一键 input 苹果 OpenELM,零门槛 Llama 3 教程,40+ 优质模型/数据集/教程,建议收藏!...

Gemma 4端侧大模型:256K上下文与原生多模态的手机落地实践 大语言模型(LLM)的端侧部署正从概念走向实用,其核心在于平衡推理速度、内存占用与语义精度。基于量化技术、注意力机制优化(如GQA)和动态缓存管理等关键技术,现代轻量级模型已能在中高端移动设备上稳定运行。Gemma 4 E2B/E4B作为典型代表,通过结构精简、嵌入层压缩与音频特征蒸馏,在保持中文理解能力的同时显著降低资源消耗。它支持256K长上下文处理与离线多模态交互,适用于隐私敏感场景下的语音助手、本地文档分析与企业级合规应用。本文聚焦于该模型在Android/iOS平台的实际部署路径、性能调优策略及中 阅读详情

现在 AI 行业什么最火?

「大模型」一定仍然排在前三甲的位置。

自从 2022 年底 ChatGPT 面世以来,大模型在各行各业已经带来了太多的惊喜,应用场景愈发丰富,同时也带动了相关底层技术的普及与普适化。尤其是在开源模型繁荣发展之下,无论是从兴趣出发的开发者,亦或是有资金支持的企业,都能够「站在巨人的肩膀上」,打磨更加优质的模型。

然而,随着越来越多的开源大模型涌入市场,如何挑选优质、合适的大模型和数据集,以及如何使用大模型,成为了开发者和 AI 爱好者的难题,为了方便大家使用和下载,HyperAI超神经为大家汇总了优质大模型相关资源:

* 优质开源模型:20 个

* 优质教程精选:10 个

* 优质公共数据集:20 个

获取更多大模型资源,请访问官网:hyper.ai

大模型精选

1. Llama 3 系列

Llama 3 是 Meta 公司的开源 Llama 系列的最新版本,该模型采用了新的 Tokenizer,将词汇表大小扩展至 128,256。

* Llama 3-8B-Instruct

该模型为 Llama 3 8B 基础模型的指令调优版,可以用于在消费级 GPU 上高效部署和开发。模型的上下文长度为 8k,预训练数据的截止日期为 2023 年 3 月。

直接使用:https://go.hyper.ai/pKyMI

* Llama 3-70B

该模型为 Meta 新一代开源大模型 Llama 3 的 70B 参数规模模型,适用于大规模 AI 原生应用程序。模型的上下文长度为 8k,预训练数据的截止日期为 2023 年 12 月。

直接使用:https://go.hyper.ai/XII1S

2. OpenELM-3B-Instruct

OpenELM 是苹果研究团队推出的一种先进的开源语言模型,该模型为 OpenELM 3B 规模大小的指令调整模型。

直接使用:https://go.hyper.ai/Jx3Xs

3. C4AI Command-R

C4AI Command-R 是由 Cohere 和 Cohere For AI 联合开发的一个 350 亿参数的高性能生成式模型。多语言生成能力和高性能 RAG 能力的结合,使 Command-R 在跨语言任务和知识密集型任务上具有独特优势。

直接使用:https://go.hyper.ai/Q6kAf

4. InternLM 2-Chat-20B

InternLM2 是书生·浦语 2.0 系列的 20B 规模大小的聊天模型,它的综合性能更为强劲,可以有效支持更加复杂的实用场景。 

直接使用:https://go.hyper.ai/pD2rN

5. 金融大模型 deepmoney-34B-chat

该模型是基于 Yi-34B-200K 训练的,分为 pt(全参数训练)和 sft (lora 微调) 两个阶段。

直接使用:https://go.hyper.ai/7BO4O

6. Mixtral-8x7B

该模型是 Mistral AI 在 Mistral 7B 的基础上推出的大语言模型,采用了多专家 (MoE) 架构,由 8 个独立的专家模型组成,每个专家模型都是一个 Mistral 7B 模型。

