小白顶呱呱-CSDN博客

否则后面必定会报错，提示版本老旧等问题。有2个文件需要修改变量路径，一个是basic_demo下的“web_demo_gradio.py”，另一个是chatgm3-6b下的“config.json”，都是把默认的“THUDM/”修改为“/mnt/workspace/ChatGLM3/”这里使用的是阿里云的PAI，默认已经帮我们配置好了环境变量、网络等等，这里我们直接启动->打开我们创建的实例，点击terminal进入，后面的步骤主要就是参考github上的GLM官方步骤了。点击确定，完成实例创建。

2024-09-10 17:01:16 729

原创基于阿里云PAI部署LLaMA Factory启动 Web UI时报错Error Connection errored out解决

在进行该操作时报错：Error Connection errored out，如下图。

2024-09-05 11:43:42 618

原创 JSON详解及JSON数据的转换

JSON可以简单灵活的表示树形结构数据，其中空格不受影响。

2024-08-08 14:58:18 234

原创动手深度学习基础知识——张量、点积、Hadamard积

张量乘以或加上一个标量不会改变张量的形状，其中张量的每个元素都将与标量相加或相乘。给定两个向量X,Y，它们的点积（dot product）是相同位置按元素乘积的和。(Hadamard product)(数学符号见下图)。张量是描述具有任意数量轴的n维数组的通用方法。，其中第i行和第j列的元素是bij。两个矩阵的按元素乘法称为。(在1加法中定义)和。

2024-08-08 14:23:20 302

原创梯度下降概念图解——BGD批量梯度下降、SGD随机梯度下降、MBGD小批量梯度下降

求所有点误差的平均值：（其中x,y和样本数n都是已知数，用常量a,b.c分别代替）对于这个图来说：点p1的均方误差e1就为：e1=(y1-w*x1)^2。表示了学习所需要付出的代价，该函数也是样本点拟合过程的映射（如下图）。拓展到计算每一个点就可以算出无数的e1,e2,e2…SGD随机梯度下降，每下降一步只需要用一个样本进行计算。loss function: 得出的误差函数。BGD批量梯度下降是梯度下降最原始的方式，）重复直至找到最低点。

2024-08-07 13:52:02 361

原创 Vue2和Vue3中的生命周期钩子图示

一图解释vue2和vue3中生命周期钩子流程、主要进行的事件、对应比较、区别及异同。

2024-08-06 14:32:54 367

原创继axios二次封装后跨域问题解决——配置代理、环境变量

同源（即指在同一个域），就是两个页面具有相同的协议（protool），主机（host）和端口号（port）。URL（Uniform Resource Locator，统一资源定位符）是用于标识和定位互联网上资源的字符串格式。它是Web浏览器、Web服务器等互联网应用程序中用来访问资源的标准格式。1、协议（Protocol）：指定了访问资源所使用的协议，如HTTP、HTTPS、FTP 等。例如，在 http:// 或 https:// 中，http 和 https 就是协议。2、主机名（Host）

2024-08-05 14:25:36 996

原创 vue中axios二次封装【简洁、附代码】＋api解耦

在这里 vue2 中使用created钩子，vue3 中使用onMounted钩子调用解耦好的 getSliders 的 api 即可。在 utils 目录下新建 api 文件夹，在 api 下新建 course.js。该【二、】部分在utils/request.js目录下。为什么要进行axios的二次封装？在请求拦截器中 ==>在响应拦截器中 ==>为什么要进行api解耦？

2024-08-05 09:20:08 1072

原创一个最简单的模型验证套路——验证训练好的模型【附完整代码】

在这里将模型验证过程包裹在with torch.no_grad()中，在这个上下文中，所有操作都不会追踪梯度，即不会计算梯度信息，这有助于加快计算速度并减少内存使用。同理，本文采用的 CIFAR10数据集中的图像数据大小为 32×32 ，所以我们这里也需要将图像处理成 32×32 的大小并将图像转换为张量的形式。任意加载一张照片（上文模型训练CIFAR10数据集中十个分类中的一种，我这里加载的是修勾~）。这里由于我加载的是PNG图片，PNG图片为RGBA四个颜色通道，这里需要将他转换为RGB色彩。

