langchain下的安装步骤GLM

最新推荐文章于 2024-04-18 16:00:07 发布

阿明 -李明

最新推荐文章于 2024-04-18 16:00:07 发布

阅读量869

点赞数

文章标签： langchain

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_44094615/article/details/131757210

版权

一、在阿里云的免费下进行，感谢阿里

安装完一定要看显卡安装情况

nvidia-smi

二、进行conda的安装（可以用简版）

1、wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
2、bash Miniconda3-latest-Linux-x86_64.sh
3、安装完成后，关闭当前终端并打开新终端，这将激活 Conda，

4、sudo su - root
5、conda update conda

更新conda，下面是增加软件包渠道

conda config --add channels conda-forge
conda config --add channels defaults
conda list

三、进行虚拟环境安装配置

conda create -n langchain-chatglm python==3.10.4
conda activate langchain-chatglm

四、部署langchain+GLM

git clone https://github.com/imClumsyPanda/langchain-ChatGLM;

cd langchain-ChatGLM
pip3 install -r requirements.txt
pip3 install -U gradio
pip3 install modelscope

注意：我的GLM存在langchain-GLM 的同级目录,因此在config.py 就在config目录下，需要修改路径为：../chatglm-6b 注意是2个点。。修改完就可以load model正常了

五、启动

python webui.py

开始加载模型，估计要几分钟吧。。。

使用浏览器打开 http://localhost:7860/

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
1
评论
langchain下的安装步骤GLM

我的GLM存在langchain-GLM 的同级目录,因此在config.py 就在config目录下，需要修改路径为：../chatglm-6b 注意是2个点。修改完就可以load model正常了。3、安装完成后，关闭当前终端并打开新终端，这将激活 Conda，二、进行conda的安装（可以用简版）更新conda，下面是增加软件包渠道。四、部署langchain+GLM。开始加载模型，估计要几分钟吧。安装完一定要看显卡安装情况。三、进行虚拟环境安装配置。
复制链接

扫一扫

阿明 -李明 CSDN认证博客专家 CSDN认证企业博客

码龄6年

中金汇安（北京）科技有限公司

25: 原创

106万+: 周排名

27万+: 总排名

2万+: 访问

: 等级

280: 积分

5: 粉丝

14: 获赞

17: 评论

46: 收藏

私信

关注

热门文章

最新评论

Unbuntu中文语言错乱问题
阿明 -李明: 继续增加输入： sudo apt install ibus sudo apt-get install ibus-pinyin 启动选择拼音作为输入： iibus-setup ibus-setup
langchain下的安装步骤GLM
阿明 -李明: 引用「conda create -n langchain-chatglm python==3.10.4」 jupyter notebook # or jupyter notebook --allow-root
关于AB测试的效果推论
阿明 -李明: # 利用python 进行AB测试检验，发现测试数据之间的关系 from scipy.stats import ttest_ind import numpy as np # n1_samples = [64.2, 28.4, 85.3, 83.1, 13.4, 56.8, 44.2] # n2_samples = [45, 29.5, 32.3, 49.3, 18.3, 34.2, 43.9] n1_samples = np.array([[1,1.2],[1.03,1.03],[1.2,1.02],[0.89,0.95],[0.92,0.89]]) n2_samples = np.array([[2,2.1],[2.13,2.53],[3.23,2.22],[1.9,2.95],[1.95,1.89]]) p1 = np.array([0.05,0.05]) p2 = np.array([0.01,0.01]) print("标准差", np.std(n1_samples)) print("标准差", np.std(n2_samples)) # 独⽴双样本 t 检验的⽬的在于判断两组样本之间是否有显著差异： # 当我们使⽤scipy.stats.ttest_ind(x, y)，我们建⽴的假设是在x.mean()-y.mean()，但常为了得到正值结果，我们常会要求x.mean()>y.mean()。 # 即放置顺序是(n1_samples, n2_samples)，⽽不是(n2_samples, n1_samples) t_val, p = ttest_ind(n1_samples, n2_samples) print('t值：',t_val," p值：", p) if (p < p2).all() : print("2个数组之间重大差异，可以视为模型对数据结果影响度非常大") elif (p < p1).all() : print("2个数组之间有差异，,可以视为模型对数据结果影响度比较大") else: print("2个数组之间没有差异")
关于AB测试的效果推论
阿明 -李明: [code=python] # 利用python 进行AB测试检验，发现测试数据之间的关系 from scipy.stats import ttest_ind import numpy as np # n1_samples = [64.2, 28.4, 85.3, 83.1, 13.4, 56.8, 44.2] # n2_samples = [45, 29.5, 32.3, 49.3, 18.3, 34.2, 43.9] n1_samples = np.array([[1,1.2],[1.03,1.03],[1.2,1.02],[0.89,0.95],[0.92,0.89]]) n2_samples = np.array([[2,2.1],[2.13,2.53],[3.23,2.22],[1.9,2.95],[1.95,1.89]]) p1 = np.array([0.05,0.05]) p2 = np.array([0.01,0.01]) print("标准差", np.std(n1_samples)) print("标准差", np.std(n2_samples)) # 独⽴双样本 t 检验的⽬的在于判断两组样本之间是否有显著差异： # 当我们使⽤scipy.stats.ttest_ind(x, y)，我们建⽴的假设是在x.mean()-y.mean()，但常为了得到正值结果，我们常会要求x.mean()>y.mean()。 # 即放置顺序是(n1_samples, n2_samples)，⽽不是(n2_samples, n1_samples) t_val, p = ttest_ind(n1_samples, n2_samples) print('t值：',t_val," p值：", p) if (p < p2).all() : print("2个数组之间重大差异，可以视为模型对数据结果影响度非常大") elif (p < p1).all() : print("2个数组之间有差异，,可以视为模型对数据结果影响度比较大") else: print("2个数组之间没有差异") [/code]
关于AB测试的效果推论
阿明 -李明: 为了给大家省事，贴一段python代码，用于做数组间测试使用

您愿意向朋友推荐“博客详情页”吗？

强烈不推荐
不推荐
一般般
推荐
强烈推荐

提交

最新文章

目录

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。