直接使用:https://go.hyper.ai/jWfMl

7. FuseChat-7B-VaRM

FuseAI 提出了一个扩展的 FuseLLM 框架,将多个结构和尺度不同的聊天 LLM 的集体知识和个人优势融合为一个更强大的聊天 LLM,即 FuseChat。

直接使用:https://go.hyper.ai/EWGvY

8. ChatGLM 3 系列

ChatGLM 3 是智谱AI 和清华大学 KEG 实验室联合发布的对话预训练模型。

* ChatGLM 3-6B

该模型为 ChatGLM3 系列中的开源模型,在保留了前两代模型对话流畅、部署门槛低等众多优秀特性

直接使用:https://go.hyper.ai/0AcHz

* ChatGLM 3-6B-Base

该模型是 ChatGLM3-6B 的基础模型,采用了更多样的训练数据、更充分的训练步数和更合理的训练策略。

直接使用:https://go.hyper.ai/SaNvM

9. LLaVA-v1.5 系列

LLaVA (Large Language-and-Vision Assistant) 是一个能够进行视觉和语言多模态转换的模型,由视觉编码器和大型语言模型 (Vicuna v1.5 13B) 组成。

* LLaVA-v1.5-7B

该模型是 LLaVA-v1.5 系列的 70 亿参数规模的模型。

直接使用:https://go.hyper.ai/Ha2Y9

* LLaVA-v1.5-13B

该模型是 LLaVA-v1.5 系列的 130 亿参数规模的模型。

直接使用:https://go.hyper.ai/ubBDL

10. Yi-34B 系列

Yi 系列模型是 01.AI 从零开始训练的下一代开源大语言模型。该系列为其 34B 大小的型号模型。

* Yi-34B-Chat

该模型为  Yi-34B 系列是 Chat 模型,适用于多种对话场景。

直接使用:https://go.hyper.ai/i74NJ

* Yi-34B-Chat-GGUF

该模型是 Yi-34B-Chat 的 GGUF 格式。

直接使用:https://go.hyper.ai/e3Vdl

* Yi-34B-Chat-4bits

该模型是 Yi-34B-Chat 模型的 4bit 量化版,可以直接在消费级显卡(如 RTX3090)上使用。

直接使用:https://go.hyper.ai/UagO0

11. Qwen 通义千问大模型系列

Qwen 是阿里云推出的一系列超大规模语言模型,包括参数数量各不相同的不同模型。它包括 Qwen(基础预训练语言模型)和 Qwen-Chat(聊天模型),聊天模型采用人类对齐技术进行了微调。

* Qwen 1.5-1.8B-Chat

Qwen 1.5 是 Qwen 2 的 beta 版本,该模型是 Qwen 2 系列中较小参数规模的聊天模型版本,参数大小为 18 亿。

直接使用:https://go.hyper.ai/fFzxL

* Qwen-14B-Chat-Int4

Qwen-14B-Chat 是通义千问大模型系列的 140 亿参数规模的聊天模型,该模型为其 Int4 量化模型。

直接使用:https://go.hyper.ai/LHdxk

* Qwen-72B-Chat

该模型是是通义千问大模型系列的 720 亿参数规模的聊天模型。

直接使用:https://go.hyper.ai/7250m

* Qwen-72B-Chat-Int4

该模型为 Qwen-72B-Chat 的 Int4 量化模型。

直接使用:https://go.hyper.ai/Rh4f3

* Qwen-72B-Chat-Int8

该模型为 Qwen-72B-Chat 的 Int8 量化模型。

直接使用:https://go.hyper.ai/n2tOo

优质教程精选

1. 使用 Ollama 和 Open WebUI 部署 Llama 3-8B-Instruct

该教程为 Ollama + Open WebUI 一键运行包,只需按步骤输入命令即可运行 Llama3-8B-Instruct。

在线运行:https://go.hyper.ai/1sero

2. 使用 Ollama 和 Open WebUI 部署 Llama 3-70B

该教程通过 Ollama 和 Open WebUI 工具一键运行模型,仅需按步骤输入命令即可运行 Llama3-70B。虽然模型参数较大,但经过平台部署后单卡 A6000 即可使用,仅占用 1.07 GB 存储。

