#jupyter_notebook
Retrieval Augmented Generation (RAG) helps large language models (LLMs) answer questions using up-to-date or private information by connecting them to external data sources, unlike fine-tuning which retrains the model on specific data. RAG is useful when you need current, dynamic information without costly retraining, making it ideal for tasks like customer support or knowledge management. Fine-tuning is better for deep expertise in a specialized field but requires more data and effort. Using RAG lets you get accurate, relevant answers quickly by combining the model’s language skills with fresh, specific data, improving usefulness and reliability.
https://github.com/langchain-ai/rag-from-scratch
Проект "iOS Notification" by Szabó Gergő
Готовый проект уведомлений для iOS, который можно скачать и кастомизировать под себя. Оригинальный шрифт от Apple также идет в проекте.
🖥Посмотреть проект🖥
#template
Прячем мемы на генерациях с AI 🙂
1. Добавляем картинку на воркспейс (советуем использовать квадратное изображение 1024х1024, вы можете изменить размер с помощью Crop&Upscale или Crop&Downscale)
2. Создаем ноду ControlNet XL и подключаем изображение
3. Пишем в промпте, что хотим сгенерировать. Это может быть что угодно от лендскейпа до фоток еды. Чем подробнее промпт, тем лучше
4. Выставляем в настройках Type: QR. Повышаем параметр Control Weight до 1.5
5. Готово!
Мем плохо виден на картинке? Повысьте Control Weight до 2.
Мем слишком очевиден? Попробуйте понизить Control Weight до 1.
Попробуйте сейчас, просто заменив картинку в нашем темплейте Hide the Meme 🚀
Ждём ваши мемы в комментах 🌚
#template