LLM_Study_Note_Day3

已于 2024-01-22 18:06:48 修改
阅读量360 收藏 5
点赞数 10
文章标签： 语言模型 人工智能
于 2024-01-20 21:16:30 首次发布
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/weixin_43965929/article/details/135721837
版权
本文介绍了如何利用大模型开发范式结合LangChain技术，构建自己的知识库，包括向量数据库的构建、知识库助手的设计以及webdemo的部署过程。作者因病延误提醒大家关注健康。
摘要由CSDN通过智能技术生成

基于 InternLM 和 LangChain 搭建你的知识库

注：前几天生病，导致了笔记、作业提交延迟了。最近天气变化大，希望大家注意身体。

视频地址：基于 InternLM 和 LangChain 搭建你的知识库_哔哩哔哩_bilibili

1、大模型开发范式

2、LangChain简介

3、构建向量数据库

4、构建知识库助手

5、web demo部署

Rigel9527
关注
  • 10
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
XIAOAI_LLM_FINAL_1115.apk
11-20
XIAOAI_LLM_FINAL_1115.apk
XIAOAI_LLM_FINAL_1031-4.apk
11-07
XIAOAI_LLM_FINAL_1031-4.apk
LLM_Study_Note_Day5
weixin_43965929的博客
01-23 352
2、LMDeploy简介。
LLM_Study_Note_Day4
weixin_43965929的博客
01-22 389
1、Finetune 简介。3、8G显卡玩转LLM。2、xTuner介绍。
LLM_Study_Note_Day2
weixin_43965929的博客
01-13 322
二、InternLM-Chat-7B智能对话。一、大模型及InternLM模型介绍。三、Lagent 智能体工具调用。四、浦语·灵笔图文创作。
LLM_Study_Note_Day6
weixin_43965929的博客
01-25 312
视频地址：1、为什么需要评测2、需要测什么？3、如何去测试？
LLM_Study_Note_Day1
weixin_43965929的博客
01-13 413
6.1 数据：文本数据、图像-文本数据集、视频数据。三、大模型系列：轻量级、中量级、重量级。一、大模型的发展历史和应用模型和领域。五、模型到应用的流程。
LLMs之FLM-101B：《FLM-101B: An Open LLM and How to Train It with $100K Budget一个开放的LLM和如何用10万美元的预算训练训它》翻
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
09-26 2147
​ LLM之FLM-101B：《FLM-101B: An Open LLM and How to Train It with $100K Budget一个开放的LLM和如何用10万美元的预算训练训它》翻译与解读 目录 《FLM-101B: An Open LLM and How to Train It with $100K Budget》翻译与解读 Abstract摘要 1 Introduction引言 2 Design Overview of FLM-101B—FLM-1
LLMs：《A Survey of Large Language Models大语言模型综述》的翻译与解读(一)之序言(挑战+LM四阶段+LLM与PLM的三大区别)、概述(两个代表性扩展定律/涌现能力
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
07-05 4874
​ LLMs：《A Survey of Large Language Models大语言模型综述》的翻译与解读(一)之序言(挑战+LM四阶段+LLM与PLM的三大区别)、概述(两个代表性扩展定律/涌现能力三种典型/六大关键技术+GPT系列技术演进)、资源(开源模型/闭源API+六类语料库+三种框架库) LLMs：大型语言模型发展综述—序言(挑战+LM四阶段+LLM与PLM的三大区别)、概述(两个代表性扩展定律/涌现能力三种典型/六大关键技术+GPT系列技术演进)、资源(开源模型/闭源API
LLMs:《OPT: Open Pre-trained Transformer Language Models》翻译与解读
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
07-31 4869
​ LLMs:《OPT: Open Pre-trained Transformer Language Models》翻译与解读 目录 《OPT: Open Pre-trained Transformer Language Models》翻译与解读 Abstract 1、Introduction 2 、Method方法 3、Evaluations评估 4 Bias & Toxicity Evaluations偏见和有害性评估 5 Limitatio