在线运行:https://go.hyper.ai/kJl8Y

3. 一键运行 Qwen1.5-MoE

Qwen1.5-MoE-A2.7B 是通义千问团队推出 Qwen 系列的首个 MoE 模型,该教程为其 Demo 容器,一键克隆即可使用 Gradio 链接体验大模型。

在线运行:https://go.hyper.ai/ldW1h

4. 一键运行 Yi-9B Demo

Yi-9B 是目前 Yi 系列模型中代码和数学能力最强的模型,该教程为 Yi-9B 的 Demo 容器。

在线运行:https://go.hyper.ai/fopo0

5. 在线运行 Yi-34B-Chat 的量化模型

本教程主要演示了使用 LlamaEdge 运行 Yi-34B-Chat 的量化模型的主要流程,Yi-34B-Chat 是零一万物在 Yi-34B 预训练模型的基础上推出的微调模型。

在线运行:https://go.hyper.ai/osUvl

6. 在线运行金融大模型 deepmoney-34B-full

Deepmoney 是一个专注于金融领域投资的大型语言模型项目。Deepmoney-34B-full 是基于 01-ai  开源的 Yi-34B-200K 模型进行训练的,分为 pt(全参数训练)和 sft (lora 微调) 两个阶段。现可在超神经官网一键克隆使用。

在线运行:https://go.hyper.ai/lFXHY

7. Qwen-14B-Chat-Int4 模型 Gradio Demo

该教程为 Qwen-14B-Chat-Int4 的 Demo 容器,Qwen-14B-Chat 是阿里云发布的一个基于大模型的 AI 助手。该教程使用的模型是 Qwen-14B-Chat 的 Int4 量化模型。

在线运行:https://go.hyper.ai/x7qnN

8. Qwen-1.8B-Chat-API-FT 模型 Demo

本教程主要演示了如何运行通义千问 Qwen-1.8B-Chat 模型并进行微调的主要流程。Qwen-1.8B 是阿里云研发的通义千问大模型系列的 18 亿参数规模的模型。

在线运行:https://go.hyper.ai/ZSJGR

9. Qwen-72B-Chat-Int4 模型 Gradio Demo

该教程为  Qwen-72B-Chat-Int4 的 Demo 容器,该模型是一个量化模型,其权重和激活函数被量化为4位整数 (INT4)。

在线运行:https://go.hyper.ai/r2gfP

10. 快速部署 ChatGLM 2-6B

该教程为  ChatGLM2-6B 的 Demo 容器,ChatGLM2-6B 是开源中英双语对话模型ChatGLM-6B 的第二代版本,保留了初代模型对话流畅、部署门槛较低等众多优秀特性。

在线运行:https://go.hyper.ai/GVs8s

数据集

1. COIG-CQIA 高质量中文指令微调数据集

COIG-CQIA 全称为 Chinese Open Instruction Generalist – Quality is All You Need,是一个开源的高质量指令微调数据集,旨在为中文 NLP 社区提供高质量且符合人类交互行为的指令微调数据。

直接使用:https://go.hyper.ai/Pg37L

2. HalluQA 中文大模型幻觉评估数据集

HalluQA 数据集包含 450 个对抗性问题,跨越多个领域,并涉及到中国历史文化、习俗和社会现象。

直接使用:https://go.hyper.ai/pWyqe

3. Pinocchio 匹诺曹事实知识评估数据集 

Pinocchio 数据集是由清华大学、伊利诺伊大学芝加哥分校和剑桥大学的研究人员联合创建的,其目的在于全方位评测大型语言模型 (LLMs) 在事实知识存储以及推理能力上的表现。

直接使用:https://go.hyper.ai/yggNY

4. FineFake 细粒度多领域假新闻检测数据集

FineFake 是一个专门用于细粒度多领域假新闻检测的数据集,由北京航空航天大学和北京邮电大学联合创建。该数据集共有 16,909 个数据样本,覆盖了 6 个语义主题和 8 个不同的平台。

