AI說書 - 從0開始 - 597 | F-AGI 最難圖片的重新生成之檢視

我想要一天分享一點「LLM從底層堆疊的技術」，並且每篇文章長度控制在三分鐘以內，讓大家不會壓力太大，但是又能夠每天成長一點。

• AI說書 - 從0開始 - 585 | F-AGI 套件安裝 & 載入圖片
• AI說書 - 從0開始 - 586 | F-AGI 載入圖片
• AI說書 - 從0開始 - 587 | F-AGI 載入圖片
• AI說書 - 從0開始 - 588 | F-AGI 流程介紹
• AI說書 - 從0開始 - 589 | F-AGI 流程介紹
• AI說書 - 從0開始 - 590 | F-AGI 簡單圖片推論
• AI說書 - 從0開始 - 591 | F-AGI 簡單圖片推論之分析
• AI說書 - 從0開始 - 592 | F-AGI 較難圖片推論
• AI說書 - 從0開始 - 593 | F-AGI 較難圖片推論之分析
• AI說書 - 從0開始 - 594 | F-AGI 最難圖片推論
• AI說書 - 從0開始 - 595 | F-AGI 最難圖片推論之分析
• AI說書 - 從0開始 - 596 | F-AGI 最難圖片的重新生成

我們可以下載圖片：

!curl -L https://raw.githubusercontent.com/Denis2054/Transformers_3rd_Edition/master/Chapter19/HGPT3_B.jpg --output "HGPT3_B.jpg"

並且撰寫程式進行檢視：

from PIL import Image
image_path = "/content/HGPT3_B.jpg"
image = Image.open(image_path) 
image

結果為：

我們的實驗似乎注定失敗，但我們需要利用 HuggingGPT 的經驗從另一個角度來分析， HuggingGPT 顯著展示了跨平台（Hugging Face 和 OpenAI ChatGPT）多模型關聯的潛力，可以透過 LLM 控制器管理流程來解決問題。