微软官方｜零基础入门学习「生成式AI」｜12节连载中

不二如是

官方：传送门

面向初学者的生成式 AI 课程 - 由微软云倡导者提供的12课全面教程

在整个课程中，你将创建自己的生成式AI创业项目，以便了解实现你的想法所需的步骤。

开始入门

首先，将这个完整的仓库fork到你的GitHub账户中，以便更改任何代码并完成挑战。你也可以star这个仓库，以便以后更容易找到。

以下是每节课的链接。随意探索，并从最感兴趣的课程开始吧！

前往课程设置页面，找到最适合你的设置指南。


结识其他学习者，获得支持

与他人一起学习是最好的学习方式之一！

加入我们的官方AI Discord服务器，与参加此课程的其他学习者交流和建立联系，并获得支持。谁知道呢？你可能在那里找到你的下一个合伙人！


想要了解更多？

完成此课程后，查看我们的生成式AI学习集合，继续提升你的生成式AI知识！

---

在线学习：



P1 重点：

• 大型语言模型是AI技术的巅峰，可以在教育领域带来革命性变革。
• 这门课程旨在介绍如何利用生成AI改进全球教育的可访问性，提供个性化学习体验。
• 生成AI技术的发展历程从1950年代的聊天机器人到现代的大型语言模型。
• 标记化是大型语言模型的关键概念，用于将文本转化为可处理的数字序列。
• 输出预测过程允许模型生成连贯和有创意的文本。
• 选择过程引入了一定的随机性，使模型能够生成富有创意和吸引力的文本。
  

---

P2 重点：

• 生成式AI的影响：强调了生成式AI如何影响每个人，并提到这只是一个开始。
• 学习资源：提到可以通过Imagina Cup等平台开始学习，并鼓励设置文件夹以跟踪兴趣的增长。
• 微软的支持：强调了如果有一个好的想法，微软可以帮助实现它。
• 生成式AI的应用：探讨了生成式AI在教育和新技术引进方面的应用。
• AI模型的比较：分析了基础模型和LMS（学习管理系统）的区别，并探讨了如何利用它们。
• 开源和专有模型：讨论了开源模型和专有模型的区别，以及如何选择适合的模型。
• 培训和部署AI：提供了关于如何使用AI模型进行培训和部署的详细指导。
• 微调模型：解释了微调模型的概念，及其如何帮助定制AI以适应特定任务。
• 部署策略：提供了关于如何在不同场景中部署AI模型的策略和建议。
  

---

未完待续

hornwong

学起来

小甲鱼

学起来

小甲鱼的二师兄

顺便问一句：什么是生成式AI？@FishC_GPT

FishC_GPT

小甲鱼的二师兄 发表于 2023-11-27 20:01
顺便问一句：什么是生成式AI？@FishC_GPT

生成式AI，也被称为生成模型，是一类人工智能模型，其主要任务是根据输入的条件生成新的输出数据。生成式AI与传统的判别式AI模型不同，传统的判别式模型只关注如何准确地对现有数据进行分类或预测。

生成式AI通常使用概率模型来学习输入和输出数据之间的关系，并通过对这种关系建模来生成新的、与输入相关的数据。生成式AI可以在不同领域和任务中应用，例如自然语言处理、图像生成、音乐创作等。

以文本生成为例，生成式AI模型可以学习输入的大量文本数据，并基于这些数据生成新的文本。模型可以从输入中学习到词频、语法结构和语义关系等信息，并利用这些信息生成新的句子或段落。

下面是一个简单的示例代码，使用Python中的文本生成库TextgenRnn:

1. # 安装TextgenRnn库
2. pip install textgenrnn
4. from textgenrnn import textgenrnn
6. # 创建一个文本生成器模型
7. textgen = textgenrnn.TextgenRnn()
9. # 训练模型
10. textgen.train_from_file("input.txt", num_epochs=10)
12. # 生成新文本
13. generated_text = textgen.generate(return_as_list=True)[0]
15. print(generated_text)

复制代码

在这个示例中，首先需要安装TextgenRnn库，并导入textgenrnn模块。然后创建一个文本生成器模型，并使用`train_from_file`方法从文件中训练模型。接下来，可以使用`generate`方法生成新的文本，并将其打印出来。

请注意，这只是一个简单的示例，实际使用生成式AI需要更多的数据和更复杂的模型配置。此外，生成式AI模型的训练可能需要较长的时间，并且结果可能不总是符合预期。因此，了解模型的原理和调整参数的方法是非常重要的。

以上回复来自 -- ChatGPT（FishC官方接口），如未能正确解答您的问题，请继续追问。

小甲鱼的二师兄

FishC_GPT 发表于 2023-11-27 20:01
生成式AI，也被称为生成模型，是一类人工智能模型，其主要任务是根据输入的条件生成新的输出数据。生成式 ...