直接使用:https://go.hyper.ai/CNWIn

5. TriviaQA 用于阅读理解和问答的大型数据集

TriviaQA 是一个阅读理解数据集,包含超过 65 万个问答证据三元组。TriviaQA 包括来自维基百科和网络的 662K 文档中的 95K 问答对。

直接使用:https://go.hyper.ai/aant8

6. PD&CFT 人民日报中文阅读理解数据集 

该数据集是第一个中文阅读理解数据集,其中包括人民日报和儿童童话(People Daily&Children’s Fairy Tale,简称 PD&CFT)。

直接使用:https://go.hyper.ai/yO9N5

7. 今日头条中文文本分类数据集

该数据集为今日头条中文新闻(短文本)分类数据集。数据来源为今日头条客户端。共包含 15 个分类,382,688 条文本。

直接使用:https://go.hyper.ai/f7Bu8

8. FewJoint 基准数据集 

该数据集来自讯飞 AIUI 开放平台上真实用户语料和专家构造的语料(比例大概为 3:7),包含 59 个真实域,目前域最多的对话数据集之一。

直接使用:https://go.hyper.ai/gSwPM

9. PAWS-X :用于释义识别的跨语言对抗数据集 

该数据集包含 23,659 个人工翻译的 PAWS 评估对和 296,406 个机器翻译的训练对,采用六种类型不同的语言:法语、西班牙语、德语、中文、日语和韩语。所有翻译对均源自 PAWS-Wiki 中的示例。

直接使用:https://go.hyper.ai/iGq5u

10. Wikipedia 维基百科数据集

该数据集是根据 Wikipedia 转储构建的,包含 56 种语言,每种语言有一个子集,每个子集包含一个训练分割。每个示例都包含一篇完整的维基百科文章的内容,并经过清理以去除降价和不需要的部分(参考文献等)。

直接使用:https://go.hyper.ai/WTcXF

11. RJUA-QA 首个中文医疗专科问答推理数据集 

RJUA-QA 数据集共含 2,132 个问答对,每对问答由医生根据临床经验编写的问题、专家提供的回答以及相关的推理上下文构成,这些上下文信息源自中国泌尿外科和男科疾病诊断治疗指南。

直接使用:https://go.hyper.ai/1zAiG

12. ShareGPT 90k 中英文双语人机问答数据集 

ShareGPT-Chinese-English-90k 是中英文平行双语优质人机问答数据集,覆盖真实复杂场景下的用户提问。可用于训练高质量的对话模型。

直接使用:https://go.hyper.ai/fhmFF

13. SMP-2017 中文对话意图识别数据集

该数据集为 SMP2017 中文人机对话技术评测 (ECDT) 任务一数据集。

直接使用:https://go.hyper.ai/pBjME

14. Chinese-Poetry 中文古典诗歌文集数据库

该数据集是最全的中华古典文集数据库,包含 5.5 万首唐诗、 26 万首宋词、 2.1 万首宋词等古典文集。

直接使用:https://go.hyper.ai/JKxW5

15. MCFEND 中国假新闻检测的多源基准数据集

该数据集是由香港浸会大学、香港中文大学等机构联合构建的一个多源中文虚假新闻检测基准数据集。

直接使用:https://go.hyper.ai/WKwhh

16. seq-monkey 序列猴子开源数据集 1.0

序列猴子数据集是用于训练序列猴子模型的数据集合,涉及领域包括:中文通用文本语料、古诗今译语料、文本生成语料。

直接使用:https://go.hyper.ai/6k2Bz

17. IEPile 大规模信息抽取语料库 

IEPile 是由浙江大学研发的大规模高质量的双语(中英)信息抽取 (IE) 指令微调数据集,涵盖了通用、医学、金融等多个领域。

直接使用:https://go.hyper.ai/2wRp6

18. LongAlign 10K 大模型长上下文对齐数据集 

LongAlign-10k 是清华大学提出的一个针对大模型在长上下文对齐任务中面临的挑战而设计的数据集,包含 10,000 条长指令数据,长度在 8k-64k 之间。

