与神共舞

QLoRA (Quantized Low-Rank Adaptation) 是一种结合了模型量化和低秩适配的技术，旨在减少大规模预训练模型微调和部署的计算和存储成本。参数高效：通过这种方式，只需微调少量参数（即低秩矩阵的参数），而非整个模型的参数，从而大大降低了存储和计算成本。低秩适配 (LoRA)：在量化后的模型上应用低秩适配技术，仅微调少量附加的低秩矩阵，从而保持微调的高效性。低秩适配：在量化后的模型基础上进行低秩适配，通过引入低秩矩阵来进行微调，从而节省参数数量和计算开销。

不同项目设置不同的cuda版本 YYDS。

网站瞅一瞅。

如未安装，下载对应的cuda版本安装 不要安装驱动下载对应的cudacuda pytorchcuda 下载Pytorch深度学习实战3-1：最新Windows/Ubuntu双系统Pytorch图文安装教程-CSDN博客

https://towardsdatascience.com/understanding-variational-autoencoders-vaes-f70510919f73

nyu v2$ cd ~/workspace/bts$ python utils/download_from_gdrive.py 1AysroWpfISmm-yRFGBgFTrLy6FjQwvwP ../dataset/nyu_depth_v2/sync.zip$ unzip sync.zip

打开VNC Viewer，输入Ubuntu的ip地址和上面设置的密码。Mac端 下载安装VNC Viewer。在终端安装X11vnc。ubuntu有显示器。

introduction_哔哩哔哩_bilibiliResources - EECS 208

DEEP LEARNING INTERVIEWS

based LLM （我是聪明宝宝）0and instruction-tuned LLM (让聪明的宝宝青出于蓝而胜于蓝)走马观花一下大佬的建议 -Make Every Day Count。拿到你的key 玩一把。两倍加速 囫囵吞枣一番。

Generative Modeling by Estimating Gradients of the Data Distribution | Yang Song Score Matching 系列 (一) Non-normalized 模型估計 | 棒棒生

Vision-based Intention and Trajectory Prediction in Autonomous Vehicles: A SurveyFirstly for all different kinds of source data, extract the features(map the raw data to a DL based latent space). In the latent space objective detection tracking predicts

【代码】fintune。

linux pycharm anaconda

https://trayansh.medium.com/setting-machine-learning-environment-on-m1-mac-apple-silicon-959836bf494dsudo xcode-select --install/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"So if you haven’t config the

https://zhuanlan.zhihu.com/p/343769603

Protesters