2024 NVIDIA Summer Camp Day1：构建RAG多模态AI Agent

已于 2024-08-18 13:33:08 修改
阅读量474 收藏
点赞数 8
文章标签： langchain llama 人工智能
于 2024-08-16 21:50:03 首次发布
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/figosoar/article/details/141269968
版权

下载材料和课件等

课程相关资料下载链接: https://pan.baidu.com/s/15Y-gmsfeYCgKF-M3TJZVgg?pwd=fafe 提取码: fafe  

1.课件
链接：https://pan.baidu.com/s/15JTy9CqnesXSlPiwwrUmjA?pwd=1111 
提取码：1111 

2.phi3量化大模型
链接：https://pan.baidu.com/s/10HqxpkJmSyg-BbBbin8xHg?pwd=1111 
提取码：1111 

部署环境方法 同样是参见：

由于我 本机python是 3.7.4，我安装的miniconda是 Miniconda3-py37_4.9.2-Windows-x86_64.exe。

2024 NVIDIA开发者社区夏令营环境配置指南(Win & Mac)的补充说明-CSDN博客

先进入到课件 目录，再 启动 jupyter-lab，否则会看不到day1这些文件。

首先，在如下网址申请NVIDIA的api key

https://build.nvidia.com/explore/discover
最低0.47元/天 解锁文章
jack@london
关注
2024 NVIDIA Summer Camp Day3：构建RAG多模态AI Agent
figosoar的专栏
08-18 379
2：第四步 可能会 提示没有生成图片，原因是 默认的路径是 Linux中写法，而在Windows中应该为 win中的目录结构写法。回到windows 目录下 ，看到了生成的图片，其标题被改变，下方国家名称 的排列方式也发生了变化。将在浏览器 地址改为输入 http://localhost:5000。5：末尾在 Gradio中上传如下左图后，在下方输入。可以尝试调整其中的内容 多看看。1：可能会提示没有安装pandas，则安装即可。3：末尾可能会提示未安装 Gradio。
AI-AGENT夏季训练营 — RAG带你重新理解表格图像
Mr_Tito的博客
08-18 716
本项目利用NVIDIA的NIM人工智能平台，进行RAG智能对话机器人的搭建和实践。项目通过先进的自然语言处理技术增强文字的检索能力，使用户能够更快速、准确地找到所需信息。同时，利用调用大模型API对图片进行微调重绘，提升视觉呈现效果，增强用户体验。项目的亮点在于其创新性地结合了文本和图像处理功能，为用户提供一站式解决方案。可能的应用场景包括数字图书馆、在线媒体平台和企业内部文档管理等，有助于提高工作效率和信息获取的精确度。
基于NVIDIA NIM平台构建LLM-RAG和多模态智能体
qq_33782655的博客
08-18 1526
基于NVIDIA NIM平台构建LLM-RAG和多模态智能体
从零开始NIM及大语言模型和RAG使用进阶1 -- 后记：gradio UI及语音交互、多模态开发问题错误处理
happycodeabcd的专栏
08-18 848
在前文，我们通过NVIDIA NIM，可以用最少的代码，使用大模型了。
HR的贴心小棉袄—我在NVIDIA AI-AGENT训练营成为魔法师
hellangle4742的博客
08-17 945
本项目使用RAG，检索增强生成）技术实现一个智能HR问答机器人，用于解决大语言模型由于无法及时获取最新的信息，上下文窗口过短等问题，能够根据文档内容智能回答用户问题。并采用多模态LLM支持图片理解，该项目的应用场景主要用于构建企业内部HR的智能助手，帮助HR提升工作效率和质量。项目亮点，采用目前主流的大语言模型，在不经过微调的情况下，低成本实现私有问答智能体。技术方案与实施步骤模型选择。
NVIDIA AI-AGENT夏季训练营
Furediiwx的博客
08-18 758
该模型经过指令微调，能够根据用户输入的明确指令进行高效的任务处理，特别适合需要明确回答问题的任务，例如在 RAG（Retrieval-Augmented Generation）框架中执行文档检索后的生成任务。成功处理了本地文本文件，将其拆分为更小的块进行向量化处理，保证了嵌入生成的质量。因此，笔者构建了基于超级驼鹿的知识库，存储了它的起源等知识，其中包含了一个以它的视角展开的成龙历险记中的各个人物和大事件相关知识（例如：在超级驼鹿眼里主角龙叔和小玉是什么样的人，给它带来了哪些影响等）。
菜鸟三天手搓一个RAG机器人的感受--参加英伟达夏令营有感
2401_86663727的博客
08-18 889
三天手搓RAG机器人--参加英伟达训练营的感受 我们将训练一个不但能懂用户心理，能通过文字对话交互去理解支持用户快速摆脱负面情绪，而且能视觉识别用户微表情、判断用户心理的、全面立体更懂用户的RAG对话多模态机器人，解决心理健康行业传统四大壁垒，让世界更美好。
英伟达NIM入门和进阶（完整记录），实现自己的AIPC。
chiangtetsai的博客
08-18 1104