直接使用:https://go.hyper.ai/fXZ85

19. 大众点评数据集

该数据集包含 54 万用户对 24 万家餐馆的440 万条评论或评分数据。可用于推荐系统、情感/观点/评论倾向性分析等任务。

直接使用:https://go.hyper.ai/5UiXF

20. 亚马逊用户评价数据集

该数据集包含 142 万用户对亚马逊上 1,100 多个类目 52 万件商品的 720 万条评论或评分数据,可用于推荐系统、情感/观点/评论倾向性分析等任务。

直接使用:https://go.hyper.ai/SIJXO

更多公共数据集,请访问:

https://hyper.ai/datasets

a5a4b7454f97461f37fd6712ab13bbe2.gif

以上就是大模型编辑精选的全部内容,如果你有想要收录 hyper.ai 官方网站的资源,也欢迎留言或投稿告诉我们哦!

关于 HyperAI超神经 (hyper.ai)

HyperAI超神经 (hyper.ai) 是国内领先的人工智能及高性能计算社区,致力于成为国内数据科学领域的基础设施,为国内开发者提供丰富、优质的公共资源,截至目前已经:

* 为 1200+ 公开数据集提供国内加速下载节点

* 收录 300+ 经典及流行在线教程

* 解读 100+ AI4Science 论文案例

* 支持 500+ 相关词条查询

* 托管国内首个完整的 Apache TVM 中文文档

访问官网开启学习之旅:

https://hyper.ai/

 往期推荐 

ec4da3d45b2004b573fc2c505db87fa6.png

7b818bac51a95e23470376a9a16d68c3.png

202dad7534f3aeed213bb00d02dfa222.png

4c2c097bf9e7234005b0b8bdf33f2a12.gif

a0e81a257a9bdec7800172319840caf1.gif

戳“阅读原文”,免费获取海量数据集资源!

Swift应用集成本地大模型:Ollama-Swift库实战指南 大语言模型(LLM)通过深度学习技术,能够理解和生成类人文本,其核心原理是基于Transformer架构的海量参数训练。在移动和桌面应用开发中,本地部署LLM技术价值显著,它保障了数据隐私、降低了延迟,并实现了离线可用性。对于Swift开发者而言,ollama-swift库提供了将开源大模型(如Llama、Mistral)无缝集成到iOS/macOS应用的桥梁。该库封装了模型调用、流式响应和工具调用等复杂细节,通过类型安全的Swift API,开发者可以轻松构建具备智能对话、文本生成和语义搜索功能的应用。结 阅读详情

相关推荐

Swift集成Ollama:本地大语言模型在苹果生态的实践指南

大语言模型(LLM)通过模拟人类语言模式,实现了文本生成、对话和语义理解等能力。其核心原理基于Transformer架构,通过海量数据训练获得参数权重,在本地部署时能保障数据隐私与低延迟访问。在工程实践中,开发者常借助Ollama这类工具链简化模型管理与服务化,而Swift作为苹果生态的主流开发语言,其类型安全与并发特性为构建AI原生应用提供了坚实基础。通过ollama-swift这类客户端SDK,开发者能以符合Swift习惯的方式调用本地模型,快速实现智能对话、文本摘要等应用场景,将AI能力无缝集成到iO

weixin_42521558的博客 352

小模型时代来了?苹果开源OpenELM,公开代码、权重、数据集、训练全过程

4月24日,苹果开源了大语言模型(Open-source Efficient Language Models,即“开源高效语言模型”)。这与微软刚开源的Phi-3-mini类似,是一款专门针对手机等移动设备的模型。系列模型包含共4个不同参数版本,共包括,提供生成文本、代码、翻译、总结摘要等功能。基于较小的参数量,这些模型可在端侧设备上独立运行,而不必连接云端服务器。

u012744245的博客 2522

基于lora技术对Gemma(2B)大模型的微调实践

​ 本文主要基于Lora技术,在Google colab上用A100对Gemma 2B大模型进行了指令微调,第一次指令微调是采用databricks-dolly-15k 作为数据集,取得了不错的微调效果,能准确用英文回答问题,但是databricks-dolly-15k 毕竟是英文数据集,微调后的模型对中文的理解并不好,为使模型对中文有更好的理解,笔者采用COIG-CQIA数据集进行了指令微调,微调后模型对中文回答的效果非常明显。

