当前位置: 首页 > news >正文

【人工智能】Gitee AI 天数智芯有奖体验开源AI模型,一定能有所收货,快来体验吧

大家好,我是全栈小5,欢迎阅读小5的系列文章。
这是《人工智能》系列文章,每篇文章将以博主理解的角度展开讲解。

在这里插入图片描述

目录

  • 前言
  • 两大赛道
    • 天数智芯
      • 1.模型地址
      • 2.天数智芯专区
      • 3.选择模型
      • 4.模型详情页
      • 5.部署模型
      • 6.成功部署
      • 7.执行例子
      • 8.移除模型
    • 千模盲测
      • 1.筛选模型
      • 2.未运行模型
      • 3.执行例子

前言

随着“AI 时代”的到来,开发者们面临着前所未有的挑战和机遇。
为了更好地服务开发者们,Gitee 在一年紧锣密鼓的筹备工作后,宣布 Gitee AI 模型平台正式内测上线
有奖体验活动地址:https://ai.gitee.com/gitee-community/gitee-ai-events
在这里插入图片描述

两大赛道

可以选择下列任意活动赛道进行体验,也可以同时参加。每个赛道将独立排名评奖。

由于模型体积较大,创建模型引擎时加载耗时较长,属于正常现象(大部分是一分钟内可完成部署,部分模型加载时间预计半小时以上)
博主以Stable-diffusion-2、chatyuan-large-v2两个模型为例,一起探索 Gitee AI 上模型体验使用之旅吧。

天数智芯

温馨提示:只要运行成功任意一个模型,并且直接在网页端执行成功一个例子就会记录一次,根据执行成功次数进行奖励排名,越多排名越靠前

下面是体验步骤

1.模型地址

Gitee AI下提供了国产大模型,AI 编程,天数智芯,曙光智算等模型,本次我们这里选择天数智芯专区模型进行体验
点击跳转地址:https://ai.gitee.com/models
在这里插入图片描述

2.天数智芯专区

点击跳转到【天数智芯专区】地址:https://ai.gitee.com/topics/iluvatar

中国领先的通用 GPU 高端芯片及超级算力系统提供商。
天数智芯通用GPU产品具有高性能、通用性、灵活性等特点,支持国内外主流AI生态和各种深度学习框架。

在这里插入图片描述

3.选择模型

博主这里选择的是Stable-diffusion-2,文本转图像的模型。
点中模型即可跳转到模型详情页
在这里插入图片描述

4.模型详情页

在模型详情页,会有模型介绍以及使用例子介绍,以及模型文件等
在这里插入图片描述
在这里插入图片描述

5.部署模型

点击【部署】,然后点击【模型引擎】
在这里插入图片描述
实例配置选择【天数智芯】,其他都是默认即可,最后点【新建模型引擎】,等几秒会自动跳转到部署页面进行初始化模型
在这里插入图片描述
当提示【GPU资源不足】,则说明现在操作这个模型的小伙伴比较多,可以晚上进行部署或者换一个模型进行测试
在这里插入图片描述

6.成功部署

博主换一个模型进行部署,部署成功的标记如下,会有几个状态,等待中、初始化中,只要出现运行中就是表示部署成功。
初始化时间长短,也看模型大小规模,从一分钟到三十分钟都有可能,博主测试的大部分模型都是1、2分钟或者1分钟内都部署完成。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

7.执行例子

可以使用模型提供的例子,也可以根据模型介绍进行自定义输入文本等
在【测试你的模型!】输入内容,并点击运行即可,能够响应到内容后就表示成功运行一次模型,系统会自动和当前账号绑定次数,重复运行也只会记录一次,所以运行成功后可以换另一个模型进行测试。
因为此模型主要是生成对应漫画小女孩模型,主要会有漫画和小女孩元素出现,一般都是垂直类模型。
在这里插入图片描述

8.移除模型

完成一次模型后,需要移除当前模型,因为每个用户暂时只允许运行一个模型,否则会提示如下

该配置最多能创建1个模型引擎,请先删除已创建的模型引擎后重试。

在这里插入图片描述
点击设置
在这里插入图片描述
复制指定文本,然后删除模型引擎即可,这样就可以进行下一个模型体验了
在这里插入图片描述

温馨提示:模型成功运行后(模型生成对应的效果),后台将记录您的成功运行模型的数量信息,并根据该结果排名评奖
您也可以截图留存模型的成功运行界面(执行例子响应的截图),在对排名有争议时出示截图证明

