axelor java快速开发平台和erp系统介绍

已于 2022-09-07 13:35:07 修改
阅读量9.4k 收藏 15
点赞数 3
分类专栏： 低代码/无代码平台 文章标签： axelor
于 2020-02-12 14:20:55 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/lijianhua1974/article/details/104278197
版权

axelor是由法国公司Axelor (https://www.axelor.com)推出的开源java快速开发平台和中型erp应用系统，基于标准的三层开发架构，orm使用jpa,权限验证使用shiro,界面通过xml配置，前后端分离前台通过ajax/json和后端交互，提供pc和手机操作界面，无需直接编写页面文件，极大的提高开发速度和效率

axelor的erp模块覆盖了一个中型企业marketing/crm/销售/采购/生产/库存/质量/财务/人事的全部业务，要是说ofbiz是个适合中大型企业的牛刀，那么axelor就是适合中型企业和快速开发的瑞士军刀

项目地址 https://github.com/axelor

 common

core

adminlte风格的前端界面

LLM-LLaMA：手动模型转换与合并【Step 1: 将原版LLaMA模型转换为HF(HuggingFace)格式；Step 2: 合并LoRA权重，生成全量模型权重】
u013250861的博客
06-25 3308
与原版llama模型离线转换为HF格式后的SHA256一致（已验证7B/13B/33B）。合并Chinese-Alpaca-Plus需要提供两个LoRA权重，分别为Chinese-LLaMA-Plus-LoRA和Chinese-Alpaca-Plus-LoRA。这一步骤会对原版LLaMA模型（HF格式）扩充中文词表，合并LoRA权重并生成全量模型权重。执行以下脚本（注意这个脚本路径指的是transformers的路径，不是本项目的目录）后，注意，不同模型的合并方式不同。指定的目录，其余文件放在。
开源模型应用落地-qwen2-7b-instruct-LoRA微调&模型合并-LLaMA-Factory-单机多卡-RTX 4090双卡（六）
热门推荐
没有卑微的工作，只有卑微的心态，与其抱怨，不如埋头实干
08-16 2万+
使用LLaMA-Factory合并微调后的模型权重
Flux【基础篇】：6G显存的福音，Flux最新量化版GGUF来了，本地部署安装教程
m0_59162248的博客
04-03 1176
今天我们来分享一下如何在本地部署ComfyUI Flux.1 dev GGUF工作流。GGUF全称为GPT-Generated Unified Format，一种专为大型语言模型设计的二进制文件格式，由llama.cpp创始人Georgi Gerganov提出，用于高效存储和交换大模型的预训练结果。这种格式优化了数据结构和编码方式，显著提升了模型文件的存储效率，并保证了快速的加载性能。在Github上XLabs-AI官方网站，对于低内存的使用也是首推GGUF。
大模型开发和微调工具Llama-Factory--＞LoRA合并
weixin_46034279的博客
12-01 2707
当我们基于预训练模型训练好 LoRA 适配器后，我们不希望在每次推理的时候分别加载预训练模型和 LoRA 适配器，因此我们需要将预训练模型和 LoRA 适配器合并导出成一个模型。根据是否量化以及量化算法的不同，导出的配置文件有所区别。
使用LLaMA-Factory微调大模型_llamafactory lora 合并
月流霜的专栏
08-27 489
但是占用显存较多，显存是缓慢上升的过程，到二十多步的时候就开始爆了。启用webui共有两种方式，一种是直接启动，一种是通过docker启动。使用的GPU 第一块卡，刚开始的时候 批处理设置的太大，容易造成显卡内存溢出，根据自己的实际情况设置。接下来又问了一句”鲁迅可以打周树人吗“，回答是没有问题，就是速度慢了点，右边还有很多的参数可以调整。③使用stage=3的时候，每step 40s，刚开始使用显存很少，第一步也直接爆了。等待模型训练完成之后就可以使用，不过也可以直接运行开源的模型。2.使用webui。