云上笛暮 2921

AI大模型企业应用实战:Prompt让LLM理解知识

• 能够完成时下热门大模型垂直领域模型训练能力,提高程序员的编码能力: 大模型应用开发需要掌握机器学习算法、深度学习框架等技术,这些技术的掌握可以提高程序员的编码能力和分析能力,让程序员更加熟练地编写高质量的代码。• 基于大模型和企业数据AI应用开发,实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能, 学会Fine-tuning垂直训练大模型(数据准备、数据蒸馏、大模型部署)一站式掌握;第五阶段: 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;

2401_84204413的博客 3215

第八节 LLaVA模型CLI推理构建custom推理代码Demo

我在第七节介绍了cli.py推理源码解读,而我也因项目需要构建了推理demo,我们是用来自动生成标签和推理需要。想了想,我还是用一节将我的代码记录于此,供有需求读者使用。本节,介绍更改cli.py代码,实现一张图像推理、也为需要grounding的读者提供如何在图上给出目标box。我测试官方提供lora与非lora权重,我发现非lora效果会比lora好。当然这是我测试工程数据得到结论,只做参考。

weixin_38252409的博客 1449

IC/FPGA笔试/面试题分析(七)建立时间和保持时间类型考题汇总分析

自从召集2020届校招同行加入新建立的“IC/FPGA校招笔试面试交流群“,见识到了很多关于建立时间和保持时间分析的题目,在为别人解答疑惑,以及别人为自己解答疑惑的同时,自己对于知识的理解更加深刻了。 对于建立时间而言,从单独的对触发器的建立时间和保持时间的分析到了对电路(系统)的建立时间到保持时间的分析,前者是核心,后者是扩展,后者建立在前者的基础之上进行推到得到,同时也是芯片内部实际遵循的时...

Reborn Lee 1万+

每周编辑精选|免费使用 Sora 平替、在线运行 Python 基础教程、MCFEND 中国假新闻检测数据集上线

该数据集为论文的开源数据及代码。角球往往是执行教练战术的绝佳机会,针对于此,谷歌 DeepMind 与利物浦足球俱乐部联合推出 TacticAI,通过使用几何深度学习方法,借助预测与生成模型,为专业人士提供角球战术层面的见解。该数据集包含 1,995 对问答样本,源自官方韩国考试与教科书,覆盖语言和文化两大类,细分为 11 个子类别,每个样本都提供了细粒度的注释,指明回答问题所需的文化和语言知识。该数据集在遥感科学领域具有广泛应用,特别是在地表监测、资源管理和环境变化评估等方面,提供了高精度的数据支持。

HyperAI超神经 1067

用Coze平台30分钟打造《花光10亿》小游戏:零代码AI开发实战

本文详细介绍了如何利用字节跳动推出的Coze平台,在30分钟内零代码开发一款名为《花光10亿》的AI小游戏。通过配置提示词、集成图像生成插件、构建自动化工作流以及使用数据库功能,即使没有编程基础的用户也能快速将创意转化为可交互的智能应用,体验AI开发的便捷与高效。

weixin_29313547的博客 209

超全大模型资源汇总|30 个优质 NLP 数据集和模型,一键使用 8 个 demo,建议收藏!

该数据集包含 23,659 个人工翻译的 PAWS 评估对,以及 296,406 个机器翻译的训练对,采用 6 种不同的语言:法语、西班牙语、德语、中文、日语和韩语。LongAlign-10k 由清华大学提出,是一个针对大模型在长上下文对齐任务中面临的挑战而设计的数据集,包含 10,000 条长指令数据,长度在 8k-64k 之间。可用于训练高质量的对话模型。该数据集来自讯飞 AIUI开放平台,包含真实用户的语料和专家构造的语料(比例约为 3:7),共 59 个真实域,是目前域最多的对话数据集之一。

