一键部署 Llama3 8B/70B！最高仅占1.07GB存储；COCONut上线，字节跳动推出的首个大规模全景图像分割数据集

最新推荐文章于 2024-05-03 11:07:56 发布
最新推荐文章于 2024-05-03 11:07:56 发布
阅读量577 收藏 13
点赞数 23
文章标签： 人工智能 数据集 深度学习 数据库 机器学习 大语言模型 资源上新
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/HyperAI/article/details/138214915
版权

近日，Meta 震撼发布了号称「开源 GPT-4」的大模型 Llama3，该模型惊动了整个 AI 圈，HyperAI超神经也迫不及待想要体验一下！hyper.ai 官网现已在公共教程上线「一键部署 Llama3」！ 有没有人和我一样激动的搓手手？赶紧来运行一下~

4 月 22 日-4 月 26 日，hyper.ai 官网更新速览：

  • 优质公共数据集：10 个

  • 优质教程精选：3 个

  • 社区文章精选：5 篇

  • 热门百科词条：5 条

访问官网：hyper.ai

公共数据集精选

1. COCONut 大规模全景图像分割数据集

COCONut 是由字节跳动发布的首个大规模人工标注的全景图像分割数据集，包含约 383K 图像和 518 万个经过人工标注的全景分割掩码。该成果已入选 CVPR2024。

直接使用：https://go.hyper.ai/43gIy

2. Solar System Planets 太阳系行星数据集

该数据集包含太阳系所有行星的 .jpg 格式图片，数据集分为训练集、测试集和验证集。每个集都包含 9 个不同行星的子集：地球、水星、金星、地球、火星、木星、土星、天王星和海王星。

直接使用：https://go.hyper.ai/awnIo

3. Chinese medical dialogue data 中文医疗问答数据集

该数据集为中文医疗问答数据集，包含 6 个不同医疗科室的问答数据文件夹，每个文件夹下有一个 csv 文件。

直接使用：https://go.hyper.ai/scsmp

4. TAL-SCQ5K 好未来中文数学竞赛数据集

TAL-SCQ5K 是一组高质量中文数学竞赛数据集，包含 5K 道中文数学竞赛题目（3K 道用于训练，2K 道用于测试），提供中文和英文两种语言。

直接使用：https://go.hyper.ai/RqwbX

5. 安徽电信知道问答数据集

该数据集包含 15.6 万条安徽电信问答数据，包括用户提问、网友回答、最佳回答，数据集来源为百度知道，适用于 FAQ 问答系统任务。

直接使用：https://go.hyper.ai/CMkpM

6. WikiArt 维基艺术图像数据集

该数据集包含来自 1,119 位不同艺术家、 27 种风格的 80,020 张独特图像，数据来源于 WikiArt.org，WikiArt 数据集只能用于非商业研究目的。

直接使用：https://go.hyper.ai/nCKMw

7. Wonders Of World 世界奇观数据集

该数据集包含世界上 50 个最令人惊叹的地标，这些地标均选自著名的新七大奇迹列表。数据集信息包括地标的：名称、类型、位置、维基百科链接、图片链接和建造年份。

直接使用：https://go.hyper.ai/qQLA4

8. Google Landmarks Photos 谷歌地标图片数据集

该数据集包含约 12 万个地标图片的 URL，每个地标图片都有唯一的 ID，有助于实例识别和图像检索任务。

直接使用：https://go.hyper.ai/fJ5kO

9. GIS World Data File GIS 世界数据文件数据集

该数据集为世界地图的形状数据集，包含国家边界、一级行政管理（省、州等）、有争议的地区、海岸线、人口稠密地区等各种比例级别的地图。

直接使用：https://go.hyper.ai/hcwKe

10. SSDO 大规模海表溶解氧数据集

该数据集为论文「基于时空机器学习的卫星全球海表氧气测绘与解释」中使用的数据。基于该论文研究搭建的框架 DOsurface-Pred Framework，研究团队生成了跨越 2010-2018 年的大规模海表溶解氧数据集，包含卫星数据、固定船只和电导仪测量数据。

