Datawhale llm-universe Task1 大模型简介

最新推荐文章于 2024-07-05 16:44:12 发布
最新推荐文章于 2024-07-05 16:44:12 发布
阅读量183 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/qq_46231296/article/details/134374194
版权

intro to LLM

  • 大模型发展路线图
    请添加图片描述
  • 做了个导图简单汇总 开源和闭源大模型
    请添加图片描述

intro to langchain

langchain 架构图

找到了一张很好的图，清晰地说明了langchain的六个核心模块分别是干啥的，以及相互怎么交互
请添加图片描述

相关的链接 Modules | 🦜️🔗 Langchain
下面我依据图来做一个langchain架构的解析
6 个核心模块组成:

  • （Model I/O）：以prompt来处理LLM的输入(模板template等)和输出(调整格式)
  • （Data connection）：从网络or向量数据库中检索文本并分割成小块(LLM处理长度有限)
  • （Chains）：Let LLM process step by step. 如此可以形成流水线，加快效率
  • （Memory）：主要用于维护LLM的短期记忆(其实就是上下文状态)
  • （Agents）：最早应该是起源于论文ReAct，让LLM在文字推理中学会调用一下外部api (感兴趣的可以看之后的文章，toolformer和graph-toolformer等)
  • （Callbacks）：跟踪大模型的状态等，例如其参数verbose就是对应一个回调函数
₍₍Ϡ(੭•̀ω•́)੭✧⃛.
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
动手学大模型应用开发第一章：大模型简介
raulyy7777的博客
04-17 1008
本文内容来自 https://datawhalechina.github.io/llm-universeLarge Language Model ， 简称 LLM，也称大语言模型，是一种旨在理解和生成人类语言的人工智能模型。LLM 通常指包含数百亿（或更多）参数的语言模型，它们在海量的文本数据上进行训练，从而获得对语言深层次的理解。目前，国外的知名 LLM 有 GPT-3.5、GPT-4、PaLM、Claude 和 LLaMA 等，国内的有文心一言、讯飞星火、通义千问、ChatGLM、百川等。
【4月组队学习-llm-universe笔记】 0基础小白 RAG应用开发实践笔记
valeriez04的博客
04-18 702
基于Langchain的检索增强生成的应用开发学习笔记——datawhale四月组队学习
llm-universe学习小记录1--LLM介绍
Adela0546的博客
04-17 961
大语言模型应用相关技术介绍
大模型探索：Datawhale llm-universe Task1 简介
xuezhangdaima的博客
06-09 18
找到了一张很好的图，清晰地说明了langchain的六个核心模块分别是干啥的，以及相互怎么交互。下面我依据图来做一个langchain架构的解析。
【打卡】2406Datawhale-llm-universe-task1
张不懂的博客
06-19 1065
LLM：Large Language Model，大语言模型PLM：Pre-trained Language Model，大规模预训练语言模型ICL：In-Context Learning，上下文学习Emergent Abilities，涌现能力GPT：Generative Pre-Training，生成式与训练语言模型，decoder-onlyRoPE，Rotary Position Embedding，旋转位置编码，LLaMA。
【打卡】2406Datawhale-llm-universe-task3
张不懂的博客
06-24 1167
LLM零基础，在这篇博客完成打卡记录。本项目是一个面向小白开发者的大模型应用开发教程，旨在基于阿里云服务器，结合个人知识库助手项目，通过一个课程完成大模型开发的重点入门。【教程地址】https://datawhalechina.github.io/llm-universe/【开源项目仓库】https://github.com/datawhalechina/llm-universe。
【打卡】2406Datawhale-llm-universe-task2
张不懂的博客
06-21 252
本项目是一个面向小白开发者的大模型应用开发教程，旨在基于阿里云服务器，结合个人知识库助手项目，通过一个课程完成大模型开发的重点入门。【开源项目仓库】https://github.com/datawhalechina/llm-universe。【教程地址】https://datawhalechina.github.io/llm-universe/LLM零基础，在这篇博客完成打卡记录。
【打卡】2406Datawhale-llm-universe-task5
张不懂的博客
06-28 160