LLMs：《BLOOM: A 176B-Parameter Open-Access Multilingual Language Model》翻译与解读
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
12-31 4253
​ LLMs：《BLOOM: A 176B-Parameter Open-Access Multilingual Language Model》翻译与解读 目录 《BLOOM: A 176B-Parameter Open-Access Multilingual Language Model》翻译与解读 Abstract 1、Introduction介绍 2、Background背景 3、BLOOM
LLM.zip_LLM_mushroom_蘑菇_蘑菇 分类_蘑菇算法
07-15
基于线性学习机的蘑菇分类算法源代码，包含结果
llm.rar_Freescale_LLM_点火_脉冲点火_脉冲点火器
09-19
标题中的“llm.rar_Freescale_LLM_点火_脉冲点火_脉冲点火器”暗示了这是一个关于Freescale公司的LLM（可能是某种特定的微控制器或芯片系列）在点火系统中应用的资料，特别是涉及到脉冲点火技术。描述中提到的“脉冲...
llm0308_myUART.rar_reciever.vhd _uart fpga
07-13
FPGA通信模块设计程序，比较详细~UART程序
AGI 之 【Hugging Face】 的【问答系统】的 [构建问答系统] / [ 构建基于评论的问答系统 ] 的简单整理
仙魁XAN
07-12 777
AGI，即通用人工智能（Artificial General Intelligence），是一种具备人类智能水平的人工智能系统。它不仅能够执行特定的任务，而且能够理解、学习和应用知识于广泛的问题解决中，具有较高的自主性和适应性。AGI的能力包括但不限于自我学习、自我改进、自我调整，并能在没有人为干预的情况下解决各种复杂问题。AGI能做的事情非常广泛：跨领域任务执行：AGI能够处理多领域的任务，不受限于特定应用场景。自主学习与适应：AGI能够从经验中学习，并适应新环境和新情境。
人工智能在自动驾驶中的目标检测研究
zhumin726的专栏
07-10 672
视觉识别技术在自动驾驶中的目标检测扮演着不可或缺的角色。通过不断优化目标检测算法，结合最新的深度学习技术，自动驾驶车辆将能够更加准确、安全地感知周围环境，实现真正的无人驾驶。视觉识别技术使得车辆能够像人类一样“看”到周围环境，通过图像处理和深度学习算法，实现对周围目标的检测和识别。我们将详细讨论目标检测的基本原理、常用算法、最新进展、已有的开源项目及其在自动驾驶中的应用和挑战。通过这些详细的讨论和分析，我们可以更好地理解人工智能在自动驾驶中如何通过视觉识别进行目标检测，并进一步推动这一技术的研究和应用。
聊聊如何在内网下构建大模型微调环境
最新发布
python1234567_的博客
07-12 703
LlamaFactory新版更新后，还是比较方便，只是说llamafactory-cli命令的确是有点蒙，踩个坑就好了。对于LlamaFactory微调来说，本身不难，毕竟都是配置；主要是在内网环境下的依赖包拉取安装是真麻烦，但其实也还好。走一遍的话，还是可以学到很多的。​。
YOLOv10改进 | 特殊场景检测篇 | 轻量级的低照度图像增强网络IAT改进YOLOv10暗光检测（全网独家首发）
热门推荐
Snu77的博客
07-11 1万+
本文给大家带来的改进机制是轻量级的变换器模型：Illumination Adaptive Transformer (IAT)，用于图像增强和曝光校正。其基本原理是通过分解图像信号处理器（ISP）管道到局部和全局图像组件，从而恢复在低光或过/欠曝光条件下的正常光照sRGB图像。具体来说，IAT使用注意力查询来表示和调整ISP相关参数，例如颜色校正、伽马校正。模型具有约90k参数和约0.004s的处理速度，能够在低光增强和曝光校正的基准数据集上持续实现优于最新技术（State-of-The-Art, SOTA）
llm_survey__chinese_v1.pdf
08-11
llm_survey__chinese_v1.pdf 是一个问卷调查文件，使用中文编写。问卷可能包含一系列问题，用于收集关于某个特定主题或者群体的数据和意见。 这个调查文件的目的可能是为了了解特定主题的现状、趋势或者普遍意见。问卷中的问题可能是封闭式的选择题，也可能是开放式的回答题，以便参与者可以自由表达自己的观点。 回答这个调查问卷可能需要一定的时间和努力，但是参与者的回答对于研究者或者组织来说非常重要。通过分析和整理问卷回答的数据，研究者或者组织可以获得有关特定主题的信息，从而做出相关的决策或者改进。 为了确保调查的有效性和可靠性，可能会采用一些技术手段，例如匿名回答、随机样本选择、统计分析等。同时，为了增加参与者的积极性和参与度，可能会提供奖励或者其他激励措施。 总之，llm_survey__chinese_v1.pdf 是一个用于收集关于某个特定主题或者群体的数据和意见的调查问卷文件。通过参与回答者的努力，研究者或者组织可以获取有关特定主题的信息，以便做出相关的决策或者改进。

“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
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