LLaMA-Factory微调llama3之模型的合并，并采用llama.cpp量化成ollama支持的gguf格式模型，生成api使用
猪神-PIGGOD
08-08 7233
上期我们已经成功的训练了模型，让llama3中文聊天版知道了自己的名字这次我们从合并模型开始，然后使用llama.cpp量化成gguf格式，并且调用api。
llama gguf大模型文件合并
osnet的博客
10-18 4375
下载vulkan win64版本，解压后，把目录添加到环境变量。
llama-factory SFT系列教程 (二)，大模型在自定义数据集 lora 训练与部署
jieshenai的博客
04-12 1万+
本文为 llama-factory SFT系列教程的第二篇；实现了在自定义数据集上 lora 微调大模型；接着融合lora权重进行大模型推理的功能
使用LLaMA-Factory微调大模型
weixin_29520441的博客
05-31 1355
使用LLaMA-Factory微调大模型
llama-factory学习使用笔记
xiaomu_347的博客
06-17 1310
想要对开源的llama大模型，针对自己的数据进行微调，这里推荐llama-factory项目，LLama Factory，这个工具能够高效且低成本地支持对 100 多个模型进行微调。LLama Factory 简化了模型微调的过程，并且易于访问，使用体验友好。当模型和数据都已经配置完成，接下来就是开始训练了，这里我采用的是基于llama2-7b的模型，加上自己的中文数据利用lora方法进行sft，其他的参数设定如下。这样刷新后在加载数据时就可以看到自己添加的数据了，还可以对内容进行可视化。
LLaMA-Factory快速入门
最新发布
@bangbang的博客
04-20 66
数据集的格式要求在不同的阶段是不同的，本教程以sft阶段的数据集需求，将以系统自带的identity数据集和将自定义的一个商品文案生成数据集为例，介绍数据集的使用。更多详情可以在中找到相关解释。系统目前支持alpaca和sharegpt两种数据格式，以alpaca为例，整个数据集是一个json"instruction": "用户指令（必填）","input": "用户输入（选填）","output": "模型回答（必填）","system": "系统提示词（选填）",
NLP算法具备技能
qq_41359817的博客
12-03 1342
摘要：好久不看理论，最近把自己学过以及用到过的东西都列了出来，主要是这个大纲体系，详细的内容部分是使用LLM来辅助编写的。 一、大模型 1.1 常用大模型 1.1.1 Qwen   ‌Qwen大模型‌是由阿里巴巴开发的系列大语言模型，最早在2023年8月开源，参数规模从18亿到720亿不等。Qwen系列模型包括基础模型和对话模型，基础模型涵盖多语言数据，对话模型则具备多种能力，如聊天、创作、摘要、信息抽取、翻译、代码生成和数学推理等‌。   Qwen系列模型的参数规模包括18亿（1.8B）、70亿（7B）
Llamafactory如何合并模型权重
Claire的博客
05-14 141
我之前用过llamafactory。但是我现在已经忘记如何合并权重了。
使用 gguf-split 进行 GGUF 模型的合并与分割
桑榆肖物
09-24 1万+
本文以 Qwen2.5 为例，介绍如何使用 gguf-split 工具进行 GGUF 模型的分片和合并，以便更高效地管理和使用大型模型。
将.sefatensors模型文件合并为.gguf模型文件，并使用ollama导入.gguf模型
chenlei456的博客
12-02 2885
不同的量化版本精度不同，例如Q2_0的模型文件最小，但模型的精度比Q4_0、Q8_0都更低，Q2_k跟Q2_0的区别是k是0的改进版，提供了另一个优化策略，在两者模型大小差不多的情况下，精度更高一点，后面Q2_k跟着的S、L、M、XL，应该就是跟衣服的码数差不多的意思，你选的越大对你的电脑的硬件要求就更大，F32就是最好的精度，IQ4_XS是电脑内存非常有限才选择。理论上这样是可行的，但是huggingface是国外的网站，每次我进行这样操作的时候，都会出现连接超时，并没有成功过。
LLaMA-Factory
AI工程化、开源分享、文档翻译、代码笔记
07-17 2495