千模盲测

步骤和天数智芯一样,只是需要找到模型没有【智凯100】标签的模型,没有这个标签说明还没有小伙伴运行成功并执行该模型。

1.筛选模型

为了提升挑战的成功率,更好的找到未进行部署的模型,您可以通过以下几种方式进入模型列表选择模型
方法一:筛选Transformers、Diffusers
在这里插入图片描述
方法二:选择指定企业下的模型
方法三:通过代码方式,写好一定逻辑去判断那些还没有打上标签的模型。
博主平时用C#比较多,所以下面的代码是C#,感兴趣的可以用Python等语言编写逻辑。
实现逻辑也很简单,调模型接口,调具体模型详情页判断是否存在【智凯100】标签

        public async Task AIData(){string url = string.Empty;List<AIDataRunModel> list = new List<AIDataRunModel>();for (int i = 1; i <= 5; i++){using (HttpClient client = new HttpClient()){try{url = $"https://ai.gitee.com/api/profile/huggingface/models?p={i}&page_size=10&order_by=updatedAt&type=mirror";HttpResponseMessage response = await client.GetAsync(url);if (response.IsSuccessStatusCode){string responseBody = await response.Content.ReadAsStringAsync();AIModel model = JsonConvert.DeserializeObject<AIModel>(responseBody);foreach(var item in model.data){bool flag = await IsOk(item.hrefAll);if (flag){list.Add(new AIDataRunModel() { modelUrl = item.hrefAll, runUrl = item.runUrl });}}}else{Console.WriteLine("请求失败: " + response.StatusCode);}}catch (Exception ex){Console.WriteLine("发生异常: " + ex.Message);}}}}private async Task<bool> IsOk(string url){bool flag = false;using (HttpClient client = new HttpClient()){try{HttpResponseMessage response = await client.GetAsync(url);if (response.IsSuccessStatusCode){string responseBody = await response.Content.ReadAsStringAsync();if (!responseBody.Contains("<span>智铠100</span>")){flag = true;}else{flag = false;}}}catch (Exception ex){Console.WriteLine("发生异常: " + ex.Message);}}return flag;}public class AIModel{public List<AIDataModel>? data { get; set; }public int page { get; set; }public int pageCount { get; set; }public int pageSize { get; set; }public bool success { get; set; }public int total { get; set; }}public class AIDataModel{public string href { get; set; }public string hrefAll { get { return $"https://ai.gitee.com/{href}"; } }public string runUrl { get { return $"https://ai.gitee.com/endpoints/xiao555/new?repository={href.TrimStart('/')}"; } }public string mirrorUrl { get; set; }public List<AIDataTagsModel> tags { get; set; }}public class AIDataTagsModel{public string name { get; set; }}public class AIDataRunModel{public string modelUrl { get; set; }public string runUrl { get; set; }}

2.未运行模型

比如,博主下面通过代码找到未部署的模型

https://ai.gitee.com//hf-models/bert-base-multilingual-cased
https://ai.gitee.com//hf-models/roberta-large
https://ai.gitee.com//hf-models/distilbert-base-multilingual-cased

只要下面没有出现过【智凯100】的标签,即可进行部署测试,执行成功后会自动打上标签并和您账号绑定,记录一次成功次数
在这里插入图片描述

3.执行例子

部署步骤和上面一样,这里直接就是运行模型例子
【模型运行成功】【此时还不会打上标签】
在这里插入图片描述
【成功运行模型例子】
在右边会有示例1、2,可以直接使用运行查看效果
在这里插入图片描述
在这里插入图片描述
【此时再刷新模型介绍页面,会看到打上了标签】
【则表示运行成功一次模型】
【可以换下一个模型进行体验】
在这里插入图片描述

总结:当然Gitee AI还有很多功能,大家感兴趣的也可以关注和体验。技术更新迭代很快,很荣幸也很庆幸我们能搭上AI时代的快车,众多模型总能让大家变得更优秀,拥抱变化,拥抱AI,加油!

