GenAI GeoGuesser下载 - GenAI GeoGuesser源代码下载

GenAI GeoGuesser

Ai源码

1.0.0

下载

GenAI GeoGuesser

根据人工智能生成的点击猜测国家名称

该项目与流行的 GeoGuessr 游戏不同，您被放置在 Google 地图上的随机世界位置，并且必须在倒计时期间猜测该位置。在这里，您必须根据人工智能模型生成的多模式提示来猜测国家/地区名称，您可以在 3 种模式中进行选择：文本为您提供该国家/地区的文本描述，图像为您提供类似于该国家/地区的图像，以及音频为您提供您可以获取与该国家/地区相关的音频样本。

您可以在其 HuggingFace 空间查看该应用程序的在线演示，由于性能原因，该演示仅限于生成图像提示。

如果您想更多地了解该项目的工作原理及其创建方式，请查看文章“构建基于 AI 的生成式 GeoGuesser”。

工作流程

选择所需的提示方式。
选择每种方式的提示数量。
单击“开始游戏”按钮。
查看所有提示并在“国家/地区猜测”字段中输入您的猜测。
单击“猜测”按钮。

演示

对于下面的示例，所选国家/地区是俄罗斯。

文字提示

图片提示

音频提示

用法

使用此存储库的推荐方法是使用 Docker，但您也可以使用自定义 venv，只需确保安装所有依赖项即可。

配置

 local:
  to_use: true
  text:
    model_id: google/gemma-1.1-2b-it
    device: cpu
    max_output_tokens: 50
    temperature: 1
    top_p: 0.95
    top_k: 32
  image:
    model_id: stabilityai/sdxl-turbo
    device: mps
    num_inference_steps: 1
    guidance_scale: 0.0
  audio:
    model_id: cvssp/audioldm2-music
    device: cpu
    num_inference_steps: 200
    audio_length_in_s: 10
vertex:
  to_use: false
  project: {VERTEX_AI_PROJECT}
  location: {VERTEX_AI_LOCALTION}
  text:
    model_id: gemini-1.5-pro-preview-0409
    max_output_tokens: 50
    temperature: 1
    top_p: 0.95
    top_k: 32

当地的
- to_use：项目是否应该使用此设置配置
- 文本
  - model_id：用于创建文本提示的模型
  - device：模型使用的设备，通常是（cpu、cuda、mps）之一
  - max_output_tokens：模型生成的最大令牌数
  - 温度：温度控制代币选择的随机程度。较低的温度有利于期望真实或正确响应的提示，而较高的温度可能会导致更加多样化或意外的结果。当温度为 0 时，始终选择概率最高的标记
  - top_p： Top-p 更改模型选择输出标记的方式。从最可能到最不可能选择令牌，直到它们的概率之和等于 top-p 值。例如，如果标记 A、B 和 C 的概率为 0.3、.2 和 .1，并且 top-p 值为 0.5，则模型将选择 A 或 B 作为下一个标记（使用温度）
  - top_k： Top-k 改变模型选择输出标记的方式。 top-k 为 1 表示所选标记是模型词汇表中所有标记中最有可能的标记（也称为贪婪解码），而 top-k 为 3 表示从 3 个最可能的标记中选择下一个标记（使用温度）
- 图像
  - model_id：用于创建图像提示的模型
  - device：模型使用的设备，通常是（cpu、cuda、mps）之一
  - num_inference_steps：模型的推理步骤数
  - Guiding_scale：强制生成更好地匹配提示，可能会以图像质量或多样性为代价
- 声音的
  - model_id：用于创建音频提示的模型
  - device：模型使用的设备，通常是（cpu、cuda、mps）之一
  - num_inference_steps：模型的推理步骤数
  - audio_length_in_s：音频提示的持续时间长度
顶点
- to_use：项目是否应该使用此设置配置
- 项目： Vertex AI 使用的项目名称
- location： Vertex AI 使用的项目位置
- 文本
  - model_id：用于创建文本提示的模型
  - max_output_tokens：模型生成的最大令牌数
  - 温度：温度控制代币选择的随机程度。较低的温度有利于期望真实或正确响应的提示，而较高的温度可能会导致更加多样化或意外的结果。当温度为 0 时，始终选择概率最高的标记
  - top_p： Top-p 更改模型选择输出标记的方式。从最可能到最不可能选择令牌，直到它们的概率之和等于 top-p 值。例如，如果标记 A、B 和 C 的概率为 0.3、.2 和 .1，并且 top-p 值为 0.5，则模型将选择 A 或 B 作为下一个标记（使用温度）
  - top_k： Top-k 改变模型选择输出标记的方式。 top-k 为 1 表示所选标记是模型词汇表中所有标记中最有可能的标记（也称为贪婪解码），而 top-k 为 3 表示从 3 个最可能的标记中选择下一个标记（使用温度）