reComputer AI Lab
AccueilModèlesOutilsTutorielsProjetsForums

Tutoriels

Série reComputer RK
  • Introduction
  • Pour commencer
    • Connexion matérielle
    • Configuration au premier démarrage
    • Récapitulatif des téléchargements
    • Flasher l'OS
      • Installer le système sur la carte MicroSD
      • Installer le système sur le SSD
  • Guide d'utilisation des interfaces
    • Vue d'ensemble du système
    • Description des interfaces
  • Configurer
  • Application
    • CV
    • LLM
    • Nanobot
    • VLM
  • Benchmark
    • CV
    • LLM et VLM
Série reComputer R
  • Aperçu
Série reComputer J
  • Introduction
  • Aperçu de la plateforme
    • Aperçu
    • Qu'est-ce que reComputer Jetson
    • Module NVIDIA Jetson
    • Carte porteuse compatible Seeed Jetson
    • Série de systèmes complets Jetson
    • Prise en charge des accessoires
    • Scénarios d'application
  • Outils de base
    • Aperçu
    • Python et bases de la programmation
    • IA et apprentissage automatique
    • CUDA
    • TensorRT
    • PyTorch
    • TensorFlow
    • Docker
    • OpenCV avec CUDA
    • ROS
    • NoMachine
    • Terminal Linux et éditeurs de texte
    • Réseau et Wi-Fi
    • Accès distant SSH
    • Bureau distant VNC
    • Transfert de fichiers à distance
    • Jtop et surveillance système
    • Performance et contrôle du ventilateur
    • Navigateur et méthode de saisie
    • VS Code
    • JupyterLab
    • Gestionnaire d'environnement Python uv
    • Adaptateur Wi-Fi
    • Extension SSD
    • Caméra CSI
    • Caméra USB
    • GPIO
    • Communication série UART
    • Communication I2C
    • Super 4xMipi CSI
    • Super Dual Ethernet
    • Extension du châssis Super
  • Vision par ordinateur
    • Aperçu
    • Introduction à la vision par ordinateur
    • Comment les ordinateurs représentent les images
    • Vision par ordinateur classique
    • Réseaux de neurones et CNN
    • Tâches de vision par ordinateur en apprentissage profond
    • Entraînez et déployez votre propre modèle de vision
    • Exportation de modèles et déploiement en périphérie
    • Frameworks de pipeline de vision en temps réel
    • DeepStream et Jetson
    • Technologies de vision de pointe et perspectives
    • Annexe : AI NVR sur reComputer
  • Développement de grands modèles
    • Aperçu
    • Introduction aux grands modèles de langage
    • Premiers pas avec Ollama
    • Exécuter des LLM avec llama.cpp
    • Inference haute performance avec vLLM
    • Démarrage rapide de Jetson Examples
    • Construction du pipeline ASR + LLM + TTS
  • IA générative
    • Aperçu
    • Introduction à l'IA générative
    • Réseaux antagonistes génératifs
    • Autoencodeurs variationnels
    • Modèles autorégressifs et modèles de texte génératifs
    • Modèles Transformer et IA générative
    • Système local intelligent de questions-réponses
    • Modèles de génération d'images et modèles de diffusion
  • Robotique
    • Aperçu
    • Introduction à ROS
      • Aperçu de ROS et configuration de l'environnement
      • Découverte rapide du HelloWorld ROS
      • Architecture de ROS
      • Mécanisme de communication ROS
      • Commandes ROS courantes
      • Gestion d'exécution de ROS
      • Composants et fonctionnalités courants de ROS
      • Transformation de coordonnées TF dans ROS
    • ROS1 Noetic
      • Aperçu
      • Bases de ROS1
      • Applications de vision ROS1
    • ROS2 Humble
      • Aperçu
      • Bases et configuration de ROS2
      • Communication principale de ROS2
      • Interfaces avancées et middleware de ROS2
      • Outils ROS2, Launch et visualisation
      • Simulation et vision ROS2
    • Développement avec des robots ROS physiques
      • Premiers pas avec les robots ROS
        • Aperçu du système robotique ROS
        • Méthodes de base du contrôle de mouvement
      • Utilisations courantes des capteurs dans les robots
        • Capteur de caméra de profondeur
  • Optimisation et déploiement
    • Aperçu
  • Applications pratiques
    • Aperçu
    • Environnement et configuration d'Isaac ROS
    • Segmentation de profondeur
    • Profondeur stéréo DNN
    • Segmentation de l'espace libre
    • Rectification et prétraitement d'images
    • Segmentation d'images
    • Reconstruction et cartographie de scène 3D
    • Détection d'objets
    • Estimation de pose 3D
    • SLAM visuel
    • A-LOAM 3D SLAM sur Jetson
  • Résumé et perspectives
Tutoriels/Série reComputer J/Aperçu

Table des Applications de l'IA Générative

ChapitreContenu
Module 6.1Introduction à l'IA Générative
Module 6.2Réseau Antagoniste Génératif
Module 6.3Autoencodeurs Variationnels
Module 6.4Modèles Autorégressifs et Modèles Génératifs de Texte
Module 6.5L'Évolution des Modèles Transformer et de l'IA Générative
Module 6.6Système Local Intelligent de Questions-Réponses
Module 6.7Modèles de Génération d'Images et Modèles de Diffusion
PreviousConstruction du pipeline ASR + LLM + TTS
NextIntroduction à l'IA générative
Sur cette page
  • Table des Applications de l'IA Générative
SenseCraft

Donner aux développeurs du monde entier les moyens d'agir grâce à l'edge computing haute performance et aux solutions IoT pilotées par l'IA.

Produits
  • SenseCraft AI
  • SenseCraft HMI
  • SenseCraft App
  • SenseCraft DePIN
Ressources
  • Guides utilisateur
  • Wiki et documentation
  • Téléchargements
Entreprise
  • À propos de Seeed
  • Carrières
  • Nous contacter
  • Actualités
© 2008-2026 Seeed Studio & SenseCraft. Tous droits réservés.
Politique de confidentialitéConditions d'utilisation