更新时间：2024-12-12 17:58:30
封面
版权信息
版权
内容提要
前言
技术概述
常见应用
本书主要内容
本书读者对象
学习建议
本书配套学习资源
扩展学习资源
勘误信息
资源与支持
资源获取
提交勘误信息
与我们联系
关于异步社区和异步图书
第1章 生成式AI基础
1.1 技术框架介绍
1.1.1 Python
1.1.2 TensorFlow
1.1.3 PyTorch
1.1.4 Hugging Face
1.1.5 扩展阅读
1.2 常见模型介绍
1.2.1 判别式模型
1.2.2 生成式模型
1.3 数据和任务
1.3.1 数据类型
1.3.2 常见任务
1.4 小结
第2章 Transformer和GPT模型
2.1 Transformer简介
2.1.1 基本概念
2.1.2 关键技术
2.1.3 变种与扩展
2.1.4 资源与工具
2.1.5 扩展阅读
2.2 GPT模型基础
2.2.1 GPT模型的历史背景
2.2.2 GPT模型的核心技术
2.2.3 扩展阅读
2.3 如何使用ChatGPT
2.3.1 注册ChatGPT账号
2.3.2 ChatGPT操作方法
2.3.3 ChatGPT使用技巧
2.4 案例一：文本生成
2.4.1 初始化
2.4.2 加载ELI5数据集
2.4.3 预处理
2.4.4 训练
2.4.5 推理
2.5 案例二：文本总结
2.5.1 安装
2.5.2 加载数据集
2.5.3 预处理数据
2.5.4 微调模型
2.5.5 推理
2.6 案例三：文本分类
2.6.1 transformers库
2.6.2 具体应用
2.6.3 实际应用中的挑战
第3章 Stable Diffusion
3.1 Stable Diffusion简介
3.1.1 软件对比
3.1.2 计算机配置要求
3.1.3 安装步骤
3.1.4 基础操作
3.1.5 高级功能
3.2 Stable Diffusion入门
3.2.1 前期准备
3.2.2 加载Stable Diffusion
3.2.3 可视化Stable Diffusion的内部工作机制
3.2.4 Stable Diffusion理论的实际应用
3.2.5 Stable Diffusion的内部结构
3.3 Stable Diffusion的基础应用
3.3.1 从文本生成图像：用文字描绘视觉世界
3.3.2 图生图：Stable Diffusion的图像转换魔法
3.3.3 图像编辑：用AI技术重塑视觉记忆
3.3.4 制作视频：用AI赋予画面动态生命
3.4 文生图
3.4.1 流行的模型
3.4.2 配置pipeline参数
3.4.3 控制图像生成
3.4.4 优化操作
3.5 图生图
3.5.1 快速入门
3.5.2 流行的模型
3.5.3 配置pipeline参数
3.5.4 链式图像到图像pipeline
3.5.5 控制图像生成
3.6 图像修复
3.6.1 使用Diffusers进行图像修复
3.6.2 常用的模型
3.6.3 非特定修复的checkpoint
3.6.4 配置pipeline参数
3.6.5 串联修复pipeline
3.6.6 控制图像生成
3.7 小结
