隱空間文章進(jìn)入隱空間技術(shù)社區(qū)

觀察AI模型的隱空間狀態(tài)，探索潛在因子

1? ?前言當(dāng)我們?cè)谟^察AI模型的生成數(shù)據(jù)時(shí)，通常會(huì)比較關(guān)注于模型輸出層的結(jié)果。然而，觀察其隱藏層的數(shù)據(jù)也是非常有價(jià)值的。AI模型善于捕捉萬(wàn)事萬(wàn)物之間的關(guān)聯(lián)性或規(guī)律，因而成為探索人體、企業(yè)等復(fù)雜系統(tǒng)中潛在因子(Latent factors)的利器。在這些復(fù)雜系統(tǒng)中，其潛在因子是指無(wú)法直接觀察但影響系統(tǒng)行為的潛在變量或模式。例如，大家已經(jīng)很熟悉的自動(dòng)編碼器(Autoencoder，簡(jiǎn)稱AE）模型，它能透過學(xué)習(xí)數(shù)據(jù)的壓縮表示，來呈現(xiàn)復(fù)雜系統(tǒng)中的潛在模式和關(guān)系。這種功能使得AE模型在醫(yī)學(xué)研究
關(guān)鍵字： 202410 AI模型隱空間

1 前言在前面所刊登的《從隱空間認(rèn)識(shí)CLIP 多模態(tài)模型》一文里，已經(jīng)闡述了CLIP 基于隱空間的運(yùn)作了。在本文里，將從商店柜臺(tái)的產(chǎn)品推薦應(yīng)用來說明：我們可以拿CLIP 的源代碼，搭配商家自有產(chǎn)品圖像(Image) 和圖像敘述文句(Text)，來訓(xùn)練出企業(yè)自用的CLIP 小模型，同時(shí)也領(lǐng)會(huì)其幕后隱空間(Latent space) 的運(yùn)作及其效果。茲復(fù)習(xí)一下CLIP 的特性，它的目標(biāo)是透過大量圖片及文字描述，建立兩者間的對(duì)應(yīng)關(guān)系。其做法是利用ResNet50 等來萃取圖像的特征，并映射到隱空間(Latent
關(guān)鍵字： 202311 CLIP 隱空間

在上一期里，您已經(jīng)領(lǐng)會(huì)Encoder 和Decoder 兩者的涵意和功能了。請(qǐng)您看看圖1 里，在兩者之間有個(gè)空間，通稱為：隱空間(latent space)。圖1 （來源https://arxiv.org/pdf/1909.11573.pdf）本期以SD(Stable Diffusion) 模型為例，來欣賞其隱空間里的架構(gòu)之美。由于Diffusion 隱空間里的主角是：UNet模型。于是，先來細(xì)觀Diffusion 隱空間里UNet模型的訓(xùn)練流程。1 簡(jiǎn)介UNet模型在本專欄里，曾經(jīng)詳細(xì)介紹過AE(aut
關(guān)鍵字： 202308 Diffusion 隱空間 UNet

0 引言在上1 期里，您已經(jīng)領(lǐng)會(huì)( 理解)Encoder 的涵意和功能了。在本期里，就繼續(xù)來領(lǐng)會(huì)Decoder 的涵意和功能。由于這兩者是息息相關(guān)的。例如在Diffusion 模型里，就含有文本編碼器(text encoder)、圖像編碼器(image decoder)、以及解碼器(decoder) 等。于是，當(dāng)您已經(jīng)深入理解編碼器了，就能輕易繼續(xù)理解另一名詞：解碼器(Decoder)。茲回憶上1 期的說明：Encoder 負(fù)責(zé)從有招的世界，萃取( 過濾)& 沉淀于無(wú)招世界( 即AI 的潛藏空間)
關(guān)鍵字： 202307 隱空間解碼器

1 前言當(dāng)我們?cè)陂喿x關(guān)于AIGC 的文章時(shí)，常常會(huì)看到Encoder和Decoder名詞。它們是AI( 即ML) 的核心模型，如果能深入理解它們的涵意和功能，就能更流暢地理解相關(guān)文章的內(nèi)容，以及圖示。例如，關(guān)于Diff usion( 擴(kuò)張模型) 的文章里?？吹饺鐖D1。(圖1 來源https://www.joaoleal.com/how-stablediffusion-dall-e-2-and-midjourney-work)圖1 說明諸如Stable Diff usion 里，就含有文本編碼器(text
關(guān)鍵字： 202306 隱空間編碼器

1 AIGC產(chǎn)業(yè)的革命性轉(zhuǎn)折點(diǎn)在2023 年3 月期的連載中曾經(jīng)說明了，隨著AIGC潮流的發(fā)展，AI 模型將更為百花齊放，繁雜多樣，將導(dǎo)致管理成本急速升高。于是AI 模型的集裝箱(Container)角色就出來了。在未來數(shù)年內(nèi)，凡是力求掌握隱藏空間，致力于開發(fā)控制軟件系統(tǒng)，來有效管理AI 貨柜( 即隱藏空間) 者，將成為AIGC 時(shí)代的大贏家。君不見，近年來AIGC 領(lǐng)域已經(jīng)進(jìn)入到大語(yǔ)言模型(LLM) 架構(gòu)& 多模態(tài) ( Multi-modal ) 時(shí)代。多模型AI能帶來的更豐富的創(chuàng)作內(nèi)容，帶給我
關(guān)鍵字：隱空間 AIGC生態(tài)

1? ?復(fù)習(xí)：AIGC創(chuàng)作力來源——隱空間在2023 年1 月刊連載中，我們?cè)?jīng)說明在AIGC領(lǐng)域里，最近幾個(gè)很紅的圖像模型，例如DALLE、Imagen 和Midjourney 等，它們都是基于一種機(jī)制：擴(kuò)散(Diffusion)。經(jīng)由模型訓(xùn)練，操作隱空間(Latent space) 的向量，加上隨機(jī)輸入中合成新的數(shù)據(jù)，呈現(xiàn)出令人驚奇的創(chuàng)作，推動(dòng)了AI 組合的創(chuàng)新或創(chuàng)作。這意味著，關(guān)于AI 的生成或創(chuàng)作，大多會(huì)涉及隱空間的操作?，F(xiàn)在先從一個(gè)基本問題出發(fā)，這個(gè)問題是：為什么AI會(huì)創(chuàng)作
關(guān)鍵字： 202303 神經(jīng)網(wǎng)絡(luò) 隱空間 AIGC

1? ?前言上一期里我們?cè)?jīng)談到AI 有3 種型：識(shí)別型AI、生成型AI、決策型AI。一般而言，2020 年之前，識(shí)別型AI 是主流；而在2020 年之后，生成型AI 和決策型AI 逐漸蔚為主流。尤其是生成型AI 模型，如長(zhǎng)江后浪前浪，蒸蒸日上。因之，本期就來談?wù)勆尚虯I( 例如AIGC) 的魅力源頭：隱空間(Latent space)。愈擅長(zhǎng)于操作隱空間向量(Vector)，就愈能生成令人驚訝的創(chuàng)作?，F(xiàn)在，我們就來認(rèn)識(shí)隱空間，建立扎實(shí)的基礎(chǔ)，以便順暢迎向AIGC新潮流。2?
關(guān)鍵字： 202301 AIGC 隱空間

共8條 1/1 1

您好，目前還沒有人創(chuàng)建詞條隱空間!
歡迎您創(chuàng)建該詞條，闡述對(duì)隱空間的理解，并與今后在此搜索隱空間的朋友們分享。創(chuàng)建詞條