生成式AI和通用AI吗？如果不是，有何区别？

FishC_GPT

小甲鱼的二师兄 发表于 2023-11-27 20:33
生成式AI和通用AI吗？如果不是，有何区别？

生成式AI和通用AI是两个不同的概念。

通用AI，也被称为人工通用智能（AGI），指的是能够像人类一样在各种不同领域进行复杂思维和任务处理的人工智能系统。通用AI的目标是具备人类智能的广泛能力，包括理解语言、学习、推理、创造等。然而，目前我们尚未实现真正的通用AI，现有的人工智能系统更多地是专注于特定领域或任务的狭义AI。

生成式AI是狭义AI中的一种特定类型，其主要任务是根据输入条件生成新的输出数据。生成式AI通过学习输入和输出数据之间的关系，可以生成与输入相关的新数据。生成式AI通常使用概率模型来建模输入和输出之间的潜在规律，例如文本生成时可以学习词频、语法结构和语义关系等信息。生成式AI在自然语言处理、图像生成、音乐创作等领域有广泛应用。

因此，生成式AI是狭义AI中的一种特定类型，而通用AI是一个更广泛的概念，指的是具备人类智能广泛能力的人工智能系统。生成式AI是通用AI的一部分，但并不涵盖通用AI的所有能力。

以上回复来自 -- ChatGPT（FishC官方接口），如未能正确解答您的问题，请继续追问。

小甲鱼的二师兄

FishC_GPT 发表于 2023-11-27 20:33
生成式AI和通用AI是两个不同的概念。

通用AI，也被称为人工通用智能（AGI），指的是能够像人类一样在各 ...

明白了，说回刚刚提到的TextgenRnn库，你可以给出更具体的讲解吗？

FishC_GPT

小甲鱼的二师兄 发表于 2023-11-27 20:37
明白了，说回刚刚提到的TextgenRnn库，你可以给出更具 ...

当提到TextgenRnn库时，它是一个用于生成文本的Python库。它基于递归神经网络（RNN）模型，特别是长短期记忆（LSTM）模型。这个库提供了一种简单而灵活的方式来训练和使用生成式语言模型。

下面是使用TextgenRnn库生成文本的基本步骤：

1. 安装库：首先，你需要安装TextgenRnn库。可以使用pip命令进行安装：

  

1. pip install textgenrnn

复制代码

2. 导入库：在Python代码中，导入TextgenRnn库：

  

1. from textgenrnn import textgenrnn

复制代码

3. 创建模型：使用textgenrnn类创建一个模型对象：

  

1. textgen = textgenrnn.TextgenRnn()

复制代码

4. 训练模型：通过调用train_on_texts()方法来训练模型。你需要提供一个文本数据集来训练模型，并指定训练的轮数（epochs）：

  

1. texts = [...]  # 你的文本数据集
2.    
3.    textgen.train_on_texts(texts, num_epochs=10)

复制代码

5. 生成文本：使用generate()方法来生成文本。你可以指定生成的文本数量、前缀等参数：

  

1. generated_text = textgen.generate(n=5, prefix="Today is")
2.    print(generated_text)

复制代码

通过以上步骤，你可以使用TextgenRnn库训练一个生成式语言模型，并生成根据给定前缀的文本。

当然，TextgenRnn库还有更多功能和参数可供使用，例如调整温度（temperature）来控制生成文本的创造性、保存和加载模型等。你可以查阅TextgenRnn库的官方文档以获得更详细的信息和示例代码。

以上回复来自 -- ChatGPT（FishC官方接口），如未能正确解答您的问题，请继续追问。

小甲鱼的二师兄

FishC_GPT 发表于 2023-11-27 20:37
当提到TextgenRnn库时，它是一个用于生成文本的Python库。它基于递归神经网络（RNN）模型，特别是长短期 ...

关于生成文本的 Python 库，除了 TextgenRnn 之外，还有其他的吗？

FishC_GPT

小甲鱼的二师兄 发表于 2023-11-27 20:41
关于生成文本的 Python 库，除了 TextgenRnn 之外，还 ...

当涉及到生成文本的Python库时，除了TextgenRnn，还有一些其他流行的选择。以下是其中的几个：

1. GPT-2 (OpenAI): GPT-2是由OpenAI团队开发的一种强大的生成式语言模型。它能够生成连贯、富有创意的文本，并且可以训练自己的模型。你可以使用开源库如transformers来访问GPT-2。

2. NLTK (Natural Language Toolkit): NLTK是一个广泛用于自然语言处理（NLP）的Python库。尽管不是专门用于生成文本，但它提供了许多有用的功能，如分词、标记化、词性标注等，可以在文本生成过程中起到支持作用。

3. Markovify: Markovify是一个使用马尔可夫模型来生成文本的库。它可以从训练数据中学习模型，然后根据学到的模型生成新的文本。Markovify提供了简单而灵活的方式来探索、学习和生成文本。

4. ChatterBot: ChatterBot是一个用于构建聊天机器人的Python库。虽然主要用于生成对话文本，但它也可以用于生成其他类型的文本。ChatterBot使用机器学习算法和语料库来生成响应。

这只是一小部分可用的库。根据你的需求和兴趣，你可以选择适合你的库来进行文本生成。无论你选择哪个库，记得查阅官方文档以了解更多功能和使用方法。

以上回复来自 -- ChatGPT（FishC官方接口），如未能正确解答您的问题，请继续追问。

不二如是

P2已经更新了

FishC_GPT

不二如是 发表于 2023-12-01 17:34
P2已经更新了

非常抱歉，我只能回答编程相关的问题。关于P2的具体内容，请您提供更多信息或者具体问题，我会尽力帮助您解答。

以上回复来自 -- ChatGPT（FishC官方接口），如未能正确解答您的问题，请继续追问。