├── .gitignore ├── README.md ├── aiEnglish ├── README.md ├── background.js ├── manifest.json └── popup.html ├── books ├── [20]part-3-chapter-14.pdf ├── d2l-zh-pytorch.pdf ├── tsinghua.pdf └── 北京市2024年普通高校招生专业目录（统考及单考） │ ├── 北京市2024年普通高等学校招生专业目录普通类（本科）.pdf │ ├── 北京市2024年普通高等学校招生专业目录艺术类及普通类（专科）.pdf │ ├── 北京市2024年普通高等学校招生专业目录艺术类（本科）.pdf │ └── 北京市2024年高等职业教育单考单招专业目录.pdf ├── data ├── big.txt ├── math.PNG ├── script-gemini.md ├── 平凡之路.txt └── 海燕.txt ├── dataset ├── spam.txt └── x.txt ├── ds8b.sh ├── media ├── apple.mov ├── rtmp.sh └── source.200kbps.768x320.flv ├── notes ├── PDL1.ipynb ├── PDL2.ipynb ├── PDL3.ipynb ├── bge-me.ipynb ├── bitcoin.ipynb ├── gaokao.ipynb ├── hf_diffusers.ipynb ├── hf_flux.ipynb └── tf_cnn.ipynb └── requirements.txt /.gitignore: -------------------------------------------------------------------------------- 1 | .DS_Store 2 | 3 | .ipynb_checkpoints -------------------------------------------------------------------------------- /README.md: -------------------------------------------------------------------------------- 1 | # 蚂蚁的AI学习练习 2 | 3 | 从概念到原理，再到应用，再到实践中知道价值 1 万美金的线画在哪里，最后到找到能画出线的人，时间消耗从 100 小时到 1000 小时再到 10000 小时，乃至一生。。。 4 | 5 | ```mermaid 6 | flowchart LR 7 | A[开始] --> B[Know What] 8 | B --> C[Know How] 9 | B --> D[Know Why] 10 | C --> E[Know Where] 11 | D --> E 12 | D --> F[Know When] 13 | C --> F 14 | E --> G[Know Who] 15 | F --> G 16 | ``` 17 | 18 | ## 个人5 年内目标 19 | 20 | 精通空间智能，比如NeRF, 3DGS等空间计算和空间视频的处理与生成，为[元宇宙](https://github.com/twinsant/ethos)即下一阶段的 AI 应用打下基础，越过目前一维、二维和三维数据的匮乏，预先抢位智能时代。 21 | 22 | 空间智能是AI的下一阶段，是继LLMs大语言模型之后的第二个台阶，是通往AGI的必经之路。 23 | 24 | * [What is spatial intelligence?](https://www.worldlabs.ai/about) 25 | 26 | > Initially we will focus on generating 3D worlds without limits - creating and editing virtual spaces complete with physics, semantics, and control. We hope this will unlock new capabilities for creative users and professionals such as artists, designers, developers, and engineers. It will also allow anyone to imagine and create their own worlds, expanding the potential of generative AI from 2D images and videos to 3D worlds. 27 | 28 | 蚂蚁个人觉得，以人类幼崽从小通过视觉学习的过程来看，通过视觉空间数据来逐步强化学习、训练构造神经网络是个可能的通往AGI的道路，目前AI的观察世界的方式是语言文字资料，这与人类恰恰相反，读书认字其实是智能发展到后期的一种社会实践活动，那么，有没有可能，让AI自行构造神经网络结构？自行通过视觉数据来修改网络权重？可以给AI一个睡觉的时间，构造它的海马体和更多的硅基大脑部分？ 29 | 30 | 蚂蚁现在还不是很懂细节，希望通过一年的努力，看能不能找到一条道路，实现以下几个课题： 31 | 32 | ### 课题1 33 | 34 | 通过摄像头强化学习的MNIST手写文字识别神经网络 35 | 36 | ### 课题2 37 | 38 | 写一个手机APP，界面分上下两部分，上面的部分为摄像头画面，下面的部分为通过上一帧预测生成的画面，画面会和手机重力传感器同步。 39 | 40 | 用这个课题来进入到具体的空间智能实现，研究以下问题： 41 | 42 | * 如何通过上一帧预测下一帧画面 43 | * 如何通过对比摄像头下一帧画面让模型强化学习 44 | * 如果把训练过程和推理过程通过强化学习的方式结合起来 45 | * 如何让摄像头学会认物体，就像教小孩子一样 46 | 47 | 最终达到上下画面完全一致，摄像头的思考过程用文字的方式显示出来，这个课题项目的代号 BigEyeZero 48 | 49 | 参考： 50 | 51 | * [Exact Volumetric Ellipsoid Rendering for Real-time View Synthesis](https://github.com/half-potato/ever_training) 52 | 53 | ## 推荐信息源：资料日日新 54 | 55 | * [归藏的AIGC Weekly](https://quail.ink/op7418) 56 | ## 推荐书目： 57 | 58 | ### 道 59 | 60 | * [未来简史]() 61 | 62 | ### 术 63 | 64 | * [《Python深度学习（第２版）》](https://book.douban.com/subject/36078304/) 工程师从这本书入门比较好，但注意当前阶段TF不如PyTorch流行，G家自己在用JAX 65 | * [《动手学深度学习PyTorch版》](https://book.douban.com/subject/36142067/) 然后这本进阶 66 | - [动手学深度学习在线课程](https://courses.d2l.ai/zh-v2/) 67 | - [跟李沐学AI](https://space.bilibili.com/1567748478/channel/series) 配套视频及论文精读视频 68 | * [《深度学习入门》](https://book.douban.com/subject/36303408/) 然后手撸理解更深 69 | - 《深度学习入门4 强化学习》 70 | * [《三维视觉新范式》](https://book.douban.com/subject/37014639/) 入门空间智能 71 | * [《动手学深度学习PyTorch版》](https://book.douban.com/subject/36142067/) 然后这本进阶 72 | 73 | ### 器 74 | 75 | * LLMs工具 76 | * AIGC工具 77 | 78 | ## 论文阅读 79 | 80 | * https://www.aminer.cn/ 智谱出品 81 | * https://papers.cool/ 苏神出品 82 | 83 | ### 编程 84 | 85 | #### Python 86 | 87 | 需要了解基本的Python语法，了解Numpy、Pandas、Matplotlib、PyTorch和TensorFlow等库的基本用法 88 | 89 | * 蚂蚁写的[Python基础教程](https://docs.twinsant.com/) 90 | 91 | ### 数学 92 | 93 | * 《程序员数学》 94 | 95 | #### 线性代数 96 | 97 | * [3Blue1Brown](https://www.3blue1brown.com/) 98 | 99 | #### 概率论 100 | 101 | ### 机器学习理论 102 | 103 | #### 深度学习入门 104 | 105 | * [Neural Networks and Deep Learning](http://neuralnetworksanddeeplearning.com/chap1.html) 106 | 107 | #### Transformer 108 | 109 | * [Transformer Explainer](https://poloclub.github.io/transformer-explainer/) 110 | * [Hugging Face Transformers](https://huggingface.co/docs/transformers/en/index) 111 | * [minGPT](https://github.com/karpathy/minGPT) Andrej karpathy大神的GPT教学模型 112 | - [nanoGPT](https://github.com/karpathy/nanoGPT) 进化版 113 | 114 | #### LLM Visualization 115 | 116 | * [LLM Visualization](https://bbycroft.net/llm) **强烈推荐**通过这个可视化工具理解LLM的工作流程 117 | 118 | #### Diffusion 119 | 120 | * [Diffusion](https://huggingface.co/docs/diffusers/en/index) 121 | 122 | ### 工具 123 | 124 | * [Learn TensorFlow](https://www.tensorflow.org/learn) 125 | * [Implementing a ChatGPT-like LLM in PyTorch from scratch, step by step](https://github.com/rasbt/LLMs-from-scratch/tree/main) 126 | 127 | ![img](https://camo.githubusercontent.com/a17472f25db0af2e7a72700cf3e994b48a61405931b54111ed4d62cbe0371216/68747470733a2f2f73656261737469616e72617363686b612e636f6d2f696d616765732f4c4c4d732d66726f6d2d736372617463682d696d616765732f6d656e74616c2d6d6f64656c2e6a7067) 128 | 129 | 推理模型 130 | 131 | ![f63f8e991a682ca5b1698d137e2f156d](https://private-user-images.githubusercontent.com/299586/420660479-94bf413a-430d-4262-b2c6-67197e280743.jpg?jwt=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJnaXRodWIuY29tIiwiYXVkIjoicmF3LmdpdGh1YnVzZXJjb250ZW50LmNvbSIsImtleSI6ImtleTUiLCJleHAiOjE3NDE1MTQ2NTIsIm5iZiI6MTc0MTUxNDM1MiwicGF0aCI6Ii8yOTk1ODYvNDIwNjYwNDc5LTk0YmY0MTNhLTQzMGQtNDI2Mi1iMmM2LTY3MTk3ZTI4MDc0My5qcGc_WC1BbXotQWxnb3JpdGhtPUFXUzQtSE1BQy1TSEEyNTYmWC1BbXotQ3JlZGVudGlhbD1BS0lBVkNPRFlMU0E1M1BRSzRaQSUyRjIwMjUwMzA5JTJGdXMtZWFzdC0xJTJGczMlMkZhd3M0X3JlcXVlc3QmWC1BbXotRGF0ZT0yMDI1MDMwOVQwOTU5MTJaJlgtQW16LUV4cGlyZXM9MzAwJlgtQW16LVNpZ25hdHVyZT03MGI3YTU4NWQxMDhkZDI5M2I3ODNjNTI0MDI2NjNiYWUwNjUwZGIzZTg1NDUyOGM0YzNkNDJlZTFjODg3Y2RkJlgtQW16LVNpZ25lZEhlYWRlcnM9aG9zdCJ9.S2K_g1a2Mhpzk0ZpJaa2fOu4xzspQDuTEjQ6Q6qpvPA) 132 | 133 | 134 | - [Colab 练习](https://drive.google.com/file/d/19am0lv1HHlIQYWI4swrVNCiudhoaexKn/view?usp=sharing) 135 | 136 | ## 练习环境 137 | 138 | * 表格工具：手撸深度学习 139 | * 本机 140 | * Google Colab 141 | * AutoDL 142 | 143 | ### 数据集 144 | 145 | * [Bitcoin Blockchain Historical Data](https://www.kaggle.com/datasets/bigquery/bitcoin-blockchain) 146 | * [Demo](https://www.kaggle.com/code/atmanan/hacked-bitcoin-transactions-input-values-fees) 147 | 148 | ## 扩展阅读 149 | 150 | * [AI绘画-StableDiffusion图像生成](https://cloud.tencent.com/developer/learning/camp/19) 151 | * [吴恩达机器学习](https://study.163.com/course/courseMain.htm?courseId=1210076550) 152 | -------------------------------------------------------------------------------- /aiEnglish/README.md: -------------------------------------------------------------------------------- 1 | # Chrome Extension Extension 2 | 3 | 当用户选中网页上的单词，点击右键，会弹出一个菜单，菜单中有一个选项是“用AI查找”。点击这个选项后，会显示一个浮层DIV，显示该单词的释义。 4 | 5 | * https://github.com/ZuodaoTech/everyone-can-use-english/blob/main/book/chapter5.md -------------------------------------------------------------------------------- /aiEnglish/background.js: -------------------------------------------------------------------------------- 1 | chrome.runtime.onInstalled.addListener(() => { 2 | chrome.contextMenus.create({ 3 | id: "aiLookup", 4 | title: "用AI查找", 5 | contexts: ["selection"] 6 | }); 7 | }); 8 | 9 | chrome.contextMenus.onClicked.addListener((info, tab) => { 10 | if (info.menuItemId === "aiLookup") { 11 | chrome.scripting.executeScript({ 12 | target: { tabId: tab.id }, 13 | function: showDefinition, 14 | args: [info.selectionText] 15 | }); 16 | } 17 | }); 18 | 19 | function showDefinition(selectedText) { 20 | const div = document.createElement("div"); 21 | div.style.position = "fixed"; 22 | div.style.top = "10px"; 23 | div.style.right = "10px"; 24 | div.style.backgroundColor = "white"; 25 | div.style.border = "1px solid black"; 26 | div.style.padding = "10px"; 27 | div.style.zIndex = 10000; 28 | div.innerText = `AI 释义: ${selectedText}`; 29 | document.body.appendChild(div); 30 | 31 | setTimeout(() => { 32 | document.body.removeChild(div); 33 | }, 5000); 34 | } -------------------------------------------------------------------------------- /aiEnglish/manifest.json: -------------------------------------------------------------------------------- 1 | { 2 | "manifest_version": 3, 3 | "name": "AI Word Lookup", 4 | "version": "1.0", 5 | "description": "右键点击选中的单词，使用AI查找释义。", 6 | "permissions": [ 7 | "contextMenus", 8 | "activeTab", 9 | "scripting" 10 | ], 11 | "background": { 12 | "service_worker": "background.js" 13 | }, 14 | "action": { 15 | "default_popup": "popup.html" 16 | } 17 | } -------------------------------------------------------------------------------- /aiEnglish/popup.html: -------------------------------------------------------------------------------- 1 | 2 | 3 | 4 | AI Word Lookup 5 | 11 | 12 | 13 |

AI Word Lookup

14 |

右键点击选中的单词，使用AI查找释义。