HyperAI超神经 2061

一文带你了解SOA接口测试

了解汽车电子行业的人,近几年可能经常见到一个词“SOA”,那SOA具体是什么?作为测试人员应该要测试哪些内容呢?这篇文章就简单给大家介绍一下。SOA(Service Oriented Architecture)是一种面向服务的架构,最早应用于IT行业,虽然行业内对于SOA的定义没有一个统一的描述,但是总体而言,SOA把功能定义成为服务,服务带有明确的可调用接口,并可以通过网络调用。在汽车领域,对于高性能计算平台而言,为了实现域控制器以及区域控制器之间的互联互通和软硬分离、缩短开发周期等优势,也引入了SOA的

怿星科技的博客 7156

IAR使用教程:如何导入现有工程并成功编译

详细介绍如何在IAR中导入现有工程项目并完成编译配置,解决常见报错问题。通过清晰的操作指引,帮助开发者快速上手iar使用教程中的关键环节,提升开发效率。

weixin_42437253的博客 884

超全大模型资源汇总|30 个优质 NLP 数据集和模型,一键使用 8 个 demo,建议收藏!...

近两年来,大模型的热度持续高涨,并且开始在更广泛的领域进行落地探索。随着行业整体的快速发展,越来越多的开源大模型涌入市场,进一步推动了上层应用的拓展。对于开发者而言,挑选优质大模型和数据集对其后续的研发、模型微调至关重要。为了方便大家选择并下载适配开发需求的模型与数据集,HyperAI超神经为大家汇总了大模型相关资源:* 优质公共数据集:15 个* 优质开源模型:15 个*优质教程精选:8 个获...

fengdu78的博客 1346

windows的rancherDesktop修改镜像源

Rancher Desktop中的“Allowed Images”功能(通常在 Preferences -> Container Engine -> Allowed Images 中找到)是用来定义一个允许拉取和推送的镜像列表的规则,例如,只允许从您组织或特定的受信任的仓库中获取镜像。如果问题依旧,请提供您Rancher Desktop的版本和当前选择的容器运行时,以便进一步协助。总结一下,对于Windows上的Rancher Desktop,如果您使用默认的。,镜像源的配置通常通过一个名为。

zwjapple的专栏 2703

大规模语言LLaVA:多模态GPT-4智能助手,融合语言与视觉,满足用户复杂需求

一个面向多模式GPT-4级别能力构建的助手。它结合了自然语言处理和计算机视觉,为用户提供了强大的多模式交互和理解。LLaVA旨在更深入地理解和处理语言和视觉信息,从而实现更复杂的任务和对话。这个项目代表了下一代智能助手的发展方向,它能够更好地理解和应对用户需求。demo链接:https://llava.hliu.cc/ https://llava-vl.github.io/ 这个页面选1.6 Install Package Install additional packages for train

胭脂草的ABC博客 546

【CANoe16安装教程】亲测安装成功

CANoe16安装教程

qq_45302638的博客 2万+

Ubuntu开机进入initramfs,解决办法来了!

摘要:Ubuntu系统启动时卡在initramfs界面,表明系统无法正常挂载根文件系统。常见原因包括引导配置错误、文件系统损坏、驱动程序问题和硬件故障。解决方法包括:1)使用fsck修复文件系统;2)通过dmesg排查驱动问题;3)检查硬盘等硬件状态;4)重新安装GRUB引导程序。建议做好系统备份等预防措施,遇到问题时按步骤排查。该问题通常可通过文件系统修复或引导配置重建解决。(148字)

米可的博客! 3422

保姆级llava-v1.5-7b部署教程

最近的研究工作需要基于LLAVA的部署,由于hugging face联网等等的原因,遇到了一些问题。因此写这篇博客记录分享完整的部署步骤。本文将面向服务器无法连接hugging face的用户,保姆级地描述完整的部署流程。

kikiLQQ的博客 2万+

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

【大语言视觉助手+LLaVA1.5】23.10.LLaVA-1.5改善后视觉语言大模型: Improved Baselines with Visual Instruction Tuning

23.10 LLaVA1.5的改进: 1. 结构上,将视觉特征提取器从 CLIP-vit-L-14 (224x224图像输入)改为了CLIP-vit-L/336(将真实图像resize到**336x336**再输入编码器) 2. 结构上,视觉特征从线性映射(单个神经元),改进为多层告感知机(MLP) 3. 数据上,大量提高数据量,特别是视觉微调 158K到了560K。。 4. 训练上,LLaVA1.5可以使用Lora微调

