放飞自我的Coder-CSDN博客

CTSDB数据集yolo格式- 每个对象一行- 每一行是 class x_center y_center width height 格式。方框坐标必须在归一化 xywh 格式（从 0 到 1）。如果您的方框以像素为单位，则除以 x_center 和 width 图像宽度，以及 y_center 和 height 按图像高度计算。类号以 0 为索引（从 0 开始）。

2024-03-27 14:01:15 328 1

原创【分享一个代码 RAG+PDF 相关性内容高亮显示】

【代码】【分享一个代码 RAG+PDF 相关性内容高亮显示】

2024-03-16 16:43:37 453

原创【基于langchain + streamlit 完整的与文档对话RAG】

完全基于langchain开发的基于streamlit的本地运行的文档问答webdemo

2024-03-12 23:05:52 1239

原创【streamlit 选择文件夹的曲折方案】

streamlit 选择文件夹的曲折方案，直接看代码, 使用tkinter这个工具进行选择。

2024-03-11 11:43:54 906

原创【xinference部署大模型超详细教程 gemma-it为例子】

【代码】【xinference部署大模型超详细教程 gemma-it为例子】

2024-03-10 18:12:33 4585 2

原创【linux 使用ollama部署运行本地大模型完整的教程，openai接口， llama2例子】

【linux 使用ollama部署运行本地大模型完整的教程，openai接口， llama2例子】

2024-03-10 01:45:27 8396 5

原创【使用 langchain 创建RAG知识库完整教程】

安装对应的库导入工具包初始化一些东西（向量库，模板，模型LLM）构建chain, 使用LCEL技术开始使用。

2024-03-10 01:27:01 1471

原创【streamlit & langchain 搭建一个超简单的具有记忆能力的对话应用】

【代码】【streamlit & langchain 搭建一个超简单的具有记忆能力的对话应用】

2024-03-08 17:46:50 661

原创【langchain 创建向量数据库非常完善的代码】

- 支持faiss chroma两种数据库(faiss-cpu 支持旧数据库的合并)- 支持避免重复文件embedding（hash）- 支持众多主流的文件格式- 支持huggingface的embedding模型- 优化了切分chunk的策略- 支持多线程处理文件

2024-03-02 21:29:14 1101 1

原创【langchain中自定义LLM 超详细一步到位以together为例子】

这里有一个创建自定义LLM包装器的示例代码（https://python.langchain.com/docs/modules/model_io/llms/custom_llm），但我们将通过类型验证、异常处理和日志记录使其变得更好。是LLM的一个抽象基类，这意味着它为其他类提供了一个模板，但并不意味着它自己被实例化。它旨在通过在内部处理LLM的复杂性，为LLM的工作提供一个更简单的界面，允许用户更容易地与这些模型交互。方法用户更友好的界面来简化与LLM的交互。模块通过提供比直接实现。

2024-02-13 20:01:37 2240 2

原创【LLM 部署chatglm3完整教程超详细（国内急速下载modelscope）】

【LLM 部署chatglm3完整教程超详细（国内急速下载modelscope）】

2024-02-06 17:32:41 1072

转载【PyTorch Data Parallel Best Practices on Google Cloud】

pytorch 分布式数据并行最佳实践，fsdp,pdp,ddp

2024-01-31 01:36:37 64

翻译【pytorch FSDP 官方例程很详细】

FSDP分布式数据并行。每个GPU都有一套完整的模型（权重，优化器，梯度），只是所有的GPU均分了Batchsize数量的训练数据。：每个GPU仅仅有一套完整模型（权重，优化器，梯度）的一部分。分担了GPU显存和计算压力。

2024-01-31 01:15:49 911

原创【llm 使用llama 小案例】

【代码】【llm 使用llama 小案例】

2024-01-19 11:53:37 571

原创【llm 微调code-llama 训练自己的数据集一个小案例】

微调coda-llama-7b 训练自己的数据集。jsonl格式，三个字段：context, answer, question。

2024-01-19 01:20:23 3824

原创【llm 部署运行videochat--完整教程】

【代码】【llm 部署运行videochat--完整教程】

2024-01-10 22:47:46 808

转载通俗的讲解RAG技术以及与微调的对比

This article will discuss one of the most applicable uses of Language Learning Models (LLMs) in enterprise use-case, Retrieval Augmented Generation (“RAG”). RAG is the biggest business use-case of LLMs, and it will be increasingly important to understand R

2023-12-25 11:36:53 387

翻译【llm 使用vLLM部署本地大模型】

使用vLLM部署本地大模型 llm

2023-12-25 11:01:07 2277

原创 Technical Considerations for Complex RAG (Retrieval Augmented Generation)

In this article, we discuss various technical considerations when implementing RAG, exploring the concepts of chunking, query augmentation, hierarchies, multi-hop reasoning, and knowledge graphs. We also discuss unsolved problems & opportunities in the RAG

2023-12-21 20:07:10 966

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

sh.600000.csv股票数据集

pytorch-1.4.0-py3.8_cuda101_cudnn7_0.tar.bz2

ComplexNode_SPMA 基于INET平台的仿真代码

Matlab实现SeamCarving算法 放大缩小图片(包含GUI)

TG12864B中文参考文档

空空如也

Matlab实现SeamCarving算法放大缩小图片(包含GUI)