Midjourney text prompt技巧二：多实验
1图片生成遇到不符合预期的情况，不要慌，分析问题，然后使用控制变量法，一个个调整图片，不要急，上面我写的 prompt 还有一个地方，不知道各位有没有注意，就是开头的 stock photo，试试将这两个词删掉会怎样？ two Asian men in suits shaking hands,say goodbye in front of the main e...
赞 (0)阅读(1577)
工具软件 第128页
1Midjourney text prompt 技巧一：临摹
4我认为学习图片类的 prompt，跟学习画画是类似的，最好的学习方法不是直接用模板。 而是拿真图，或者别人生成的图来临摹。英文不好，也可以先写中文，然后让 ChatGPT 翻译。当你临摹了几张后，你就会慢慢搞懂如何做出类似的图了。 拿上面的那个握手图为例，我们仔细观察上面那张图，图中元素有什么： 第一主体是两个手，然后握在了一起，并且看起来是两个亚裔男人。 ...
赞 (0)阅读(2021)
Midjourney text prompt场景11：其他
7贴纸 不知道有没有人和我一样有喜欢买贴纸贴笔记本电脑的习惯。某宝虽厉害，但我希望的东西比较非主流，有一些无法满足我的需求，所以就想到让 AI 帮我画一些，以下用风暴兵和达斯维达为例，写一组 prompt： Prompt 解释 类型是什么？ sticker 制作 sticker 主体是什么？ Stormtrooper, cute Q 版的风暴兵 环境是怎样的...
赞 (0)阅读(1959)
Midjourney text prompt技巧一：临摹框架总结
1官方框架 在做总结前，我想先介绍下 Midjourney 官方的框架： 官方的模板很简单，分成四个部分： 主体 细节 & 背景 风格、媒介、艺术家 参数 我的总结 其实按照官方模板写，你已经能超过 90% 的初学者，但根据我的实验，我细化了他们的模板的，有以下调整： 将类型放在了最前面，因为 prompt 的顺序会影响权重（详情见我翻译的 Mid...
赞 (0)阅读(1799)
ChatGPT大语言模型有什么缺点？
缺点一：结果高度依赖训练语料 正如我前面提到的，当今的语言模型，即使发展了四个版本，但依然没有脱离「概率计算」，本质上来说它们的核心原理就是「利用已有的信息来预测其他信息」。 那这就意味着，大语言模型其实并没有意识，也不知道对错，其生成的结果，高度依赖训练语料。 那会导致怎样的后果？ 如果语料的内容是有偏的（比如带有种族歧视、性别歧视的内容），甚至是错误的...
赞 (0)阅读(2113)
ChatGPT开发大语言模型需要什么？
关键一：数据 训练数据主要是所谓的语料库。今天的很多语言模型的语料库主要有以下几种： Books：BookCorpus 是之前小语言模型如 GPT-2 常用的数据集，包括超过 11000 本电子书。主要包括小说和传记，最近更新时间是 2015 年 12 月。大一点的书籍语料库是 Gutenberg，它有 70000 本书，包括小说、散文、戏剧等作品，是目前...
赞 (0)阅读(2010)
ChatGPT如何计算概率？
既然是数学模型，那应该如何计算呢？ 最简单的方法，当然就是用统计学的方法去计算了，简单说来，就是靠输入的上下文进行统计，计算出后续词语的概率，比如「你吃了晚饭了吗」，「你吃了」后面按照概率，名词如「饭」或「晚饭」等概率更高，而不太可能是动词，如「睡」「睡觉」。 这是语言模型的第一阶段，模型也被称为是统计语言模型（Statistical Language Mo...
赞 (0)阅读(2941)
ChatGPT什么是语言模型？
LLMs 全称是 Large Language Models，中文是大语言模型。 那么什么是语言模型？ 语言模型简单说来，就是对人类的语言建立数学模型，注意，这里的关键是数学模型，语言模型是一个由数学公式构建的模型，并不是什么逻辑框架。这个认知非常重要。 最早提出语言模型的概念的是贾里尼克博士。 他是世界著名的语音识别和自然语言处理的专家，他在 IBM 实验...
赞 (0)阅读(2154)
ChatGPT技巧9：其他
在示例里加入特定符号，让模型知道如何处理特殊情况 这个解释起来有点复杂，以下是 OpenAI 的官方 prompt，在一些奇怪的问题上比如 What is Devz9 的回答，你可以用 ？ 代替答案，让模型知道当遇到超出回答范围时，需要如何处理（注意：此方法在 playground 上有效，但在 ChatGPT 上无效）。 Q: Who is Batman...
赞 (0)阅读(2303)
ChatGPT技巧7：Zero-Shot Chain of Thought
2基于上述的第三点缺点，研究人员就找到了一个叫 Chain of Thought 的技巧。 这个技巧使用起来非常简单，只需要在问题的结尾里放一句 Let‘s think step by step （让我们一步步地思考），模型输出的答案会更加准确。 这个技巧来自于 Kojima 等人 2022 年的论文 Large Language Models are Zer...
赞 (0)阅读(2334)
