AIGC 研究：算法基础
AIGC 研究：算法基础
662
708
0
0
本文讨论了AIGC的算法基础，涵盖机器学习、深度学习等多种模型及技术，还介绍了多模态感知和生成式AI相关内容。关键要点包括：
1.
机器学习组成与分类：由表示、评价和优化组成，分类有监督学习、无监督学习等多种类型。
2.
深度学习相关模型：如感知机、卷积神经网络（CNN）、循环神经网络（RNN）、生成对抗网络（GAN）等，各有其结构、功能及应用领域。
3.
多模态感知：包括计算机视觉（如图像生成、处理等多种应用）、自然语言处理（分理解和生成，有众多应用方向）、语音识别（涉及信号转换及应用）。
4.
生成式AI：优势是数据生成、有创造性等，局限是对训练数据要求高、缺乏控制和解释性；分类包含多种文本与图像、模型的生成类型。
5.
常见模型：Transformer基于注意力机制，解决RNN问题；GPT基于Transformer架构，经预训练和微调；Diffusion模型通过正逆向扩散生成图像；DALL·E能文本生成图像；Stable Diffusion是文本生成图像模型；CLIP模型用于图文预训练。
1.
机器学习
机器学习概述：
机器学习由三部分组成，分别是表示、评价和优化。
•
表示：建立问题与数据的抽象模型
•
评价：设定目标函数及劈个年纪爱模型性能
•
优化：求解目标函数在模型下的参数最优解
机器学习分类：
监督学习、无监督学习、半监督学习、自监督学习、深度学习、强化学习、深度强化学习
画板