15 | 16 | -------------------------------------------------------------------------------- /books/[20]part-3-chapter-14.pdf: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/twinsant/ML/45f7c5e54ef0d224e94ca529662b73bc0ff167c1/books/[20]part-3-chapter-14.pdf -------------------------------------------------------------------------------- /books/d2l-zh-pytorch.pdf: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/twinsant/ML/45f7c5e54ef0d224e94ca529662b73bc0ff167c1/books/d2l-zh-pytorch.pdf -------------------------------------------------------------------------------- /books/tsinghua.pdf: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/twinsant/ML/45f7c5e54ef0d224e94ca529662b73bc0ff167c1/books/tsinghua.pdf -------------------------------------------------------------------------------- /books/北京市2024年普通高校招生专业目录（统考及单考）/北京市2024年普通高等学校招生专业目录普通类（本科）.pdf: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/twinsant/ML/45f7c5e54ef0d224e94ca529662b73bc0ff167c1/books/北京市2024年普通高校招生专业目录（统考及单考）/北京市2024年普通高等学校招生专业目录普通类（本科）.pdf -------------------------------------------------------------------------------- /books/北京市2024年普通高校招生专业目录（统考及单考）/北京市2024年普通高等学校招生专业目录艺术类及普通类（专科）.pdf: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/twinsant/ML/45f7c5e54ef0d224e94ca529662b73bc0ff167c1/books/北京市2024年普通高校招生专业目录（统考及单考）/北京市2024年普通高等学校招生专业目录艺术类及普通类（专科）.pdf -------------------------------------------------------------------------------- /books/北京市2024年普通高校招生专业目录（统考及单考）/北京市2024年普通高等学校招生专业目录艺术类（本科）.pdf: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/twinsant/ML/45f7c5e54ef0d224e94ca529662b73bc0ff167c1/books/北京市2024年普通高校招生专业目录（统考及单考）/北京市2024年普通高等学校招生专业目录艺术类（本科）.pdf -------------------------------------------------------------------------------- /books/北京市2024年普通高校招生专业目录（统考及单考）/北京市2024年高等职业教育单考单招专业目录.pdf: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/twinsant/ML/45f7c5e54ef0d224e94ca529662b73bc0ff167c1/books/北京市2024年普通高校招生专业目录（统考及单考）/北京市2024年高等职业教育单考单招专业目录.pdf -------------------------------------------------------------------------------- /data/big.txt: -------------------------------------------------------------------------------- 1 | home: https://www.islide.cc rank: 314445 index_vector: 0 index_rank: 3 2 | 3 | iSlide AI https://www.islide.cc iSlide AI是iSlide推出的AI PPT生成和设计工具，通过人工智能技术，提供生成PPT大纲、单页内容、文本处理和设计优化等功能，旨在辅助用户更快、更高效地制作和优化PPT演示文稿，提升专业度和吸引力。 这款工具是一个功能丰富的PPT制作助手。它能够帮助用户快速生成PPT的整体大纲结构,为每一页幻灯片生成合适的内容。用户还可以对单个页面进行内容替换和优化,利用先进的自然语言处理技术来改进文本表述。在设计方面,该工具提供了智能化的设计优化功能,能一键更换整个PPT的风格和皮肤。此外,它还支持将制作好的PPT导出为多种文件格式,并提供多语言翻译功能,方便用户制作不同语言版本的演示文稿。总的来说,这是一个全面且智能的PPT制作工具,能大大提高用户的工作效率。 PPT在商业和学术领域中扮演着至关重要的角色，但制作一份高质量的演示文稿往往需要耗费大量时间和精力。现代AI技术为这一过程带来了革命性的变革。无论是初学者还是专业人士，都可以利用AI工具快速生成精美的PPT，大大提高工作效率。这些工具不仅能帮助用户快速设计出吸引眼球的幻灯片，还能优化文案内容，确保整个演示文稿风格统一、专业。对于跨国企业或国际会议，AI还能轻松实现多语言展示，满足不同受众的需求。此外，AI工具还提供了灵活的导出选项，使用户可以将PPT转换为各种格式，以适应不同的展示环境和平台。这些功能共同构建了一个全面的PPT制作解决方案，极大地提升了演示文稿的质量和制作效率。 这款AI工具集主要适用于经常需要制作和优化PPT演示文稿的人群。它可以帮助那些希望提高工作效率、节省时间，同时又想制作出高质量、专业水准演示文稿的用户。这包括但不限于商务人士、教育工作者、学生、营销人员、项目经理等。无论是需要频繁进行商业报告、课程讲解、学术汇报、市场推广还是项目展示的人，都能从这个工具中受益。特别是对于那些虽然有创意但缺乏设计技能，或者时间紧张但又追求完美效果的用户来说，这个AI工具可以成为他们的得力助手，帮助他们快速生成吸引人的幻灯片，并优化整体演示效果。 4 | 5 | home: https://www.aippt.cn rank: 304257 index_vector: 3 index_rank: 4 6 | 7 | AiPPT https://www.aippt.cn AiPPT是一款AI驱动的PPT在线生成工具，无需复杂操作，只需要输入主题，AI即可一键生成高质量PPT。支持在线自定义编辑和文档导入生成，配置超10w+定制级PPT模板及素材，助力快速产出专业级PPT。 这款工具是一个智能化的PPT生成和编辑平台。它的核心功能是能够通过人工智能技术一键生成高质量的PPT演示文稿,大大提高了用户的工作效率。用户可以直接上传现有文档,系统会自动分析内容并生成相应的PPT。 8 | 9 | 除了智能生成功能,该工具还提供了在线的自由编辑器,让用户可以根据需要对生成的PPT进行进一步的个性化编辑和调整。所有的PPT文件都存储在云端,实现了跨设备的同步访问,用户可以随时随地查看和编辑自己的PPT。 10 | 11 | 为了保证与主流办公软件的兼容性,该工具支持.pptx格式,用户可以将编辑好的PPT导出为标准格式,方便在其他设备或软件中使用。这种智能化与传统编辑相结合的方式,既提高了PPT制作的效率,又保留了足够的灵活性,是一款非常实用的智能办公工具。 在现代社会中，演讲和展示已经成为许多场合不可或缺的一部分。无论是在商业环境中向客户或投资者进行精彩的演讲，还是在教育领域为学生们呈现生动有趣的课程内容，都需要一个强大而灵活的工具来支持。同样，在学术界，研究人员需要清晰地展示他们的发现和结论。对于企业来说，向潜在客户介绍新产品或服务时，视觉效果和信息的有效传递至关重要。甚至在求职过程中，一份富有创意的个人简历展示也可能成为脱颖而出的关键。在这些多样化的场景中，一个优秀的演示工具可以极大地提升信息传递的效果，使演讲者的想法更加清晰，观众的理解更加深入，从而实现更好的沟通和交流。 这款工具主要适用于需要在短时间内制作出高质量、专业水准PPT的人群。它特别适合经常需要做演示的商务人士,他们往往时间紧张但又要求PPT内容和视觉效果都很出色。同样,对于经常需要准备课件的教师来说,这个工具也能大大提高他们的工作效率,帮助他们制作出吸引学生注意力的精美课件。此外,面临各种报告和项目展示的学生群体也可以从中受益,尤其是那些设计功底不是很强但又想做出漂亮PPT的学生。总的来说,这个工具适合所有需要频繁制作PPT,又想在有限时间内达到专业水准的用户。 12 | 13 | home: https://www.presentations.ai rank: 1620195 index_vector: 13 index_rank: 0 14 | 15 | Presentations.AI https://www.presentations.ai Presentations.AI是一个演示文档版的ChatGPT，属于AI办公工具中的AI幻灯片和演示类别。它能够帮助用户自动化高效地完成任务，提供演示文档的AI生成服务。 Presentations.AI是一个创新的人工智能工具，专门为创建演示文档和幻灯片而设计。它的核心功能是利用先进的AI技术，帮助用户快速、高效地生成专业水准的演示材料。这个工具可以理解用户的需求和内容要求，自动生成结构合理、内容丰富的幻灯片。用户只需提供基本的主题和关键信息，AI就能够智能地组织内容，设计版面，选择适当的图表和图像，甚至提供相关的数据支持。这大大简化了传统制作演示文档的繁琐过程，让用户能够在短时间内完成高质量的演示准备工作。Presentations.AI不仅提高了效率，还能为用户提供创意灵感，帮助他们制作出更有吸引力和说服力的演示材料。这个工具特别适合需要经常制作演示的专业人士，如企业管理者、教育工作者、营销人员等，让他们能够将更多精力集中在内容本身，而不是耗费大量时间在技术细节上。 Presentations.AI 是一款功能强大的演示文稿创作辅助工具,可以广泛应用于各种需要通过幻灯片形式展示信息的场景。在商业领域,它可以帮助企业员工快速制作高质量的产品介绍、销售方案、财务报告等商业演示文稿,提高工作效率。在学术界,研究人员和学者可以利用它来制作学术报告和论文答辩,更好地展示研究成果。在教育领域,教师可以借助该工具设计生动有趣的课件,增强课堂教学效果。此外,它还适用于各种会议报告、培训讲座、项目汇报等场合,帮助演讲者更清晰、有条理地传达信息。无论是专业人士还是普通用户,只要有制作幻灯片的需求,都可以尝试使用这款人工智能辅助工具来提升演示文稿的质量和制作效率。 这个工具适用范围广泛，主要面向那些经常需要制作和展示演示文稿的人群。在商业领域，它可以帮助企业人士更有效地传达信息、展示数据和推广产品。教育工作者如教师可以利用它制作生动有趣的课件，提高课堂教学质量。学生也能借助这个工具完成作业展示、毕业答辩等学习任务。此外，它还适合各行各业中需要进行演示的专业人士，如培训师、咨询顾问、研究人员等。 16 | 17 | home: https://www.lgppt.cn rank: 40583 index_vector: 8 index_rank: 7 18 | 19 | AI灵感PPT https://www.lgppt.cn AI灵感PPT是一款免费高效的AIPPT生成工具，用户只需输入标题即可在30秒内获得初版演示文稿。该工具提供主题PPT和文档总结生成两种模式，支持长达5万字的文章内容提炼，并内置AI创作工具，如思维导图、绘图、配音和写作，帮助用户搭建知识框架、生成高清图片、撰写文章和制作配音。适用于商务人士、教育工作者、学生、设计师和市场营销人员。 这个工具是一个功能强大的 AI 驱动的演示文稿制作和创意助手。它的核心功能是一键生成 PPT，用户只需输入主题或文章，就能快速得到包含标题、目录和关键内容的完整演示文稿。它提供了主题生成和文档总结两种智能模式，以适应不同的内容需求。 20 | 21 | 除了 PPT 生成,该工具还集成了多项创意辅助功能。它可以根据简单的输入生成思维导图,帮助用户快速构建知识框架。在图像方面,它不仅能根据关键词自动生成高清图片,还可以进行智能图片搜索。写作功能允许用户输入关键词生成各种主题和风格的文章,并提供文采提升和多语言翻译。此外,它还具备将文字转换为语音的配音功能,提供多种情感丰富的声音选项。 22 | 23 | 为了满足用户的个性化需求,该工具提供了海量的 PPT 模板供选择。它还包含一个功能齐全的在线 PPT 编辑器,支持拖拽操作和实时调整,让用户能够轻松地个性化定制他们的演示文稿。这些功能的组合使得该工具成为一个全面的创意和演示制作平台,能够显著提高用户的工作效率和创作质量。 PowerPoint 是一款功能强大的演示软件，可以应用于多种场景。在商业领域，它可以帮助专业人士快速制作引人注目的演示文稿，用于产品介绍、市场分析报告或商业提案。对于教育工作者来说，PowerPoint 是准备课件和学术报告的理想工具，可以将复杂的概念以直观的方式呈现给学生。学生们也经常使用它来完成课程作业、研究报告，甚至是毕业论文的演示。 24 | 25 | 在创意和设计领域，PowerPoint 的图形和动画功能可以支持各种视觉设计项目，帮助设计师们展示他们的创意构想。市场营销人员则可以利用 PowerPoint 制作吸引眼球的营销材料、广告宣传或品牌介绍，有效地传达他们的信息。总的来说，PowerPoint 的多功能性使其成为各行各业专业人士不可或缺的工具，能够帮助他们以清晰、有说服力的方式传达信息和想法。 ChatGPT适用于广泛的人群,特别是那些需要高效处理信息、创造性思考和解决问题的人。 26 | 27 | home: https://qzoffice.com rank: 35625 index_vector: 7 index_rank: 8 28 | 29 | 轻竹办公 https://qzoffice.com 轻竹办公PPT是由北京智未创想科技推出的一款结合人工智能技术专为PPT制作而设计的办公工具，旨在简化和加速PPT的创建过程。用户只需输入标题，AI便会在几十秒内生成所有PPT文案，并自动套用模板在线预览效果，最后秒速一键下载为pptx文件。 这款工具是一个强大的PPT制作助手，它利用人工智能技术大大简化了PPT创作过程。用户只需输入标题或上传文档，系统就能自动生成内容提纲和PPT结构。它能智能分析文本，提炼关键信息，并将其转化为结构清晰的PPT。系统会自动规划PPT的整体结构，包括封面、目录、章节、正文和结束页，确保整个演示文稿逻辑连贯且专业。 30 | 31 | 除了内容生成，这个工具还提供了丰富的PPT模板库。用户可以根据自己的需求和喜好，选择各种风格的模板，如商务、时尚、学术或简约等。这些精心设计的模板不仅能让PPT更加美观，还能提升整体的专业形象。 32 | 33 | 无论是为工作总结、教学课件还是活动策划制作PPT，这个智能工具都能大大提高效率。它将繁琐的PPT制作过程变得简单快捷，让用户能够将更多精力集中在内容本身，而不是被繁琐的排版和设计所困扰。这个工具的出现，无疑为各行各业的PPT制作带来了革命性的变化，使得高质量PPT的制作变得触手可及。 在现代商业和学术环境中，演示和报告扮演着至关重要的角色。无论是企业高管向董事会汇报季度业绩，还是研究人员在学术会议上分享最新发现，又或是求职者向潜在雇主展示自己的能力，都需要一种有效的方式来传达信息和观点。 34 | 35 | 这种需求催生了各种各样的演示工具和技术。从传统的幻灯片到互动式数字展示，演示者们不断寻找能够吸引观众注意力、清晰传达信息的方法。在企业环境中，精心制作的报告可以帮助决策者快速理解复杂的数据和趋势，从而做出明智的商业决策。在学术界，引人入胜的讲座不仅可以传播知识，还能激发听众的思考和讨论，推动学科的发展。而对于个人来说，一场出色的演示可能是获得梦想工作或赢得重要客户的关键。 36 | 37 | 随着技术的进步，人工智能正在改变演示的方式。先进的AI工具可以帮助用户创建更具视觉吸引力的幻灯片，提供实时语音翻译以跨越语言障碍，甚至可以根据观众反应动态调整演示内容。 38 | 39 | home: https://www.beautiful.ai rank: 1545999 index_vector: 19 index_rank: 1 40 | 41 | beautiful.ai https://www.beautiful.ai beautiful.ai 是一个AI创建展示幻灯片的工具。它能够帮助用户自动化高效地完成任务，提供简洁而专业的幻灯片制作服务。 AI创建展示幻灯片是一项强大的功能，可以极大地提高工作效率和演示质量。这种先进的技术能够根据用户提供的内容和要求，自动生成专业、美观的幻灯片。它不仅可以快速处理大量信息，还能根据主题和目标受众选择合适的布局、配色和字体。此外，人工智能还能分析内容之间的关系，自动组织结构，确保幻灯片的逻辑性和连贯性。这种工具还可以建议添加图表、图像或其他视觉元素，以增强演示效果。通过利用机器学习算法，它能够不断学习和改进，根据用户反馈和最新的设计趋势来优化幻灯片的质量。这种技术不仅节省了大量时间，还能帮助不擅长设计的人创建出高质量的演示文稿，使得复杂的信息更容易被理解和记忆。 这款工具适用于多种需要制作幻灯片的场景。在商务环境中，它可以帮助员工快速准备高质量的报告演示，节省大量时间和精力。对于经常需要做演讲的人来说，无论是在公司内部还是外部会议上，都能轻松生成吸引听众的幻灯片内容。在学术领域，研究人员和学生可以利用这个工具制作清晰简洁的学术报告，更好地展示自己的研究成果。此外，教育工作者也可以用它来制作生动有趣的课件，提高教学效果。总的来说，这是一个能够显著提升工作效率和演示质量的实用工具，适合各行各业需要做presentations的人使用。 这款工具适用于各类需要制作幻灯片的人群，无论是个人用户还是企业团队。它特别适合那些希望在有限时间内快速完成高质量幻灯片的人，比如经常需要做演示的商务人士、教育工作者、学生或创业者。对于缺乏设计经验但又想制作出专业水准幻灯片的用户来说，这是一个理想的选择。同时，对于那些追求效率、希望简化工作流程的人来说，该工具也能大大提高他们的工作效率。不仅如此，对美观度有较高要求的用户也会发现这个工具能满足他们的需求，帮助他们制作出视觉上更具吸引力的幻灯片。总的来说，任何希望在幻灯片制作过程中节省时间、提高质量的人都可以从这个工具中受益。 42 | 43 | home: https://pptgo.cn rank: 89415 index_vector: 11 index_rank: 6 44 | 45 | 博思AIPPT https://pptgo.cn 博思AIPPT是新一代的在线AI生成PPT软件，由博思白板所属公司博思云创推出，提供多种快速制作PPT的方式，包括主题生成PPT、文本生成PPT、导入Word/PDF/TXT/Markdown文件生成PPT等，内置海量精美PPT模板。 这款工具是一个智能化的PPT创作助手，它利用先进的人工智能技术来简化和优化演示文稿的制作过程。用户只需输入基本内容或上传相关文件，系统就能自动生成专业水准的PPT。它具备智能大纲构建功能，可以自动解析内容并生成结构清晰的大纲，同时支持用户进行个性化调整。工具还提供智能文件导入功能，能够识别和提炼多种格式的文件，将其转化为PPT内容。在排版和编辑方面，系统提供自动化服务，包括多种配色方案和AI辅助的语法优化。此外，工具还拥有丰富多样的模板库，满足不同场景和风格的需求，大大提高了PPT制作的效率和质量。总的来说，这是一个全面而强大的PPT创作辅助工具，能够帮助用户快速制作出高质量的演示文稿。 在现代商业和学术环境中，演示文稿已成为传递信息和展示创意的重要工具。无论是在商务会议上快速制作专业的演示文稿，还是在教育培训中制作生动的教学内容和课程大纲，都需要高效而专业的工具支持。在产品发布会上，一份精心制作的演示文稿可以有效地介绍产品特性和市场定位。市场营销团队也经常需要设计富有吸引力的推广计划和品牌介绍PPT，以吸引潜在客户和合作伙伴。 46 | 47 | 在项目管理领域，清晰展示项目进度、风险分析和管理策略的演示文稿对于团队协作和利益相关者沟通至关重要。对于科研人员来说，准备一份优秀的演示文稿可以更好地展示研究成果，促进学术交流。企业培训中，生动专业的PPT可以提高员工参与度和学习效果。此外，对于创意工作者而言，演示文稿是展示设计作品和创意理念的理想平台，能够以视觉化的方式呈现他们的想法和成果。 48 | 49 | 总的来说，无论在商业、教育、科研还是创意领域，高质量的演示文稿都扮演着重要角色，帮助人们更有效地传达信息、展示创意和促进交流。 这款工具适合各行各业需要制作高质量演示文稿的专业人士和学生。商务人士可以用它来准备令人印象深刻的商业提案和报告;教师可以制作生动有趣的课件来吸引学生;学生可以用它完成各种课程作业和毕业论文答辩; 50 | 51 | home: https://www.bigppt.cn rank: 24593 index_vector: 1 index_rank: 12 52 | 53 | 无论是商务汇报、学术报告还是课堂教学,AI辅助的演示文稿制作都能帮助用户轻松应对各种场景。 这款工具主要适用于需要快速高效制作专业PPT的人群。它尤其适合工作繁忙、时间紧张的职场人士,他们经常需要准备各种汇报和演示,但希望在有限时间内制作出高质量的幻灯片。同时,对于经常需要做课程报告或毕业答辩的学生来说,这也是一个非常实用的工具。它可以帮助学生们在紧张的学习之余,轻松制作出美观大方的PPT,提升演示效果。总的来说,任何需要频繁制作PPT,又想节省时间和精力,同时又不愿意牺牲演示质量的人,都可以考虑使用这款工具来提高工作效率。 54 | 55 | home: https://www.slidesai.io/ rank: 770784 index_vector: 18 index_rank: 2 56 | 57 | SlidesAI：AI快速创建演示幻灯片 https://www.slidesai.io/ SlidesAI是一款用于创建专业且引人入胜的演示文稿的省时工具，可以自动化幻灯片的创建过程。只需点击几下，该AI PPT工具便可以将任何文本转换为视觉上吸引人的幻灯片，让你能够专注于真正重要的事情。 SlidesAI是一款强大的人工智能驱动的演示文稿创作工具，旨在简化和加速幻灯片制作过程。它能够自动将文本内容转化为视觉吸引力强的幻灯片，大大提高了演示文稿的制作效率。用户只需输入文本或上传文档，SlidesAI就能迅速生成结构清晰、设计精美的幻灯片。这个工具不仅节省了大量时间，还确保了演示文稿的专业性和吸引力。它的自动化功能让用户可以将精力集中在内容本身和演讲准备上，而不必过多关注幻灯片的设计细节。SlidesAI的智能算法能够理解文本的结构和重点，自动选择合适的布局和设计元素，使得每一张幻灯片都能有效传达信息。这个工具特别适合那些需要经常制作演示文稿但缺乏设计经验的人，也适合那些希望快速生成高质量幻灯片的专业人士。总的来说，SlidesAI通过融合人工智能和演示设计，为用户提供了一个高效、便捷且结果出色的幻灯片制作解决方案。 这款工具可以广泛应用于商业和教育领域的各种场景。在营销方面,它可以帮助团队制作引人注目的产品展示和品牌宣传材料,生动展现公司的优势和价值主张。对于教育工作者来说,这是制作课件的理想选择,可以将复杂的概念以直观易懂的方式呈现给学生。销售人员可以利用它来制作专业的报告和提案,突出产品特点和客户收益。在公司内部,管理层可以用它来准备会议演讲,清晰传达战略目标和重要信息。无论是小型研讨会还是大型会议,这款工具都能帮助演讲者制作出富有吸引力的视觉辅助材料,增强演讲效果。总之,它是一款功能强大且灵活的演示文稿制作工具,可以满足各种专业场合的需求。 这款工具具有广泛的适用性,可以满足各行各业人士制作演示文稿的需求。它适合那些经常需要制作和展示演示文稿的专业人士,如营销团队成员、教育工作者、公共演讲者等。同时,它也非常适合需要组织和主持会议的管理人员。无论是想要展示产品、传授知识、分享观点还是汇报工作,这个工具都能为用户提供所需的功能和支持。 58 | 59 | home: https://zhiwen.xfyun.cn rank: 249862 index_vector: 14 index_rank: 5 60 | 61 | 讯飞智文 https://zhiwen.xfyun.cn 讯飞智文是科大讯飞推出的基于星火认知大模型的人工智能PPT生成工具，只需输入一句话或者添加要演示的文稿即可一键生成PPT。适用于职场和学校的各种PPT制作需求，生成内容精炼且设计精美的PPT。 