进一寸有一寸的欢喜 3948

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

LLaVA:大型语言和视觉助手,图片识别和理解能力让人惊叹

如果您使用的是带有 M1 或 M2 芯片的 Apple 设备,则可以使用标志指定 mps 设备--device:--device mps。

specssss的博客 1160

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

llava1.5模型安装、预测、训练详细教程

注:host 0.0.0.0表示自动填充本机ip,网页将其替换本机ip即可,web server启动后会有网页ip,若在其它电脑将其0.0.0.0替换运行服务器的ip即可。若已完成权重下载,便可执行以下模型启动命令,而–model-path后面需跟模型权重路径文件,若联网能范文hugging face便可无需修改直接使用官方给定命令。最后,我额外说下,我使用4090显卡搭建,跑测试问题不大,大概16g左右吧,跑训练一张24G卡有些够呛。该文件可通过点击链接连接,也可在hugging face自行搜索。

胭脂草的ABC博客 2808

OpenBayes 一周速览丨VASP 教程上线!HPC 助力材料计算;AllClear 公共云层去除数据集发布,含超 23k 个全球分布的兴趣区域

该技术能够应对长时间视频生成中的挑战,并实现高分辨率的视觉效果。用户还可以在对话中随时调整语速,或打断模型的输出以插入新的指令,实现更流畅的实时互动。它是目前材料模拟和计算物质科学研究中最流行的商用软件之一,其高准确性和强大的功能使其成为研究者进行材料性质预测和设计的重要工具,被广泛用于固体物理学、材料科学、化学、分子动力学等领域。AllClear 数据集是目前最大的公共云层去除数据集,包含 23,742 个全球分布的兴趣区域 (ROIs),覆盖了多样的土地利用模式,总共包含 400 万张图像。

OpenBayes的博客 940

揭秘微信如何训练大模型:低调的WeLM|官网上次更新还是一年前

“通过介绍微信打造的大型中文预训练语言模型WeLM的设计思路、数据集、模型结构、训练方式、多样化的评估结果等方面,全面解析这一模型的技术原理和应用价值。”01—微信的“chatgpt”叫做“WeLM”(WeChat Language Model)。官方介绍:WeLM 是一个非常擅长理解和生成文本的通用语言模型。WeLM没有对自然语言相关的任务做任何约束或者预置。仅通过调用模型来补全您输入的文本,...

1360

AI概念扫盲篇之大模型中的Ollama 是什么东东

Ollama 是一款开源的本地化大型语言模型(LLM)运行框架,旨在简化模型的下载、部署和管理流程,支持用户在不依赖云端服务的情况下高效运行和定制模型。以下是对其核心功能、应用场景、安全风险及使用方法的详细介绍:

liwenxiang629的博客 2279

OpenELM 开源项目教程

OpenELM 开源项目教程 项目介绍 OpenELM 是一个基于机器学习的开源项目,旨在提供一个高效、灵活的机器学习框架。该项目由 CarperAI 团队开发,主要用于处理大规模数据集和复杂模型训练。OpenELM 支持多种机器学习算法,并提供了丰富的工具和接口,方便开发者进行定制和扩展。 项目快速启动 环境准备 在开始使用 OpenELM 之前,请确保您的系统已经安装了以下依赖: Pytho...

gitblog_00271的博客 842

macOS + Ollama + Enchanted,Llama3本地化部署教程

接下来,我们将在MacBook Pro上部署Llama3,让大家在本地体验最强开源大模型。

瓦罗兰特顶级C位的博客 2530
上一篇: 【数据集汇总】大众点评/携程/百度地图/米其林餐厅……内含餐厅/酒店的真实评价...
下一篇: 李飞飞团队 AI4S 最新洞察:16 项创新技术汇总,覆盖生物/材料/医疗/问诊……
HyperAI超神经
博客等级 码龄7年 8873粉丝 1753原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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