一、关于 LLaMA-Factory 项目特色 性能指标 二、如何使用 1、安装 LLaMA Factory 2、数据准备 3、快速开始 4、LLaMA Board 可视化微调 5、构建 Docker CUDA 用户： 昇腾 NPU 用户： 不使用 Docker Compose 构建 CUDA 用户： 昇腾 NPU 用户： 数据卷详情 6、利用 vLLM 部署 OpenAI API 7、从魔搭社区下载 8、使用 W&B 面板 三、支持 1、模型 2、训练方法 3、数据集 预训练数据集 指令微调数据集 偏好
稳定扩散WebUI可组合LoRA插件安装与使用指南
gitblog_00316的博客
08-18 441
稳定扩散WebUI可组合LoRA插件安装与使用指南 项目地址:https://gitcode.com/gh_mirrors/st/stable-diffusion-webui-composable-lora 本指南旨在帮助您了解并使用GitHub上的开源项目stable-diffusion-webui-composable-lora，它提供了一个增强版的LoRA（Layer Of Randomiz...
lora_adapter 模型和原模型合并成一个模型
高颜值的杀生丸(此博客转载自我的博客园)
05-31 1282
lora 部分合并到原模型参数上 import torch from peft import PeftModel from transformers import AutoTokenizer, AutoModelForCausalLM, LlamaTokenizer from transformers.generation.utils import GenerationConfig de...
基于autodl与llama-factory微调llama3（五）
2201_75499442的博客
06-24 506
在autodl中安装的llama-factory中，为我们明确提供了将训练的checkpoint重新与大模型合并的python函数。其具体路径为：LLaMA-Factory/examples/merge_lora。修改完毕后，我们便可以利用以下代码，在终端中执行，便可以实现对应的模型合并工作。后续可以对该模型进行部署或是api的设计。
将模型文件转换为gguf
03-24
### 如何将AI模型文件转换为GGUF格式 要将AI模型文件转换为GGUF格式，通常可以通过特定的脚本来完成这一过程。以下是关于此操作的具体说明： #### 转换流程概述 `convert_hf_to_gguf.py` 是一个常用的脚本，用于将Hugging Face上的模型文件转换为GGUF格式[^3]。该脚本能够读取来自Hugging Face的预训练权重，并按照GGUF的标准重新组织这些数据。 #### 安装必要的依赖项 在执行转换之前，需要确保已安装所需的依赖库。这一步骤可能涉及Python包管理器pip或其他工具。具体命令如下所示： ```bash pip install transformers sentencepiece accelerate safetensors ``` 上述命令会安装一系列必需的库，以便成功运行转换脚本[^2]。 #### 使用脚本进行转换 假设已经准备好了目标模型的位置，则可通过调用 `convert_hf_to_gguf.py` 来启动转换进程。下面是一个典型的例子： ```bash python convert-hf-to-gguf.py --out_type q4_0 ./models/microsoft/phi-2 ``` 在此实例中，`--out_type q4_0` 参数指定了输出文件应采用何种量化级别；而最后的部分则是输入模型所在的目录路径[^4]。 #### 自动生成与手动设置输出位置 当不提供额外参数时，默认情况下生成的GGUF文件会被放置于源模型所在同一文件夹下[^1]。然而，如果希望更改默认行为或者指定确切的目标地址，那么可以利用 `--dst` 选项实现这一点。 #### 关于GGUF格式的意义 GGUF代表了一种改进后的单文件共享方案，旨在克服先前GGML版本中存在的局限性——比如缺乏足够的灵活性以及较差的兼容性和可维护性等问题[^5]。因此，在实际应用过程中选用这种新型格式往往能带来诸多便利之处。
评论 1
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