教育领域“知之”大模型--山东大学软件学院2024年项目实训（二）

最新推荐文章于 2024-11-14 17:10:58 发布
最新推荐文章于 2024-11-14 17:10:58 发布
阅读量225 收藏
点赞数 1
文章标签： 人工智能
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/jxnb666/article/details/139333355
版权
#对应课程第七周

本周了解到了魔搭社区可以获得很多模型库以及数据集，同时该社区会有一定时长的免费GPU资源供使用，使用本周尝试一下魔搭社区

魔搭社区

首先，完成注册，进入界面

文档中心

在文档中心处学习魔搭社区的基本使用方法

选择Meta-Llama-3-8B-Instruct进行尝试

将

修改为

不过还是有报错：AssertionError: Torch not compiled with CUDA enabled

用了gpu环境就可以运行了

starx.
关注
2024 山东大学软件学院创新项目实训（四）
m0_62636561的博客
05-15 742
在上篇中，我们利用清华提供的医疗领域的数据集对模型进行了初步的训练（train），并在训练完成后进行了模型的评估（evaluate）。微调任务的初步成果，将应用到后续的医疗问答系统中去。
第十五届蓝桥杯软件赛C/C++大学A组个人省赛题解
2301_78234743的博客
04-30 1754
** * 代码中的类名、方法名、参数名已经指定，请勿修改，直接返回方法规定的值即可 * * * @从三月初开始零碎的投递，到三月底开始海投，三月的时候面试的机会其实很少，到4月初面试机会才逐渐多了起。如题，具体地址是渝北区重庆涉外商务区B4幢附近，这附近有什么好的房源吗，以及有合租的小伙伴吗，预计五。#字节跳动内推#我的内推码：JNG3GB9我的内推码：JNG3GB9我的内推码：JNG3GB9我的内。
教育领域“知之”大模型--山东大学软件学院2024年项目实训（五）
jxnb666的博客
05-31 1633
组内的王同学提出要集成一些小工具到"知之"中去，其中姜同学负责“”这一环节。我和姜同学合作来实现这个工作。我负责在前期，并在中期确定使用深度学习后进行。姜同学负责去决策选择何种技术，写代码debug，以及后期对识别精度的优化（比如探讨图像分辨率对识别精度的影响）。
教育领域“知之”大模型--山东大学软件学院2024年项目实训（一）
2201_75314780的博客
04-16 347
假设已经为语言模型提供了一个自然语言指令和/或几个任务演 示，它可以通过完成输入文本的单词序列的方式来为测试实例生成预期的输出，而无需额外的训练或梯度更新。工具操作：从本质上讲，LLM 是基于海量纯文本语料 库进行文本生成训练的，因此在那些不适合以文本形式表达的任务上表现不佳（例如数字计算），）网络（而不是 学习固定的词表示）来捕捉上下文感知的词表示，然后根据 特定的下游任务微调biLSTM 网络。由于巨大的模型规模，成功训练一种能力强的 LLM 是非常具有挑战性的。LLM 在未见 任务上的泛化能力。
教育领域“知之”大模型--山东大学软件学院2024年项目实训（七）
2201_75314780的博客
05-30 584
为了更好的微调模型，我阅读了几篇关于优化大模型性能的文章，这里总结在博客里。
教育领域“知之”大模型--山东大学软件学院2024年项目实训（十三）
m0_62817302的博客
06-24 1466
项目复盘、技术要点与工作感想。
教育领域“知之”大模型--山东大学软件学院2024年项目实训（四）
m0_62817302的博客
05-30 1799
1.初识Swift工具。2.选择适配的模型与数据集（deepseek-math-7b-instruct与Blossom Math）。3.运行微调程序得到微调后的模型。 # （3）大模型微调
教育领域“知之”大模型--山东大学软件学院2024年项目实训（三）
m0_62817302的博客
05-29 781
1.确认评价策略。 2.实验：选择效果最好的大模型。 3.选择：DeepSeek。 # （1）选择基础模型：Llama2，Llama3， deepseek。
教育领域“知之”大模型--山东大学软件学院2024年项目实训（六）
m0_62817302的博客
05-31 1659
1.将服务器上已经微调好的模型下载到本地。2.在本地运行推理。3.测试微调后模型的性能。 # （2）模型的本地化
