycharm中新建一个项目，在项目中添加运行这个新建的环境，就可以在windows上运行gym了 1. 安装anaconda下载最新版Anaconda下载地址 默认安装在系统环境变量Path里面添加如下内容123F:\Anaconda3\F:\Anac