DataWhale AI夏令营 大模型应用开发 - Task 1 笔记

主线任务1 账号准备

第一步 注册相关账户

1，阿里云账号注册

推荐使用支付宝扫码

step1链接：阿里云免费试用 - 阿里云

 step2支付宝扫码

step3什么都不管直接试用

2，在魔塔社区进行账号授权

       链接：魔搭社区

会加载一会，不用管

主线任务2 demo搭建

第二步 运行前准备

1，创建PAI实例

魔搭社区回到前面的魔塔社区

只改这里！

点击启动按钮，等待启动成功

2，成功一半

自动跳转至该界面

第三步 运行baseline

1，Baseline

复制下面的代码

1

git lfs install git clone https://www.modelscope.cn/datasets/Datawhale/AICamp_yuan_baseline.git

2

pip install streamlit==1.24.0

3

streamlit run AICamp_yuan_baseline/Task\ 1：零基础玩转源大模型/web_demo_2b.py --server.address 127.0.0.1 --server.port 6006

依次复制运行

等待加载完成就可以对话了

学习心得：
参与DataWhale AI夏令营的大模型应用开发Task 1是一次宝贵的学习经历。以下是我的心得体会：

全栈开发的重要性：通过这次学习，我意识到了掌握从前端用户界面到后端模型部署的全栈技能的重要性，这对于开发一个完整的大模型应用至关重要。

理论与实践相结合：学习不仅仅是理论上的认知，更多的是通过实践来加深理解。通过动手实践，我能够更好地理解大模型的工作原理和应用场景。

开源与闭源的权衡：了解了开源和闭源大模型的优缺点，我认识到在选择使用哪种模型时需要考虑多种因素，包括技术能力、成本和数据安全等。

技术工具的掌握：通过使用Gradio和Streamlit，我学会了如何快速搭建用户友好的界面，并理解了服务端与客户端交互的重要性。

持续学习的态度：大模型领域日新月异，保持持续学习的态度是非常重要的。Datawhale提供的开源教程和其他学习资源是自我提升的宝贵资料。

创新思维的培养：在学习和实践过程中，我学会了如何运用创新思维来解决实际问题，这对于未来在AI领域的工作和发展是非常有帮助的。

社区的力量：通过与夏令营的其他学习者交流，我感受到了社区的力量。集思广益、互相学习是提升个人技能和知识的有效途径。

这次学习经历不仅提升了我的技术能力，也加深了我对大模型应用开发的理解。我期待将这些知识应用到更多实际项目中，并在未来的AI领域中不断进步