近年来随着深度学习、大数据、人工智能、AI等技术领域的不断发展机器学习是目前最火热的人工智能分支之一是使用大量数据训练计算机程序以实现智能决策、语音识别、图像处理等任务。

作者也是经过了以上几个阶段的软件开发历程从Web时代编程、到云时代分布式编程到如今的AI时代传统编程是人类程序员手动编写代码来实现特定的功能而机器学习是通过让计算机程序从数据中学习自动地提取特征和规律来实现功能。

如何解决人工智能机器学习模型训练与推理、高性能计算等往往是对于算法、算力和大数据都是实现大规模应用的必备条件。

GPU的广泛应用促进了AI技术的发展。

通过GPU的高速计算能力开发者可以更快地训练模型、测试算法从而促进AI技术的迅速发展。

GPU的出现和发展也为AI领域的新算法、新模型的研发提供了更多的可能性。

GPU

新品预装LLM、AI作画、数据科学等高性能应用实现即插即用助力中小企业及开发者快速部署LLM、AI作画、数据科学等高性能应用。

二、即生“瑜”(腾讯云GPU云服务器)何生“亮”(高性能应用服务HAI)

平时接触的AI领域中大多数搭载GPU云服务器的AI服务器可以覆盖更多的应用场景尤其在人工智能领域的应用相当多。

接下来让我们先了解一下GPU云服务器的一些概念只有知已知彼才能百战不殆进行有效的比较优势与劣势才能有针对性的选择权。

腾讯云GPU服务器

层的尖兵利器服务于深度学习训练、科学计算、图形图像处理、视频编解码等场景。

腾讯云随时提供触手可得的算力有效缓解您的计算压力提升业务效率与竞争力。

GPU计算型应用场景

“高性能应用服务HAI”它具有澎湃算力即开即用基于腾讯云GPU云服务器底层算力提供开箱即用的高性能云服务。

以应用为中心匹配GPU云算力资源助力中小企业及开发者快速部署LLM、AI作画、数据科学等高性能应用。

尤其值得一提的是针对开发者使用可视化的webUI界面和“可视化IDE”的jupyterlab大大的降低了调试的复杂度、降低应用使用的门槛甚至经过简单的培训让非开发者(运维人员)也可以参与到使用中来。

横向对比青出于蓝

在以往都是自己组合搭建大多数搭载GPU云服务器的AI服务器可以覆盖更多的应用场景如图形渲染、深度学习、天体物理、化学分子计算、云计算和虚拟化、计算密集型行业等应用。

大幅降低GPU云服务器使用门槛多角度优化产品使用体验低门槛、开箱即用。

多种高性能应用部署场景轻松拿捏

本次活动是由腾讯云和CSDN联合推出的开发者技术实践活动。

通过动手实验的形式带您深入沉浸式体验腾讯云高性能应用服务

HAI

第一个实验手册如何利用HAI轻松拿捏AI作画第二个实验手册未来对话HAI创作个人专属的知识宇宙第三个实验手册融合创新HAI推动Pytorch2.0

AI框架新时代

活动提供的手册也是非常的详细可以快速体验一下腾讯云高性能应用服务

HAI相关的AI产品活动将覆盖多个应用场景无论您是技术新手还是经验丰富的开发者都可以从活动中汲取到技术上的精华。

四、Stable

Diffusion是一种基于扩散过程的图像生成模型可以生成高质量、高分辨率的图像。

它通过模拟扩散过程将噪声图像逐渐转化为目标图像。

这种模型具有较强的稳定性和可控性可以生成具有多样化效果和良好视觉效果的图像。

Stable

可以通过生成多样化、高质量的图像、修复损坏的图像、提高图像的分辨率和应用特定风格到图像上等方式辅助视觉创意的实现。

它为视觉艺术家、设计师等提供更多的创作工具和素材促进视觉艺术领域的创新和发展。

对比一下GPU服务器自行部署痛点

https://download.pytorch.org/whl/cu117

pip换源

https://mirrors.ustc.edu.cn/pypi/web/simple

安装对应依赖pip

https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run

安装cuda

cuda_11.8.0_520.61.05_linux.run

配置环境变量

PATH/usr/local/cuda-11.8/bin:$PATH

export

LD_LIBRARY_PATH/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH

使配置文件生效

AUTOMATIC1111/stable-diffusion-webui:

