入门任务二 Git 关卡
- 教程
- 任务
注意:
项目Github链接
文章目录
1 闯关任务
1.1 使用 Git 完成破冰介绍
本任务将基于开发机实现,重点在于熟悉Git操作。首先要了解 Git操作的常见四部曲,即:舔 Add,提 Commit,拉 Pull,推 Push,关于这些指令的作用,可以参考本关卡的教程部分,具有非常精炼的介绍。
添(Add) 命令:git add <文件名> 或 git add .
- 作用:将修改过的文件添加到本地暂存区(Staging
Area)。这一步是准备阶段,你可以选择性地添加文件,决定哪些修改应该被包括在即将进行的提交中。提(Commit) 命令:git commit -m ‘描述信息’
- 作用:将暂存区中的更改提交到本地仓库。这一步是将你的更改正式记录下来,每次提交都应附带一个清晰的描述信息,说明这次提交的目的或所解决的问题。
拉(Pull) 命令:git pull
- 作用:从远程仓库拉取最新的内容到本地仓库,并自动尝试合并到当前分支。这一步是同步的重要环节,确保你的工作基于最新的项目状态进行。在多人协作中,定期拉取可以避免将来的合并冲突。
推(Push) 命令:git push
- 作用:将本地仓库的更改推送到远程仓库。这一步是共享你的工作成果,让团队成员看到你的贡献。
下面,我们在开发机进行具体操作。对照教程内容按步骤操作即可,首先,将目标仓库fork到自己的仓库,并将仓库内容git clone到开发机。而后根据个人问卷 ID创建分支并创建破冰文件。
git clone https://github.com/MrCatAI/Tutorial.git # 修改为自己frok的仓库
cd Tutorial/
git branch -a
git checkout -b camp3 origin/camp3
git checkout -b camp3_158 # 自定义一个新的分支
touch ./data/Git/task/camp3_158.md #修改为自己的问卷ID
git clone到开发机的文件在新建的破冰文件编辑内容后,利用我们学到的 git 操作知识将更改提交到分支,并 push 到主要分支即可
git add .
git commit -m "add git_158_introduction" # 提交信息记录
git push origin camp3_158
1.2 实践项目:构建个人项目
本项目将学习在Github构建个人仓库,用于提交笔记、心得体会,或分享项目和创意等。
项目链接:LazyCooking
懒人今天做什么吃 LazyCooking 项目详细计划
项目简介
“懒人今天做什么吃” 是一款个性化的烹饪指导应用,旨在根据用户当天的食材,推荐便捷但美味且营养的菜谱。通过智能助手的帮助,用户可以轻松地准备健康、美味的餐点,享受更加便捷的烹饪体验。
项目目标
- 提供基于当天食材的便捷菜谱推荐
- 提供详细的烹饪指导
- 提供营养分析和健康建议
- 提供购物清单生成功能
功能特点
-
当天食材输入
- 食材扫描:用户可以通过拍照或手动输入的方式,快速录入当天可用的食材。
- 食材识别:使用图像识别技术,自动识别用户上传的食材。
-
便捷菜谱推荐
- 快捷菜谱库:内置丰富的快捷菜谱库,每个菜谱都经过优化,确保在最短时间内完成。
- 个性化推荐:根据用户的饮食偏好和健康需求,推荐适合当天食材的快捷菜谱。
-
详细的烹饪指导
- 分步指导:提供分步的烹饪指导,包括准备工作、烹饪步骤和注意事项。
- 时间管理:提供烹饪时间的管理和提醒,确保每道菜按时完成。
- 互动问答:用户可以在烹饪过程中向助手提问,获得即时帮助。
-
营养分析和健康建议
- 营养成分分析:分析每道菜的营养成分(如热量、蛋白质、脂肪、碳水化合物等)。
- 健康建议:根据用户的健康需求,提供个性化的饮食建议。
-
购物清单生成
- 自动生成购物清单:根据推荐的菜谱生成购物清单,方便用户补充食材。
- 清单管理:用户可以添加、删除或标记购物清单中的项目。
- 购物建议:根据用户的购物习惯,提供购物建议和促销信息。
技术框架
-
基础模型
- 使用 InternLM 基础模型,结合增量训练和微调(SFT)技术,增强模型对烹饪和营养知识的理解和生成能力。
-
数据收集与预处理
- 数据来源:收集快捷菜谱数据、营养数据、用户反馈数据等。
- 数据清洗:对数据进行清洗和格式化处理,确保数据质量。
-
模型训练与优化
- 增量训练:在现有模型基础上,进行增量训练,提高模型的烹饪指导能力。
- 微调:结合具体的快捷菜谱数据和用户需求,进行模型微调。
-
交互界面开发
- 移动应用:开发适用于 Android 和 iOS 平台的移动应用,提供友好的用户界面。
- WebUI:开发 Web 界面,用户可以通过浏览器访问和使用助手功能。
- 智能家居集成:集成到智能冰箱、智能厨房设备等,提供更加便捷的使用体验。
-
测试与发布
- 功能测试:对各项功能进行全面测试,确保其稳定性和准确性。
- 用户测试:邀请部分用户进行测试,收集反馈并进行优化。
- 正式发布:在应用商店和官方网站上正式发布应用,并进行推广。
实施步骤
-
需求分析
- 与目标用户进行沟通,详细了解他们的需求和偏好。
- 确定项目的具体功能和技术方案。
-
数据收集与预处理
- 编写数据收集脚本,获取所需的快捷菜谱和营养数据。
- 对数据进行清洗和格式化处理,确保数据的准确性和一致性。
-
模型训练与优化
- 使用 InternLM 模型进行增量训练和微调,增强其对烹饪和营养知识的理解。
- 进行初步测试和优化,确保模型的性能。
-
交互界面开发
- 设计和开发移动应用和 WebUI,确保其易用性和美观性。
- 集成到智能家居设备,提供更加便捷的使用体验。
-
测试与发布
- 进行功能测试和用户测试,收集反馈并进行优化。
- 正式发布应用,并进行推广,吸引更多用户使用。
特别鸣谢
- 感谢所有提供数据和反馈的用户。
- 感谢开发团队的辛勤付出和技术支持。
- 感谢所有支持和鼓励我们的人。
- 本项目基于 InternLM 教程构建 InternLM教程。
一起拥抱 LLM 的浪潮吧!