【项目实训周记week1】魔搭大模型的设计与调整

已于 2024-04-24 14:12:39 修改
阅读量224 收藏
点赞数 1
文章标签： 人工智能
于 2024-04-14 23:51:32 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/wubulabu/article/details/137757672
版权

1.组会

本周开会讨论项目问题，咨询学长有关项目功能问题，完成分工，确定个人工作负责方向为大模型的构建。

2.魔搭学习与使用

（1）创建模型

（2）完成简单推理过程

（3）完成一个demo的训练过程

wubulabu
关注
【项目实训周记week6】大模型嵌入前端
wubulabu的博客
06-17 212
1.在后端获取到前端输入数据，并传递给大模型。2.使用ajax，完成前后端的数据传递。
【项目实训周记week2】chatglm api的连接
wubulabu的博客
04-24 182
讨论项目的基本架构和功能，计划具体任务流程，测试智谱ai的api，并对输入输出进行相应处理。这样就可以通过python的命令行输入与glm进行交互了。首先填入apikey设计。设计一个简单的prompt。完成提问包装和回复信息提取。
【项目实训周记week7】学习处理api返回的数据，并在大模型添加
wubulabu的博客
06-17 131
数据包含了api对上传照片的各项数据的测量。3.分析根据数据生成报告的代码。1.下载api返回数据。
【项目实训周记week3】chatglm api实现对话功能
wubulabu的博客
05-05 232
1.组会成员之间进行交流讨论，了解彼此进度，对模型功能进行细化。2.确定后续研发方向，学习相关技术。1.根据任务，我们定义一个医生助手类。
【项目实训周记week8】实现多角色以及历史记录功能
wubulabu的博客
06-24 202
从而对每个历史记录中保存的对话实现复现功能。从session中保存并获取role。根据role的不同设置不同的模型设置。从后端解析并添加历史记录。
数据挖掘实训周报week4
salty_dong的博客
10-20 177
本周主要看了一下XGBT的相关知识。 gbdt全称梯度下降树，在传统机器学习算法里面是对真实分布拟合的最好的几种算法之一。其有三个优点，一是效果确实不错，二是即可以用于分类也可以用于回归，三是可以筛选特征。 首先gbdt 是通过采用加法模型（即基函数的线性组合），以及不断减小训练过程产生的残差来达到将数据分类或者回归的算法。 gbdt通过多轮迭代,每轮迭代产生一个弱分类器，每个分类器在上一轮分类器的残差基础上进行训练。对弱分类器的要求一般是足够简单，并且是低方差和高偏差的。因为训练的过程是通过降低偏差来不
数据挖掘实训周报week3
salty_dong的博客
10-11 396
本周主要学习了xgboost。 XGBoos是在AdaBoost和GBDT等提升算法基础上进行了优化的算法，一般来说，算法都是由模型、参数和目标函数三部分组成。模型可以理解为基函数(一个函数的固定形式，也就是函数只会在这个函数的基础上变化而不会丢掉的函数)和权重的组合即一类问题的算法。参数就是算法学习的结果，就像决策树学习产生的从根节点通往叶节点的路径q和每个叶节点上面的期望权重w，改变参数（q，w）就是改变已有模型。优化目标函数需要实现两个目的：第一：尽量让预测值接近真实值；第二：保证模型的泛化能力（Ge
机器学习周记（第四十五周：Graphformer）2024.6.24~2024.6.30
DominaterWE的博客
06-30 528
本周阅读了一篇利用图神经网络结合Transformer的长时间序列预测论文，提出了一种新的模型Graphformer。Graphformer通过改进稀疏自注意力机制，结合图卷积网络（GCN）考虑不同尺度下变量之间的空间相关性，实现了Transformer架构与GCN的紧密集成。此外，论文还开发了自注意力降采样模块、多尺度特征融合操作以及时间惯性融合操作。实验分析表明，Graphformer在预测精度上显著优于之前的最新方法。
机器学习周记（第十二周：GNN续）2023.10.9~2023.10.15
DominaterWE的博客
10-15 155
