owlet_notes99.9

owlet_notes99.9

最近の記事

Llama 3をReFTでファインチューニング

Pythonライブラリpyreftより少ないパラメータ数で、より優れた性能を達成する可能性のあるファインチューニング方式「ReFT」(Representation Fine-Tuning)。 少ないファインチューニングパラメータで、より強力なパフォーマンスを発揮し、ファインチューニングの効率を向上させ、コスト削減を実現します。 そのPythonのライブラリが「pyreft」です。 上記リポジトリによると、pyreftは以下をサポートします: HuggingFace上の任

    • この鳥はこの後? 動画生成AI「Dream Machine」で遊ぶ

      引き続き「Dream Machine」。 「もしかしたら・・・」と思った動画に変わりました。 飛ぶ?使用した画像です。 A small bird walks happily and nimbly on a branch (小鳥が楽しそうに軽快に枝の上を歩く) もしかしたら、飛ぶのでは? と思ったら本当に飛び立ちました。 延長でもう一羽「Extend」で5秒追加して計10秒の動画にしてみます。 Another little green bird came perchi

      • スゴさを感じたLuma AIの動画生成AI「Dream Machine」

        米Luma AI社が2024年6月、動画生成AI「Dream Machine」を発表しました。 無料枠でも、5秒間の動画を毎月30本まで作成できます。 動画生成AIを試すのは約3ヶ月ぶりですが、一気に進化したと思わずにはいられませんでした。 前回まではなんとか動いているという感じ前回、ラリーカーの画像を動かしました。 複数のツールを使いましたが、画像の枠の範囲でなんとか動かせているけど、クオリティはまだまだ粗い、という感じでした。 今回の進化。まだ走る、まだ曲がる!初

        • #消費者物価指数 #e-Stat #R #GoogleColab #ChatGPT

          Rに書き換え消費者物価指数を品目ごとに調べたい。 ChatGPTに聞きながら作成したPythonのコードを、ChatGPTにRのコードに書き換えてもらいました。 Macで発生する文字化け対応など一部修正しましたが、ほとんどChatGPTに教えてもらったコードを使っています。 基準品目の番号をカンマで区切って選択してください: 57,58,59,60,61 そのRコード# 必要なパッケージをインストールして読み込むinstall.packages("tidyverse"

        Llama 3をReFTでファインチューニング

          #消費者物価指数 #e-Stat #Python #GoogleColab #ChatGPT

          品目ごとに推移グラフ消費者物価指数を品目ごとに調べたい。 ChatGPTに聞きながらPythonのコードを作成しました。 基準品目の番号をカンマで区切って選択してください: 3,6 上記のように番号を指定するとグラフを作成できます。 データの取得にはe-StatのAPIを使っています。 この機能をGPTsに実装したい(できるかなあ?)。 そのPythonコード# matplotlibの文字化け対策!pip install japanize-matplotlibimp

          #消費者物価指数 #e-Stat #Python #GoogleColab #ChatGPT

          スマートライフをワンランクアップ!Apple Intelligenceの賢い機能大公開!

          ※ この投稿は生成AIを使い作成しました。 ※ まず、CohereのAPIを使い、Webニュースからポイントをピックアップ。 ※ APIを使ったコードは、Cohereのドキュメントを参考に、Cohere ChatやChatGPT4-oに聞きながら作成。 ※ ピックアップした各ポイントの説明をCopilotに補足してもらう。 ※ Copilotに補足してもらった文章全体をGeminiを使いスタイリッシュに変更。 ※ タイトルもGeminiに付けてもらう。 ※ Geminiに整形

          スマートライフをワンランクアップ!Apple Intelligenceの賢い機能大公開!

          2024年3月期決算説明会PDFを生成AIに説明してもらう

          トヨタ自動車が2024年5月8日に発表した2024年3月期決算のPDF資料を、いくつかの生成AIに読ませてみました。 ここで対象にするのは「連結営業利益増減要因」のページです。 以下のように問い合わせました。 連結営業利益増減要因について説明してください。利用したAIはいずれも無料枠で使える範囲で使っています。 PDFをアップロードできないCopilotとGeminiは使用していません。 結果、けっこういい感じでした。 着目点がわかる感じ、資料を作るならその下書きの文

          2024年3月期決算説明会PDFを生成AIに説明してもらう

          高速GroqのAPIで生成AIチャットを試す

          ※カバー画像は Leonardo.Ai で生成 生成AI Groq のAPIを試しがてら、複数のLLMを選択できるチャットインタフェースのWebアプリを作成してみました。 Groq では、独自に開発した LPU(Language Processing Unit)という処理ユニットを使い、LLM を高速に稼働させます。 現時点では、Gemma-7B、Llama3-70B、Llama3-8B、Mixtral-8x7B を使えます。 パッケージのインストール以下4つのパッケージ

