AI工程化、开源分享、文档翻译、代码笔记

一、关于 PhyX 数据集基础信息数据集背景二、数据特性1、核心特征2、数据集版本3、数据字段说明三、使用方式Ss加载代码四、更新日志

1.导言1.1.系统要求1.2.操作系统支持政策1.3.主机编译器支持政策1.3.1.支持的C++方言1.4.关于本文件2.安装前的操作2.1.验证您有一个支持CUDA的GPU2.2.验证您拥有受支持的Linux版本2.3.验证系统是否已安装gcc2.4.选择一种安装方法2.5.下载NVIDIA CUDA工具包下载验证2.6.处理相互冲突的安装方法3.包管理器安装3.1.概述3.2. RHEL / Rocky3.2.1 准备 RHEL / Rocky3.2.2RHEL/R

paper文章技术分享商业运营🔮 Awesome AI Agents开源AgentGithub TopicsAdalaAgent4RecAgentForgeAgentGPTAgentPilotAgentsAgentVerseAI LegionAiderAIliceAutoGenAutoGPTAutomataAutoPRAutonomous HR ChatbotBabyAGIBabyBeeAGIBabyCatAGIBabyDeerAGIBabyElfAG

仅给定动态场景的一些姿势图像，我们就可以通过重建与一个输入视图的时间相对应的静态 3D 场景来创建“子弹时间”效果。CAT4D的核心是一个多视图视频扩散模型，它解开了摄像机和场景运动的控制。给定输入单目视频，我们使用我们的多视图视频扩散模型在新视点生成多视图视频。然后，这些生成的视频用于将动态3D场景重建为变形的3D高斯。使用多视图扩散模型（Multi-View Video Diffusion Models），在4D中创建任何内容。将我们的方法与不同任务的基线进行比较。3）变化视点和变化时间。

这里记录一些比较好的总结文章和资源。

1、Metal 插件2、要求3、开始行动3.1 安装3.2 验证3.3 与jaxlib的兼容性4、在AXLearning Fuji模型上运行推理4.1 安装Miniconda4.2 Setup venv4.3 运行演示5、测试6、目前不支持7、问题和反馈

LangChain智谱DashScope - QwenMoonshot AI - Kimitavily

一、关于 Agent Zero现在有了UI：关键概念1、General-purpose 助理2、计算机作为工具3、多智能体合作4、完全可定制和可扩展5、沟通是关键不错的功能记住已知问题理想的环境二、Setup - 如何在Windows和MacOS上安装Agent Zero提醒：1、安装Conda（minicon da）2、安装Docker（Docker桌面应用程序）3、下载Agent Zero4、设置Conda环境5、配置Agent Zero6、运行Agent Zero

HuggingFace - 使用 Inference API

快速启动一、先决条件二、启动服务器1、确保 `vm.max_map_count` ≥ 262144:2、克隆存储库：3、构建预构建的Docker映像并启动服务器：三、配置LLM四、创建您的第一个知识库五、文件解析六、设置一个AI聊天配置知识库一、创建知识库二、配置知识库1、选择块方法2、选择嵌入模型3、上传文件4、解析文件5、干预文件解析结果6、运行检索测试三、搜索知识库四、删除知识库开始AI聊天一、开始一个AI聊天二、更新现有对话的设置三、将聊天功能集成到您

macOS 上使用 ragflow 时，设置 vm.max_map_count 以保证 ES 正常运行

一、关于 Auto-Editor安装系统兼容性版权二、切割自动切割的方法看看自动编辑器删掉了什么三、导出到编辑器命名时间线按 Clip 分割四、手工编辑五、更多的选择

一、基本说明什么是微调，为什么？如何使用Unsloth？📒Unsloth NotebooksGoogle ColabMain notebooks:Other notebooks:Kaggle支持的所有模型 📚二、安装📥1、更新无需依赖项 更新2、Conda 安装3、Pip安装4、Google Colab三、保存模型📂保存到GGUF保存到Ollama在Google Colab上保存出口到Ollama自动创建`Modelfile`Ollama推断保存到VLLM

1、什么是Unsloth？2、什么是Ollama？3、安装Unsloth4、选择要微调的模型5、微调参数6、Alpaca 数据集7、多列微调8、多轮对话9、可定制的聊天模板10、训练模型11、推理/运行模型12、保存模型13、导出到 Ollama14、自动创建`Modelfile`15、Ollama 推理16、交互式ChatGPT风格你做到了！

一、关于 marker特点它是如何工作的例子性能商业用途托管API限制二、安装Optional: OCRMyPDF三、用法配置转换单个文件转换多个文件在多个GPU上转换多个文件三、故障排除四、有用的设置五、基准测试速度精度吞吐量六、运行自己的基准测试七、感谢