相关文章:

【人工智能】Gitee AI 天数智芯有奖体验开源AI模型,一定能有所收货,快来体验吧

大家好&#xff0c;我是全栈小5&#xff0c;欢迎阅读小5的系列文章。 这是《人工智能》系列文章&#xff0c;每篇文章将以博主理解的角度展开讲解。 目录 前言两大赛道天数智芯1.模型地址2.天数智芯专区3.选择模型4.模型详情页5.部署模型6.成功部署7.执行例子8.移除模型 千模盲…...

Ceph学习 -8.认证管理-用户基础

文章目录 1.用户基础1.1 基础知识1.2 简单实践1.3 小结 1.用户基础 学习目标&#xff1a;这一节&#xff0c;我们从基础知识、简单实践、小结三个方面来学习。 1.1 基础知识 简介 Ceph集群管理员能够直接在Ceph集群中创建、更新和删除用户 注意&#xff1a;创建用户时&#x…...

大创项目推荐 深度学习+opencv+python实现昆虫识别 -图像识别 昆虫识别

文章目录 0 前言1 课题背景2 具体实现3 数据收集和处理3 卷积神经网络2.1卷积层2.2 池化层2.3 激活函数&#xff1a;2.4 全连接层2.5 使用tensorflow中keras模块实现卷积神经网络 4 MobileNetV2网络5 损失函数softmax 交叉熵5.1 softmax函数5.2 交叉熵损失函数 6 优化器SGD7 学…...

Python小工具提升工作效率【附完整版,可下载word】

1、多个ppt汇总成一个ppt的python代码实现: import win32com.client as win32 import os import re def find(s): pat = re.compile(r"\d+") result = pat.match(s) return int(result.group(0)) def join_ppt(path:str): """ :param path: ppt所…...

k8s-Pod

文章目录 k8s-Podpod 配置文件详解pod 生命周期pod 探针StartupProbeLivenessProbeReadinessProbe探针使用建议 初始化容器钩子函数 k8s-Pod pod 是k8s 中可以调度的最小单位 每个Pod中都可以包含一个或者多个容器&#xff0c;这些容器可以分为两类&#xff1a; 用户程序所在的…...

智能网络新纪元:机器学习赋能未来计算机网络高速发展

&#x1f9d1; 作者简介&#xff1a;阿里巴巴嵌入式技术专家&#xff0c;深耕嵌入式人工智能领域&#xff0c;具备多年的嵌入式硬件产品研发管理经验。 &#x1f4d2; 博客介绍&#xff1a;分享嵌入式开发领域的相关知识、经验、思考和感悟,欢迎关注。提供嵌入式方向的学习指导…...

大数据之kafka应用

大数据之kafka应用 2024启kafkakafka常见命令生产上重放信息jmxjmx的配置和开启jmx的使用jmx例子一 jmx例子二jmx例子三jmx例子四&#xff08;special&#xff09; 2024启kafka kafka常见命令 指定jmx端口启动kafka lsof -i :9999 JMX_PORT9999 /opt/kafka_2.12-3.1.0/bin/kaf…...

嵌入式操作教程_数字信号处理_音频编解码:3-6 AAC音频解码实验

一、实验目的 了解AAC音频格式&#xff0c;掌握AAC音频解码的原理&#xff0c;并实现将AAC格式的音频解码为PCM 二、实验原理 音频编解码的主要对象是音乐和语音&#xff0c;音频的编解码格式可分为无压缩的格式、无损压缩格式、有损音乐压缩格式、有损语音压缩格式和合成算…...

【从浅学到熟知Linux】冯诺依曼体系结构及进程概念详谈!

&#x1f3e0;关于专栏&#xff1a;Linux的浅学到熟知专栏用于记录Linux系统编程、网络编程等内容。 &#x1f3af;每天努力一点点&#xff0c;技术变化看得见 文章目录 冯诺依曼体系结构操作系统如何理解管理操作系统概念设计操作系统目的系统调用和库函数概念 进程基本概念描…...

word转pdf(前后端最全保姆级别)

word转pdf vue2java 文章目录 word转pdf vue2java一、前端 vue-pdf1、下载依赖2、封装的组件 二、java使用aspose&#xff08;付费&#xff09;1.引入库2.封装的工具类3、付费密钥文件 总结 提示&#xff1a;以下是本篇文章正文内容&#xff0c;下面案例可供参考 一、前端 vue…...