Stable

./webui.sh以上是自行尝试购买腾讯云GPU服务器自己手动搭建环境并运行stable

diffusion。

大概花费了差不多一个下午的时间而且这个还是自己以前尝鲜有过经验的前提下。

通过完成官方提供的第一个动手实验如何利用HAI轻松拿捏AI作画。

我们大概只花了不到10分钟就可以从购买到使用stable

diffusion开始作画并且不到20分钟就能完成动手的实验(如下图)网上有太多的文章描述如何使用这里就不去“鹦鹉学舌”重复赘述了。

可以看出以下的对比“自己选购部署”与“高性能应用服务HAI”在以下7点存在业务痛点“高性能应用服务HAI”大大的降低了使用的门槛、降低了学习的成本让更多的企业、开发者能够加入到AI应用的行业中来。

五、“高性能应用服务HAI”的应用给公司业务提效方案可行性评估

自从AIGC人工智能生成内容的来临在过去的一段时间里以Stable

Diffusion

运营提出商业意图与图形的要求设计在“千图网”找一些符合要求的参考图或者自己手工画一些设计的初稿在与业务确认沟通风格和草图再跟业务确认是否符合业务的要求设计进行建模并且针对一些细化的设计进行调整最终设计定稿交付设计图

设计师往往需要在“千图网”找大量的参考图这个过程是比较费事也费劲的一般需要半个工作日的倍数。

如果遇到一些比较复杂的交互设计师还需要自己手画设计草图也是比较费时间的。

现在有了AIGC绘画的工具辅助后可以极大地缩短找参考图及建模设计草图时间同时也减少了与业务反复沟通确认的时间。

使用Stable

Diffusion生成设计参考图可以快速与业务确认设计风格绘制线稿草图后再通过

Stable

直接生成设计图设计师再做细节优化大大提升了整个设计流程的效率。

甚至简单的绘图可以直接交付由业务单位来完成。

PyTorch是Facebook人工智能研究院FAIR开发的一个开源机器学习库它使用Python语言编写支持动态计算图和分布式训练。

案例一在理赔的业务中往往会遇到车辆的刮蹭、车辆恶意损坏、划痕等理赔案例时往往需要参考大量的案例。

业务痛点①.

如果招的熟悉的业务人员可能比较能快速的凭借处理的经验来解决实际的问题。

②.

如果新招人力、新的场景、新的客户可能会遇到处理不及时的问题。

改善措施①.

通过使用pytorch实现以图搜图可以快速的在案例池中找到匹配的案例。

②.

案例二在理赔凭证审核环节由于经常发生将申请材料与历史凭证中高度相似的理赔凭证从而存在理赔欺骗的问题有点类似常说的“骗保”。

业务痛点①.

使用pytorch实现相同图片搜索技术在出现异常时将案例流转至人工复审流程。

②.

在提升理赔审核效率的同时打击盗用冒用等欺诈行为从而降低保理赔风险。

六、Stable

在实际的工作场景中经常会遇到商务部门需要做各种活动、手册、邀请活动等物料一般没有特别说明的话不会考虑很多场景比如“易拉宝”、“海报”、“刊物设计印刷”等的场景中图片在放大时会在分辨率、清晰度要求更高场景中会出现模糊、看不清的效果。

如上需要运用在更大背景区域上如果采用直接放大设计文件一般会出现文件内的非矢量元素就会模糊导致在分辨率、清晰度要求更高场景中会出现模糊、看不清的效果此时可以借助Stable

Diffusion放大修复并提升图片清晰度节省重绘的人力成本。

下面来介绍一下Stable

Diffusion几种AI的放大算法后期处理、脚本UItimate

SD插件方案当然还有其它很多的方案。

做放大算法高清修复、高清放大的时候对于一张图片的聚焦点在哪里。

1.1

Directory(批量处理文件夹)可以选择一个需要批量处理图片的文件夹目录3在“Scale

可以根据自己的需求来设定这个值来调整需要放大的倍数4Upscaler1表示放大的算法①.