直接使用：https://go.hyper.ai/d9w8B

更多公共数据集，请访问 ：

https://hyper.ai/datasets

公共教程精选

1. 使用 Ollama 和 Open WebUI 部署 Llama3-8B-Instruct

该教程为 Ollama + Open WebUI 一键运行包，只需按步骤输入命令即可运行 Llama3-8B-Instruct 大模型。

在线运行：https://go.hyper.ai/7lZyb

2. 使用 Ollama 和 Open WebUI 部署 Llama3-70B

该教程通过 Ollama 和 Open WebUI 工具来一键运行模型，仅需按步骤输入命令即可运行 Llama3-70B 大模型。虽然模型参数较大，但经过平台部署后使用单卡 A6000 即可使用，仅占用 1.07 GB 存储。

在线运行：https://go.hyper.ai/u4XHj

3. 在线教程丨刘强东数字人首秀交易额破 5 千万！用 GeneFace++ 生成实时说话数字人

GeneFace++ 作为一种通用且稳定的实时音频驱动 3D 说话人脸生成技术，可以通过改进唇形同步、视频质量和系统效率，实现实时说话人的生成。「GeneFace++ 数字人 Demo」教程现已上线hyper.ai 官网，并且为大家搭建好环境，简化了数字人的制作流程，无需担心环境配置、硬件需求和版本兼容等问题，点击在线运行即可一键启动。

在线运行：https://go.hyper.ai/4BwgN

社区文章精选

1. 【数学数据集汇总】天才博士陶哲轩力荐数据集！含代码、中文竞赛题目、正向逆向问答对等

干货来了！hyper.ai 汇总了 10 个数学分类数据集，内含天才数学家陶哲轩力荐的数据集资源，助力 AI for Math 的发展研究。

查看详细干货：https://go.hyper.ai/6Vhrb

2. 基于美日 627 例患者的临床数据，谷歌证实 AI 辅助肺癌筛查的群体有效性

基于 AI 的快速发展，谷歌团队研究了机器学习模型如何有效地将研究结果传达给放射科医生，评估了广义人工智能辅助系统在特定工作流程环境、设备和国家特定指南和评分/管理协议下对肺癌筛查工作流程的影响，并在美国和日本进行测试。结果表明，在人工智能辅助下，平均每位病例筛查时间可减少 14 秒。研究论文已经发表于「Radiology AI」期刊。

查看完整报道：https://go.hyper.ai/wiCl0

3. 【活动汇总】纽约大学 AI Meets Science；第十六届生物信息学和生物医学技术国际会议；Bio-IT World2024

HyperAI 超神经网罗了海内外 AI for Science 垂类会议，并整理会议信息与链接，一键直达官方主页，不错过任何一场重量级活动！本文为近期的活动汇总。

查看完整文章：https://go.hyper.ai/HTGNG

4. 纳米尺度下的单粒子追踪，厦门大学方宁团队用 AI 奏响「细胞里的摇滚」

厦门大学方宁教授团队基于深度学习研发了一种自动化、高速、多维的单粒子追踪系统，打破了细胞微环境中纳米颗粒旋转追踪的局限性，实现了在纳米尺度下，全方位、精准追踪活细胞内单分子/单个纳米颗粒。本文是该研究的详细解读和分享该论文已经发表于权威期刊「Nano Letters」。

查看完整报道：https://go.hyper.ai/G4k2e

5 . 解构海洋缺氧：浙大 GIS 实验室融合机器学习及卫星测绘，发布全球海表溶解氧综合建模框架

浙大 GIS 实验室研究人员将机器学习技术与卫星产品相结合，开发了一个全球海表溶解氧综合建模框架 DOsurface-Pred Framework，证实了即使在氧气充足的海表区域，其溶解氧含量也出现了下降趋势，而这种趋势主要归因于海表温度的变化。研究论文已经发表于「ACS Publications」。