本项目是一个面向小白开发者的大模型应用开发教程，旨在基于阿里云服务器，结合个人知识库助手项目，通过一个课程完成大模型开发的重点入门。【开源项目仓库】https://github.com/datawhalechina/llm-universe。【教程地址】https://datawhalechina.github.io/llm-universe/LLM零基础，在这篇博客完成打卡记录。
【打卡】2406Datawhale-llm-universe-task4
张不懂的博客
06-24 166
LLM零基础，在这篇博客完成打卡记录。本项目是一个面向小白开发者的大模型应用开发教程，旨在基于阿里云服务器，结合个人知识库助手项目，通过一个课程完成大模型开发的重点入门。【教程地址】https://datawhalechina.github.io/llm-universe/【开源项目仓库】https://github.com/datawhalechina/llm-universe。
【打卡】2406Datawhale-llm-universe-task6
张不懂的博客
06-30 304
核心是针对四种大模型 API 实现了底层封装，基于 Langchain 搭建了可切换模型的检索问答链，并实现 API 以及 Gradio 部署的个人轻量大模型应用。
LLM-RAG-WEB 大模型本地知识库召回
03-01
https://github.com/lonngxiang/LLM-RAG-WEB
算法部署-使用TensorRT-LLM部署llama大模型-毕业设计-附详细性能优化+分析+实现流程教程-优质大模型部署项目实战
03-06
算法部署_使用TensorRT-LLM部署llama大模型_毕业设计_附详细性能优化+分析+实现流程教程_优质大模型部署项目实战
大型语言模型 (LLM)全解读.pdf
01-30
大型语言模型（LLM）是深度学习领域的重要组成部分，专门设计用于处理自然语言处理（NLP）任务。这些模型基于深度神经网络，尤其是转换器架构，能够理解和生成文本，涵盖了从简单的语言识别到复杂的语义理解等多个...
大模型该被知道的技术实现-LLM
10-31
LLM+技术发展+技术实现+xmind清晰思路。帮助快速理清大模型实现需要的技术，快速定位自身实现大模型需要的基础能力及如何微调，如何进行思维链提示，即如何进行IT、COT等工作。
算法部署-使用TensorRT-LLM部署大模型-附详细优化+分析流程教程-优质大模型部署项目实战.zip
06-05
算法部署-使用TensorRT-LLM部署大模型-附详细优化+分析流程教程-优质大模型部署项目实战.zip算法部署-使用TensorRT-LLM部署大模型-附详细优化+分析流程教程-优质大模型部署项目实战.zip算法部署-使用TensorRT-LLM...
使用Python实现深度学习模型：序列建模与生成模型的博客教程
Echo_Wish的博客
07-02 1029
本文介绍了使用Python实现深度学习模型的序列建模和生成模型的步骤。我们详细说明了每个步骤，并提供了相应的代码示例。通过学习本文，您将能够使用Python构建和训练序列建模和生成模型，并生成新的序列数据。希望本文对您有所帮助！如果您有任何问题或建议，请随时提出。
开思通智网-科技快报20240704：全球首个，人工智能之城，AI填报志愿
最新发布
opensnn的博客
07-05 282
【本周新进展】【本周国外资讯】【其他】
【遥感语义分割】UNetFormer
m0_53700832的博客
07-05 709
原文：UNetFormer: An UNet-like Transformer for Efficient Semantic Segmentation of Remotely Sensed Urban Scene Imagery Libo Wang1, 2, Rui Li1, Ce Zhang3, 4, Shenghui Fang1*, Chenxi Duan5, Xiaoliang Meng1, 2 and Peter M. Atkinson3, 6, 7 1) School of Remote Se
llama-factory llm - lora 模型合并与保存
11-18
llama-factory是一个用于深度学习模型开发和训练的开源库，它提供了各种工具和功能来简化模型开发的流程。在llama-factory中，llm和lora是两种常用的模型类型，它们分别代表了不同的深度学习模型架构。 要合并llm和lora模型，首先需要确保它们具有相同的输入和输出形状。然后可以使用llama-factory提供的模型合并工具来将它们合并成一个新的模型。在合并的过程中，需要考虑到每个模型的权重和参数，确保它们能够正确地融合在一起。 一旦模型合并完成，就可以使用llama-factory提供的模型保存功能将新模型保存到硬盘上。保存模型时，可以选择不同的格式和配置来满足不同的需求，比如选择不同的压缩算法或者保存为不同的文件类型。保存模型的同时，还可以保存模型的元数据和其他相关信息，以便在以后能够方便地加载和使用模型。 总的来说，llama-factory提供了一整套完善的工具和功能来处理深度学习模型的合并和保存。通过合并和保存模型，开发者可以更方便地管理和使用复杂的深度学习模型，从而加快模型开发和部署的速度。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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