一、关于 workflow二、基于图的用户体验的局限性三、从图表到EDA：去事件驱动四、工作流入门1、基本使用2、工作流可以循环3、工作流保持状态4、工作流程可以定制5、可以调试工作流五、为什么今天应该使用工作流六、资源

一、关于 LangGraph Studio下载二、设置三、打开一个项目三、调用图开始新的运行配置图运行四、创建和编辑线程1、创建一个线程2、选择一个线程3、编辑线程状态五、如何向图表添加中断1、将中断添加到节点列表2、向特定节点添加中断六、Human-in-the-loop七、编辑项目配置八、编辑图形代码

是一个全栈应用程序，可以将任何文档、资源（如网址链接、音频、视频）或内容片段转换为上下文，以便任何大语言模型（LLM）在聊天期间作为参考使用。AnythingLLM是一个全栈应用程序，您可以使用现成的商业大语言模型或流行的开源大语言模型，再结合向量数据库解决方案构建一个私有ChatGPT，不再受制于人：您可以本地运行，也可以远程托管，并能够与您提供的任何文档智能聊天。工作区可以共享文档，但工作区之间的内容不会互相干扰或污染，因此您可以保持每个工作区的上下文清晰。AnythingLLM将您的文档划分为称为。

关于 Nerd Fonts重要告示TL;DR字体的各种下载选项特点Glyph Setsshell中的图标名称修补字体Variations字体安装`Option 1: Release Archive Download``Option 2: Homebrew Fonts``Option 3: Unofficial Chocolatey or Scoop Repositories``Option 4: Arch Extra Repository``Option 5: Ad Hoc Cu

一、关于 gpt-engineerRoadmap二、安装安装 gpt-engineer故障排除设置API密钥三、使用创建新代码（默认用法）改进现有代码基准定制代理四、gptengineer.app 相关（ gpt-engineer ）五、特点预提示愿景开源、本地和替代模型

一、打开文件1、支持的文件类型2、如何打开文件打开一个错误的文件扩展名3、打开远程文件从云服务打开文件4、以文本形式打开文件例子打开一个`C#`文件打开一个`XML`文件打开一个`JSON`文件二、文本1、如何提取所有文档文本2、如何提取文本作为Markdown3、如何从页面中提取键值对4、如何从矩形中提取文本5、如何以自然阅读顺序提取文本6、如何从文档中提取表格内容7、如何标记提取的文本8、如何标记搜索文本9、如何标记非水平文本10、如何分析字体特征12、如何

关于 Felo产品支持语言

关于 Alibaba PaiPAI底层支持多种计算框架：PAI提供的服务：优势产品架构功能特性人工智能平台 PAI基本概念管理员视角AI开发视角PAI产品模块

一、关于 TransformerEngine ？亮点二、使用示例PyTorchJAXFlax三、安装先决条件Dockerpip从源码使用 FlashAttention-2 编译四、突破性的变化v1.7: Padding mask definition for PyTorch五、FP8 收敛六、集成七、其它贡献论文视频最新消息

Stirling-PDF 是一个强大的、本地托管的基于Web的PDF操作工具，使用Docker。它使您能够对PDF文件执行各种操作，包括拆分、合并、转换、重组、添加图像、旋转、压缩等。这个本地托管的Web应用程序已经发展到包含一组全面的功能，寻址您的所有PDF需求。Stirling PDF 不会出于记录保存或跟踪目的 发起任何站外呼叫。所有文件和PDF要么只存在于客户端，要么仅在任务执行期间 驻留在服务器记忆中，要么仅在任务执行时 临时驻留在文件中。到那时，用户下载的任何文件都将从服务器中删除。

一、关于 fabricNetwork Chuck 的介绍视频什么以及为什么换句话说，人工智能没有能力问题 —— 它有接入问题。哲学将问题分解为组件prompts 太多我们对提示的方法二、快速入门Python 版本设置结构命令三、更新使用 `fabric` 客户端示例命令只需使用模式创建您自己的 Fabric Mill四、结构1、组件2、CLI 原生3、直接调用模式五、示例六、自定义模式七、Agents八、助手应用1、YouTube2、TS（音频转录）安装

一、关于 Quivr主要特点🎯二、入门🚀先决条件📋60秒安装💽更新Quivr🚀

一、关于 LiteLLM🚅企业级我们为什么要建造这个？二、用法异步流日志可观测性三、OpenAI代理📖代理端点快速启动代理-CLI第1步：启动litellm代理第2步：向代理发出ChatCompletions请求代理密钥管理请求预期反应四、支持的 Providers五、贡献

