书生·浦语大模型 实战营(第二期)-第四节 XTuner 微调个人小助手认知及多模态 一, XTuner 微调个人小助手认知章节 在本章中讲一步步带领大家体验如何利用 XTuner 完成个...
最新博文
书生·浦语大模型 实战营(第二期)-第四节 XTuner 微调个人小助手认知及多模态
llm-universe-第二节
api接入参考教程 第二章 使用 LLM API 开发应用 使用 ChatGPT 这里我以openAI为例 (因国内无法正常使用,故使用第三方代理接口,我用都是api2d,与原生openai接口使用方式...
动手学深度学习-tesk1-环境配置及前言
本系列将根据我学习动手学深度学习过程中,自己记录的学习笔记 我预定观看本系列的读者是已经安装好了linux和英伟达gpu驱动(显卡驱动+cuda toolkit+CUDNN) 这里给出我的...
llm-universe-第三节-词向量及向量知识库
llm-universe-第三节-词向量及向量知识库 一、词向量 什么是词向量 在机器学习和自然语言处理（NLP）中，词向量（Embeddings）是一种将非结构化数据，如单词、句子或者...
书生·浦语大模型 实战营(第二期)—第五节-LMDeploy 量化部署 LLM 实践
课程仓库:https://github.com/InternLM/Tutorial/tree/camp2 1.LMDeploy环境部署 1.1 创建开发机 打开InternStudio平台，创建开发机。 填写开发机名称；选择镜像Cuda12....
书生·浦语大模型 实战营(第二期)—第六节–Lagent & AgentLego 智能体应用搭建
概述 1.1 Lagent 是什么 Lagent 是一个轻量级开源智能体框架，旨在让用户可以高效地构建基于大语言模型的智能体。同时它也提供了一些典型工具以增强大语言模型的能力。 ...
书生·浦语大模型 实战营(第二期)—第七节– OpenCompass 大模型评测实战
为什么要研究大模型的评测？ 百家争鸣，百花齐放。 首先，研究评测对于我们全面了解大型语言模型的优势和限制至关重要。尽管许多研究表明大型语言模型在多个通用任务上...
git 配置多个github(gitee)账号
由于 Git 所具有的巨大优越性，越来越多的公司以及个人开始由 Svn 转向 Git 。一般来讲，每位员工都会被分配给一个公司内部的邮箱。比如一个 996 公司的员工 “张三”，获...
llm-universe-第四节-将LLM 接入 LangChain
LangChain 为基于 LLM 开发自定义应用提供了高效的开发框架，便于开发者迅速地激发 LLM 的强大能力，搭建 LLM 应用。LangChain 也同样支持多种大模型，内置了 OpenAI、L...
llm-universe-第五节-将LLM 接入 LangChain
验证评估的一般思路 现在，我们已经构建了一个简单的、一般化的大模型应用。回顾整个开发流程，我们可以发现，以调用、发挥大模型为核心的大模型开发相较传统的 AI 开发...