推荐选择“R-ESRGAN

Anime6B”这2个算法模型5点击“Generate”生成图片

1.2

对应中文“扩展”可以管理已安装的插件2点击“script”脚本3点击“Load

form”加载扩展列表①.

如果有符合条件的插件就会在下面进行显示并且显示安装的状态5点击“Install”进行“Ultimate

安装完成后进入右上图片6在“Extensions”选项卡中查看是否安装成功①.

SD”插件安装的信息8切换到“Setting”设置选项卡中9点击“Reload

UI”进行重新启动

可以看到预期的结果确实在处理的效果要好但是有个问题是处理的过程太慢了生成17M的图片需要近半个小时的时间如果真的在生产阶段使用的话可能需要更高的配置来支撑。

1.3

可以看出后期处理放大在细节上肯定比不上重绘的效果不过它的优势在于简单、方便、速度快而且可以处理任何图片如果要求不高的话它还挺好用的一个功能相对于SD放大的脚本能得到更高的分辨率细节也更丰富但是处理时间需要久一点。

业务推广海报生成

在设计前期设计师刚接到需求了解到画面内容元素设计风格后会在花瓣等网站找对应的参考图给业务方确认此时可能还要配合适当的草图来表现画面的构图、元素等。

但这样的参考图往往不能很好的传达设计师的设计想法且找到合适图的耗时都会比较长这时候如果通过

Stable

以上图节日海报以中秋主题为例生成一些海报分享朋友圈。

可以利用Stable

Diffusion的能力通过“咒语”直接生成一些精美的节日素材图片然后再设计排版添加下文案等素材。

对所希望生成的图片的文本描述一般使用英文描述可以获得更好的生成结果3输入“Negative

prompt”①.

如果生成图片细节不满足要求,可适当增加采样步骤,但生成时间也会相应增加②.

大部分采样器超过50步后意义就不大了5点击“Generate”生成图片

在通过PhotoShop添加相应的文案元素进行排版得到一个氛围感满满的中秋节气的海报为了降低设计师手动复制二唯码生成海报的痛点如下使用Vue

Java开发了一套重绘二唯码参数的系统用来减轻设计师的工作量同时也降低了出错的几率。

public

pressImage(ByteArrayInputStream

input,

URL(poster.getPosterUrl()));int

wideth

target.getHeight(null);BufferedImage

image

image.createGraphics();g.drawImage(target,

wideth,

2;g.setComposite(AlphaComposite.getInstance(10,

reX

(HmbConstants.WECHAT_PROGRAM.equals(poster.getRemark1()))

{int

URL(fxProject.getRemark1()));g.drawImage(logoIO,

logoX

JSON.parseObject(poster.getRemark4(),

PosterQrcodeReq.class);PosterQrcodeReq

obSecond

JSON.parseObject(poster.getRemark5(),

contentFirst

Tools.isBlank(obFirst.getContentFirst())

obFirst.getContentFirst();String

contentSecond

Tools.isBlank(obSecond.getContentSecond())

obSecond.getContentSecond();Color

color

(HmbConstants.POSTER_WORD_COLOR_B.equals(obSecond.getContentColor()))

{color

{g.setRenderingHint(RenderingHints.KEY_TEXT_ANTIALIASING,

RenderingHints.VALUE_TEXT_ANTIALIAS_ON);String

waterMarkContent

textMap.get(userName).concat(contentFirst);g.setColor(color);g.setBackground(Color.WHITE);g.setFont(new

Font(Microsoft

字体、字型、字号g.drawString(waterMarkContent,

reX

tag.getGraphics();g.drawImage(image,

image;}Graphics2D

BasicStroke(3.0F));graph.draw(shape);graph.dispose();}

}public

ByteArrayOutputStream();Thread.currentThread().getContextClassLoader().getResource().getPath();Image

target

target.getHeight(null);BufferedImage

image

image.createGraphics();g.drawImage(target,

wideth,

bufferedImageBef.getWidth(null);int

height_o***r

bufferedImageBef.getHeight(null);int

reX

setClip(bufferedImageBef,20);g.setComposite(AlphaComposite.getInstance(10,

f));g.drawImage(bufferedImage,(wideth

280)

req.getQrCodeY(),null);g.setRenderingHint(RenderingHints.KEY_TEXT_ANTIALIASING,

RenderingHints.VALUE_TEXT_ANTIALIAS_ON);Color

mycolor

POSTER_WORD_COLOR_B.equals(req.getFontColor())