查看完整报道：https://go.hyper.ai/NlRmn

热门百科词条精选

1. 故障词元 Glitch Token

2. 多模态大语言模型 MLLM

3. 掩码语言建模 MLM

4. 分组查询注意力 GQA

5. 变分自编码器 VAE

这里汇编了数百条 AI 相关词条，让你在这里读懂「人工智能」：

https://hyper.ai/wiki

B 站直播预告

Google 日前宣布将于当地时间 5 月 14 日举办 2024 年度 I/O 开发者大会，为了帮助大家深入了解，超神经直播间将持续直播「Google 专题」视频， 涉及：Google I/O 历年发布会、高管访谈、相关纪录片等丰富内容。

下表为小编为大家精选的内容预告↓↓↓

日期时间内容
4 月 29 日 星期一18:00Google 历年 I/O 发布会
4 月 30 日星期二18:00Google Cloud NEXT 历年大会
5 月 1 日星期三18:00TIME100 访谈Sundar Pichai
5 月 2 日星期四18:00Google 首席执行官谈中美人工智能竞赛
5 月 3 日星期五18:00AlphaGo 纪录片
5 月 4 日星期六18:00Google 纪录片背后创始人的故事
5 月 5 日星期日18:00BBC 纪录片没有 Google 的世界

超神经电视台 7×24h 不间断直播，点击即可收获 AI 领域的「电子榨菜」：

http://live.bilibili.com/26483094

以上就是本周编辑精选的全部内容，如果你有想要收录 hyper.ai 官方网站的资源，也欢迎留言或投稿告诉我们哦！

下周再见！

关于 HyperAI超神经 (hyper.ai)

HyperAI超神经 (hyper.ai) 是国内领先的人工智能及高性能计算社区， 致力于成为国内数据科学领域的基础设施，为国内开发者提供丰富、优质的公共资源，截至目前已经：

