自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(5)
  • 资源 (5)
  • 收藏
  • 关注

原创 轻松玩转书生·浦语大模型趣味 Demo (笔记和作业)

Lagent 是一个轻量级、开源的基于大语言模型的智能体(agent)框架,支持用户快速地将一个大语言模型转变为多种类型的智能体,并提供了一些典型工具为大语言模型赋能。它的整个框架图如下:流式输出:提供 stream_chat 接口作流式输出,本地就能演示酷炫的流式 Demo。接口统一,设计全面升级,提升拓展性,包括:Model : 不论是 OpenAI API, Transformers 还是推理加速框架 LMDeploy 一网打尽,模型切换可以游刃有余;

2024-05-26 19:15:02 838

原创 课程及 InternLM2 技术报告笔记

书生·浦语 2.0(InternLM2)的主要亮点。书生·浦语 2.0(InternLM2)的体系。全链条开源开放体系 | 开放高质量语料数据。CompassRank:中立全面的性能榜单。大模型成为发展通用人工智能的重要途径。全链条开源开放体系 | 预训练。全链条开源开放体系 | 智能体。书生·浦语全链条开源开放体系。全链条开源开放体系 | 微调。全链条开源开放体系 | 评测。全链条开源开放体系 | 部署。全链条开源开放体系 | 部署。书生·浦语全链条开源开放体系。书生·浦语大模型开源历程。

2024-05-26 18:03:47 396

原创 书生·浦语大模型实战营

Lagent 是一个轻量级、开源的基于大语言模型的智能体(agent)框架,支持用户快速地将一个大语言模型转变为多种类型的智能体,并提供了一些典型工具为大语言模型赋能。它的整个框架图如下:流式输出:提供 stream_chat 接口作流式输出,本地就能演示酷炫的流式 Demo。接口统一,设计全面升级,提升拓展性,包括:Model : 不论是 OpenAI API, Transformers 还是推理加速框架 LMDeploy 一网打尽,模型切换可以游刃有余;

2024-05-11 00:38:45 816

原创 Ubuntu 2204 安装CUDA以及CUDNN

这是一篇如何在Ubuntu22服务器上安装CUDA已经CUDNN的教程。

2024-05-10 18:07:01 410

原创 Llama 3 实践教程(InternStudio 版)

准备工作可以查看。

2024-05-08 22:18:38 914

A进军硅谷 程序员面试揭秘 技术移民参考手册

进军硅谷——程序员面试揭秘》介绍了如何在硅谷求职,以及剖析了具有代表性的150道热门硅谷公司的面试题,从面试技巧、基础知识、解题思路和效率优化等方面总结面试和解题规律。《进军硅谷——程序员面试揭秘》分为四部分共19章,包含出国工作途径、IT求职准备等,以及常见数据结构、算法、大数据、系统设计和面向对象语言等方面的题目和解题思路,并提炼出解题的5个步骤:复述/提问、举例、观察、编码和测试。《进军硅谷——程序员面试揭秘》精选出的面试题是硅谷热门公司的高频题,可以用来作为面试前的练习。对于每道题,《进军硅谷——程序员面试揭秘》尽可能给出多种解法,对日常工作中遇到的问题也有一定启发性。 《进军硅谷——程序员面试揭秘》适合正在应聘程序员相关职位的就业人员阅读和参考,特别是打算寻求美国IT公司职位并想通过技术移民实现美国梦的程序员。

2018-09-02

《算法图解》[美] Aditya Bhargava(作者)mobi

解压后就行了 mobi格式 本书示例丰富,图文并茂,以简明易懂的方式阐释了算法,旨在帮助程序员在日常项目中更好地利用算法为软件开发助力。前三章介绍算法基础,包括二分查找、大O 表示法、两种基本的数据结构以及递归等。余下的篇幅将主要介绍应用广泛的算法,具体内容包括:面对具体问题时的解决技巧,比如何时采用贪婪算法或动态规划;散列表的应用;图算法;K 最近邻算法。

2018-02-23

机器学习实战 mobi

机器学习是人工智能研究领域中的一个极其重要的方向。在现今大数据时代的背景下捕获数据并从中萃取有价值的信息或模式使得这一过去为分析师与数学家所专属的研究领域越来越为人们瞩目。本书通过精心排的实例切入日常工作任务摒弃学术化语言利用高效可复用的Python 代码阐释如何处理统计数据进行数据分析及可视化。读者可从中学到一些核心的机器学习算法并将其运用于某些策略性任务中如分类、预测及推荐等。本书适合机器学习相关研究人员及互联网从业人员学习参考。

2018-02-23

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除