Color.BLACK

Color.WHITE;g.setColor(mycolor);g.setBackground(Color.WHITE);if

Font(AR

30));g.drawString(PbmCodeUtils.mask(req.getCreateName(),4,3),

reX

req.getFontY());}g.dispose();ImageIO.write(image,

FORMAT_NAME,

Diffusion后再加上自己研发的系统对海报进行二次加工可以达到海报批量快速产出的效果加快了业务部分快速推广的作用同时也极大的减轻了设计师的工作量。

借助Stable

Diffusion图片生成能力可以快速的基本素材的生成借助PS软件专门用来进行图像处理的软件通过它可以对图像修饰、对图形进行编辑以及对图像的色彩处理另外还有绘图和输出等功能可以使图像产生特效如果和其它工具或软件配合使用还可以进行高质量的广告设计、美术创意和三维动画制作借助自己开发的图片二次开发功能可以有效的将不同渠道、不同业务的分销码重绘到海报中携带二唯码参数

希望借助AIGC领域的工具打造一个全流程线上工具化运营人员通过配置节日、风格、形象、动作等即可自动生成运营图。

3.1

Diffusion快速部署及下载自定义模型功能使用者不需要自己下载代码不需要自己安装复杂的依赖不需要了解Git、Python、Docker等技术只需要在控制台图形界面点击几下鼠标就可以快速启动Stable

Diffusion只能完成项目中的一部分或者一些临时应急对设计需求要求并不高的项目如果要求较高还是需要设计师二次创作及相应的优化。

AIGC

绝大多数提供互联网应用的公司都会存在在线客服的岗位以往客服单位需要招在大量专业人员经过内部培训一段周期再上岗作业往往会存在一些问题

序号分类描述1人工座席高强负荷运转人工座席无法应对高峰期海量访客造成服务响应缓慢、排队等待过长及服务专业性不足等各种情况2核心数据外泄风险人工座席能够触及的客户资料数据覆盖面广部分敏感业务数据存在暴露风险可能导致数据信息外泄37*24服务很多时候客服人员在下班或者休假的时候还要频繁工作导致客服工作时长久4业务“Serverless化服务”当遇到业务比较忙时需要招大量的人力来支撑业务发展当业务低谷期又需要减员来保证公司的正常支出

根据第二个实验手册未来对话HAI创作个人专属的知识宇宙里面第5点“高性能应用服务HAI

快速部署

以下为测试需要的训练集以最新一个项目的QA为例收集以下的list

[{content:

车保赔巨王卡是xx公司推出的一种综合保险服务主要服务于xx城市中所有的车辆服务投保期间只有一年2026年1月1号到2026年12月30号。

},{content:

车保赔巨王卡投保时间,

投保期间只有一年2026年1月1号到2026年12月30号。

},{content:

车保赔巨王卡如何理赔,

模型开始训练数据集越多耗时越长目前测试的三条训练集、验证集大约需要1个小时左右训练完成。

ChatGLM2-6B-int4

的微调可以看出回答的结果更贴近业务垂直领域的结果但是让客户使用这个界面必然是不现实的下面我们通过API的方式来集成到我们的客服系统中看看是否能“模拟”人工客服从而降低对客服人员的成本诉求。

根据手册输入命令用于开启

api.py通过postman进行发送请求一个post请求可以看到是可以请求成功的。

scroll-ytrue

break-all;{{x.msg}}/text/view/view/viewview

v-if!x.my

{{item}}/text/view/view/view/view/viewview

v-showmsgLoad

placeholder-classmy-neirong-smplaceholder说点什么吧...

view

的微调可以搭建属于企业垂直领域的私域客服知识体系。

帮助理解用户的问题并提供准确、及时的回答和解决方案。

从而基于人工智能技术的自动化客户服务系统旨在提高客户满意度和降低企业成本。

目前主要应用在客户咨询等场景可以帮助企业大幅提升服务效率提高服务质量降低人工成本成为企业提升服务效率、降低成本的重要方式也可以帮助企业更好地应对日益复杂的客户需求和市场变化。

