ສະຫຼຸບ: ອະນາຄົດຂອງ Generative AI
ທົບທວນ 6 ຄອບຄົວ ແລະ ທິດທາງຕໍ່ໄປ.
ຊີຣີສ໌ນີ້ເລີ່ມຈາກ p(x) ງ່າຍໆ ຈົນຮອດລະບົບທີ່ແຕ້ມຮູບຈາກຂໍ້ຄວາມ. ທຸກວິທີແຕກຕ່າງກັນທີ່ວິທີຈັດການກັບ p(x): ປະມານ, ຄິດໄລ່ແທ້ ຫຼື ບໍ່ສົນໃຈເລີຍ ແຕ່ສຸ່ມເປັນ.
ທິດທາງຕໍ່ໄປ: model ຫຼາຍ modality (ຂໍ້ຄວາມ, ຮູບ, ສຽງ, ວິດີໂອ), AI ທີ່ເປັນຜູ້ຊ່ວຍໃນການເຮັດວຽກ, ແລະ ຄຳຖາມດ້ານຈັນຍາບັນ ເຊັ່ນ ລິຂະສິດ ແລະ ຂ່າວປອມ.
6 ຄອບຄົວໃນໜ້າດຽວ
| ຄອບຄົວ | ຈຸດແຂງ | ຈຸດອ່ອນ |
|---|---|---|
| VAE | ຝຶກງ່າຍ, latent space ດີ | ຮູບມົວ |
| GAN | ຮູບຄົມຊັດ, ສຸ່ມໄວ | ຝຶກຍາກ, mode collapse |
| Autoregressive | Likelihood ແທ້, ດີກັບຂໍ້ຄວາມ | ສ້າງຊ້າ |
| Normalizing flow | Likelihood ແທ້ + ກັບດ້ານໄດ້ | Network ຖືກຈຳກັດ |
| Energy-based | ຮູບແບບ model ອິດສະຫຼະ | ສຸ່ມຊ້າ |
| Diffusion | ຄຸນນະພາບສູງສຸດ, ຝຶກສະຖຽນ | ສຸ່ມຫຼາຍກ້າວ |
ກ້າວຕໍ່ໄປ
- ລັນໂຄດທຸກບົດ ແລ້ວລອງປ່ຽນຂໍ້ມູນເປັນຂອງທ່ານເອງ
- ລອງ Hugging Face diffusers ເພື່ອໃຊ້ Stable Diffusion ຕົວຈິງ
- ໃຊ້ Generative AI ຢ່າງຮັບຜິດຊອບ: ບອກແຫຼ່ງທີ່ມາ ແລະ ເຄົາລົບລິຂະສິດ
- #GenerativeAI
- #DeepLearning
- #PythonສຳລັບຄົນLaos
- #AI
- #ບອກຕໍ່ຄວາມຮູ້