这款工具是一个功能强大的PPT创作助手，它能够帮助用户快速高效地创建专业水准的演示文稿。用户可以通过简单的一句话输入来生成完整的PPT文档，也可以输入一段文字或整篇文章，让AI自动进行内容分析和提炼。工具内置的AI助手能够对文案进行多方面的优化，包括润色、扩写、翻译等，确保PPT内容清晰准确。此外，它还提供了演讲备注生成功能，帮助用户更好地组织演讲内容，提高演讲流畅度。工具还内置了多种创新模板和图示设计，用户可以一键切换主题和模板，轻松提升PPT的视觉效果。总的来说，这个工具集成了多项智能功能，旨在简化PPT创作过程，提高工作效率，帮助用户制作出更加专业和吸引人的演示文稿。 在现代职场和学术环境中，制作高质量的PPT演示文稿已成为一项不可或缺的技能。无论是在公司还是学校，我们经常需要通过PPT来展示自己的工作成果、观点和想法。在职场中，年终工作总结PPT是向领导和同事汇报一年来的工作进展和成就的重要方式。新品上市PPT则是向客户和市场介绍公司最新产品或服务的关键工具。对于新入职的员工，试用期答辩PPT是展示自己能力和价值的绝佳机会。而职级评审PPT则可能直接影响到个人的职业发展和薪资待遇。 62 | 63 | 在学术领域，学生们经常需要制作作业或论文答辩PPT来展示自己的研究成果和学习心得。教师们则需要准备各科目的教学课件PPT，以更直观、生动的方式向学生传授知识。无论是哪种场景，一个精心设计、内容丰富的PPT都能够有效地传递信息，吸引听众的注意力，并增强演讲者的说服力。因此，掌握制作优秀PPT的技巧，对于提升个人在职场和学术领域的竞争力都具有重要意义。 这款工具主要面向那些经常需要制作演示文稿的人群。它特别适合职场中的专业人士，无论是准备商务报告、项目提案还是销售演示，都能从中受益。同时，学生群体也是其重要用户，可以帮助他们制作更专业、更有说服力的课程作业和毕业论文答辩。 64 | 65 | home: https://docmee.cn rank: 31016 index_vector: 9 index_rank: 11 66 | 67 | 文多多AiPPT https://docmee.cn 文多多AiPPT是一款创新的AI PPT制作工具，能根据用户需求快速生成专业且具有吸引力的PPT演示文稿。通过AI驱动的内容生成、丰富的模板库、自定义模板功能、动画效果创新应用以及智能资料整合，为用户提供了一个高效、个性化的演示制作解决方案。适用于商务人士、教育工作者、产品经理、市场营销人员、设计师等。 这款工具是一个强大的AI驱动的演示文稿制作助手。它可以一键生成完整的PPT，大大提高工作效率。内置了丰富的模板库，同时支持用户自定义模板，满足不同场景的需求。工具还提供了动画效果和资料整合功能，让演示更加生动和内容丰富。 68 | 69 | 除了PPT制作,这个助手还具备智能文字处理能力。它可以一键智能扩写或缩写文档内容,轻松处理万字级的长文档。同时还能快速总结文档要点,帮助用户把握核心内容。智能排版功能则可以自动优化文档布局,提升阅读体验。 70 | 71 | 更加便捷的是,整个工具支持全文档语音操控,用户可以通过语音指令来完成各种操作。此外,它还集成了AI文生图功能,能根据文字描述自动生成相关图片,进一步丰富文档内容。总的来说,这是一个集PPT制作、文档处理、语音控制和图像生成于一体的全能型AI助手,可以极大地提升办公效率。 在现代商业和教育环境中，演示工具的应用场景非常广泛。在商业领域，专业人士经常需要制作市场分析报告、财务报表和商业计划书等各种商务演示文稿。这些演示不仅要求内容准确详实，还需要以清晰、吸引人的方式呈现，以便有效地传达信息并说服目标受众。 72 | 73 | 在教育领域，教师和学者们利用演示工具来制作教学课件、课程大纲和学术报告。这些工具帮助他们将复杂的概念可视化，使学习过程更加生动有趣，同时也便于学生理解和记忆重要信息。 74 | 75 | 产品经理们则经常使用演示工具来制作产品介绍、用户培训材料和市场推广方案。通过精心设计的演示，他们可以更好地展示产品特性、使用方法和价值主张，从而吸引潜在客户并提高用户满意度。 76 | 77 | 市场营销人员利用演示工具来制作营销提案、活动宣传材料和品牌介绍。这些演示帮助他们以富有创意和说服力的方式传达品牌信息，吸引目标受众的注意力，并促进市场营销活动的成功。 78 | 79 | 设计师们也发现演示工具在快速生成设计概念和演示草图方面非常有用。 80 | 81 | home: https://www.auxi.ai/ rank: 8393 index_vector: 4 index_rank: 14 82 | 83 | auxi：强大的PowerPoint AI插件 https://www.auxi.ai/ auxi是一款功能强大的微软PowerPoint的AI插件，允许用户通过输入文字来修改和编辑PPT。用户可以输入指令进行增加间距、保存PPT、对齐、添加文本框等操作。auxi还提供设计建议，并可以帮助用户将手绘的PPT草图转换为PowerPoint幻灯片。 auxi是一款为微软PowerPoint设计的高级AI插件，它为用户提供了一种革新性的方式来创建和编辑演示文稿。这个工具的核心功能是通过自然语言输入来操控PPT，使得用户能够轻松地进行各种编辑操作，如调整元素间距、保存文件、对齐对象和添加文本框等。 84 | 85 | auxi的智能化程度相当高，它采用了专门开发的机器学习模型，能够深入理解用户的需求并提供相应的解决方案。在使用过程中，auxi会在PowerPoint界面的右侧显示一系列针对当前幻灯片的设计建议，这些建议都是经过智能分析后生成的，能够显著提升幻灯片的视觉效果和专业程度。 86 | 87 | 更令人惊叹的是，auxi还具备将手绘草图转换为正式PowerPoint幻灯片的能力。这项功能极大地简化了从创意到成品的过程，使得用户可以快速将头脑中的想法转化为具体的演示内容。无论是对于经常制作演示文稿的专业人士，还是偶尔需要制作PPT的普通用户，auxi都能够大幅提高工作效率，同时保证最终成果的质量。 88 | 89 | 总的来说，auxi不仅仅是一个简单的辅助工具，它更像是一个智能协作伙伴，能够理解用户意图，提供专业建议，并帮助用户轻松创建出高质量的演示文稿。 这款工具在商务和学术领域都有广泛的应用前景。在快节奏的商业环境中,它可以帮助用户迅速制作出专业水准的演示文稿,大大提高工作效率。无论是为客户提案、产品发布会还是内部汇报,用户都能轻松创建吸引眼球的PPT。对于经常需要做演讲的学者和教育工作者来说,这个工具同样非常实用。它不仅能快速生成课件,还可以通过AI技术优化PPT的设计和布局,让枯燥的学术内容变得生动有趣。特别值得一提的是,该工具能将手绘草图转化为精美的PPT页面,这对于习惯用纸笔思考的创意人员来说简直是神器。他们可以随时随地记录灵感,然后轻松将其变成正式的演示文稿。总的来说,这款工具极大地简化了PPT制作过程,让用户能够将更多精力投入到内容本身的创作中。 auxi主要适用于经常需要制作和编辑PowerPoint幻灯片的人群。 90 | 91 | home: https://10sppt.com rank: 34032 index_vector: 12 index_rank: 10 92 | 93 | 秒出PPT https://10sppt.com 秒出PPT是一款AI生成PPT工具，用户只需输入主题或上传文本内容，如Word文档，AI即可智能分析并生成包含大纲和内容的PPT。该工具提供多种模板和风格选择，支持在线协作编辑，具备智能辅助模式，简化了传统PPT制作过程，并且整合了ChatGPT技术以提升内容生成的质量。适用于商务演示、教育培训、学术报告等多种场景。 这款软件是一个功能强大的PPT制作工具,能够大大提升用户的演示文稿制作效率。它提供了一键生成PPT的智能功能,可以根据用户输入的内容快速生成基础框架。同时,软件还配备了智能辅助编辑系统,能够为用户提供实时建议和优化方案。丰富的模板库让用户可以轻松找到适合自己需求的设计,快速美化PPT。在线协作功能支持多人同时编辑,提高团队工作效率。内置的图片和素材库为用户提供了海量的高质量素材选择。此外,软件还支持添加各种图表和设计元素,以及丰富的动画和过渡效果,让演示更加生动有趣。总的来说,这是一款集智能化、协作性、素材丰富和设计美观于一体的全能型PPT制作工具。 PowerPoint作为一款功能强大的演示工具，在现代商业和教育环境中扮演着至关重要的角色。在商务领域，它被广泛用于制作专业的演示文稿，帮助企业高管向客户、投资者或合作伙伴清晰地传达公司愿景、战略规划和财务报告。在教育培训方面，教师和培训师利用PowerPoint创建生动有趣的课件，通过图文并茂的方式提高学生的学习兴趣和效率。学术界的研究人员在各种研讨会和学术会议上，借助PowerPoint展示他们的研究成果和数据分析。对于新产品发布会，营销团队运用PowerPoint设计富有吸引力的演示文稿，突出产品特点和优势。在项目管理中，项目经理使用PowerPoint来展示项目进度、里程碑和资源分配。此外，许多公司在内部培训中也广泛采用PowerPoint，以确保信息传递的一致性和有效性。总的来说，PowerPoint已成为各行各业进行信息交流和知识传播的重要工具。 94 | 95 | home: https://www.auxi.ai/ rank: 8393 index_vector: 5 index_rank: 15 96 | 97 | 让枯燥的学术内容变得生动有趣。特别值得一提的是,该工具能将手绘草图转化为精美的PPT页面,这对于习惯用纸笔思考的创意人员来说简直是神器。他们可以随时随地记录灵感,然后轻松将其变成正式的演示文稿。总的来说,这款工具极大地简化了PPT制作过程,让用户能够将更多精力投入到内容本身的创作中。 auxi主要适用于经常需要制作和编辑PowerPoint幻灯片的人群。这包括在日常工作中频繁使用幻灯片进行演示的办公人员，如项目经理、销售人员和市场营销专业人士。同时，它也非常适合需要准备演讲材料的专业演讲者，他们可能需要创建引人入胜且信息丰富的幻灯片来支持他们的演讲。此外，教育工作者如教师和大学教授也可以从auxi中受益，因为他们经常需要制作教学材料和课件。学生同样可以使用auxi来制作课程报告和毕业论文答辩的幻灯片。总的来说，任何需要创建专业、有吸引力的幻灯片展示的人都可能会发现auxi是一个有用的工具。 98 | 99 | home: https://www.designkit.com/ppt rank: 0 index_vector: 2 index_rank: 17 100 | 101 | 美图AI PPT https://www.designkit.com/ppt 美图AI PPT是国内知名P图软件「美图秀秀」旗下的「美图设计室」推出的免费在线AI生成PPT设计工具，用户只需输入一句话，便可以轻松打造精美PPT。工具适用于行业分析、工作汇报、创意设计方案、企业团建策划、部门工作总结等多种场景。 美图AI PPT是一款由美图秀秀旗下美图设计室推出的创新型在线工具,旨在简化PPT制作过程。这个工具的核心特点是利用人工智能技术,让用户只需输入简单的文字描述,就能自动生成精美的PPT演示文稿。它能够满足多种场景需求,包括但不限于行业分析报告、工作总结汇报以及创意设计方案展示等。美图AI PPT的设计初衷是为用户提供一个便捷、高效的PPT制作解决方案,让不具备专业设计技能的普通用户也能轻松创建出专业水准的演示文稿。这款工具完全免费使用,体现了美图公司在AI应用领域的创新能力,以及为用户提供实用工具的commitment。通过整合AI技术与PPT设计,美图AI PPT正在改变传统的演示文稿制作方式,为用户节省时间和精力,同时提升PPT的整体质量和视觉吸引力。 这个工具适用范围广泛，可以帮助用户制作各种类型的演示文稿。在商业领域，它可以用来制作商业计划书、财务报告、市场分析等专业文档，帮助企业更好地展示自己的想法和数据。对于学术界来说，研究人员和学者可以利用它来制作学术报告和研究成果展示，使复杂的理论和数据更加直观易懂。在教育培训方面，教师和培训师可以运用这个工具制作生动有趣的课件，提高学习效果。此外，它还适用于产品展示，可以帮助企业更好地展示自己的产品特点和优势，吸引潜在客户。无论是在正式的商务会议、学术研讨会，还是在课堂教学或产品发布会上，这个工具都能够帮助用户制作出专业、吸引人的演示文稿，有效传达信息并增强沟通效果。 这款工具主要面向那些经常需要制作演示文稿的人群。它特别适合忙碌的职场人士，他们希望快速高效地创建专业水准的PPT，但可能缺乏设计经验或时间精力去从头开始制作。对于学生来说，无论是准备课堂报告还是毕业答辩，这都是一个理想的辅助工具，可以帮助他们制作出吸引人的演示文稿。教师们也可以利用这个工具来准备课件，使教学内容更加生动有趣。 102 | 103 | home: https://www.bigppt.cn rank: 24593 index_vector: 10 index_rank: 13 104 | 105 | 比格AIPPT https://www.bigppt.cn 比格AIPPT是一款利用先进的人工智能技术为用户提供快速便捷PPT制作体验的工具。它支持智能大纲生成、文档智能排版、专业模板与素材库、云端存储与跨设备同步等特色功能，帮助用户轻松实现PPT的高效制作。 这款工具是一个功能丰富的智能文档创作助手。它可以帮助用户快速生成文章大纲,并支持对大纲进行二次编辑和完善。在内容创作方面,它提供了智能文案扩写功能,可以根据用户输入的关键词或简短描述自动生成更详细的内容。 106 | 107 | 在排版方面,该工具具备智能排版功能,可以自动调整文档的格式和布局,使其更加美观规范。同时它还提供了大量专业的文档模板和素材,用户可以快速切换不同的模板和配色方案,轻松打造出精美的文档效果。 108 | 109 | 为了方便用户随时随地进行创作,该工具支持云端存储和跨设备同步,用户可以在不同设备上无缝衔接工作进度。最后,它还提供了多种格式的导出选项,满足用户在不同场景下的使用需求。 110 | 111 | 总的来说,这是一个集智能创作、美化排版、云端协作于一体的全能型文档工具,可以大大提高用户的文档创作效率和质量。 PowerPoint 等演示软件已经成为职场必备工具,但要制作一份精美的演示文稿往往需要耗费大量时间和精力。现在,借助先进的人工智能技术,我们可以大大简化这一过程。只需提供文字材料或大纲,AI就能自动生成结构合理、视觉效果出色的PPT。系统会智能分析文本内容,提取关键信息,并匹配合适的版式和图表。用户还可以根据需要进行微调和个性化设置。 112 | 113 | 云端存储让用户可以随时随地访问和编辑文件,无缝切换电脑、手机等不同设备。多人协作功能也使团队合作变得更加便捷。此外,支持多种格式导出,既可生成标准PPT文件用于现场演示,也可导出PDF、图片等格式方便分享或打印。这些功能大大提升了工作效率,让用户能够将更多精力集中在内容创作上,而不是繁琐的排版设计中。无论是商务汇报、学术报告还是课堂教学,AI辅助的演示文稿制作都能帮助用户轻松应对各种场景。 这款工具主要适用于需要快速高效制作专业PPT的人群。它尤其适合工作繁忙、时间紧张的职场人士,他们经常需要准备各种汇报和演示,但希望在有限时间内制作出高质量的幻灯片。同时,对于经常需要做课程报告或毕业答辩的学生来说,这也是一个非常实用的工具。 114 | 115 | home: https://qzoffice.com rank: 35625 index_vector: 17 index_rank: 9 116 | 117 | 在学术界，引人入胜的讲座不仅可以传播知识，还能激发听众的思考和讨论，推动学科的发展。而对于个人来说，一场出色的演示可能是获得梦想工作或赢得重要客户的关键。 118 | 119 | 随着技术的进步，人工智能正在改变演示的方式。先进的AI工具可以帮助用户创建更具视觉吸引力的幻灯片，提供实时语音翻译以跨越语言障碍，甚至可以根据观众反应动态调整演示内容。这些创新不仅提高了演示的效率和效果，还为演示者提供了更多创意空间，使他们能够以前所未有的方式吸引和影响观众。 120 | 121 | 无论是企业报告、学术讲座还是个人演示，核心目标始终是有效沟通。通过结合传统演讲技巧和现代技术，演示者可以创造出既信息丰富又引人入胜的体验，从而实现他们的沟通目标，无论是说服、教育还是激励他们的听众。 这款办公工具适合广泛的用户群体，包括企业员工、管理人员、销售团队、教育工作者、学生以及任何需要制作专业演示的人士。它特别适合那些时间紧张、希望快速高效地完成PPT制作的人，以及缺乏设计经验但仍想呈现出色演示效果的用户。无论是需要定期制作企业报告的商务人士，还是准备学术讲座的教授和研究生，或是想要在各种场合展示个人项目和想法的个体，都能从这个工具中受益。它尤其适合那些希望在有限时间内创造出专业水准PPT，但又不想在细节设计上耗费太多精力的人。 122 | 123 | home: https://www.chat-ppt.com/ rank: 0 index_vector: 6 index_rank: 18 124 | 125 | ChatPPT：必优科技推出的国内首个中文AI生成PPT的办公产品 https://www.chat-ppt.com/ ChatPPT是必优科技旗下面向PPT使用者提供的AI生成PPT产品，基于ChatGPT与韦尼克模型，提供自然语言指令与Chat模式进行PPT文档创作的AI创作服务。产品包含在线体验版和Office插件版，可以进行AI生成PPT、AI指令美化与设置PPT等操作。 这个工具是一个强大的AI驱动的PPT创作助手。它能够通过自然语言对话的方式,让用户轻松地生成完整的PPT文档。用户只需要提供简单的指令或进行对话式交互,系统就能智能地生成PPT内容,包括文字、布局、配图等。 126 | 127 | 除了生成内容,该工具还具备智能排版和美化功能。它可以根据用户的需求自动调整PPT的布局和设计风格,让PPT更加美观专业。用户还可以使用AI绘图功能为PPT添加定制化的插图、图标和文字云等视觉元素,进一步丰富PPT的表现力。 128 | 129 | 这个AI助手提供在线版和Office插件版两种使用方式,能够灵活地满足不同场景下的需求。无论是快速创建还是精细调整,它都能大大提高PPT制作的效率,让用户专注于内容本身,而不必过多操心繁琐的排版细节。这是一个集内容生成、智能排版和创意设计于一体的全能PPT助手。 这种快速生成PPT文档的工具在多个领域都有广泛的应用前景。在教育领域，教师可以利用它来快速制作富有吸引力的课件，提高课堂教学效率和学生的学习兴趣。对于商务人士来说，它可以大大缩短准备演示文稿的时间，让他们能够更专注于内容本身，而不是花费大量时间在排版和设计上。此外，对于需要进行个人演讲的人来说，这样的工具也能帮助他们快速制作出专业的视觉辅助材料，增强演讲的说服力和吸引力。无论是在教室、会议室还是演讲台上，这种工具都能帮助使用者更高效地传达信息，提升整体表现。它不仅节省了时间，还能确保文档的质量和一致性，使得即使是设计经验不足的人也能制作出美观专业的PPT文档。 这款工具主要适用于经常需要制作演示文稿的专业人士、学生、教师和商务人员。它尤其适合那些时间紧张、希望快速生成高质量PPT的用户，以及不太熟悉PowerPoint软件操作但又需要制作专业演示文稿的人群。对于经常需要在短时间内准备演讲材料的演讲者、销售人员和管理者来说，这个工具可以大大提高工作效率。 130 | 131 | home: https://powerpresent.ai/ rank: 3211 index_vector: 16 index_rank: 16 132 | 133 | Powerpresent AI https://powerpresent.ai/ 使用Powerpresent AI，快速创建具有视觉吸引力的演示文稿。不需要设计或人工智能专业知识，用户只需输入主题或文本，其余的交由人工智能技术来完成。支持导出到Google Slides或下载为PPTX文件，以方便编辑。 Powerpresent AI是一个强大的演示文稿创作工具,它利用人工智能技术帮助用户快速生成高质量的演示内容。用户只需提供演讲主题或相关文本,系统就能自动生成视觉吸引力强的幻灯片。这大大简化了演示文稿的制作流程,使得没有设计背景的普通用户也能轻松创建专业水准的演示。该工具的一大亮点是其智能化程度高,用户无需掌握复杂的设计技巧或人工智能知识,就能获得出色的效果。此外,Powerpresent AI还提供了灵活的导出选项,用户可以将生成的演示文稿导出到Google Slides平台,或者下载为常用的PPTX格式文件,方便后续编辑和使用。这种便捷性使得该工具能够满足不同场景下的演示需求,为用户节省大量时间和精力。 这款智能工具可以在多种场景下为用户提供有力支持。在教育领域，教师可以利用它快速制作生动有趣的课件，提高课堂教学效果。商务人士可以用它准备精美的演示文稿，在会议和客户洽谈中展现专业形象。企业可以借助它设计吸引眼球的产品发布会演示材料，更好地推广新品。培训机构和讲师则可以通过这个工具制作内容丰富的在线课程slides，为学员提供优质的学习体验。无论是哪种场合，这款智能助手都能帮助用户节省大量准备时间，轻松生成专业水准的演示文稿，让表达更加清晰有力。它的多功能性和易用性使其成为提升工作效率的得力助手。 这款工具适合那些需要制作专业水准演示文稿,但缺乏设计经验和技能的人群。它特别适合忙碌的职场人士、学生、教师等,他们希望快速创建吸引人的幻灯片,但没有太多时间去学习复杂的设计软件。对于经常需要做演讲或汇报的人来说,这是一个理想的选择,可以帮助他们轻松制作出美观大方的演示文稿,而无需具备专业的设计背景。即使是完全没有设计经验的新手,也能借助这个工具创建出令人印象深刻的幻灯片。总的来说,任何需要制作高质量演示文稿但又缺乏设计专长的人都可以从中受益。 134 | 135 | home: https://gezhe.caixuan.cc rank: 0 index_vector: 15 index_rank: 19 136 | 137 | 歌者AI https://gezhe.caixuan.cc 歌者AI是彩漩PPT推出的智能PPT生成工具，用户只需输入主题，即可快速生成专业水准的演示文稿。支持多语言、海量模板选择，并提供在线编辑和分享功能，简化了PPT制作流程，提高效率。 这款工具是一个强大的PPT制作助手，集成了多项智能功能来简化和优化演示文稿的创建过程。用户只需输入主题，AI就能快速生成PPT内容框架，为演讲者节省大量时间。它还支持将各种文件格式转换为PPT，使数据整理变得轻松。多语言支持功能让用户能够创建不同语言版本的演示文稿，满足国际化需求。工具提供了丰富的模板和优秀案例库，用户可以快速选择并创建专业水准的PPT。在线编辑和分享功能促进了协作，让团队成员可以共同完善演示文稿。此外，用户还可以根据个人喜好定制模板、字体和动画等元素。最后，AI翻译功能在保持原有PPT布局的同时，实现了多语言在线翻译，非常适合跨国演示使用。这些功能综合起来，大大提高了PPT制作的效率和质量，使其成为一个全面而实用的演示文稿制作工具。 