首页-卧龙娱乐,卧龙平台,dgjyh168.com卧龙注册

卧龙娱乐,卧龙平台,dgjyh168.com卧龙注册机器从大量带有文字解释的图片中不断学习，才能较准确地把文本和图像关联起来，通常需要经过上亿甚至数十亿的 “图文对” 的训练。每一个产品化的文生图应用都经历了这一过程。

由于实现原理大同小异，区别不同产品的关键，成了训练大模型的数据质量和生成模型的调教策略。

百度文心一格的大模型 ERNIE-ViLG 公开于 2021 年，其模型训练的基础方法和同行近似，去年 10 月更新到了 2.0 版本。据其论文介绍，ERNIE-ViLG 训练数据集一共有 1.7 亿个图文对，其中一部分是百度的中文数据集，还有一部分是基于公开英文数据集的中译版（经百度机器翻译）。百度没有说明不同数据集的占比。

卧龙娱乐,卧龙平台,dgjyh168.com卧龙注册这就导致百度的大模型在没有上下文的情况下误判提示词的含义。比如 Mouse 既是鼠标也是老鼠，BUS 既是总线也是巴士， Musk 既是马斯克也是麝香。由于文心一格学习了大量的机翻英译中图文对，所以当接收到 “总线” 或者 “巴士” 的中文提示语，可能都会指向英文数据集中 “BUS” 对应的图片。

Midjourney 早期训练数据集和百度的一样，但前者既没有机器翻译造成的误差，同时自去年 11 月起即着手清理数据，删除其中模糊、带水印和边框的图片，以重新训练图像生成模型。

卧龙娱乐,卧龙平台,dgjyh168.com卧龙注册他们还花了大量资源和精力训练生成模型。Midjourney 创始人大卫·霍尔兹（David Holz）说，大多数团队只想让机器生成写实的图像，比如输入 “狗”，它会生成一张狗的图片，而他们自己想做的是 “弄清楚人们真正想要的是什么”，让机器学会什么样的图像有美感和创造力。