2024-08-02 09:16:45 473

原创监督学习、无监督学习、半监督学习、弱监督学习、强化学习和主动学习

弱监督学习通常指的是训练数据的标签质量不完全可靠，可能是不准确的、噪声较多的或是不完全的。例如，利用搜索引擎的结果为图像自动标注标签，这些标签可能不完全准确。

2024-08-01 14:15:12 1466

原创 python中的_xx、_ _xx、_ _xx_ _和init()、new()、str()、del()、call()等方法详解

_xxx "单下划线 " 开始的成员变量叫做保护变量，意思是只有类实例和子类实例能访问到这些变量，需通过类提供的接口进行访问；*不能用’frommodule import '导入。_ _xxx 类中的私有变量/方法名（Python的函数也是对象，所以成员方法称为成员变量也行得通。）," 双下划线 " 开始的是私有成员，意思是只有类对象自己能访问，连子类对象也不能访问到这个数据。“_ xxx _ ”系统定义名字，前后均有一个“双下划线”，代表python里特殊方法专用的标识，如 “_ _init

2024-07-31 09:28:32 759

原创 Vue2 对比 Vue3 变化（官方图解对比）

一、官方图解

2024-07-29 09:15:13 215

原创激活函数——Sigmoid、tanh、ReLU、softmax激活函数

Sigmoid函数的图形是一个S形曲线，也称为逻辑曲线。当输入值 𝑥 非常大时，函数输出趋近于1；当输入值 𝑥 非常小时，函数输出趋近于0。当 𝑥 接近0时，函数的输出约为0.5。给定元素 x ，ReLU函数被定义为该元素与 0 对比中的最大值。在二分类任务时，经常使用sigmoid激活函数。而在处理多分类问题的时候，需要使用softmax函数。它的输出有两条规则。ReLU函数通过将相应的活性值设为0，仅保留正元素并丢弃所有负元素。如下为ReLU函数的曲线图。σ(x) 是Sigmoid函数的输出。

2024-07-26 10:20:29 1116

Yaki_Duck的博客

原创 1、零基础Apifox测试FastAPI接口入门——GET请求

原创 cuda常用命令、国内镜像源、项目依赖requirements.txt打包、安装

原创 window下使用命令行启动llamafactory报错AttributeError: can‘t set attribute

原创 llamafactory报错TypeError: GenerationMixin._extract_past_from_model_output() got an unexpected keyword

原创 chatglm本地服务器大模型量化cpu INT4 INT8 half float运行、多卡多GPU运行改这一条指令就行啦！

原创 pycharm24.2运行框中无法输入中文但是可以粘贴中文、输入英文、数字

原创基于阿里云免费部署Qwen1-8B-chat模型并进行lora参数微调从0到1上手操作

原创基于阿里云部署ChatGLM3-6b从0到1上手操作——解决webui启动chatglm中报错ERROR问题

原创基于阿里云PAI部署LLaMA Factory启动 Web UI时报错Error Connection errored out解决

原创 JSON详解及JSON数据的转换

原创动手深度学习基础知识——张量、点积、Hadamard积

原创梯度下降概念图解——BGD批量梯度下降、SGD随机梯度下降、MBGD小批量梯度下降

原创 Vue2和Vue3中的生命周期钩子图示

原创继axios二次封装后跨域问题解决——配置代理、环境变量

原创 vue中axios二次封装【简洁、附代码】＋api解耦

原创一个最简单的模型验证套路——验证训练好的模型【附完整代码】

原创监督学习、无监督学习、半监督学习、弱监督学习、强化学习和主动学习

原创 python中的_xx、_ _xx、_ _xx_ _和init()、new()、str()、del()、call()等方法详解

原创 Vue2 对比 Vue3 变化（官方图解对比）

原创激活函数——Sigmoid、tanh、ReLU、softmax激活函数

原创 npm install 后缀 -s -d -g

原创准确率、精确率、召回率、F1-score 概念、计算原理

原创 0基础入门模型训练 ——【完整的模型训练套路】神经网络计算，tensorboard展示计算train_loss、test_loss、test_accuracy

原创 NLP经典论文阅读——Transformer、BERT、LSTM、Elmo

空空如也

空空如也