背景 首先,随着AI领域的发展,大模型逐渐成为发展通用人工智能的重要途经 而书生·浦语大模型也从2023年开始逐步推动其大模型的开源 目前最新的书生·浦语2.0版本: InternL...
书生·浦语大模型 实战营(第二期)–第一节 书生·浦语大模型全链路开源体系
书生·浦语大模型 实战营(第二期)–第二节 轻松玩转书生·浦语大模型趣味 Demo
1 趣味 Demo 任务列表 本节课可以让同学们实践 4 个主要内容，分别是： 部署 InternLM2-Chat-1.8B 模型进行智能对话 部署实战营优秀作品 八戒-Chat-1.8B 模型 通过 Inte...
书生·浦语大模型 实战营(第二期)–第三节 基于 InternLM 和 LangChain 搭建你的知识库
笔记篇 0 RAG 概述 RAG（Retrieval Augmented Generation）技术，通过检索与用户输入相关的信息片段，并结合外部知识库来生成更准确、更丰富的回答。解决 LLMs 在处理知...
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
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...
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...