Flux.jl
-
北航&美團等最新EditThinker：給AI修圖裝上“大腦”，Flux、OmniGen2瞬間智商暴漲！
作者：Hongyu Li等 解讀：AI生成未來 圖1。EditThinker 概述。子圖（a）展示了多輪思考編輯流程，該流程迭代批評、優化和重復編輯指令，子圖（b）報告了四個圖像編輯基準測試的結果，展
-
僅用1張圖1小時，比肩FLUX.1和Qwen，推理狂飆5倍！Glance用“快慢哲學”顛覆擴散模型！
作者：Zhuobai Dong等 解讀：AI生成未來 亮點直擊 極致高效的訓練：僅需?1 個樣本，在?單張 V100 GPU?上不到?1 小時?即可完成訓練。這與需要數千GPU小時（如 DMD2 需要
-
再見VAE！英偉達PixelDiT硬剛SD/FLUX：破局像素生成，端到端效果比肩隱空間模型
作者：Yongsheng Yu等 解讀：AI生成未來 亮點直擊 PixelDiT，一種單階段、完全基于Transformer的像素空間擴散模型，無需單獨的自編碼器即可進行端到端訓練。 證明了高效的像素
-
使用Flux.jl進行圖像分類
在PyTorch從事一個項目，這個項目創建一個深度學習模型，可以檢測未知物種的疾病。 最近，決定在Julia中重建這個項目，并將其用作學習Flux.jl[1]的練習，這是Julia最流行的深度學習包（至少在GitHub上按星級排名）
-
使用Pyhon+Flux+Julia實現手寫數字識別
使用MNIST數據集對0到9之間的數字進行手寫數字識別是神經網絡的一個典型入門教程。該技術在現實場景中是很有用的,比如可以把該技術用來掃描銀行轉帳單或支票,其中帳號和需要轉賬的金額可以被識別處理并寫在明確定義的方框中
數字識別 2020-09-13
換一批