  • 为 1400+ 公开数据集提供国内加速下载节点

  • 收录 300+ 经典及流行在线教程

  • 解读 100+ AI4Science 论文案例

  • 支持 500+ 相关词条查询

  • 托管国内首个完整的 Apache TVM 中文文档

访问官网开启学习之旅：

https://hyper.ai/

HyperAI超神经
关注
  • 23
    点赞
  • 踩
  • 13
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在个人 Linux 机器 (GPU/CPU) 上本地运行 LLaMA-3(Docker+Ollama+Open WebUI+LLama3教程含详细步骤)
iCloudEnd的博客
04-21 925
Ollama是一个强大的框架，专为大型语言模型的本地执行而设计。它提供了一种用户友好的方法来部署和管理人工智能模型，使用户能够直接从他们的机器运行各种预训练或自定义模型。Ollama 的多功能性突出在于其全面的模型库，范围从较小的 80 亿参数模型到大量的 700 亿参数版本，可满足不同的计算和应用需求。OLLAMA 优化的技术见解Ollama 采用了一系列优化来确保跨不同硬件设置的高效模型性能：硬件优化：利用 GPU 加速显着提高性能，在纯 CPU 配置上实现高达两倍的处理速度。
本地部署开源大模型的完整教程LangChain + Streamlit+ Llama
09-23
本地部署开源大模型的完整教程LangChain + Streamlit+ Llama
llama3简介与国内最快体验方式
weixin_40941102的博客
04-19 2294
Meta公司研发并推出了Meta Llama 3系列大型语言模型（LLMs），该系列包括8B和70B参数量的预训练及指令调优生成文本模型。Llama 3的指令调优模型专为对话场景优化设计，在行业通用基准测试中表现优于众多开源聊天模型，并且我们在开发过程中特别注重提高其有用性和安全性。启动后，你可以复制 API 地址并将其粘贴到浏览器中打开 Open Webui 页面。通过 [email protected] 和 adminadmin 登录。如果你有任何疑问或需要进一步的帮助，请随时提问。
Ollama：打造本地开源大模型聊天应用的实践
weixin_41888295的博客
03-20 1051
本文介绍了Ollama，一个高效、功能齐全的大型语言模型服务工具，提供了类似OpenAI的API接口和聊天界面。通过一键安装、准备模型、创建Ollama模型等步骤，我们可以轻松搭建一个功能强大的中文AI应用。文章强调了实际应用和实践经验，提供了可操作的建议和解决问题的方法。
轻松搭建llama3Web 交互界面 - Ollama + Open WebUI
caoyongsheng的博客
04-22 782
就运行起来ollama了，不放心可以用ollama serve查看一下。那么我们肯定还是希望有chat界面，ollama先执行，不要stop。默认注册的第一个用户是管理员。重新执行这句命令，就ok了。
手把手教你轻松本地部署Llama3，个人电脑也能极速运行
andy_68147772的博客
04-25 1672
它还提供了官方的Docker镜像，使用户可以通过Docker容器部署大型语言模型，确保所有与模型的交互都在本地进行，无需将私有数据发送到第三方服务。它允许用户下载并本地运行像Llama 3、Code Llama等模型，并支持自定义和创建自己的模型。好了，使用Ollama在本地部署llama3的教程就为大家教到这里，大家快动手试试，部署个属于自己的本地大模型助手吧！因为我的电脑是windows， 所以这里我下载Windows这个版本。，编程界之翘楚，代码之大师。吾欲以此笔记，传授编程之道，助汝解技术难题。
大模型部署-在本地计算机上推理LLaMA大语言模型-支持Windows+Linux+Mac-优质项目实战.zip
03-26
大模型部署_在本地计算机上推理LLaMA大语言模型_支持Windows+Linux+Mac_优质项目实战
算法部署-使用TensorRT-LLM部署llama大模型-毕业设计-附详细性能优化+分析+实现流程教程-优质大模型部署项目实战
03-06
算法部署_使用TensorRT-LLM部署llama大模型_毕业设计_附详细性能优化+分析+实现流程教程_优质大模型部署项目实战
大模型部署-使用OpenINO-C++-API部署生成式大模型-支持LLaMA2+StableDiffusion等-项目源码
04-24
大模型部署_使用OpenINO-C++-API部署生成式大模型_支持LLaMA2+StableDiffusion等_项目源码_优质项目实战
大模型部署-使用OpenVINO部署LLM大语言模型-支持LLama2+ChatGLM3+Qwen7B-项目源码-优质项目实战
04-27
大模型部署_使用OpenVINO部署LLM大语言模型_支持LLama2+ChatGLM3+Qwen7B_项目源码_优质项目实战
ollama介绍
顺其自然~专栏
03-13 2258
