基于深度学习大模型实现离线翻译模型私有化部署使用,通过docker打包开源翻译模型,可到内网或者无网络环境下运行使用,可以使用一千多个翻译模型语言模型进行翻译

基于深度学习大模型实现离线翻译模型私有化部署使用,通过docker打包开源翻译模型,可到内网或者无网络环境下运行使用,可以使用一千多个翻译模型语言模型进行翻译,想要什么语种直接进行指定和修改就行。

在这里插入图片描述

环境要求,电脑内存低于8G建议不要尝试了,有无GPU都可以运行,但是有GPU性能更好。

我在后面已经通过docker打包好所有环境了,对应的完整代码和服务都发布了,可以免费使用。了解过程的可以根据下面的步骤一步一步来掌握:

在这里插入图片描述

1)准备一个Linux环境,这里以CentOS为例,也可以使用我之前封装好的镜像环境:

docker pull ycj520/centos:1.0.1

docker run -itd --name centos_1 -p 2222<
  • 17
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 3
    评论
【资源介绍】 基于Bert预训练模型微调命名实体识别项目python源码+使用说明+模型(支持docker部署).zip 基于Bert(或Robert)预训练模型微调命名实体识别任务,并提供基于docker的Tensor Serving部署模型方案实现过程。 # 1. 数据 人名日报标注语料,具体格式见data目录中txt文件。 # 2. 类别 训练数据使用 BIO 标注方式,总共分为3种实体(person_name-人名、org_name-机构名、location-地名、other-其他) 对应的标签: person_name: B-PER I-PER org_name: B-ORG I-ORG location: B-LOC I-LOC other: O 以及 [CLS] [SEP] X 标签 可在 information.yaml 配置文件中查看。 训练 # 1. 环境 * python 3.6+ * tensorflow 1.9.0+ # 2. 项目结构 ``` bert_ner |________bert # 官方bert代码 |________chinese_L-12_H-768_A-12或roberta_zh_l12: |________checkpoint # 模型固化 |________data # 数据集 |________model # 模型固化PB格式,用于tensor serving部署 |________run_ner.py # 模型运行程序 |________information.yaml # 配置文件 |________infer.py # 预测程序 |________utils_.py # 预测阶段文本处理程序 ``` 运行 不建议使用命令行解析方式修改超参数,在调参过程中需要频繁修改超参数,在文件中修改既方便,也不会出错。 ``` python3 run_ner.py ``` 【备注】 该项目是个人毕设/课设/大作业项目,代码都经过本地调试测试,功能ok才上传,高分作品,可快速上手运行!欢迎下载使用,可用于小白学习、进阶。 该资源主要针对计算机、通信、人工智能、自动化等相关专业的学生、老师或从业者下载使用,亦可作为期末课程设计、课程大作业、毕业设计等。 项目整体具有较高的学习借鉴价值!基础能力强的可以在此基础上修改调整,以实现不同的功能。 欢迎下载使用,也欢迎交流学习!
1.项目代码功能经验证ok,确保稳定可靠运行。欢迎下载使用! 2.主要针对各个计算机相关专业,包括计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网等领域的在校学生、专业教师或企业员工使用。 3.项目具有丰富的拓展空间,不仅可作为入门进阶,也可直接作为毕设、课程设计、大作业、初期项目立项演示等用途。 4.当然也鼓励大家基于此进行二次开发。在使用过程中,如有问题或建议,请及时私信沟通。 5.期待你能在项目中找到乐趣和灵感,也欢迎你的分享和反馈! 【资源说明】 基于非线性模型预测控制的移动机械臂运动规划与控制Python源码+使用说明(支持docker部署).zip 基于(非线性)模型预测控制的移动机械臂(mobile manipulator)运动规划与控制。 安装 ## 1. 使用Docker进行部署(推荐) 自行安装docker。随后在任意路径下执行以下命令。 ```bash csdn下载项目并解压重命名为mobile_manipulator_mpc cd mobile_manipulator_mpc bash build.sh ``` 耐心等待docker镜像构建完毕(大约10分钟),期间无需任何操作。构建完毕后,执行以下命令: ```bash xhost + docker run -it -e DISPLAY=$DISPLAY -v /tmp/.X11-unix:/tmp/.X11-unix mm_mpc:0.1.0 ``` 此时将进入名为mm_mpc的docker容器,在容器里编译: ```bash cd ~/catkin_ws catkin build -j ``` 在笔者的电脑上,约16s左右即可编译完毕。 ## 2. 自行编译 可参考Dockerfile的内容自行编译。 # Demos ## Demo1-移动机械臂末端执行器移动至目标点 ```bash source ~/catkin_ws/devel/setup.bash roslaunch open_door_mpc rob_demo.launch ``` 随后拖动Rviz中的交互对象,右键发送目标,移动机械臂即可实现跟随。 ![demo](pic/mm_demo.gif)

“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 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

代码讲故事

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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