          高速GroqのAPIで生成AIチャットを試す

          こんにちは!AIが賢くなるためのすごい技術、「RAG」について説明するよ! 〜 Cohere Cookbookのサンプルコードから

          Gemini 1.5 Pro(Google AI Studio)を使い、Cohere Cookbook(notebooks)で見つけたRAG(Retrieval-Augmented Generation)のサンプルコードの解説を、Geminiを使い「高校生向け」にアレンジしてもらいました。 一部変更や追記などしています。 AIが賢くなる方法:RAGってなんだろう?みんな、こんにちは!今日はAIが賢くなるためのすごい技術、「RAG」について説明するよ!RAGは「Retrie

          こんにちは!AIが賢くなるためのすごい技術、「RAG」について説明するよ! 〜 Cohere Cookbookのサンプルコードから

          例えば、おこづかい減がわかった 〜 統計グラフGPTs調整中メモのその後

          GPTsは自分用続けている統計データグラフ作成の GPTs。 意図と異なる回答が戻ってくるなど、安定したアウトプットが難しいので公開せず自分で使うだけにとどめています。 うまく回答が得られる場合。 例えばこう使っています。 GPTs で最近の推移を確認 気になったらPythonコードをR言語用に変えてもらう 別途データを取得しRで長期間の推移確認 詳細はR言語 で使用例です。 政府統計ポータルサイト e-Stat のAPIへのクエリーで、主要用途分類別の消費支出を

          例えば、おこづかい減がわかった 〜 統計グラフGPTs調整中メモのその後

          Gemini 1.5 Flash は速いのか?

          軽量で高速応答米Googleが5月14日(現地時間)、マルチモーダルモデル Gemini のアップデートを発表しました。 Gemini 1.5 Pro よりも軽量で高速な応答が可能なモデル Gemini 1.5 Flash が初登場です。 早速 Google AI Studio にプレビュー版が搭載されていました。 Claude の anthropic-cookbook に使われている画像を使い、Gemini 1.5 Flash を Gemini 1.5 Pro と比較

          Gemini 1.5 Flash は速いのか?

          GPT-4o 発表、そしてより多くのインテリジェンスなツールを ChatGPT に無料で展開

          フリーユーザー向けに機能拡大米OpenAIは5月13日(現地時間)、GPT の新モデル GPT-4o を発表しました。 GPT-4o を契機に、無料で使える ChatGPT の機能拡大も始まります。 紹介されている追加機能は以下です。 今後数週間に渡り、提供されていくそうです。 Experience GPT-4 level intelligence Get responses(opens in a new window) from both the model and

          GPT-4o 発表、そしてより多くのインテリジェンスなツールを ChatGPT に無料で展開

          Fugaku-LLM/Fugaku-LLM-13B-instruct を Colab で試す

          富岳を使ったLLM2024年5月10日に公開された、大規模言語モデル Fugaku-LLM を Google Colab で試しました。 スーパーコンピュータ 富岳 を用いて学習した130億パラメータの LLM です。 Hugging Face と GitHub に公開されています。 Fugaku-LLM-13B-instructInstruction-tuned model の Fugaku-LLM-13B-instruct を使用しました。 LLM を指示プロンプト

          Fugaku-LLM/Fugaku-LLM-13B-instruct を Colab で試す

          例えば、車のモデルチェンジデザイン予想に ChatGPT 4 とちょっと Claude

          使用するプロンプトパターンChatGPT Plusの使い道を色々と考えています。 例えば、車のモデルチェンジのデザイン予想。 CIVIC TYPE R 例えば、本田技研工業のCIVIC TYPE R。 実際にサイトのURLの情報をどこまで参照できているかは不明です。 URLを指定することで、正しいエンブレムを装備してくれる効果はあるようです。 キーコンセプトとキーカラーは Claude に提案してもらいました。 フェアレディZ 日産自動車のフェアレディZ。 アル

          例えば、車のモデルチェンジデザイン予想に ChatGPT 4 とちょっと Claude

          #LetsStartGPTsCardBattle

          GPTsでトレーディングカードゲームを作成したいと思い、試行錯誤しています。 うまくできない理由は最後に述べます。 試作中のバトルカードまず、プレイヤー1(自分)のカードと、相手となるプレイヤー2のカードを見せてもらいます。 カード同士のバトルシーンを視覚化もし、結果を知らせてもらいます。 あなた Start Battle Card Battle Results: Player 1's minimalist, cute rotary phone monster and

          #LetsStartGPTsCardBattle

          LlamaIndex CohereAI Embeddings

          LlamaIndexのCohereAI Embeddings先日Cohere & LlamaIndexを使い、外部データを参照するコードを試していました。 調べている際にLlamaIndexのCohereAI Embeddingsも試したので、そのメモです。 上記サイトのコードを参照し、わからないところは Cohere Coral や ChatGPT(いずれも無料版)に聞きながら進めました。 特に Cohere Coral の回答は下記の文章によく使っています。 埋め

          LlamaIndex CohereAI Embeddings