# ChatGPT实战（十一）：PPT制作

作者：华王
星球：https://t.zsxq.com/0dgMjetVg (opens new window)

学习、分享、成功；提高效率，有所收获！😄

大家好，候机期间闲来无事，写一些关于使用AI快速制作自己的PPT的教程，希望对大家有所帮助

目标：10分钟快速创作一个PPT初稿

参考：

1 gpt4:chat.openai.com/?model=gpt-4 2 PPT工具1：mindshow.fun（推荐） 3 PPT工具2：ppt.sankki.com（推荐） 4 PPT工具3：beta.tome.app(不能下载)

说明：本文只对工具1和工具2进行演示；工具3因为无法下载而且访问需要科学，需要可以自己去体验下

创作步骤：

1gpt生成Makedown语法文字 2PPT工具转文字为PPT 3保存文档

# 1 gpt生成Makedown语法文字

1.1sankki提示prompt示例：

prompt:

帮我制作一篇内容为《深度学习知识》的PPT，要求如下：
第一、一定要使用中文。
第二、页面形式有3种，封面、目录、列表。
第三、目录页要列出内容大纲。
第四、根据内容大纲，生成对应的PPT列表页，每一页PPT列表页使用=====列表=====开头。
第五、封面页格式如下：
=====封面=====
# 主标题
## 副标题
演讲人：华王code（替换为自己的名字）
第六、目录页格式如下：
=====目录=====
# 目录
## CONTENT
1、内容
2、内容
第七、列表页格式如下：
=====列表=====
# 页面主标题
1、要点1
要点描述内容
第八、列表页里的要点描述内容是对要点的详细描述，10个字以上，50个字以内。

最后，必须用markdown语法，在新窗口生成代码。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

生成的相关内容：

=====封面=====
# 深度学习知识
## 探索人工智能的核心技术
演讲人：华王code

=====目录=====
# 目录
## CONTENT
1、深度学习简介
2、深度学习的发展历程
3、神经网络与卷积神经网络
4、常见的深度学习框架
5、深度学习应用案例

=====列表=====
# 深度学习简介
1、定义与特点
深度学习是机器学习的一个分支，通过模仿人脑神经网络结构，实现对数据的高效处理和学习。

=====列表=====
# 深度学习的发展历程
1、发展阶段
从20世纪50年代的感知机模型，到BP神经网络、卷积神经网络的发展，再到近年来的深度学习研究热潮。

=====列表=====
# 神经网络与卷积神经网络
1、神经网络
神经网络是深度学习的基础，模仿人脑神经元结构，通过激活函数实现非线性表达。
2、卷积神经网络
卷积神经网络（CNN）是一种特殊的神经网络结构，适用于处理大规模图像等高维数据。

=====列表=====
# 常见的深度学习框架
1、TensorFlow
Google推出的开源深度学习框架，具有丰富的API和丰富的社区资源。
2、PyTorch
Facebook推出的开源深度学习框架，灵活易用，适合研究和开发。

=====列表=====
# 深度学习应用案例
1、图像识别
深度学习技术在图像识别领域取得了突破性进展，应用于人脸识别、物体检测等任务。
2、自然语言处理
深度学习在自然语言处理领域也取得了显著成果，如机器翻译、情感分析等。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44

1.2 mindshow提示示例：

prompts: 生成以下主题的PPT内容框架，需要包括以下内容 1.每一页的标题 2.关键要点 3.PPT大纲用markdown代码生成 PPT的主题是:<深度学习知识> 最后，必须用markdown语法，在新窗口生成代码。

生成的相关内容

# 深度学习知识

## 1. 什么是深度学习？

- 深度学习的定义
- 深度学习的历史和发展

## 2. 深度学习的应用领域

- 图像识别
- 语音识别
- 自然语言处理
- 机器翻译

## 3. 深度学习的基础知识

- 神经网络模型
- 激活函数
- 损失函数
- 优化算法

## 4. 深度学习的高级应用

- 卷积神经网络（CNN）
- 递归神经网络（RNN）
- 长短时记忆网络（LSTM）
- 注意力机制

## 5. 深度学习的实践

- 深度学习框架介绍
- 数据准备
- 模型训练和评估
- 模型调优

## 6. 深度学习的未来展望

- 深度学习在各行业的应用前景
- 深度学习的发展趋势和挑战