深度学习简介

深度学习简介 一、引言&#xff1a;深度学习的兴起 简短介绍深度学习的历史背景 深度学习&#xff0c;作为人工智能领域的一颗冉冉升起的新星&#xff0c;其根源可以追溯到上世纪的感知机学习算法。这种算法模拟人类的神经元行为&#xff0c;是最早期的尝试之一。然而&#x…...

深入探索:使用C++构建顶级性能的网络服务器

在数字化浪潮的推动下,网络服务器作为信息交互的核心枢纽,其性能与稳定性直接决定了互联网应用的服务质量和用户体验。C++,作为一种兼具高效性与灵活性的编程语言,已然成为构建高性能网络服务器的首选工具。本文旨在深入剖析C++在构建顶级性能网络服务器中的关键技术、最佳…...

SpringBoot学习笔记四

SpringBoot学习笔记四-监听机制 1. SpringBoot监听器1.1 无需配置1.1.1 CommandLineRunner使用1.1.2 ApplicationRunner的使用1.1.3 CommandLineRunner与ApplicationRunner的区别 1.2 需要创建META-INF文件&#xff0c;并在其中创建spring.factories&#xff0c;配置相关的信息…...

雄安建博会:中矿雄安新区的总部开工建设

中矿落位雄安&#xff1a;助力国家战略与新区发展 雄安新区&#xff0c;作为中国未来发展的重要战略支点&#xff0c;正迎来一系列央企总部的疏解与建设。最近&#xff0c;中国矿产资源集团有限公司&#xff08;简称“中矿”&#xff09;在雄安新区的总部项目正式开工建设&…...

蒙特卡洛方法【强化学习】

强化学习笔记 主要基于b站西湖大学赵世钰老师的【强化学习的数学原理】课程&#xff0c;个人觉得赵老师的课件深入浅出&#xff0c;很适合入门. 第一章 强化学习基本概念 第二章 贝尔曼方程 第三章 贝尔曼最优方程 第四章 值迭代和策略迭代 第五章 强化学习实践—GridWorld 第…...

构建第一个ArkTS之声明式UI描述

ArkTS以声明方式组合和扩展组件来描述应用程序的UI&#xff0c;同时还提供了基本的属性、事件和子组件配置方法&#xff0c;帮助开发者实现应用交互逻辑。 创建组件 根据组件构造方法的不同&#xff0c;创建组件包含有参数和无参数两种方式。 说明 创建组件时不需要new运算…...

pytest教程-25-生成覆盖率报告插件-pytest-cov

领取资料&#xff0c;咨询答疑&#xff0c;请➕wei: June__Go 上一小节我们学习了pytest多重断言插件pytest-assume,本小节我们讲解一下pytest生成覆盖率报告插件pytest-cov。 测量代码覆盖率的工具在测试套件运行时观察你的代码&#xff0c;并跟踪哪些行被运行&#xff0c;…...

特征工程总结

后期总结 Reference [1] 特征工程总结 - 知乎...

JUC并发编程2(高并发,AQS)

JUC AQS核心 当有线程想获取锁时&#xff0c;其中一个线程使用CAS的将state变为1&#xff0c;将加锁线程设为自己。当其他线程来竞争锁时会&#xff0c;判断state是不是0&#xff0c;不是自己就把自己放入阻塞队列种&#xff08;这个阻塞队列是用双向链表实现&#xff09;&am…...

Golang 为什么需要用反射

本质上是可以动态获取程序运行时的变量&#xff08;类型&#xff09; 比如现在我想实现一个通用的db插入函数&#xff0c;支持我传入所有类型的struct&#xff0c;每一种类型的struct是一个单独的表&#xff0c;以struct的名称作为表名&#xff0c;然后插入到不同的表中。 pa…...

