![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
大模型
第六音符
不迷茫了,有折腾的方向了
展开
-
书生·浦语大模型应用全流程:从理论到实践(笔记作业合集)
书生·浦语大模型应用全流程:从理论到实践-CSDN博客大模型实战,第二节课笔记-CSDN博客大模型实战-第二课作业-CSDN博客大模型实战第三节笔记-CSDN博客大模型实战训练课第三节作业-CSDN博客大模型实践课第四节笔记-CSDN博客大模型实践第四节课作业-CSDN博客大模型实践第五节课笔记-CSDN博客大模型实践第五节作业-CSDN博客大模型实践第六节课笔记-CSDN博客大模型实践第六节课作业-CSDN博客原创 2024-03-17 19:59:40 · 382 阅读 · 0 评论 -
大模型实践第六节课作业
原创 2024-03-17 17:58:53 · 398 阅读 · 0 评论 -
大模型实践第六节课笔记
本算法库的主要评测对象为语言大模型与多模态大模型。我们以语言大模型为例介绍评测的具体模型类型。基座模型:一般是经过海量的文本数据以自监督学习的方式进行训练获得的模型(如OpenAI的GPT-3,Meta的LLaMA),往往具有强大的文字续写能力。对话模型:一般是在的基座模型的基础上,经过指令微调或人类偏好对齐获得的模型(如OpenAI的ChatGPT、上海人工智能实验室的书生·浦语),能理解人类指令,具有较强的对话能力。原创 2024-03-12 23:33:36 · 989 阅读 · 0 评论 -
大模型实践第五节作业
原创 2024-03-11 22:57:08 · 409 阅读 · 0 评论 -
大模型实践第五节课笔记
首先我们需要明白一点,服务部署和量化是没有直接关联的,量化的最主要目的是降低显存占用,主要包括两方面的显存:模型参数和中间过程计算结果。接下来我们切换到刚刚的终端(就是上图右边的那个「bash」,下面的「watch」就是监控的终端),创建部署和量化需要的环境。目录下的环境是官方未大家准备好的基础环境,因为该目录是共享只读的,而我们后面需要在此基础上安装新的软件包,所以需要复制到我们自己的 conda 环境(该环境下我们是可写的)。值得说明的是,以上的划分是一个相对完整的模型,但在实际中这并不是绝对的。原创 2024-03-11 21:48:56 · 893 阅读 · 0 评论 -
大模型实践第四节课作业
原创 2024-03-10 18:56:37 · 370 阅读 · 0 评论 -
大模型实战训练课第三节作业
搭建测试结果搭建过程界面。原创 2024-03-09 18:09:17 · 399 阅读 · 0 评论 -
大模型实战第三节笔记
接着,我们实例化一个基于 InternLM 自定义的 LLM 对象:llm.predict("你是谁")构建检索问答链,还需要构建一个 Prompt Template,该 Template 其实基于一个带变量的字符串,在检索之后,LangChain 会将检索到的相关文档片段填入到 Template 的变量中,从而实现带知识的 Prompt 构建。我们可以基于 LangChain 的 Template 基类来实例化这样一个 Template 对象:# 我们所构造的 Prompt 模板。原创 2024-03-09 13:36:22 · 760 阅读 · 0 评论 -
大模型实战,第二节课笔记
思考步骤</span><span style='width:14px;'> 执行内容</span><span style='width:14px;'> 执行结果原创 2024-03-09 01:07:35 · 937 阅读 · 0 评论 -
大模型实战-第二课作业
1,生成300字的小故事。原创 2024-03-09 01:01:03 · 421 阅读 · 0 评论 -
书生·浦语大模型应用全流程:从理论到实践
书生·浦语大模型应用全流程:从理论到实践原创 2024-03-09 00:55:31 · 362 阅读 · 0 评论