当然AI客服人工智能仍然有其局限性无法完全取代人类客服。

因此人与AI对话的合作将是未来客户服务的发展方向共同为用户提供更好的服务。

有些同学可能是第一次接触GPU这个概念接下来我就来普及一下GPU是什么有什么样的一些特点为什么在AI、深度训练和图像处理等领域大受欢迎呢

九、什么是GPUGPU与CPU有什么区别吗GPU有哪些应用场景

GPU全称为图形处理器是一种专门设计用于处理计算机图形和图像的处理器。

它可以加速计算机图形渲染和处理操作提高计算机图形和图像的性能和质量。

GPU相对于CPU而言具有更多的处理单元和更高的并行处理能力因此可以更快地处理大量的图形和图像数据。

在游戏、动画、视觉效果等领域中GPU是实现高质量图形和图像的必要组件。

在科学计算、深度学习等领域中GPU也可以作为计算加速器来使用可以大幅提高计算速度和效率。

GPU的工作原理是通过多个处理单元并行处理图形、图像和计算任务来提高处理速度和效率。

这些处理单元分布在不同的计算核心和计算单元中可以同时处理多个任务。

此外GPU还使用了高速缓存、显存等技术来优化数据存储和访问进一步提高了性能和速度。

GPU

更高效地完成任务。

因此现代的显卡也广泛应用于机器学习、深度学习、AI人工智能等领域的加速计算甚至被用于科学计算、天文学、地质学、气象学、量子学等众多领域。

白话文区别

Content即人工智能生成内容。

现阶段AIGC多以单模型应用的形式出现主要分为文本生成、图像生成、视频生成、音频生成其中文本生成成为其他内容生成的基础。

通过“腾讯云高性能应用服务HAI”实践了AI作画、AI深度学习、AI

LLM模型的案例可以体验到简易部署、便捷维护减少工作量、步骤繁琐、效率低和时间成本的问题同时提升系统整体性能和用户体验。

同时在体验AIGC的应用中可以通过“腾讯云高性能应用服务HAI”的应用大幅提高内容生成的速度节省时间和资源“腾讯云高性能应用服务HAI”可以轻松应对大规模的内容生成需求。

序号分类描述1提升生产效率“腾讯云高性能应用服务HAI”大幅提高生产效率进一步优化生产流程提高生产效率。

2降低运营成本“腾讯云高性能应用服务HAI”可以降低企业的运营成本帮助企业做出更加精准的生产决策从而降低生产成本提高数据处理能力和响应速度进一步降低企业的运营成本。

3优化资源利用“腾讯云高性能应用服务HAI”可以帮助企业优化资源利用可以帮助企业更好地规划生产和资源分配提高资源利用效率。

当然并非是AI取代了人而是会用AI对话模型、AI绘画工具的人替换掉不会驾驭AI工具传统的作业方式的人。

让使用“腾讯云高性能应用服务HAI”的在企业中实现“一个人顶一个组”、“支撑以前2-3倍的业务体量”。

同时在对上面手册的实操和自己企业内部的一些需求调研过程也是“腾讯云高性能应用服务HAI”在实际应用中有一些SWOT的思考

在新的AIGC技术浪潮之中“腾讯云高性能应用服务HAI”的实践方案过程中在公司推广技术导入方案会面临着这样的问题

在的业务上应用“腾讯云高性能应用服务HAI”能获得什么如何快速、平滑地从传统的体系基础上完成“腾讯云高性能应用服务HAI”切换站在机器学习算法设计的角度又会带来什么影响和改变在众多的AIGC生态下众多的技术路线和架构选型中如何确定“腾讯云高性能应用服务HAI”是一条比较适合自身场景的路径

以下是公司经过了初创期、爬坡期在行业内快速的吸引客户并且占有一定的业务量后续在原有的业务基础上提高市场的竞争力以及对公司一些CostDown原则的实施希望能通过更多的AIGC的工具链路帮助企业实施AI的战略布局。

Diffusion和Pytorch、ChatGLM2-6B的案例可以看到在原有的人工传统作业方式通过AIGC的工具体系来加速业务的处理效率。

十二、总结