GenAI GeoGuesser下載 - GenAI GeoGuesser原始碼下載

GenAI GeoGuesser

Ai源碼

1.0.0

下載

GenAI GeoGuesser

根據人工智慧產生的點擊猜測國家名稱

該項目與流行的 GeoGuessr 遊戲不同，您被放置在 Google 地圖上的隨機世界位置，並且必須在倒數計時期間猜測該位置。在這裡，您必須根據人工智慧模型產生的多模式提示來猜測國家/地區名稱，您可以在 3 種模式中進行選擇：文字為您提供該國家/地區的文字描述，圖像為您提供類似於該國家/地區的圖像，以及音訊為您提供您可以獲得與該國家/地區相關的音訊樣本。

您可以在其 HuggingFace 空間查看該應用程式的線上演示，由於效能原因，該演示僅限於生成圖像提示。

如果您想進一步了解該專案的工作原理及其創建方式，請查看文章「建立基於 AI 的生成式 GeoGuesser」。

工作流程

選擇所需的提示方式。
選擇每種方式的提示數量。
點選“開始遊戲”按鈕。
查看所有提示並在“國家/地區猜測”欄位中輸入您的猜測。
點選“猜測”按鈕。

示範

對於下面的範例，所選國家/地區是俄羅斯。

文字提示

圖片提示

音訊提示

用法

使用此儲存庫的建議方法是使用 Docker，但您也可以使用自訂 venv，只需確保安裝所有依賴項即可。

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

當地的
- to_use：專案是否應該使用此設定配置
- 文字
  - model_id：用於建立文字提示的模型
  - device：模型使用的設備，通常是（cpu、cuda、mps）之一
  - max_output_tokens：模型產生的最大令牌數
  - 溫度：溫度控制代幣選擇的隨機程度。較低的溫度有利於期望真實或正確反應的提示，而較高的溫度可能會導致更多樣化或意外的結果。當溫度為 0 時，請務必選擇機率最高的標記
  - top_p： Top-p 更改模型選擇輸出標記的方式。從最可能到最不可能選擇令牌，直到它們的機率總和等於 top-p 值。例如，如果標記 A、B 和 C 的機率為 0.3、.2 和 .1，且 top-p 值為 0.5，則模型將選擇 A 或 B 作為下一個標記（使用溫度）
  - top_k： Top-k 改變模型選擇輸出標記的方式。 top-k 為 1 表示所選標記是模型詞彙表中所有標記中最有可能的標記（也稱為貪婪解碼），而 top-k 為 3 表示從 3 個最可能的標記中選擇下一個標記（使用溫度）
- 影像
  - model_id：用於建立圖像提示的模型
  - device：模型使用的設備，通常是（cpu、cuda、mps）之一
  - num_inference_steps：模型的推理步驟數
  - Guiding_scale：強制產生更好地匹配提示，可能會以影像品質或多樣性為代價
- 聲音的
  - model_id：用於建立音訊提示的模型
  - device：模型使用的設備，通常是（cpu、cuda、mps）之一
  - num_inference_steps：模型的推理步驟數
  - audio_length_in_s：音訊提示的持續時間長度
頂點
- to_use：專案是否應該使用此設定配置
- 項目： Vertex AI 使用的項目名稱
- location： Vertex AI 所使用的項目位置
- 文字
  - model_id：用於建立文字提示的模型
  - max_output_tokens：模型產生的最大令牌數
  - 溫度：溫度控制代幣選擇的隨機程度。較低的溫度有利於期望真實或正確反應的提示，而較高的溫度可能會導致更多樣化或意外的結果。當溫度為 0 時，請務必選擇機率最高的標記
  - top_p： Top-p 更改模型選擇輸出標記的方式。從最可能到最不可能選擇令牌，直到它們的機率總和等於 top-p 值。例如，如果標記 A、B 和 C 的機率為 0.3、.2 和 .1，且 top-p 值為 0.5，則模型將選擇 A 或 B 作為下一個標記（使用溫度）
  - top_k： Top-k 改變模型選擇輸出標記的方式。 top-k 為 1 表示所選標記是模型詞彙表中所有標記中最有可能的標記（也稱為貪婪解碼），而 top-k 為 3 表示從 3 個最可能的標記中選擇下一個標記（使用溫度）