教育领域“知之”大模型--山东大学软件学院2024年项目实训（九）
m0_62817302的博客
06-24 394
我们接下来对大模型在数学类数据集（blossom-math-zh）上进行微调。 # （3）模型微调
教育领域“知之”大模型--山东大学软件学院2024年项目实训（十一）
m0_62817302的博客
06-24 141
我们原本的模型是推理出结果后一起返回给前端的。这样用户的等待时间过长，交互体验极差。因此我们做了大模型的流输出（stream）。 # （5）流输出
解读2021年智源 AI 前沿报告：医疗领域最新进展
BAAIBeijing的博客
01-04 2890
导读：2021年对于人工智能技术和产业，依旧是不平凡的一年。而在智能医疗赛道上，更是持续火热，各大医疗AI企业纷纷冲刺IPO。政策方面，国家开始逐步发放各类医疗影像AI软件三类证。而与此同...
基于LangChain-Chatchat实现智能问答系统
2301_79125431的博客
05-06 894
政务方向，直接推组长，流程推进快，有意可私信，官网可见此岗位要求：尽快入职，HC地点优先北京 ，每周。我真绷不住了，快手4/25面之后泡到现在，实在等不及了打电话去问hr，一问说是已经离职了，并且不知道。一面1、自我介绍2、项目介绍、项目亮点3、盒模型4、实现水平垂直居中5、CSS实现三角形6、JS的数。base 地都是上海，美团是到店下面的本地核心商业，做的应该是基建相关的技术，转正率不知道怎么样。又是面的稀烂的一集两个面试官拷打我的项目，话说这不是一面吗主要拷打在压测这一块，看得出来面试官对这块。
ks8 本地化部署 F5-TTS
陈锐的技术笔记
11-13 584
此外，F5-TTS 还创新性地引入了推理时的 Sway Sampling 策略，这一策略可以在推理阶段优先处理早期的流步骤，从而提高生成语音与输入文本的对齐效果。在 LibriSpeech-PC 数据集上，该模型的字错误率（WER）达到了2.42，并且在推理时的实时因子(RTF)为0.15，显著优于之前的扩散模型 E2TTS，后者在处理速度和鲁棒性上存在短板。传统的 TTS 模型往往需要进行复杂的持续时间建模、音素对齐和专门的文本编码，这些都增加了合成过程的复杂性。继续TSS的启动，进入pod 输入命令。
基于OpenFOAM和深度学习驱动的流体力学计算与应用
最新发布
2301_80236428的博客
11-14 283
从物理模型融合到复杂流动模拟，从数据驱动研究到流场智能分析，深度学习正以前所未有的力量重塑流体力学领域。伴随深度学习在流体力学研究中应用的普及，相关的开源软件和工具为科研人员提供了便捷的平台，简化了深度学习模型的实现与应用过程，加速了研究成果的转化。深度学习架构能够有效从流体数据中抽取关键特征，应用于流场预测、流动优化、流场可视化等多个领域，极大地提升了流体问题的分析效率和精度。构建物理增强的深度学习模型，将流体力学的控制方程、边界条件等物理规则内嵌于模型中，以提高模型的准确性和物理一致性。
卷积神经网络CNN
m0_53374676的博客
11-13 363
卷积层通过应用一组可学习的滤波器（或称核）到输入图像的不同位置，产生一个特征映射（Feature Map）。CNN是一种前馈神经网络，它的人工神经元可以对输入的图像数据进行响应，并且可以检测图像中的局部特征，如边缘、纹理等。
AI重塑软件开发流程
车轮的博客
11-10 1335
既然谈到传统软件开发与AI参与的软件开发的对比，我们就来看一下这两者之前的区别。
人工智能是这样理解“情绪”的
JellyAI的博客
11-12 1030
在前面的内容中，我们经常提到“特征”，那么如何表示特征呢？举个例子，在日常生活中，我们描述一个快递包装盒时可能会提到它的高度、宽度和深度（这三个值就是盒子的特征，当然也可以用颜色、重量、材料等来描述）。当我们仅用高度、宽度和深度三个数据来描述盒子的特征时，我们就说这个盒子的特征是三维的。如果再加上颜色、重量和材料等特征，那么这个特征空间就是六维的了。
知乎推出“知海图AI”挑战GPT-4，AI语言模型领域新竞争
知乎大模型“知海图AI”是基于清华大学自然语言处理实验室的技术背景和面壁智能CPM-Bee（10B）模型的支持而开发的。这一模型特别针对知乎热榜问题的回答进行优化，并在“热榜摘要”这一特定场景中进行应用。 2. 与...
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