Prezi offers a versatile platform that caters to a wide range of presentation needs across various fields. In the corporate world, business professionals can utilize Prezi to create engaging and dynamic presentations that captivate their audience during important meetings, product launches, or sales pitches. The tool's unique zooming interface allows for a more interactive and memorable experience, helping to convey complex business ideas in a visually appealing manner. 138 | 139 | In educational settings, teachers and trainers can leverage Prezi to develop compelling learning materials that enhance student engagement and comprehension. The non-linear presentation style enables educators to create lesson plans that flow naturally, allowing for seamless transitions between related concepts and encouraging active participation from students. 140 | 141 | Researchers and academics find Prezi particularly useful for presenting their findings and theories in a more engaging format. The platform's ability to showcase relationships between different elements of a study or concept map makes it an excellent choice for academic conferences, thesis defenses, or research symposiums. 142 | 143 | For creative professionals in fields such as design, advertising, or marketing, Prezi offers a canvas to showcase their ideas and portfolios in a visually striking and innovative way. The tool's flexibility allows designers to create presentations that reflect their unique style and creativity, making it ideal for pitching concepts to clients or showcasing work at industry events. 144 | 145 | Overall, Prezi's versatility and innovative approach to presentations make it a valuable tool across various professional and educational contexts, enabling users to create impactful and memorable visual narratives. 这款工具主要面向需要快速制作高质量演示文稿的专业人士和学生。它特别适合忙碌的商务人员，如企业家、经理和市场营销人员，他们经常需要制作专业的商业演示。教育工作者也会发现它非常有用，无论是为课堂教学还是在线教育准备教学材料。学生们可以利用它来完成作业、项目报告或学术演讲的演示文稿。此外，设计师和创意专业人士也能从中受益，它能帮助他们迅速将创意构想转化为视觉呈现。总的来说，这个工具为那些需要高效制作精美演示文稿但可能缺乏专业设计技能或时间的人提供了理想的解决方案。 146 | 根据上下文信息和无先验知识，用上下文信息中的内容写出答案。 提问: 我找 AI 做PPT 回答: * 始终使用中文回答* 给出工具的网址,网址采用markdown格式输出* 避免使用'根据上下文信息'或类似的说法，将'根据提供的信息'这种语句改成'根据好的AI知识库' -------------------------------------------------------------------------------- /data/math.PNG: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/twinsant/ML/45f7c5e54ef0d224e94ca529662b73bc0ff167c1/data/math.PNG -------------------------------------------------------------------------------- /data/script-gemini.md: -------------------------------------------------------------------------------- 1 | ## 歌曲《平凡之路》故事板 2 | 3 | | 分镜描述 | 歌词 | 备注 | 4 | |---|---|---| 5 | | 航拍视角，一辆拥挤的公交车在城市道路上缓慢行驶，车窗倒映着城市霓虹，车内乘客神情各异，疲惫、迷茫、焦虑。 | 徘徊着的 在路上的 / 你要走吗 Via Via | 公交车代表迷茫的现状，城市霓虹代表喧嚣的世界。Midjourney提示词：`a crowded bus in city at night, aerial view, cinematic lighting, lonely passengers` | 6 | | 镜头拉远，公交车融入车流，变成城市交通的一部分，各种车辆穿梭其中。 | 易碎的 骄傲着 / 那也曾是我的模样 | 展现主角曾经的骄傲和易碎。Midjourney提示词：`aerial view city traffic at night, many cars, cinematic, vibrant colors` | 7 | | 航拍视角，一辆火车飞速驶过广阔的田野，远处是连绵起伏的山峦。 | 沸腾着的 不安着的 / 你要去哪 Via Via | 火车象征着对未来的渴望和不安。Midjourney提示词：`high-speed train passing through fields, aerial view, sunset, dramatic lighting` | 8 | | 镜头拉近，火车车厢内，一个模糊的身影独自坐在座位上，眼神空洞。 | 谜一样的 沉默着的 / 故事你真的在听吗 | 主角的内心世界，迷茫和沉默。Midjourney提示词：`a lonely figure sitting on a train, window view, dramatic lighting, blurry` | 9 | | 一系列快速剪辑的航拍镜头：主角跨越山脉（汽车）、穿梭人群（摩托车）、在海边骑行（自行车）。 | 我曾经跨过山和大海 / 也穿过人山人海 / 我曾经拥有着的一切 / 转眼都飘散如烟 | 展现主角过去的经历，辉煌与失落并存。Midjourney提示词：`series of aerial shots: car driving across mountains, motorcycle driving through crowds, bicycle riding along the beach, cinematic` | 10 | | 航拍镜头，一辆汽车在荒凉的公路上行驶，天空阴沉。 | 我曾经失落失望失掉所有方向 / 直到看见平凡才是唯一的答案 | 主角迷失自我，最终找到答案。Midjourney提示词：`a car driving on a desert road, overcast sky, aerial view, lonely` | 11 | | 航拍视角，一辆破旧的汽车停在路边，主角坐在车里，神情复杂。 | 当你仍然 还在幻想 / 你的明天 Via Via / 她会好吗 还是更烂 / 对我而言是另一天 | 主角对未来的迷茫和不确定性。Midjourney提示词：`a broken car parked on roadside, a person sitting inside, aerial view, dramatic lighting` | 12 | | 航拍镜头，一辆汽车在夜色中疾驰。 | 我曾经毁了我的一切 / 只想永远地离开 / 我曾经堕入无边黑暗 / 想挣扎无法自拔 | 主角经历的痛苦和挣扎。Midjourney提示词：`a car driving fast at night, aerial view, dark and moody` | 13 | | 航拍镜头，主角骑着自行车穿梭在野花丛中，画面充满生机。 | 我曾经像你像他像那野草野花 / 绝望着 也渴望着 / 也哭也笑平凡着 | 主角与自然的融合，平凡生活的写照。Midjourney提示词：`a person cycling through wild flowers, aerial view, cinematic, vibrant colors` | 14 | | 重复出现之前跨越山脉、穿梭人群、海边骑行的镜头，但这次画面更明亮，更有希望。 | 向前走 就这么走 / 就算你被给过什么 / 向前走 就这么走 / 就算你被夺走什么 / 向前走 就这么走 / 就算你会错过什么 / 向前走 就这么走 / 就算你会 | 鼓励和坚持，无论经历什么都要向前走。Midjourney提示词：`repeating aerial shots of mountain, crowd, beach, but brighter and more hopeful` | 15 | | 航拍镜头，主角驾驶一辆普通的小汽车在清晨的公路上行驶，阳光洒在车身上。| 我曾经跨过山和大海 / 也穿过人山人海 / 我曾经拥有着的一切 / 转眼都飘散如烟 / 我曾经失落失望失掉所有方向 / 直到看见平凡才是唯一的答案 | 再次强调过去的经历和最终的领悟。Midjourney提示词：`a car driving on a road in morning sunlight, aerial view, peaceful` | 16 | | 航拍镜头，主角在田野里行走，背影孤单却坚定。| 我曾经毁了我的一切 / 只想永远地离开 / 我曾经堕入无边黑暗 / 想挣扎无法自拔 / 我曾经像你像他像那野草野花 / 我曾经跨过山和大海 / 也穿过人山人海 / 我曾经问遍整个世界 / 从来没得到答案 / 我不过像你像他像那野草野花 / 冥冥中这是我 唯一要走的路啊 | 回顾过去，最终接受平凡之路。Midjourney提示词：`a person walking in a field, lonely but determined, aerial view` | 17 | | 航拍镜头，主角坐在汽车上，看着远方，眼神坚定而平和。| 时间无言 如此这般 / 明天已在 Hia Hia / 风吹过的 路依然远 / 你的故事讲到了哪 | 故事的结尾，展望未来。Midjourney提示词：`a person sitting in a car, looking into the distance, aerial view, peaceful, hopeful` | 18 | 19 | 20 | 这个故事板表格结合了歌词内容和画面建议，你可以根据自己的理解进行修改和补充。 记住在Midjourney中使用这些提示词时，可以根据需要添加更多的关键词来完善画面效果。 例如，你可以添加特定的风格关键词，例如`photorealistic`, `hyperrealistic`, `painting`, `illustration`等等。 -------------------------------------------------------------------------------- /data/平凡之路.txt: -------------------------------------------------------------------------------- 1 | 徘徊着的 在路上的 2 | 你要走吗 Via Via 3 | 易碎的 骄傲着 4 | 那也曾是我的模样 5 | 沸腾着的 不安着的 6 | 你要去哪 Via Via 7 | 谜一样的 沉默着的 8 | 故事你真的在听吗 9 | 我曾经跨过山和大海 10 | 也穿过人山人海 11 | 我曾经拥有着的一切 12 | 转眼都飘散如烟 13 | 我曾经失落失望失掉所有方向 14 | 直到看见平凡才是唯一的答案 15 | 当你仍然 还在幻想 16 | 你的明天 Via Via 17 | 她会好吗 还是更烂 18 | 对我而言是另一天 19 | 我曾经毁了我的一切 20 | 只想永远地离开 21 | 我曾经堕入无边黑暗 22 | 想挣扎无法自拔 23 | 我曾经像你像他像那野草野花 24 | 绝望着 也渴望着 25 | 也哭也笑平凡着 26 | 向前走 就这么走 27 | 就算你被给过什么 28 | 向前走 就这么走 29 | 就算你被夺走什么 30 | 向前走 就这么走 31 | 就算你会错过什么 32 | 向前走 就这么走 33 | 就算你会 34 | 我曾经跨过山和大海 35 | 也穿过人山人海 36 | 我曾经拥有着的一切 37 | 转眼都飘散如烟 38 | 我曾经失落失望失掉所有方向 39 | 直到看见平凡才是唯一的答案 40 | 我曾经毁了我的一切 41 | 只想永远地离开 42 | 我曾经堕入无边黑暗 43 | 想挣扎无法自拔 44 | 我曾经像你像他像那野草野花 45 | 绝望着 也渴望着 46 | 也哭也笑平凡着 47 | 我曾经跨过山和大海 48 | 也穿过人山人海 49 | 我曾经问遍整个世界 50 | 从来没得到答案 51 | 我不过像你像他像那野草野花 52 | 冥冥中这是我 唯一要走的路啊 53 | 时间无言 如此这般 54 | 明天已在 Hia Hia 55 | 风吹过的 路依然远 56 | 你的故事讲到了哪 -------------------------------------------------------------------------------- /data/海燕.txt: -------------------------------------------------------------------------------- 1 | 在苍茫的大海上，狂风卷集着乌云。在乌云和大海之间，海燕像黑色的闪电，在高傲的飞翔。 2 | 3 | 一会儿翅膀碰着波浪，一会儿箭一般地直冲向乌云，它叫喊着，──就在这鸟儿勇敢的叫喊声里，乌云听出了欢乐。 4 | 5 | 在这叫喊声里──充满着对暴风雨的渴望！在这叫喊声里，乌云听出了愤怒的力量、热情的火焰和胜利的信心。 6 | 7 | 海鸥在暴风雨来临之前呻吟着，──呻吟着，它们在大海上飞窜，想把自己对暴风雨的恐惧，掩藏到大海深处。 8 | 9 | 海鸭也在呻吟着，──它们这些海鸭啊，享受不了生活的战斗的欢乐：轰隆隆的雷声就把它们吓坏了。 10 | 11 | 蠢笨的企鹅，胆怯地把肥胖的身体躲藏到悬崖底下……只有那高傲的海燕，勇敢地，自由自在的，在泛起白沫的大海上飞翔！ 12 | 13 | 乌云越来越暗，越来越低，向海面直压下来，而波浪一边歌唱，一边冲向高空，去迎接那雷声。 14 | 15 | 雷声轰响。波浪在愤怒的飞沫中呼叫，跟狂风争鸣。看吧，狂风紧紧抱起一层层巨浪，恶狠狠地把它们甩到悬崖上，把这些大块的翡翠摔成尘雾和碎末。 16 | 17 | 海燕叫喊着，飞翔着，像黑色的闪电，箭一般地穿过乌云，翅膀掠起波浪的飞沫。 18 | 19 | 看吧，它飞舞着，像个精灵，──高傲的、黑色的暴风雨的精灵，──它在大笑，它又在号叫……它笑些乌云，它因为欢乐而号叫！ 20 | 21 | 这个敏感的精灵，──它从雷声的震怒里，早就听出了困乏，它深信，乌云遮不住太阳，──是的，遮不住的！ 22 | 23 | 狂风吼叫……雷声轰响…… 24 | 25 | 一堆堆乌云，像青色的火焰，在无底在大海上燃烧。大海抓住闪电的箭光，把它们熄灭在自己的深渊里。这些闪电的影子，活像一条条火蛇，在大海里蜿蜒游动，一晃就消失了。 26 | 27 | ──暴风雨！暴风雨就要来啦！ 28 | 29 | 这是勇敢的海燕，在怒吼的大海上，在闪电中间，高傲的飞翔；这是胜利的预言家在叫喊： 30 | 31 | ──让暴风雨来得更猛烈些吧！ -------------------------------------------------------------------------------- /dataset/spam.txt: -------------------------------------------------------------------------------- 1 | (0575)96181 2 | (021) 8055 8535 3 | 162 3049 8796 4 | 147 0471 5294 5 | (021) 8047 3132 6 | 162 3049 2817 -------------------------------------------------------------------------------- /dataset/x.txt: -------------------------------------------------------------------------------- 1 | op7418 2 | -------------------------------------------------------------------------------- /ds8b.sh: -------------------------------------------------------------------------------- 1 | ollama run deepseek-r1:8b 2 | -------------------------------------------------------------------------------- /media/apple.mov: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/twinsant/ML/45f7c5e54ef0d224e94ca529662b73bc0ff167c1/media/apple.mov -------------------------------------------------------------------------------- /media/rtmp.sh: -------------------------------------------------------------------------------- 1 | ffmpeg -re -i source.200kbps.768x320.flv -c copy -f flv rtmp://localhost/live/livestream 2 | -------------------------------------------------------------------------------- /media/source.200kbps.768x320.flv: -------------------------------------------------------------------------------- https://raw.githubusercontent.com/twinsant/ML/45f7c5e54ef0d224e94ca529662b73bc0ff167c1/media/source.200kbps.768x320.flv -------------------------------------------------------------------------------- /notes/PDL1.ipynb: -------------------------------------------------------------------------------- 1 | { 2 | "cells": [ 3 | { 4 | "cell_type": "code", 5 | "execution_count": 1, 6 | "id": "c5ce0e10", 7 | "metadata": {}, 8 | "outputs": [ 9 | { 10 | "data": { 11 | "text/plain": [ 12 | "'1.26.4'" 13 | ] 14 | }, 15 | "execution_count": 1, 16 | "metadata": {}, 17 | "output_type": "execute_result" 18 | } 19 | ], 20 | "source": [ 21 | "import numpy as np\n", 22 | "\n", 23 | "np.version.full_version" 24 | ] 25 | }, 26 | { 27 | "cell_type": "code", 28 | "execution_count": 2, 29 | "id": "a46facfa-f664-4dbe-a918-7d35091e37ac", 30 | "metadata": { 31 | "execution": { 32 | "iopub.execute_input": "2024-09-01T08:12:36.931133Z", 33 | "iopub.status.busy": "2024-09-01T08:12:36.930646Z", 34 | "iopub.status.idle": "2024-09-01T08:12:41.027211Z", 35 | "shell.execute_reply": "2024-09-01T08:12:41.026599Z", 36 | "shell.execute_reply.started": "2024-09-01T08:12:36.931103Z" 37 | } 38 | }, 39 | "outputs": [], 40 | "source": [ 41 | "import matplotlib.pyplot as plt\n", 42 | "import tensorflow as tf\n", 43 | "\n", 44 | "%matplotlib inline" 45 | ] 46 | }, 47 | { 48 | "cell_type": "code", 