简易版抽奖活动的设计技术方案

1.前言 本技术方案旨在设计一套完整且可靠的抽奖活动逻辑,确保抽奖活动能够公平、公正、公开地进行,同时满足高并发访问、数据安全存储与高效处理等需求,为用户提供流畅的抽奖体验,助力业务顺利开展。本方案将涵盖抽奖活动的整体架构设计、核心流程逻辑、关键功能实现以及…...

【Linux】C语言执行shell指令

在C语言中执行Shell指令 在C语言中&#xff0c;有几种方法可以执行Shell指令&#xff1a; 1. 使用system()函数 这是最简单的方法&#xff0c;包含在stdlib.h头文件中&#xff1a; #include <stdlib.h>int main() {system("ls -l"); // 执行ls -l命令retu…...

java调用dll出现unsatisfiedLinkError以及JNA和JNI的区别

UnsatisfiedLinkError 在对接硬件设备中&#xff0c;我们会遇到使用 java 调用 dll文件 的情况&#xff0c;此时大概率出现UnsatisfiedLinkError链接错误&#xff0c;原因可能有如下几种 类名错误包名错误方法名参数错误使用 JNI 协议调用&#xff0c;结果 dll 未实现 JNI 协…...

Python爬虫(二):爬虫完整流程

爬虫完整流程详解&#xff08;7大核心步骤实战技巧&#xff09; 一、爬虫完整工作流程 以下是爬虫开发的完整流程&#xff0c;我将结合具体技术点和实战经验展开说明&#xff1a; 1. 目标分析与前期准备 网站技术分析&#xff1a; 使用浏览器开发者工具&#xff08;F12&…...

C# 求圆面积的程序(Program to find area of a circle)

给定半径r&#xff0c;求圆的面积。圆的面积应精确到小数点后5位。 例子&#xff1a; 输入&#xff1a;r 5 输出&#xff1a;78.53982 解释&#xff1a;由于面积 PI * r * r 3.14159265358979323846 * 5 * 5 78.53982&#xff0c;因为我们只保留小数点后 5 位数字。 输…...

学习一下用鸿蒙​​DevEco Studio HarmonyOS5实现百度地图

在鸿蒙&#xff08;HarmonyOS5&#xff09;中集成百度地图&#xff0c;可以通过以下步骤和技术方案实现。结合鸿蒙的分布式能力和百度地图的API&#xff0c;可以构建跨设备的定位、导航和地图展示功能。 ​​1. 鸿蒙环境准备​​ ​​开发工具​​&#xff1a;下载安装 ​​De…...

xmind转换为markdown

文章目录 解锁思维导图新姿势&#xff1a;将XMind转为结构化Markdown 一、认识Xmind结构二、核心转换流程详解1.解压XMind文件&#xff08;ZIP处理&#xff09;2.解析JSON数据结构3&#xff1a;递归转换树形结构4&#xff1a;Markdown层级生成逻辑 三、完整代码 解锁思维导图新…...

32单片机——基本定时器

STM32F103有众多的定时器&#xff0c;其中包括2个基本定时器&#xff08;TIM6和TIM7&#xff09;、4个通用定时器&#xff08;TIM2~TIM5&#xff09;、2个高级控制定时器&#xff08;TIM1和TIM8&#xff09;&#xff0c;这些定时器彼此完全独立&#xff0c;不共享任何资源 1、定…...

Python 高级应用10:在python 大型项目中 FastAPI 和 Django 的相互配合

无论是python&#xff0c;或者java 的大型项目中&#xff0c;都会涉及到 自身平台微服务之间的相互调用&#xff0c;以及和第三发平台的 接口对接&#xff0c;那在python 中是怎么实现的呢&#xff1f; 在 Python Web 开发中&#xff0c;FastAPI 和 Django 是两个重要但定位不…...

从实验室到产业:IndexTTS 在六大核心场景的落地实践

一、内容创作&#xff1a;重构数字内容生产范式 在短视频创作领域&#xff0c;IndexTTS 的语音克隆技术彻底改变了配音流程。B 站 UP 主通过 5 秒参考音频即可克隆出郭老师音色&#xff0c;生成的 “各位吴彦祖们大家好” 语音相似度达 97%&#xff0c;单条视频播放量突破百万…...