这部电影于1977年上映，由乔治·哈维执导，且是他的第一部长片电影。环境：windows10，CPU：I7，GPU：RTX4060（未使用），预先安装conda，配置PIP源。月和日正确，年份错误，因为在文本中没有提到是2023年还是2024年，实际上应该是2024年。3、使用模型：ai-phi-3-small-128k-instruct。非常丰富的模型资源，都已经适配到了NIM，包括文本，语音，数字人。完整的记录一下NIM从入门到成功调包的过程。helper function 用于Debug。
【大模型从入门到精通19】开源库框架LangChain LangChain文档加载器1
kaggle expert，全球排名前1000，清华计算机研究生，兴趣算法工程
08-13 1706
在数据驱动的应用领域，特别是涉及对话界面和大型语言模型（LLM）的应用中，从各种来源高效加载、处理并与数据进行交互的能力至关重要。这些加载器擅长处理来自公共源的数据，如 YouTube、Twitter 和 Hacker News，同时也适用于来自专有源的数据，如 Figma 和 Notion。保存清洗后的文本：可选地，脚本可以将清洗和分词后的文档文本保存到文件中。这个扩展的代码提供了一个更全面的示例，展示如何从加载和清洗文本到基本分析和处理特殊情况，对 PDF 文档进行程序化的处理。
LLamaFactory如何在Windows系统下部署安装训练（保姆级教程）
m0_56181660的博客
04-29 1013
本文主要简述了LlamaFactory如何在Windows系统下部署安装训练（保姆级教程）
【学习笔记1】一站式大语言模型微调框架LLaMA-Factory
Jeremy_lf的博客
04-27 1037
LLaMA-Factory（Large Language Model Factory）是一个开源的、专注于大型语言模型（LLM）微调与部署的框架，由北航团队开发并维护。支持主流开源模型：LLaMA（包括LLaMA-2、LLaMA-3）、BLOOM、Mistral、Baichuan、Qwen、ChatGLM等。LoRA（低秩适配）、QLoRA（4-bit量化+LoRA），显存占用降低至单卡消费级GPU（如RTX 3090）即可训练7B/13B模型。学习地址：https://llamafactory.cn/
LLaMA-Factory部署以及大模型的训练（细节+新手向）
2402_84949062的博客
04-28 1062
LLaMa-Factory支持市面上各种各样的开源大模型，并且内置多种微调方式，比如lora、full、freeze，丰富的微调参数可供调整。提供了简洁的UI界面，并且支持验证、简单对话等功能
20_大模型微调和训练之-基于LLamaFactory+LoRA微调LLama3后格式合并
04-29 1012
使用ollama create命令创建自定义模型llama-3-8B-Instruct 这个名字是自己创建的。
llamafactory-cli webui启动报错TypeError: argument of type ‘bool‘ is not iterable
最新发布
zhouxukun123的专栏
05-01 232
在阿里云NoteBook上启动llamafactory-cli webui报错TypeError: argument of type 'bool' is not iterable: argument of type 'bool' is not iterable
Windows系统编译支持GPU的llama.cpp
mingo_敏
04-30 166
Windows系统编译支持GPU的llama.cpp。
大模型微调之LLaMA-Factory 系列教程大纲
陈奕昆的博客
04-29 650
无论是企业开发者还是学术研究者，均可基于此框架快速构建行业级大模型应用。持续优化，探索更多前沿技术（如多模态微调、安全对齐）。通过本系列教程，你将掌握。
【“星瑞” O6 评测】 — CPU llama.cpp不同优化速度对比
怡宝2号
04-28 767
随着大模型应用场景的不断拓展，arm cpu 凭借其独特优势在大模型推理领域的重要性日益凸显。它在性能、功耗、架构适配等多方面发挥关键作用，推动大模型在不同场景落地Arm Kleidi 成为解决这些挑战的理想方案，它能够为运行在 Arm CPU 上的所有 AI 推理工作负载提供无缝的性能优化。KleidiAI 是一套轻量级且高性能开源的 Arm 例程，专为 AI 加速而设计。
高压开关柜局部放电信号分析系统
m0_61057267的博客
04-28 1648
这个项目是我在2025年实现的高压开关柜局部放电信号分析系统，目的是通过采集分析局部放电信号，判断设备的工作状态和潜在故障。系统包含从信号模拟生成、特征提取、到深度学习模型训练的全流程，最终可自动生成分析报告。
远光软件发布九天 AI 应用开发平台，加速企业研发效能跃升
YG_JT的博客
04-30 292
4月25日，远光软件在“2025珠海软件产业年会暨AI技术赋能行业发展交流会”上以虚拟直播方式发布了远光九天AI应用开发平台。
NVIDIA NIM平台加速开发智能RAG与多模态机器人
资源摘要信息: "NVIDIA NIM平台一小时手撕RAG与多模态智能机器人" NVIDIA NIM平台（NVIDIA Inference MarketPlace）是NVIDIA推出的AI推理市场平台，旨在为开发者和企业提供一个集中式市场，以共享和部署AI模型和...
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