SevenLin18

原创 InternLM07-homework

原创 InternLM07 大模型测评

原创 InternLM06 homework

原创 InternLM06 智能体

原创 InternLM05-实战

环境配置LMDeploy 模型

原创 InternLM05 LMDeploy

原创 InternLM04-homework

https://github.com/InternLM/Tutorial/blob/camp2/xtuner/personal_assistant_document.md

原创 InternLM 04 XTuner 微调 LLM:1.8B、多模态、Agent

工具箱，只需修改配置文件，不用看底层代码，最低只需8GB，训练速度快快速上手使用。

原创 InternLM03 茴香豆作业

该助手采用了多种模型，包括词向量模型、重排序模型和本地大模型，以及远端模型，可以灵活地根据不同需求进行配置。此外，茴香豆助手支持网络搜索，可以结合本地知识库和网络搜索结果生成回答，增强了其知识服务的广度和深度。同时，用户可以通过配置文件灵活调整茴香豆的各种参数，使其更好地适应不同的业务需求。总之，茴香豆助手提供了丰富的功能，可以快速便捷地构建自己的知识问答系统。6. 进阶用法：加入网络搜索，使用远程大模型，搭建网页Demo等，扩展茴香豆的功能。

原创 InternLM03 茴香豆

检索增强生成技术，理解成一个搜索引擎RAG（Retrieval Augmented Generation）技术，通过检索与用户输入相关的信息片段，并结合来生成更准确、更丰富的回答。解决 LLMs 在处理知识密集型任务时可能遇到的挑战, 如幻觉、知识过时和缺乏透明、可追溯的推理过程等。提供更准确的回答、降低推理成本、实现外部记忆。索引-检索-生成是RAG中三个最基础的部分向量数据库计算相似度得分RAG优化方法RAG 微调评估框架和基准测试。

原创 InternLM02笔记

【代码】InternLM02笔记。

原创 InternLM02实战

【代码】InternLM02实战。

原创 InternLM实战01全链路开源体系

专用模型：针对特定任务，一个模型解决一个问题。通用大模型：一个模型应对多种任务，多种模态。多模态智能体工具箱AgentLeGo。评测：OpenCompass。Agent框架:Lagent。部署：LMDeploy。

原创 02 图像分割损失函数

熵：代表一个系统的混乱程度在图像分割中，rgb图像标签一般是单通道的，三维张量，shape=[batchsize,hight,width]，假设该数据集共有nclasses类，网络预测输出为四维张量,shape=[batchsize,nclasses,hight,width]

原创 03 pytorch 验证指标工具 torchmetrics

我们只需要继承Metric类并且实现update和computing方法就可以了，另外就是需要在类初始化的时候使用self.add_state(state_name, default)来初始化我们的对象。__init__ ：self.add_state 用于度量计算所需的每个内部状态update ：更新度量状态所需的所有逻辑compute：实现计算方法，最终的度量计算代码详解：官方解释更为清楚：Theadd_state"sum""sum""mean""cat""min"or"max"

原创 module ‘backend_interagg‘ has no attribute ‘FigureCanvas‘. Did you mean: ‘FigureCanvasAgg‘?-如何处理？

打开File--Settings--Tools--Python Scientific--取消勾选Show plots in tool window。

原创 相机模型之坐标系的初步探索

世界坐标系到像素坐标系转换公式依次把上述矩阵相乘即可。