DataWhale和趋动云联合活动：大模型实践作业笔记

DataWhale和趋动云联合活动：大模型实践作业笔记

过程记录：

整个过程和本地开发部署流程是类似的。

1. 首先是创建项目，包括：项目名称，配置环境（这里是使用镜像，非常方便！），拉取代码，选择数据，预训练模型。和一般的深度学习开发过程是一样的。这个过程不难，关键在于细心，环境（镜像）不要选错。
   

2. 然后进行拉取代码，做相应的改动。开发者工具中，JupyterLab可以很方便地对代码进行修改。网页终端基本操作就是常用的linux命令，由于对ubuntu系统比较熟悉，所以对相关的命令操作比较得心应手，没有特别困难的地方。
   

3. 最后，是按教程的运行对应的代码入口文件。

作业之外关注到的一些东西：

1. 关于趋动云平台的使用，对各个功能模块框架有了基本的了解。

2. **docker镜像：**头一次体会到镜像带来的便利性，之前也对docker镜像有所耳闻，但没有做过多的了解。接下来一定要把这个工具学起来用起来！官方还提供了非常详细的配套手册，
   

3. **关注开源，拥抱开源，善用开源。**DataWhale还有很多开源项目，这些开源项目的参与者都是出于对开源的热爱，自发的把自己对知识的理解汇总成详细的学习笔记。这其实是非常难得的资料，首先是所有代码都是亲自实践并成功可运行的，其次是作为学生笔记，与很多教材不同，市面上有一部分教材是为评职称写的，质量难以保证；还有一部分是写得非常深，也就是不够接地气。而这样的一份开源笔记实则是最适合作为学习资料的。正巧近期也在看Transformer，正愁找不到相关的代码，不会难以理解写得很复杂的代码其实不好找。
   
   

三次作业给我带来的收获：

• 第一次通过线上云端部署大模型，熟悉了整个流程，体会到了整个过程的便捷性，特别是在搭建环境的过程。

• 感谢有一群热心善良的开源贡献者，从今天起，也要不断提升自己的实力，努力加入开源贡献者的行列，为行业发光发热，学有所用，用有所成！

接下来要做的任务：

1. 感谢DataWhale组织的活动，感谢趋动云送的算力。三个任务跑完之后仅用了6算力点，还剩160多算里，接下来要好好利用，把之前在实验室跑不动的实验安排上！尝试在云端跑模型代码。
2. 学习docker镜像的相关知识。后面需要能够自己熟练地给自己的环境打包。工欲善其事，必先利其器！