一、关于 llama-agentic-system二、LLama代理系统安装和设置指南1、创建Conda环境2、运行FP83、作为包安装4、测试安装5、下载检查点（或使用现有模型）6、配置推理服务器配置7、运行推理服务器8、配置代理系统9、为工具添加API密钥10、启动应用程序并与服务器交互11、启动一个可以创建代理并与推理服务器交互的脚本

一、SpeechT5 介绍二、文字转语音三、语音转语音的语音转换四、用于自动语音识别的语音转文本五、结论

一、关于 WhisperX新闻 🚨二、设置⚙️1、创建Python3.10环境2、安装PyTorch，例如Linux和Windows CUDA11.8：3、安装此repo4、Speaker Diarization三、使用💬（命令行）1、English2、他语言例如德语四、Python使用🐍五、Demos 🚀六、技术细节👷‍♂️七、限制⚠️

一、关于 Open-Sora📰 资讯最新的 Demo 🎥二、安装1、从源头安装2、使用Docker三、模型权重Open-Sora 1.2 模型权重四、Gradio演示1、本地部署2、入门五、推理1、Open-Sora 1.2 命令行推理2、序列并行推理3、GPT-4o 快速细化六、数据处理七、训练Open-Sora 1.2 训练八、评估九、VAE 训练与评估

一、关于 SBERT特点预训练模型应用实例二、安装开发设置三、入门使用四、训练五、Cross Encoder

一、关于 FastChat二、安装方法1：使用pip方法2：从源码三、模型权重1、Vicuna 权重2、其他模型四、使用命令行界面进行推理1、支持的模型2、单GPU3、多 GPU4、仅 CPU5、Metal 后端（带有Apple Silicon 或 AMD GPU 的 Mac计算机）6、英特尔 XPU（英特尔数据中心和Arc A系列GPU）7、Ascend NPU8、内存不够9、更多平台和量化10、使用 modelscope 中的模型五、使用Web GUI提供服务1、启

一、关于 LLaMA-Factory项目特色性能指标二、如何使用1、安装 LLaMA Factory2、数据准备3、快速开始4、LLaMA Board 可视化微调5、构建 DockerCUDA 用户：昇腾 NPU 用户：不使用 Docker Compose 构建CUDA 用户：昇腾 NPU 用户：数据卷详情6、利用 vLLM 部署 OpenAI API7、从魔搭社区下载8、使用 W&B 面板三、支持1、模型2、训练方法3、数据集预训练数据集指令微调数据集偏好

它引入了新的设备，将机器学习计算图和原语映射到 Metal Performance Shaders 图框架和 Metal Performance Shaders 框架提供的经过优化的内核上。新的 MPS 后端扩展了 PyTorch 生态系统，并为现有脚本提供在 GPU 上设置和运行操作的功能。设备支持 在使用 Metal 编程框架的 MacOS 设备上，进行高性能 GPU 训练。要开始使用，只需将您的张量和模块移动到。2024-07-16（二）

Metal 加速要求开始1.Set upAnacondapip2.安装Anacondapip从源代码构建3.验证反馈意见资源

一、关于 LLaVA摘要二、Multimodal Instrucion-Following Data三、LLaVA：大型语言和视觉助手四、性能1、 视觉聊天：构建多模态GPT-4级聊天机器人2、科学QA：LLaVA与GPT-4协同作用的新SoTA五、以下视觉教学示例1、基于[OpenAI GPT-4技术报告中两个例子的可视化推理](https://arxiv.org/abs/2303.08774)2、光学字符识别（OCR）3、对话示例六、安装升级到最新的代码库使用HuggingFa

一、关于 llama-cpp-python二、安装安装配置支持的后端Windows 笔记MacOS笔记升级和重新安装三、高级API1、简单示例2、从 Hugging Face Hub 中提取模型3、聊天完成4、JSON和JSON模式JSON模式JSON Schema 模式5、函数调用6、多模态模型7、Speculative Decoding8、Embeddings9、调整上下文窗口四、OpenAI兼容Web服务器Web服务器功能五、Docker镜像六、低级API

一、关于 Axolotl特点Axolotl支持二、快速入门⚡用法三、环境设置1、Docker2、Conda/Pip venv3、Cloud GPU4、Bare Metal Cloud GPULambdaLabsGCP5、Windows6、Mac7、Google Colab8、通过SkyPilot在公共云上启动9、通过 dstack 在公共云上启动四、其他高级设置1、数据集2、配置所有配置选项五、训练运行预处理数据集多GPU1、DeepSpeed2、FSDP