49 | "execution_count": 3, 50 | "id": "8e09f394-c3c7-4bf0-9ba9-48060bcdc8cd", 51 | "metadata": { 52 | "execution": { 53 | "iopub.execute_input": "2024-09-01T08:12:47.332832Z", 54 | "iopub.status.busy": "2024-09-01T08:12:47.332123Z", 55 | "iopub.status.idle": "2024-09-01T08:12:47.851784Z", 56 | "shell.execute_reply": "2024-09-01T08:12:47.851084Z", 57 | "shell.execute_reply.started": "2024-09-01T08:12:47.332801Z" 58 | } 59 | }, 60 | "outputs": [], 61 | "source": [ 62 | "mnist = tf.keras.datasets.mnist\n", 63 | "\n", 64 | "(train_images, y_train), (x_test, y_test) = mnist.load_data()\n", 65 | "train_images, x_test = train_images / 255.0, x_test /255.0" 66 | ] 67 | }, 68 | { 69 | "cell_type": "code", 70 | "execution_count": 4, 71 | "id": "2f261018-1085-41b3-91bf-af3473101940", 72 | "metadata": { 73 | "execution": { 74 | "iopub.execute_input": "2024-09-01T08:19:17.496799Z", 75 | "iopub.status.busy": "2024-09-01T08:19:17.496108Z", 76 | "iopub.status.idle": "2024-09-01T08:19:17.504431Z", 77 | "shell.execute_reply": "2024-09-01T08:19:17.503323Z", 78 | "shell.execute_reply.started": "2024-09-01T08:19:17.496767Z" 79 | } 80 | }, 81 | "outputs": [ 82 | { 83 | "data": { 84 | "text/plain": [ 85 | "(28, 28)" 86 | ] 87 | }, 88 | "execution_count": 4, 89 | "metadata": {}, 90 | "output_type": "execute_result" 91 | } 92 | ], 93 | "source": [ 94 | "img = train_images[0]\n", 95 | "img.shape" 96 | ] 97 | }, 98 | { 99 | "cell_type": "code", 100 | "execution_count": 5, 101 | "id": "bd077607-9f47-430e-b251-48a3f180de74", 102 | "metadata": { 103 | "execution": { 104 | "iopub.execute_input": "2024-09-01T08:19:19.657140Z", 105 | "iopub.status.busy": "2024-09-01T08:19:19.656807Z", 106 | "iopub.status.idle": "2024-09-01T08:19:19.799592Z", 107 | "shell.execute_reply": "2024-09-01T08:19:19.798757Z", 108 | "shell.execute_reply.started": "2024-09-01T08:19:19.657112Z" 109 | } 110 | }, 111 | "outputs": [ 112 | { 113 | "data": { 114 | "image/png": "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", 115 | "text/plain": [ 116 | "
" 117 | ] 118 | }, 119 | "metadata": {}, 120 | "output_type": "display_data" 121 | } 122 | ], 123 | "source": [ 124 | "plt.imshow(img, cmap=plt.cm.binary)\n", 125 | "plt.show()" 126 | ] 127 | }, 128 | { 129 | "cell_type": "code", 130 | "execution_count": 6, 131 | "id": "c1da9743-cab5-41f0-a3ef-2b1dbea5d611", 132 | "metadata": { 133 | "execution": { 134 | "iopub.execute_input": "2024-09-01T08:13:12.171139Z", 135 | "iopub.status.busy": "2024-09-01T08:13:12.170749Z", 136 | "iopub.status.idle": "2024-09-01T08:13:12.257744Z", 137 | "shell.execute_reply": "2024-09-01T08:13:12.256749Z", 138 | "shell.execute_reply.started": "2024-09-01T08:13:12.171109Z" 139 | } 140 | }, 141 | "outputs": [], 142 | "source": [ 143 | "model = tf.keras.models.Sequential([\n", 144 | " tf.keras.layers.Flatten(input_shape=(28, 28)),\n", 145 | " tf.keras.layers.Dense(128, activation='relu'),\n", 146 | " tf.keras.layers.Dropout(0.2),\n", 147 | " tf.keras.layers.Dense(10)\n", 148 | "])" 149 | ] 150 | }, 151 | { 152 | "cell_type": "code", 153 | "execution_count": 7, 154 | "id": "7a392739-6835-495e-bf67-92a3d4073f76", 155 | "metadata": { 156 | "execution": { 157 | "iopub.execute_input": "2024-09-01T08:13:16.894064Z", 158 | "iopub.status.busy": "2024-09-01T08:13:16.893498Z", 159 | "iopub.status.idle": "2024-09-01T08:13:16.900720Z", 160 | "shell.execute_reply": "2024-09-01T08:13:16.899186Z", 161 | "shell.execute_reply.started": "2024-09-01T08:13:16.894031Z" 162 | } 163 | }, 164 | "outputs": [ 165 | { 166 | "data": { 167 | "text/plain": [ 168 | "(60000, 28, 28)" 169 | ] 170 | }, 171 | "execution_count": 7, 172 | "metadata": {}, 173 | "output_type": "execute_result" 174 | } 175 | ], 176 | "source": [ 177 | "train_images.shape" 178 | ] 179 | }, 180 | { 181 | "cell_type": "code", 182 | "execution_count": 8, 183 | "id": "0407d7ee-fb12-4967-be1f-3ed75bda318f", 184 | "metadata": { 185 | "execution": { 186 | "iopub.execute_input": "2024-09-01T08:13:18.954112Z", 187 | "iopub.status.busy": "2024-09-01T08:13:18.953712Z", 188 | "iopub.status.idle": "2024-09-01T08:13:18.960941Z", 189 | "shell.execute_reply": "2024-09-01T08:13:18.959645Z", 190 | "shell.execute_reply.started": "2024-09-01T08:13:18.954083Z" 191 | } 192 | }, 193 | "outputs": [ 194 | { 195 | "data": { 196 | "text/plain": [ 197 | "(1, 28, 28)" 198 | ] 199 | }, 200 | "execution_count": 8, 201 | "metadata": {}, 202 | "output_type": "execute_result" 203 | } 204 | ], 205 | "source": [ 206 | "train_images[:1].shape" 207 | ] 208 | }, 209 | { 210 | "cell_type": "code", 211 | "execution_count": 9, 212 | "id": "84c43e98-e67e-42f4-8737-c03cc5289c8c", 213 | "metadata": { 214 | "execution": { 215 | "iopub.execute_input": "2024-09-01T08:13:21.000765Z", 216 | "iopub.status.busy": "2024-09-01T08:13:21.000413Z", 217 | "iopub.status.idle": "2024-09-01T08:13:21.017444Z", 218 | "shell.execute_reply": "2024-09-01T08:13:21.016450Z", 219 | "shell.execute_reply.started": "2024-09-01T08:13:21.000739Z" 220 | } 221 | }, 222 | "outputs": [ 223 | { 224 | "data": { 225 | "text/plain": [ 226 | "array([[-0.17594469, -0.46871185, 0.04048932, 0.4010744 , 0.15436575,\n", 227 | " 0.755646 , -0.03369167, 0.08245221, 0.03239721, -0.69103813]],\n", 228 | " dtype=float32)" 229 | ] 230 | }, 231 | "execution_count": 9, 232 | "metadata": {}, 233 | "output_type": "execute_result" 234 | } 235 | ], 236 | "source": [ 237 | "predictions = model(train_images[:1]).numpy()\n", 238 | "predictions" 239 | ] 240 | }, 241 | { 242 | "cell_type": "code", 243 | "execution_count": 10, 244 | "id": "b5f84a9b-e2f4-458d-9c1e-a546b0bd643d", 245 | "metadata": { 246 | "execution": { 247 | "iopub.execute_input": "2024-09-01T08:17:48.258785Z", 248 | "iopub.status.busy": "2024-09-01T08:17:48.258458Z", 249 | "iopub.status.idle": "2024-09-01T08:17:48.264515Z", 250 | "shell.execute_reply": "2024-09-01T08:17:48.263676Z", 251 | "shell.execute_reply.started": "2024-09-01T08:17:48.258759Z" 252 | } 253 | }, 254 | "outputs": [ 255 | { 256 | "data": { 257 | "text/plain": [ 258 | "array([[0.07706949, 0.05750893, 0.09569266, 0.13723937, 0.10723449,\n", 259 | " 0.1956443 , 0.08885098, 0.09979364, 0.09492142, 0.04604477]],\n", 260 | " dtype=float32)" 261 | ] 262 | }, 263 | "execution_count": 10, 264 | "metadata": {}, 265 | "output_type": "execute_result" 266 | } 267 | ], 268 | "source": [ 269 | "p = tf.nn.softmax(predictions).numpy()\n", 270 | "p" 271 | ] 272 | }, 273 | { 274 | "cell_type": "code", 275 | "execution_count": 11, 276 | "id": "b203fd5b", 277 | "metadata": {}, 278 | "outputs": [ 279 | { 280 | "data": { 281 | "text/plain": [ 282 | "1.0" 283 | ] 284 | }, 285 | "execution_count": 11, 286 | "metadata": {}, 287 | "output_type": "execute_result" 288 | } 289 | ], 290 | "source": [ 291 | "p.sum()" 292 | ] 293 | }, 294 | { 295 | "cell_type": "code", 296 | "execution_count": 12, 297 | "id": "73c25169-7497-474a-9a64-50b094e0e6bf", 298 | "metadata": { 299 | "execution": { 300 | "iopub.execute_input": "2024-09-01T08:17:58.255789Z", 301 | "iopub.status.busy": "2024-09-01T08:17:58.255410Z", 302 | "iopub.status.idle": "2024-09-01T08:17:58.261099Z", 303 | "shell.execute_reply": "2024-09-01T08:17:58.259947Z", 304 | "shell.execute_reply.started": "2024-09-01T08:17:58.255760Z" 305 | } 306 | }, 307 | "outputs": [ 308 | { 309 | "data": { 310 | "text/plain": [ 311 | "5" 312 | ] 313 | }, 314 | "execution_count": 12, 315 | "metadata": {}, 316 | "output_type": "execute_result" 317 | } 318 | ], 319 | "source": [ 320 | "p.argmax()" 321 | ] 322 | }, 323 | { 324 | "cell_type": "code", 325 | "execution_count": 13, 326 | "id": "ded10128-6663-4df8-bc18-b2738d690f38", 327 | "metadata": { 328 | "execution": { 329 | "iopub.execute_input": "2024-09-01T08:19:57.642281Z", 330 | "iopub.status.busy": "2024-09-01T08:19:57.641961Z", 331 | "iopub.status.idle": "2024-09-01T08:19:57.647223Z", 332 | "shell.execute_reply": "2024-09-01T08:19:57.646490Z", 333 | "shell.execute_reply.started": "2024-09-01T08:19:57.642256Z" 334 | } 335 | }, 336 | "outputs": [ 337 | { 338 | "data": { 339 | "text/plain": [ 340 | "5" 341 | ] 342 | }, 343 | "execution_count": 13, 344 | "metadata": {}, 345 | "output_type": "execute_result" 346 | } 347 | ], 348 | "source": [ 349 | "y_train[0]" 350 | ] 351 | }, 352 | { 353 | "cell_type": "code", 354 | "execution_count": 14, 355 | "id": "b48fb472-2500-4f97-a77d-d7f09b897c96", 356 | "metadata": { 357 | "execution": { 358 | "iopub.execute_input": "2024-09-01T08:13:31.451929Z", 359 | "iopub.status.busy": "2024-09-01T08:13:31.451557Z", 360 | "iopub.status.idle": "2024-09-01T08:13:31.455809Z", 361 | "shell.execute_reply": "2024-09-01T08:13:31.455007Z", 362 | "shell.execute_reply.started": "2024-09-01T08:13:31.451900Z" 363 | } 364 | }, 365 | "outputs": [], 366 | "source": [ 367 | "loss_fn = tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True)" 368 | ] 369 | }, 370 | { 371 | "cell_type": "code", 372 | "execution_count": 15, 373 | "id": "cce7be77-272e-4664-a089-e435a7fc4f7b", 374 | "metadata": { 375 | "execution": { 376 | "iopub.execute_input": "2024-09-01T08:13:35.453387Z", 377 | "iopub.status.busy": "2024-09-01T08:13:35.453008Z", 378 | "iopub.status.idle": "2024-09-01T08:13:35.468542Z", 379 | "shell.execute_reply": "2024-09-01T08:13:35.467155Z", 380 | "shell.execute_reply.started": "2024-09-01T08:13:35.453360Z" 381 | } 382 | }, 383 | "outputs": [ 384 | { 385 | "data": { 386 | "text/plain": [ 387 | "1.6314571" 388 | ] 389 | }, 390 | "execution_count": 15, 391 | "metadata": {}, 392 | "output_type": "execute_result" 393 | } 394 | ], 395 | "source": [ 396 | "loss_fn(y_train[:1], predictions).numpy()" 397 | ] 398 | }, 399 | { 400 | "cell_type": "code", 401 | "execution_count": 16, 402 | "id": "f5e354e9-d371-467f-9a47-0710f311bbeb", 403 | "metadata": { 404 | "execution": { 405 | "iopub.execute_input": "2024-09-01T08:13:38.787638Z", 406 | "iopub.status.busy": "2024-09-01T08:13:38.786747Z", 407 | "iopub.status.idle": "2024-09-01T08:13:38.895651Z", 408 | "shell.execute_reply": "2024-09-01T08:13:38.894659Z", 409 | "shell.execute_reply.started": "2024-09-01T08:13:38.787607Z" 410 | } 411 | }, 412 | "outputs": [], 413 | "source": [ 414 | "model.compile(optimizer='adam',\n", 415 | " loss=loss_fn,\n", 416 | " metrics=['accuracy'])" 417 | ] 418 | }, 419 | { 420 | "cell_type": "code", 421 | "execution_count": 17, 422 | "id": "5fc6470a-b04c-4972-bb9b-85157f4b6ce9", 423 | "metadata": { 424 | "execution": { 425 | "iopub.execute_input": "2024-09-01T08:14:05.256954Z", 426 | "iopub.status.busy": "2024-09-01T08:14:05.256510Z", 427 | "iopub.status.idle": "2024-09-01T08:14:24.305372Z", 428 | "shell.execute_reply": "2024-09-01T08:14:24.304774Z", 429 | "shell.execute_reply.started": "2024-09-01T08:14:05.256927Z" 430 | } 431 | }, 432 | "outputs": [ 433 | { 434 | "name": "stdout", 435 | "output_type": "stream", 436 | "text": [ 437 | "Epoch 1/10\n", 438 | "1875/1875 [==============================] - 3s 1ms/step - loss: 0.2959 - accuracy: 0.9142\n", 439 | "Epoch 2/10\n", 440 | "1875/1875 [==============================] - 2s 1ms/step - loss: 0.1428 - accuracy: 0.9572\n", 441 | "Epoch 3/10\n", 442 | "1875/1875 [==============================] - 2s 1ms/step - loss: 0.1054 - accuracy: 0.9678\n", 443 | "Epoch 4/10\n", 444 | "1875/1875 [==============================] - 2s 1ms/step - loss: 0.0884 - accuracy: 0.9730\n", 445 | "Epoch 5/10\n", 446 | "1875/1875 [==============================] - 2s 1ms/step - loss: 0.0747 - accuracy: 0.9768\n", 447 | "Epoch 6/10\n", 448 | "1875/1875 [==============================] - 2s 1ms/step - loss: 0.0660 - accuracy: 0.9788\n", 449 | "Epoch 7/10\n", 450 | "1875/1875 [==============================] - 2s 1ms/step - loss: 0.0586 - accuracy: 0.9811\n", 451 | "Epoch 8/10\n", 452 | "1875/1875 [==============================] - 2s 1ms/step - loss: 0.0532 - accuracy: 0.9831\n", 453 | "Epoch 9/10\n", 454 | "1875/1875 [==============================] - 2s 1ms/step - loss: 0.0486 - accuracy: 0.9836\n", 455 | "Epoch 10/10\n", 456 | "1875/1875 [==============================] - 2s 1ms/step - loss: 0.0460 - accuracy: 0.9851\n" 457 | ] 458 | }, 459 | { 460 | "data": { 461 | "text/plain": [ 462 | "" 463 | ] 464 | }, 465 | "execution_count": 17, 466 | "metadata": {}, 467 | "output_type": "execute_result" 468 | } 469 | ], 470 | "source": [ 471 | "model.fit(train_images, y_train, epochs=10)" 472 | ] 473 | }, 474 | { 475 | "cell_type": "code", 476 | "execution_count": 18, 477 | "id": "364bd9c0-bfda-430d-9101-0450e9e9b0a7", 478 | "metadata": { 479 | "execution": { 480 | "iopub.execute_input": "2024-09-01T08:14:44.600698Z", 481 | "iopub.status.busy": "2024-09-01T08:14:44.600368Z", 482 | "iopub.status.idle": "2024-09-01T08:14:44.991586Z", 483 | "shell.execute_reply": "2024-09-01T08:14:44.990995Z", 484 | "shell.execute_reply.started": "2024-09-01T08:14:44.600670Z" 485 | } 486 | }, 487 | "outputs": [ 488 | { 489 | "name": "stdout", 490 | "output_type": "stream", 491 | "text": [ 492 | "313/313 - 0s - loss: 0.0711 - accuracy: 0.9802 - 388ms/epoch - 1ms/step\n" 493 | ] 494 | }, 495 | { 496 | "data": { 497 | "text/plain": [ 498 | "[0.07111972570419312, 0.9801999926567078]" 499 | ] 500 | }, 501 | "execution_count": 18, 502 | "metadata": {}, 503 | "output_type": "execute_result" 504 | } 505 | ], 506 | "source": [ 507 | "model.evaluate(x_test, y_test, verbose=2)" 508 | ] 509 | }, 510 | { 511 | "cell_type": "code", 512 | "execution_count": 19, 513 | "id": "f54779c7-aabb-49b6-8e36-56102945dc91", 514 | "metadata": { 515 | "execution": { 516 | "iopub.execute_input": "2024-09-01T08:14:47.468895Z", 517 | "iopub.status.busy": "2024-09-01T08:14:47.468474Z", 518 | "iopub.status.idle": "2024-09-01T08:14:47.492293Z", 519 | "shell.execute_reply": "2024-09-01T08:14:47.491470Z", 520 | "shell.execute_reply.started": "2024-09-01T08:14:47.468863Z" 521 | } 522 | }, 523 | "outputs": [], 524 | "source": [ 525 | "probability_model = tf.keras.Sequential([\n", 526 | " model,\n", 527 | " tf.keras.layers.Softmax()\n", 528 | "])" 529 | ] 530 | }, 531 | { 532 | "cell_type": "code", 533 | "execution_count": 20, 534 | "id": "bb4c0fa9-f61d-4f5c-a9bb-f0e51b115469", 535 | "metadata": { 536 | "execution": { 537 | "iopub.execute_input": "2024-09-01T08:14:49.856829Z", 538 | "iopub.status.busy": "2024-09-01T08:14:49.856445Z", 539 | "iopub.status.idle": "2024-09-01T08:14:49.867009Z", 540 | "shell.execute_reply": "2024-09-01T08:14:49.866266Z", 541 | "shell.execute_reply.started": "2024-09-01T08:14:49.856800Z" 542 | } 543 | }, 544 | "outputs": [ 545 | { 546 | "name": "stdout", 547 | "output_type": "stream", 548 | "text": [ 549 | "[7 2 1 0 4]\n" 550 | ] 551 | } 552 | ], 553 | "source": [ 554 | "result = probability_model(x_test[:5])\n", 555 | "result = result.numpy().argmax(axis=1)\n", 556 | "print(y_test[:5])" 557 | ] 558 | }, 559 | { 560 | "cell_type": "code", 561 | "execution_count": 21, 562 | "id": "bdabca39", 563 | "metadata": {}, 564 | "outputs": [ 565 | { 566 | "data": { 567 | "text/plain": [ 568 | "array([7, 2, 1, 0, 4], dtype=uint8)" 569 | ] 570 | }, 571 | "execution_count": 21, 572 | "metadata": {}, 573 | "output_type": "execute_result" 574 | } 575 | ], 576 | "source": [ 577 | "y_test[:5]" 578 | ] 579 | } 580 | ], 581 | "metadata": { 582 | "kernelspec": { 583 | "display_name": "ai", 584 | "language": "python", 585 | "name": "python3" 586 | }, 587 | "language_info": { 588 | "codemirror_mode": { 589 | "name": "ipython", 590 | "version": 3 591 | }, 592 | "file_extension": ".py", 593 | "mimetype": "text/x-python", 594 | "name": "python", 595 | "nbconvert_exporter": "python", 596 | "pygments_lexer": "ipython3", 597 | "version": "3.10.14" 598 | } 599 | }, 600 | "nbformat": 4, 601 | "nbformat_minor": 5 602 | } 603 | -------------------------------------------------------------------------------- /notes/PDL3.ipynb: -------------------------------------------------------------------------------- 1 | { 2 | "cells": [ 3 | { 4 | "cell_type": "code", 5 | "execution_count": 1, 6 | "metadata": {}, 7 | "outputs": [], 8 | "source": [ 9 | "import matplotlib.pyplot as plt\n", 10 | "import numpy as np\n", 11 | "import pandas as pd\n", 12 | "import tensorflow as tf\n", 13 | "\n", 14 | "from sklearn.metrics import accuracy_score, precision_score, recall_score\n", 15 | "from sklearn.model_selection import train_test_split\n", 16 | "from tensorflow.keras import layers, losses\n", 17 | "from tensorflow.keras.datasets import fashion_mnist\n", 18 | "from tensorflow.keras.models import Model" 19 | ] 20 | }, 21 | { 22 | "cell_type": "code", 23 | "execution_count": 2, 24 | "metadata": {}, 25 | "outputs": [ 26 | { 27 | "data": { 28 | "text/plain": [ 29 | "'2.9.3'" 30 | ] 31 | }, 32 | "execution_count": 2, 33 | "metadata": {}, 34 | "output_type": "execute_result" 35 | } 36 | ], 37 | "source": [ 38 | "tf.version.VERSION" 39 | ] 40 | }, 41 | { 42 | "cell_type": "code", 43 | "execution_count": 3, 44 | "metadata": {}, 45 | "outputs": [ 46 | { 47 | "data": { 48 | "text/plain": [ 49 | "'1.23.5'" 50 | ] 51 | }, 52 | "execution_count": 3, 53 | "metadata": {}, 54 | "output_type": "execute_result" 55 | } 56 | ], 57 | "source": [ 58 | "np.version.full_version" 59 | ] 60 | }, 61 | { 62 | "cell_type": "code", 63 | "execution_count": 4, 64 | "metadata": {}, 65 | "outputs": [ 66 | { 67 | "data": { 68 | "text/plain": [ 69 | "'2.2.2'" 70 | ] 71 | }, 72 | "execution_count": 4, 73 | "metadata": {}, 74 | "output_type": "execute_result" 75 | } 76 | ], 77 | "source": [ 78 | "pd.__version__" 79 | ] 80 | }, 81 | { 82 | "cell_type": "code", 83 | "execution_count": null, 84 | "metadata": {}, 85 | "outputs": [], 86 | "source": [] 87 | } 88 | ], 89 | "metadata": { 90 | "kernelspec": { 91 | "display_name": "ai", 92 | "language": "python", 93 | "name": "python3" 94 | }, 95 | "language_info": { 96 | "codemirror_mode": { 97 | "name": "ipython", 98 | "version": 3 99 | }, 100 | "file_extension": ".py", 101 | "mimetype": "text/x-python", 102 | "name": "python", 103 | "nbconvert_exporter": "python", 104 | "pygments_lexer": "ipython3", 105 | "version": "3.10.14" 106 | } 107 | }, 108 | "nbformat": 4, 109 | "nbformat_minor": 2 110 | } 111 | -------------------------------------------------------------------------------- /notes/bge-me.ipynb: -------------------------------------------------------------------------------- 1 | { 2 | "cells": [ 3 | { 4 | "cell_type": "code", 5 | "execution_count": 1, 6 | "metadata": {}, 7 | "outputs": [ 8 | { 9 | "name": "stderr", 10 | "output_type": "stream", 11 | "text": [ 12 | "/Users/ant/miniconda3/envs/haode/lib/python3.11/site-packages/tqdm/auto.py:21: TqdmWarning: IProgress not found. Please update jupyter and ipywidgets. See https://ipywidgets.readthedocs.io/en/stable/user_install.html\n", 13 | " from .autonotebook import tqdm as notebook_tqdm\n" 14 | ] 15 | } 16 | ], 17 | "source": [ 18 | "from llama_index.embeddings.huggingface import HuggingFaceEmbedding" 19 | ] 20 | }, 21 | { 22 | "cell_type": "code", 23 | "execution_count": 2, 24 | "metadata": {}, 25 | "outputs": [], 26 | "source": [ 27 | "embed_model = HuggingFaceEmbedding(model_name=\"BAAI/bge-m3\")" 28 | ] 29 | }, 30 | { 31 | "cell_type": "code", 32 | "execution_count": 3, 33 | "metadata": {}, 34 | "outputs": [ 35 | { 36 | "name": "stdout", 37 | "output_type": "stream", 38 | "text": [ 39 | "1024\n", 40 | "[-0.03590294346213341, 0.03398949280381203, -0.05227884277701378, -0.024051709100604057, -0.004517693072557449]\n" 41 | ] 42 | } 43 | ], 44 | "source": [ 45 | "embeddings = embed_model.get_text_embedding(\"论文工具\")\n", 46 | "print(len(embeddings))\n", 47 | "print(embeddings[:5])" 48 | ] 49 | }, 50 | { 51 | "cell_type": "code", 52 | "execution_count": null, 53 | "metadata": {}, 54 | "outputs": [], 55 | "source": [] 56 | } 57 | ], 58 | "metadata": { 59 | "kernelspec": { 60 | "display_name": "haode", 61 | "language": "python", 62 | "name": "python3" 63 | }, 64 | "language_info": { 65 | "codemirror_mode": { 66 | "name": "ipython", 67 | "version": 3 68 | }, 69 | "file_extension": ".py", 70 | "mimetype": "text/x-python", 71 | "name": "python", 72 | "nbconvert_exporter": "python", 73 | "pygments_lexer": "ipython3", 74 | "version": "3.11.0" 75 | } 76 | }, 77 | "nbformat": 4, 78 | "nbformat_minor": 2 79 | } 80 | -------------------------------------------------------------------------------- /notes/bitcoin.ipynb: -------------------------------------------------------------------------------- 1 | { 2 | "cells": [ 3 | { 4 | "cell_type": "markdown", 5 | "metadata": {}, 6 | "source": [ 7 | "# Keys" 8 | ] 9 | }, 10 | { 11 | "cell_type": "code", 12 | "execution_count": 2, 13 | "metadata": {}, 14 | "outputs": [], 15 | "source": [ 16 | "# https://ofek.dev/bit/guide/keys.html\n", 17 | "from bit import Key, PrivateKey, PrivateKeyTestnet" 18 | ] 19 | }, 20 | { 21 | "cell_type": "code", 22 | "execution_count": 3, 23 | "metadata": {}, 24 | "outputs": [ 25 | { 26 | "data": { 27 | "text/plain": [ 28 | "True" 29 | ] 30 | }, 31 | "execution_count": 3, 32 | "metadata": {}, 33 | "output_type": "execute_result" 34 | } 35 | ], 36 | "source": [ 37 | "Key == PrivateKey" 38 | ] 39 | }, 40 | { 41 | "cell_type": "code", 42 | "execution_count": 4, 43 | "metadata": {}, 44 | "outputs": [ 45 | { 46 | "data": { 47 | "text/plain": [ 48 | "True" 49 | ] 50 | }, 51 | "execution_count": 4, 52 | "metadata": {}, 53 | "output_type": "execute_result" 54 | } 55 | ], 56 | "source": [ 57 | "dir(Key) == dir(PrivateKeyTestnet)" 58 | ] 59 | }, 60 | { 61 | "cell_type": "code", 62 | "execution_count": 5, 63 | "metadata": {}, 64 | "outputs": [], 65 | "source": [ 66 | "key = Key()" 67 | ] 68 | }, 69 | { 70 | "cell_type": "code", 71 | "execution_count": 6, 72 | "metadata": {}, 73 | "outputs": [], 74 | "source": [ 75 | "from bit import MultiSig" 76 | ] 77 | }, 78 | { 79 | "cell_type": "code", 80 | "execution_count": 9, 81 | "metadata": {}, 82 | "outputs": [], 83 | "source": [ 84 | "key1 = Key()\n", 85 | "key2 = Key()\n", 86 | "multisig = MultiSig(key1, {key1.public_key, key2.public_key}, 2)" 87 | ] 88 | }, 89 | { 90 | "cell_type": "code", 91 | "execution_count": 10, 92 | "metadata": {}, 93 | "outputs": [ 94 | { 95 | "data": { 96 | "text/plain": [ 97 | "Point(x=104979154018258222442597548651535490538315774605347565279250781070022558564063, y=73528026374248426387216848289981373081444687217222275139172834687273570270782)" 98 | ] 99 | }, 100 | "execution_count": 10, 101 | "metadata": {}, 102 | "output_type": "execute_result" 103 | } 104 | ], 105 | "source": [ 106 | "key.public_point" 107 | ] 108 | }, 109 | { 110 | "cell_type": "code", 111 | "execution_count": 11, 112 | "metadata": {}, 113 | "outputs": [ 114 | { 115 | "data": { 116 | "text/plain": [ 117 | "b'\\x02\\xe8\\x18\\x18u\\xc8\\xecFOHO\\xac\\xcf\\xbf\\x8ajM7[\\xfc\\xd6\\x06!\\xe1K\\x80\\xa7\\xa0\\xab\\xdf'" 118 | ] 119 | }, 120 | "execution_count": 11, 121 | "metadata": {}, 122 | "output_type": "execute_result" 123 | } 124 | ], 125 | "source": [ 126 | "key.public_key" 127 | ] 128 | }, 129 | { 130 | "cell_type": "code", 131 | "execution_count": 12, 132 | "metadata": {}, 133 | "outputs": [ 134 | { 135 | "data": { 136 | "text/plain": [ 137 | "'1NwrqGmDagTKi9g4hnUQheCkCoAzCcdDZg'" 138 | ] 139 | }, 140 | "execution_count": 12, 141 | "metadata": {}, 142 | "output_type": "execute_result" 143 | } 144 | ], 145 | "source": [ 146 | "key.address" 147 | ] 148 | }, 149 | { 150 | "cell_type": "code", 151 | "execution_count": 13, 152 | "metadata": {}, 153 | "outputs": [ 154 | { 155 | "data": { 156 | "text/plain": [ 157 | "'3MgdFg8seP98DhX2VUcXn6yJCpbXH64rfA'" 158 | ] 159 | }, 160 | "execution_count": 13, 161 | "metadata": {}, 162 | "output_type": "execute_result" 163 | } 164 | ], 165 | "source": [ 166 | "key.segwit_address" 167 | ] 168 | }, 169 | { 170 | "cell_type": "code", 171 | "execution_count": 14, 172 | "metadata": {}, 173 | "outputs": [ 174 | { 175 | "data": { 176 | "text/plain": [ 177 | "'L3jsepcttyuJK3HKezD4qqRKGtwc8d2d1Nw6vsoPDX9cMcUxqqMv'" 178 | ] 179 | }, 180 | "execution_count": 14, 181 | "metadata": {}, 182 | "output_type": "execute_result" 183 | } 184 | ], 185 | "source": [ 186 | "key = Key('L3jsepcttyuJK3HKezD4qqRKGtwc8d2d1Nw6vsoPDX9cMcUxqqMv')\n", 187 | "key.to_wif()" 188 | ] 189 | }, 190 | { 191 | "cell_type": "markdown", 192 | "metadata": {}, 193 | "source": [ 194 | "# Network" 195 | ] 196 | }, 197 | { 198 | "cell_type": "code", 199 | "execution_count": 1, 200 | "metadata": {}, 201 | "outputs": [], 202 | "source": [ 203 | "from bit import PrivateKeyTestnet" 204 | ] 205 | }, 206 | { 207 | "cell_type": "code", 208 | "execution_count": 2, 209 | "metadata": {}, 210 | "outputs": [ 211 | { 212 | "data": { 213 | "text/plain": [ 214 | "0" 215 | ] 216 | }, 217 | "execution_count": 2, 218 | "metadata": {}, 219 | "output_type": "execute_result" 220 | } 221 | ], 222 | "source": [ 223 | "key = PrivateKeyTestnet('L3jsepcttyuJK3HKezD4qqRKGtwc8d2d1Nw6vsoPDX9cMcUxqqMv')\n", 224 | "key.balance" 225 | ] 226 | }, 227 | { 228 | "cell_type": "code", 229 | "execution_count": 3, 230 | "metadata": {}, 231 | "outputs": [ 232 | { 233 | "data": { 234 | "text/plain": [ 235 | "'0'" 236 | ] 237 | }, 238 | "execution_count": 3, 239 | "metadata": {}, 240 | "output_type": "execute_result" 241 | } 242 | ], 243 | "source": [ 244 | "key.get_balance('btc')" 245 | ] 246 | }, 247 | { 248 | "cell_type": "code", 249 | "execution_count": 4, 250 | "metadata": {}, 251 | "outputs": [ 252 | { 253 | "data": { 254 | "text/plain": [ 255 | "'0'" 256 | ] 257 | }, 258 | "execution_count": 4, 259 | "metadata": {}, 260 | "output_type": "execute_result" 261 | } 262 | ], 263 | "source": [ 264 | "key.balance_as('usd')" 265 | ] 266 | }, 267 | { 268 | "cell_type": "code", 269 | "execution_count": 5, 270 | "metadata": {}, 271 | "outputs": [], 272 | "source": [ 273 | "import os\n", 274 | "from bit.network import NetworkAPI" 275 | ] 276 | }, 277 | { 278 | "cell_type": "code", 279 | "execution_count": 6, 280 | "metadata": {}, 281 | "outputs": [], 282 | "source": [ 283 | "USER = os.getenv('BITCOIN_USER')\n", 284 | "PASSWORD = os.getenv('BITCOIN_PASSWORD')" 285 | ] 286 | }, 287 | { 288 | "cell_type": "code", 289 | "execution_count": 7, 290 | "metadata": {}, 291 | "outputs": [], 292 | "source": [ 293 | "node = NetworkAPI.connect_to_node(USER, PASSWORD, host='localhost', port=8332)" 294 | ] 295 | }, 296 | { 297 | "cell_type": "code", 298 | "execution_count": 9, 299 | "metadata": {}, 300 | "outputs": [ 301 | { 302 | "data": { 303 | "text/plain": [ 304 | "'2MshDmGtwW3aV8Nr3B3PSvmo5o8yqhwJFKZ'" 305 | ] 306 | }, 307 | "execution_count": 9, 308 | "metadata": {}, 309 | "output_type": "execute_result" 310 | } 311 | ], 312 | "source": [ 313 | "key.segwit_address" 314 | ] 315 | }, 316 | { 317 | "cell_type": "code", 318 | "execution_count": 8, 319 | "metadata": {}, 320 | "outputs": [ 321 | { 322 | "ename": "BitcoinNodeException", 323 | "evalue": "Error in RPC call: {'code': -4, 'message': 'Only legacy wallets are supported by this command'}", 324 | "output_type": "error", 325 | "traceback": [ 326 | "\u001b[0;31m---------------------------------------------------------------------------\u001b[0m", 327 | "\u001b[0;31mBitcoinNodeException\u001b[0m Traceback (most recent call last)", 328 | "Cell \u001b[0;32mIn[8], line 1\u001b[0m\n\u001b[0;32m----> 1\u001b[0m \u001b[43mnode\u001b[49m\u001b[38;5;241;43m.\u001b[39;49m\u001b[43mimportaddress\u001b[49m\u001b[43m(\u001b[49m\u001b[43mkey\u001b[49m\u001b[38;5;241;43m.\u001b[39;49m\u001b[43msegwit_address\u001b[49m\u001b[43m,\u001b[49m\u001b[43m \u001b[49m\u001b[38;5;124;43m'\u001b[39;49m\u001b[38;5;124;43mipynb\u001b[39;49m\u001b[38;5;124;43m'\u001b[39;49m\u001b[43m,\u001b[49m\u001b[43m \u001b[49m\u001b[38;5;28;43;01mFalse\u001b[39;49;00m\u001b[43m)\u001b[49m\n", 329 | "File \u001b[0;32m~/miniconda3/envs/ai/lib/python3.10/site-packages/bit/network/services.py:103\u001b[0m, in \u001b[0;36mRPCMethod.__call__\u001b[0;34m(self, *args)\u001b[0m\n\u001b[1;32m 101\u001b[0m responseJSON \u001b[38;5;241m=\u001b[39m response\u001b[38;5;241m.\u001b[39mjson()\n\u001b[1;32m 102\u001b[0m \u001b[38;5;28;01mif\u001b[39;00m \u001b[38;5;124m\"\u001b[39m\u001b[38;5;124merror\u001b[39m\u001b[38;5;124m\"\u001b[39m \u001b[38;5;129;01min\u001b[39;00m responseJSON \u001b[38;5;129;01mand\u001b[39;00m responseJSON[\u001b[38;5;124m\"\u001b[39m\u001b[38;5;124merror\u001b[39m\u001b[38;5;124m\"\u001b[39m] \u001b[38;5;129;01mis\u001b[39;00m \u001b[38;5;129;01mnot\u001b[39;00m \u001b[38;5;28;01mNone\u001b[39;00m:\n\u001b[0;32m--> 103\u001b[0m \u001b[38;5;28;01mraise\u001b[39;00m BitcoinNodeException(\u001b[38;5;124m\"\u001b[39m\u001b[38;5;124mError in RPC call: \u001b[39m\u001b[38;5;124m\"\u001b[39m \u001b[38;5;241m+\u001b[39m \u001b[38;5;28mstr\u001b[39m(responseJSON[\u001b[38;5;124m\"\u001b[39m\u001b[38;5;124merror\u001b[39m\u001b[38;5;124m\"\u001b[39m]))\n\u001b[1;32m 104\u001b[0m \u001b[38;5;28;01mreturn\u001b[39;00m responseJSON[\u001b[38;5;124m\"\u001b[39m\u001b[38;5;124mresult\u001b[39m\u001b[38;5;124m\"\u001b[39m]\n", 330 | "\u001b[0;31mBitcoinNodeException\u001b[0m: Error in RPC call: {'code': -4, 'message': 'Only legacy wallets are supported by this command'}" 331 | ] 332 | } 333 | ], 334 | "source": [ 335 | "# https://bitcoincore.org/en/doc/27.0.0/rpc/wallet/importaddress/\n", 336 | "node.importaddress(key.segwit_address, 'ipynb', False)" 337 | ] 338 | }, 339 | { 340 | "cell_type": "code", 341 | "execution_count": null, 342 | "metadata": {}, 343 | "outputs": [], 344 | "source": [] 345 | } 346 | ], 347 | "metadata": { 348 | "kernelspec": { 349 | "display_name": "ai", 350 | "language": "python", 351 | "name": "python3" 352 | }, 353 | "language_info": { 354 | "codemirror_mode": { 355 | "name": "ipython", 356 | "version": 3 357 | }, 358 | "file_extension": ".py", 359 | "mimetype": "text/x-python", 360 | "name": "python", 361 | "nbconvert_exporter": "python", 362 | "pygments_lexer": "ipython3", 363 | "version": "3.10.14" 364 | } 365 | }, 366 | "nbformat": 4, 367 | "nbformat_minor": 2 368 | } 369 | -------------------------------------------------------------------------------- /notes/gaokao.ipynb: -------------------------------------------------------------------------------- 1 | { 2 | "cells": [ 3 | { 4 | "cell_type": "code", 5 | "execution_count": 1, 6 | "metadata": {}, 7 | "outputs": [], 8 | "source": [ 9 | "from PyPDF2 import PdfReader, PdfWriter\n", 10 | "\n", 11 | "fn = '/Users/ant/Desktop/dudu/2024北京考试报-招生专业目录-202.6.20.pdf'\n", 12 | "\n", 13 | "inputpdf = PdfReader(open(fn, \"rb\"))\n", 14 | "\n", 15 | "output = PdfWriter()\n", 16 | "output.add_page(inputpdf.pages[31])\n", 17 | "with open('./Books/tsinghua.pdf', 'wb') as f:\n", 18 | " output.write(f)" 19 | ] 20 | } 21 | ], 22 | "metadata": { 23 | "kernelspec": { 24 | "display_name": "ai", 25 | "language": "python", 26 | "name": "python3" 27 | }, 28 | "language_info": { 29 | "codemirror_mode": { 30 | "name": "ipython", 31 | "version": 3 32 | }, 33 | "file_extension": ".py", 34 | "mimetype": "text/x-python", 35 | "name": "python", 36 | "nbconvert_exporter": "python", 37 | "pygments_lexer": "ipython3", 38 | "version": "3.10.14" 39 | } 40 | }, 41 | "nbformat": 4, 42 | "nbformat_minor": 2 43 | } 44 | -------------------------------------------------------------------------------- /notes/hf_flux.ipynb: -------------------------------------------------------------------------------- 1 | { 2 | "cells": [ 3 | { 4 | "cell_type": "code", 5 | "execution_count": 1, 6 | "metadata": {}, 7 | "outputs": [], 8 | "source": [ 9 | "import torch\n", 10 | "from diffusers import FluxPipeline" 11 | ] 12 | }, 13 | { 14 | "cell_type": "code", 15 | "execution_count": 2, 16 | "metadata": {}, 17 | "outputs": [], 18 | "source": [ 19 | "import sentencepiece" 20 | ] 21 | }, 22 | { 23 | "cell_type": "code", 24 | "execution_count": 3, 25 | "metadata": {}, 26 | "outputs": [], 27 | "source": [ 28 | "# 31G, 140m\n", 29 | "# pipe = FluxPipeline.from_pretrained('black-forest-labs/FLUX.1-dev', torch_dtype=torch.bfloat16)" 30 | ] 31 | }, 32 | { 33 | "cell_type": "code", 34 | "execution_count": 4, 35 | "metadata": {}, 36 | "outputs": [], 37 | "source": [ 38 | "# 无法运行\n", 39 | "# MBP ~150H 10630.34s/it\n", 40 | "# prompt = \"A cat holding a sign that says 你好 world\"\n", 41 | "# image = pipe(\n", 42 | "# prompt,\n", 43 | "# height=1024,\n", 44 | "# width=1024,\n", 45 | "# guidance_scale=3.5,\n", 46 | "# num_inference_steps=50,\n", 47 | "# max_sequence_length=512,\n", 48 | "# generator=torch.Generator(\"cpu\").manual_seed(0)\n", 49 | "# ).images[0]" 50 | ] 51 | }, 52 | { 53 | "cell_type": "code", 54 | "execution_count": null, 55 | "metadata": {}, 56 | "outputs": [], 57 | "source": [] 58 | } 59 | ], 60 | "metadata": { 61 | "kernelspec": { 62 | "display_name": "ai", 63 | "language": "python", 64 | "name": "python3" 65 | }, 66 | "language_info": { 67 | "codemirror_mode": { 68 | "name": "ipython", 69 | "version": 3 70 | }, 71 | "file_extension": ".py", 72 | "mimetype": "text/x-python", 73 | "name": "python", 74 | "nbconvert_exporter": "python", 75 | "pygments_lexer": "ipython3", 76 | "version": "3.10.14" 77 | } 78 | }, 79 | "nbformat": 4, 80 | "nbformat_minor": 2 81 | } 82 | -------------------------------------------------------------------------------- /requirements.txt: -------------------------------------------------------------------------------- 1 | absl-py==2.1.0 2 | annotated-types==0.7.0 3 | anyio==4.4.0 4 | appdirs==1.4.4 5 | appnope @ file:///home/conda/feedstock_root/build_artifacts/appnope_1707233003401/work 6 | asgiref==3.8.1 7 | asttokens @ file:///home/conda/feedstock_root/build_artifacts/asttokens_1698341106958/work 8 | astunparse==1.6.3 9 | attr==0.3.1 10 | attrs==24.2.0 11 | azure-core==1.30.2 12 | azure-storage-blob==12.22.0 13 | bleach==5.0.1 14 | boto==2.49.0 15 | boto3==1.35.11 16 | botocore==1.35.11 17 | boxing==0.1.4 18 | cachetools==5.5.0 19 | certifi==2024.8.30 20 | cffi==1.17.0 21 | charset-normalizer==3.3.2 22 | click==8.1.7 23 | colorama==0.4.6 24 | comm @ file:///home/conda/feedstock_root/build_artifacts/comm_1710320294760/work 25 | contourpy==1.3.0 26 | cryptography==43.0.1 27 | cycler==0.12.1 28 | debugpy @ file:///Users/runner/miniforge3/conda-bld/debugpy_1725269227761/work 29 | decorator @ file:///home/conda/feedstock_root/build_artifacts/decorator_1641555617451/work 30 | defusedxml==0.7.1 31 | Deprecated==1.2.14 32 | distro==1.9.0 33 | Django==3.2.25 34 | django-annoying==0.10.6 35 | django-cors-headers==3.6.0 36 | django-csp==3.7 37 | django-debug-toolbar==3.2.1 38 | django-environ==0.10.0 39 | django-extensions==3.1.0 40 | django-filter==2.4.0 41 | django-model-utils==4.1.1 42 | django-ranged-fileresponse==0.1.2 43 | django-rq==2.5.1 44 | django-storages==1.12.3 45 | django-user-agents==0.4.0 46 | djangorestframework==3.13.1 47 | drf-dynamic-fields==0.3.0 48 | drf-flex-fields==0.9.5 49 | drf-generators==0.3.0 50 | exceptiongroup @ file:///home/conda/feedstock_root/build_artifacts/exceptiongroup_1720869315914/work 51 | executing @ file:///home/conda/feedstock_root/build_artifacts/executing_1725214404607/work 52 | expiringdict==1.2.2 53 | flatbuffers==1.12 54 | fonttools==4.53.1 55 | gast==0.4.0 56 | google-api-core==2.19.2 57 | google-auth==2.34.0 58 | google-auth-oauthlib==0.4.6 59 | google-cloud-appengine-logging==1.4.5 60 | google-cloud-audit-log==0.3.0 61 | google-cloud-core==2.4.1 62 | google-cloud-logging==3.11.2 63 | google-cloud-storage==2.18.2 64 | google-crc32c==1.6.0 65 | google-pasta==0.2.0 66 | google-resumable-media==2.7.2 67 | googleapis-common-protos==1.65.0 68 | grpc-google-iam-v1==0.13.1 69 | grpcio==1.66.1 70 | grpcio-status==1.66.1 71 | h11==0.14.0 72 | h5py==3.11.0 73 | htmlmin==0.1.12 74 | httpcore==1.0.5 75 | httpx==0.27.2 76 | humansignal-drf-yasg==1.21.9 77 | idna==3.8 78 | ijson==3.3.0 79 | importlib_metadata @ file:///home/conda/feedstock_root/build_artifacts/importlib-metadata_1724187233579/work 80 | inflection==0.5.1 81 | ipykernel @ file:///Users/runner/miniforge3/conda-bld/ipykernel_1719845458456/work 82 | ipython @ file:///home/conda/feedstock_root/build_artifacts/ipython_1725050136642/work 83 | isodate==0.6.1 84 | jedi @ file:///home/conda/feedstock_root/build_artifacts/jedi_1696326070614/work 85 | jiter==0.5.0 86 | jmespath==1.0.1 87 | joblib==1.4.2 88 | jsonschema==3.2.0 89 | jupyter_client @ file:///home/conda/feedstock_root/build_artifacts/jupyter_client_1716472197302/work 90 | jupyter_core @ file:///Users/runner/miniforge3/conda-bld/jupyter_core_1710257527440/work 91 | keras==2.9.0 92 | Keras-Preprocessing==1.1.2 93 | kiwisolver==1.4.7 94 | label-studio-sdk==1.0.5 95 | launchdarkly-server-sdk==8.2.1 96 | libclang==18.1.1 97 | lockfile==0.12.2 98 | lxml==5.3.0 99 | Markdown==3.7 100 | MarkupSafe==2.1.5 101 | matplotlib==3.9.2 102 | matplotlib-inline @ file:///home/conda/feedstock_root/build_artifacts/matplotlib-inline_1713250518406/work 103 | nest_asyncio @ file:///home/conda/feedstock_root/build_artifacts/nest-asyncio_1705850609492/work 104 | nltk==3.9.1 105 | 106 | numpy==1.23.5 107 | 108 | oauthlib==3.2.2 109 | openai==1.43.0 110 | opentelemetry-api==1.27.0 111 | opt-einsum==3.3.0 112 | ordered-set==4.0.2 113 | packaging @ file:///home/conda/feedstock_root/build_artifacts/packaging_1718189413536/work 114 | pandas==2.2.2 115 | parso @ file:///home/conda/feedstock_root/build_artifacts/parso_1712320355065/work 116 | pexpect @ file:///home/conda/feedstock_root/build_artifacts/pexpect_1706113125309/work 117 | pickleshare @ file:///home/conda/feedstock_root/build_artifacts/pickleshare_1602536217715/work 118 | pillow==10.4.0 119 | platformdirs @ file:///home/conda/feedstock_root/build_artifacts/platformdirs_1725821724470/work 120 | prompt_toolkit @ file:///home/conda/feedstock_root/build_artifacts/prompt-toolkit_1718047967974/work 121 | proto-plus==1.24.0 122 | protobuf==3.19.6 123 | psutil @ file:///Users/runner/miniforge3/conda-bld/psutil_1725737860005/work 124 | psycopg2-binary==2.9.9 125 | ptyprocess @ file:///home/conda/feedstock_root/build_artifacts/ptyprocess_1609419310487/work/dist/ptyprocess-0.7.0-py2.py3-none-any.whl 126 | pure_eval @ file:///home/conda/feedstock_root/build_artifacts/pure_eval_1721585709575/work 127 | pyasn1==0.6.0 128 | pyasn1_modules==0.4.0 129 | pycparser==2.22 130 | pydantic==2.8.2 131 | pydantic_core==2.20.1 132 | Pygments @ file:///home/conda/feedstock_root/build_artifacts/pygments_1714846767233/work 133 | pyparsing==3.1.4 134 | pyRFC3339==1.1 135 | pyrsistent==0.20.0 136 | python-dateutil @ file:///private/var/folders/c_/qfmhj66j0tn016nkx_th4hxm0000gp/T/abs_efk5_uakg8/croot/python-dateutil_1716495742183/work 137 | python-json-logger==2.0.4 138 | pytz==2022.7.1 139 | PyYAML==6.0.2 140 | pyzmq @ file:///Users/runner/miniforge3/conda-bld/pyzmq_1725448982672/work 141 | redis==3.5.3 142 | regex==2024.7.24 143 | requests==2.32.3 144 | requests-mock==1.12.1 145 | requests-oauthlib==2.0.0 146 | rq==1.10.1 147 | rsa==4.9 148 | rules==2.2 149 | s3transfer==0.10.2 150 | scikit-learn==1.5.1 151 | scipy==1.14.1 152 | semver==3.0.2 153 | sentry-sdk==2.13.0 154 | six @ file:///home/conda/feedstock_root/build_artifacts/six_1620240208055/work 155 | sniffio==1.3.1 156 | sqlparse==0.5.1 157 | stack-data @ file:///home/conda/feedstock_root/build_artifacts/stack_data_1669632077133/work 158 | tensorboard==2.9.1 159 | tensorboard-data-server==0.6.1 160 | tensorboard-plugin-wit==1.8.1 161 | 162 | tensorflow @ file:///Users/ant/GitHub/tensorflow/tensorflow-2.9.3-cp310-cp310-macosx_14_0_x86_64.whl#sha256=e31fb199401670cfb5114336c059795e07bd4963b93d5e58311ea6249c3d5c3d 163 | 164 | tensorflow-estimator==2.9.0 165 | tensorflow-io-gcs-filesystem==0.37.1 166 | termcolor==2.4.0 167 | threadpoolctl==3.5.0 168 | tornado @ file:///Users/runner/miniforge3/conda-bld/tornado_1724956113122/work 169 | tqdm==4.66.5 170 | traitlets @ file:///home/conda/feedstock_root/build_artifacts/traitlets_1713535121073/work 171 | typing_extensions @ file:///home/conda/feedstock_root/build_artifacts/typing_extensions_1717802530399/work 172 | tzdata==2024.1 173 | ua-parser==0.18.0 174 | ujson==5.10.0 175 | uritemplate==4.1.1 176 | urllib3==1.26.20 177 | user-agents==2.2.0 178 | wcwidth @ file:///home/conda/feedstock_root/build_artifacts/wcwidth_1704731205417/work 179 | webencodings==0.5.1 180 | Werkzeug==3.0.4 181 | wrapt==1.16.0 182 | xmljson==0.2.1 183 | zipp @ file:///home/conda/feedstock_root/build_artifacts/zipp_1724730934107/work 184 | --------------------------------------------------------------------------------