例如，至少需要 8GB 的内存/显存来运行 7B 模型，至少需要 16GB 来运行 13B 模型，至少需要 32GB 来运行 34B 的模型。：Ollama 支持多种大型语言模型，如 Llama 2、Code Llama、Mistral、Gemma 等，并允许用户根据特定需求定制和创建自己的模型。：它将模型权重、配置和数据捆绑到一个包中，称为 Modelfile，这有助于优化设置和配置细节，包括 GPU 使用情况。：安装完成后，用户可以通过简单的命令行操作启动和运行大型语言模型。
OpenBayes 一周速览｜极速体验 Llama3！70B 模型仅占 1.07 GB 内存、性能炸裂！
OpenBayes的博客
04-23 662
SUPIR 是一款非常强大的开源AI图像放大工具，它可以将低分辨率的图像放大到高分辨率，同时保持图像的细节和真实感。该数据集是判别文本中的问题对是否为重复问题的数据集，主要用于文本分类研究。FuseAI 提出了一个扩展的 FuseLLM 框架，将多个结构和尺度不同的聊天 LLM 的集体知识和个人优势融合为一个更强大的聊天 LLM，即 FuseChat。该数据集是基于文本的问答数据集，其中包括从维基百科和网络收集的 662K 文档中的 950K 问答对。* TriviaQA 用于阅读理解和问答的大型数据集。
OLLAMA：如何像云端一样运行本地大语言模型
songgz的专栏
03-16 4763
您是否曾发现自己被云端语言模型的网络所缠绕，渴望获得更本地化、更具成本效益的解决方案？那么，您的探索到此结束。欢迎来到 OLLAMA 的世界，这个平台将彻底改变我们与大型语言模型 (LLM) 的交互方式，让我们可以在本地运行这些模型。我们将深入探讨 OLLAMA 的复杂性，探索其功能、设置过程以及它如何改变你的项目。无论您是 Python 开发人员、网络开发爱好者，还是喜欢摆弄语言模型的人，本文都是您的一站式资源。OLLAMA 是一个尖端平台，旨在本地运行开源大型语言模型。
Llama3 ：本地运行最强开源大模型整合包
04-21 1056
Meta（也就是脸书）发布了目前最强的开源大模型Llama 3，AI圈又嗨起来了，它有两款不同的参数模型——Llama 3 8B与Llama 3 70B。性能再次突破，基本全面碾压同类参数的选手，甚至能越级和GeminiPro等打的有来有回。
在LobeChat中私有化部署Llama3
BBM的博客
04-22 1647
通过这几天的试用，Llama3确实相当优秀，这里推荐给大家Llama3的私有部署，然后使用LobeChat搭建自己的知识库问答系统。大家可能以为部署Llama3需要什么样的硬件，先介绍硬件的配置，我使用Llama3 70b的硬件列表：
注意力机制略解
cqbzcsq的博客
04-29 1343
本文简要地介绍了注意力机制，Q、K、V矩阵的含义，注意力评分函数的计算方式，并提及了Transformer的相关内容
【 书生·浦语大模型实战营】作业（六）：Lagent & AgentLego 智能体应用搭建
最新发布
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
05-03 1092
本篇笔记内容主要为 【书生·浦语大模型实战营】作业（六）：Lagent & AgentLego 智能体应用搭建智能体的作业 ，主要对智能体应用理论部分及具体搭建流程详细介绍，并分别进行实战应用及可视化展示，欢迎大家交流学习！
Transformers：它们如何转换您的数据？
gongdiwudu的专栏
05-01 975
在快速发展的人工智能和机器学习领域，一项创新因其对我们处理、理解和生成数据的方式产生深远影响而脱颖而出：Transformers。Transformer 彻底改变了自然语言处理 （NLP） 及其他领域，为当今一些最先进的 AI 应用程序提供动力。但究竟什么是变形金刚，它们如何以如此开创性的方式转换数据？本文揭开了 Transformer 模型内部工作的神秘面纱，重点介绍了编码器架构。我们将首先在 Python 中实现 Transformer 编码器，分解其主要组件。然后，我们将可视化 Transfor
LLama2 70b部署
09-09
您好！要将LLama2模型部署到CSDN开发的平台上，您可以按照以下步骤进行操作： 1. 首先，在CSDN开发平台上创建一个项目并命名为LLama2 Deployment（或您喜欢的任何名称）。 2. 然后，将LLama2模型的代码和相关文件上传到项目中。确保包含所有必需的文件和依赖项。 3. 如果您的模型是基于Python开发的，可以在项目中创建一个Python虚拟环境，并安装模型所需的所有依赖项。您可以使用pip包管理器来安装这些依赖项。 4. 接下来，您需要将您的模型与网络接口进行连接，以便能够与其进行交互。您可以使用Flask或Django等Web框架来搭建一个简单的API。 5. 在API中，您需要实现一个端点（endpoint）来接收用户的输入并返回模型的响应。您可以将用户的输入传递给LLama2模型进行推理，并将推理结果返回给用户。 6. 最后，部署您的应用程序并启动它。您可以使用CSDN提供的部署工具或自己选择适合您的部署选项。 请注意，这只是一个大致的指南，具体实现取决于您所选择的技术栈和平台要求。希望这些步骤能够帮助您在CSDN开发平台上成功部署LLama2模型！如果您有任何进一步的问题，请随时提问。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值