forestine-CSDN博客

原创 Datawhale AI夏令营第四期大模型技术（微调）方向 task03初学者笔记

大模型评分：大模型目前可以弥补一些人类评分的痛点，提升评分效率。数据增强为了补充一些数据，一方面是在先前生成的结果上做一些优化，一方面可以再生成一些补充数据以作增强。你是一个高考英语阅读题出题专家，请阅读材料，需要参考参考内容按照要求将题目、选项、答案对其补充完整。2.匹配后格式按照问题、ABCD四个选项顺序、答案的结构组合，按照参考内容格式输出。3.如果选择题目数量不够四个请根据阅读材料及出题思路再生成题目，总题目达到四个。手动评分耗时且需要大量人力资源，限制了评分任务的可扩展性和效率。

2024-08-16 11:31:34 142

原创 Datawhale AI夏令营第四期 AIGC方向 task03 初学者笔记

ComfyUI的优势在于其高度的定制性和灵活性，以及相对较低的内存需求和快速启动速度。节点化设计：ComfyUI采用基于节点的流程设计，用户可以通过自定义流程来实现更精确的工作流程，并确保结果的可重复性。高度定制性和灵活性：这种设计为用户提供了高度的定制性和灵活性，虽然学习曲线可能较陡，但专业用户可以通过调整模块连接来达到不同的出图效果。低内存需求和快速启动：与基于网络的用户界面（webui）相比，ComfyUI对图形处理器（显存）的需求较低，启动速度快，出图速度也快。

2024-08-16 09:55:47 236

原创 Datawhale AI夏令营第四期大模型技术（微调）方向 task02初学者笔记

LoRA（Low-Rank Adaptation of Large Language Models）是一种针对大型语言模型（如GPT系列）的微调技术，旨在通过引入低秩（Low-Rank）矩阵来高效地调整预训练模型，以适应特定的任务或数据集，同时保持较低的计算成本和参数增加量。大语言模型微调（Fine-tuning）是一种在已经预训练好的大型语言模型基础上，使用特定数据集进行进一步训练的技术，旨在使模型适应特定任务或领域。由于在大规模数据集上进行训练，大模型能够在未见过的数据上表现出色，具有较强的泛化能力。

2024-08-14 09:29:15 465

原创 Datawhale AI夏令营第四期 AIGC方向 task02 初学者笔记

使用不同的prompt（包含详细的描述信息）和negative_prompt（排除不希望出现的元素）来指导模型生成图像。加载预训练的CLIP模型（CLIPModel.from_pretrained("openai/clip-vit-base-patch32")）和对应的处理器（CLIPProcessor）。将清洗后的图像和对应的文本（"二次元"）作为输入，通过CLIP模型计算图像-文本的相似度得分。通过精确的Prompt，可以明确地告诉模型需要执行什么任务，比如回答问题、创作故事、提供建议等。

2024-08-13 10:22:09 827

原创 Datawhale AI夏令营第四期大模型技术（微调）方向 task01初学者笔记

微调，也称为Fine-tuning，是指在已经预训练好的大型语言模型（如BERT、GPT等）基础上，使用特定的数据集进行进一步的训练，使模型能够适应特定任务或领域。微调则是利用有标签的任务特定数据集，对模型进行进一步的训练，以提高模型在特定任务上的性能。在进行模型的微调过程中，我了解了整个的流程以及具体的方法，没有出现太大的失误，比较顺利的将这一项目完成。：预训练模型已经具备了丰富的语言知识，微调可以让模型在特定任务上达到很好的性能。：微调不需要从零开始训练一个大型模型，可以节省大量的计算资源和时间。

2024-08-10 11:11:26 434

原创 Datawhale AI夏令营第四期 AIGC方向 task01 初学者笔记

模型会根据这个提示词来产生相应的回应或输出，因此提示词可以看作是与模型的“对话起点”或“引导信号”。文生图技术，全称为“文本到图像生成技术”（Text-to-Image Generation），是一种利用人工智能技术，根据用户输入的文字描述来生成相应图像的方法。在运行的过程中，遇到了一些问题，如缺失文件、超显存导致加载模型出错等等，经过不断的尝试，解决了这些问题，在最后成功生成了图片。从这一次的练习中，我认识到了文生图技术，了解了这项技术的运行原理，以及实际操作并得到了自己的作品，我收获颇多。

2024-08-09 23:24:42 397

forestine的博客