本周结束了GNN的学习，通过对GCN进行数学推导，进一步加深了对GCN的理解，明白了图神经网络中运用卷积思想的数学意义，同时编写了一个简单的GCN模型对图节点进行预测。本周还阅读了一篇论文，学习到了一些时间序列数据预处理的方法，以及除了BP算法之外的一些其他参数优化算法。GNN是一种强大的模型，对处理图结构数据具有强大的作用。下一周我将开始Transformer相关知识的学习。x_%7Bi%7D。
东软实训周记
04-25
这种类型的实训周记通常涵盖了理论学习与实践操作相结合的过程，帮助学员巩固专业知识并提升技能。 #### 二、Java三大框架概述 Java三大框架指的是Struts、Spring以及Hibernate这三个在Java Web开发领域内非常流行...
粤嵌GEC6818开发板实训项目-五子棋
07-15
在粤嵌实训，基于linux做的五子棋玩家对战小项目，代码仅供参考（只写了落子和判断输赢部分），代码不完整，没有写悔棋啥的（懒），需要自己后期加工。
企业专业实训周记(计算机).pdf
05-09
在企业专业实训周记中，计算机科学的学生经历了从Linux基础到C语言编程再到C高级编程的学习过程。以下是对这些知识点的详细说明： 1. **Linux基础**： - **Linux系统特点**：Linux是一种开源、多用户、多任务的...
java实训周记.pdf
09-30
java实训周记.pdf
软件开发与项目管理专业实习周记.doc
12-16
软件开发与项目管理专业实习周记 一、实习概况 本实习周记是软件开发与项目管理专业实习生的日常记录，记录了实习生在实习期间的主要实习内容、遇到的问题、解决措施、收获与体会等。 二、实习内容 实习生主要...
生成式人工智能在新加坡的发展现状和地位
wukangjupingbb的博客
09-11 946
依据国际隐私专业人员协会(IAPP)的相关报告，2020年，上述两机构更新了该模型框架，发布了第二版，并推出了《组织实施和自我评估指南》，帮助组织评估其人工智能治理实践与型框架的匹配程度，还发布了《案例汇编》，展示了组织如何实施负责任的人工智能治理实践。2019年，金融管理局宣布与金融行业合作创建Veritas框架，为金融机构提供可验证的方法，将FEAT原则纳入其人工智能和数据分析驱动的解决方案中。新加坡在人工智能治理方面采取了部门性的方法，即通过各个行业的监管机构来管理人工智能的使用。
Djourney新手入门基础，AI摄影+AI设计+AI绘画-AIGC作图
DAMOXINGHAITAI的博客
09-14 780
（全套教程文末领取哈）从大模型系统设计入手，讲解大模型的主要方法；在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；以SD多模态大模型为主，搭建了文生图小程序案例；以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。
从AI到大数据，数字技术服务平台全栈赋能企业升级
smjt2024的博客
09-11 554
海量的数据中蕴含着丰富的信息和价值，数字技术服务平台能够收集、整理和分析这些数据，为企业提供精准的市场洞察和决策支持。企业可以通过参加树莓集团举办的培训课程和研讨会，了解最新的数字技术趋势和应用案例，提升自身的数字技术水平。从技术咨询、解决方案设计到系统实施和运维，数字技术服务平台为企业提供一站式的服务，让企业无需担心技术难题，专注于自身的核心业务。树莓集团的数字技术服务平台，以其先进的技术、专业的服务和丰富的经验，为企业提供了全栈赋能。在数字时代，让我们共同利用数字技术服务平台，开启企业升级的新篇章。
常见本地大模型个人知识库工具部署、微调及对比选型
最新发布
09-14 763
由于作者的眼界、精力和能力也有限，并且确实也不是专业的AI研究员，仅仅是一位兴趣使然的爱好者，这里列出的几款也单纯只是作者平常关注到的，所以可能也不全，请各位见谅！文章从起笔写到这里已经过了三天了，这三天也基本把上文提到的大模型侧工具全部体验了一遍，下面说一下主要结论吧。从功能丰富度和性能优化的角度综合评估，LM Studio明显更胜一筹。从工具本身使用及模型部署效率来看，Ollama的上手速度会更快，使用会更便捷，效率也会更高。从企业级稳定性和高可用。
评论 1
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