书生大模型学习笔记及课后作业3

原创 已于 2024-02-19 22:30:35 修改 · 381 阅读 · 5 ·
CC 4.0 BY-SA版权
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。
文章标签：

#学习 #笔记 #人工智能

于 2024-02-19 22:28:18 首次发布

课程内容

课程地址：GitHub - InternLM/tutorial

第3节 基于 InternLM 和 LangChain 搭建你的知识库

课程笔记

课后作业

基础作业：

复现课程知识库助手搭建过程 (截图)

①下载开源词向量模型 Sentence Transformer

②部署 Web Demo

③web界面结果测试

进阶作业：

选择一个垂直领域，收集该领域的专业资料构建专业知识库，并搭建专业问答助手，并在 OpenXLab 上成功部署（截图，并提供应用地址）

【 书生·浦语大模型实战营】学习笔记（一）：全链路开源体系介绍
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
03-31 2240
本文为实战营第一次课程笔记，主要分为两个部分，第一部分从书生·浦语大模型发展、分类、组成进行详细介绍，方便大家理解。第二部分为对 InternLM2技术报告解读，后续系列会继续更新，欢迎大家交流！
【 书生·浦语大模型实战营】学习笔记（七）：大模型评测实战
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
05-03 1514
本篇笔记内容主要为【 书生·浦语大模型实战营】学习笔记（七）：大模型评测实战 ，主要对OpenCompass 大模型评测部分详细介绍，欢迎大家交流学习！
书生大模型学习笔记及课后作业4
LinZiMu_Abraham的博客
02-20 715
《第4节 XTuner 大模型单卡低成本微调实战》学习笔记及课后作业
书生大模型学习笔记及课后作业1
LinZiMu_Abraham的博客
04-02 247
书生·浦语大模型全链路开源体系
书生大模型学习笔记及课后作业6
LinZiMu_Abraham的博客
02-20 375
《第6节 OpenCompass 大模型评测》学习笔记及课后作业
书生大模型学习笔记及课后作业2
LinZiMu_Abraham的博客
02-19 295
《第2节 轻松玩转书生·浦语大模型趣味 Demo》学习笔记及课后作业
书生大模型学习笔记及课后作业5
LinZiMu_Abraham的博客
02-20 820
《第5节 LMDeploy 大模型量化部署实践》学习笔记及课后作业
书生·浦语大模型实战营-学习笔记2
qq_37397652的博客
01-11 705
目录轻松玩转书生·浦语大模型趣味Demo1. 大模型及 InternLM 模型介绍2. InternLM-Chat-7B 智能対话 Demo3. Lagent 智能体工具调用 Demo4. 浦语•灵笔图文创作理解 Demo5. 通用环境配置6. 课后作业 视频地址： (2)轻松玩转书生·浦语大模型趣味Demo 文档教程： https://github.com/InternLM/tutorial/blob/main/helloworld/hello_world.md 轻松玩转书生·浦语大模型趣味Demo
书生·浦语大模型全链路开源体系课后作业-第二课
Icanruntheworld的博客
04-05 340
1.2.
书生·浦语(InternLM)-大模型实战营-春节课程-学习笔记2
LYMing1986的博客
02-19 1012
书生浦语项目首页:https://github.com/InternLM/InternLM 训练营课程首页：https://github.com/internLM/tutorial?tab=readme-ov-file b站视频首页：OpenMMLab的个人空间-OpenMMLab个人主页-哔哩哔哩视频
学习笔记：书生·浦语实战营第二期第六课
追寻本身即是答案
04-23 2202
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。支持多种智能体范式，如 AutoGPT，ReWoo，ReAct，也支持多种工具，如谷歌搜索、Python解释器等AgentLego是一个多模态工具包，可以像乐高积木一样快速简便地拓展自定义工具，从而组装出自己的智能体，支持多个智能体框架，如Lagent、LangChain、 Transformers Agents
上海人工智能实验室的书生·浦语大模型学习笔记及作业--day5
weixin_53443275的博客
01-26 1263
模型部署是指将训练好的模型在特定环境中运行的过程，以便将其应用到实际生产中。这个过程需要解决模型框架兼容性和运行速度的问题。LMDeploy是一个用于部署大模型的工具箱，由上海人工智能实验室开发。它使用C++/CUDA进行推理，并对外提供Python/gRPC/HTTP接口和WebUI界面。LMDeploy支持tensor parallel分布式推理，并支持fp16/weightint4/kv cache int8量化。LMDeploy的核心功能包括量化、TurboMind和推理服务。
书生大模型学习笔记4 - 模型的部署
jaysonhu的博客
08-05 1055
LMDeploy 已经支持了 InternLM-XComposer2 系列的部署，但值得注意的是 LMDeploy 仅支持了 InternLM-XComposer2 系列模型的视觉对话功能。InternLM-XComposer2 是一款基于 InternLM2 的视觉语言大模型，其擅长自由形式的文本图像合成和理解。LMDeploy 启动一个与 InternLM-XComposer2-VL-1.8B 模型交互的 Gradio 服务。Streamlit web运行。创建 cli_demo.py。
书生大模型学习笔记9 - LMDeploy 量化部署
jaysonhu的博客
08-19 799
lmdeploy lite auto_awq: lite这是LMDeploy的命令，用于启动量化过程，而auto_awq代表自动权重量化（auto-weight-quantization）。/root/learning/InternLM/XTuner/merged_20b-w4a16-4bit: 这是工作目录的路径，用于存储量化后的模型和中间结果。–calib-dataset ‘ptb’: 这个参数指定了一个校准数据集，这里使用的是’ptb’（Penn Treebank，一个常用的语言模型数据集）。
【AI学习-comfyUI学习-第十二节-FLUX局部重绘工作流-各个部分学习-第十二节】
qq_22146161的博客
12-02 865
最近，学习comfyUI，这也是AI的一部分，想将相关学习到的东西尽可能记录下来。加载图像这就是上传的那张桥墩照片没问题这也算各一个开始吧，我也在学习摸索中。
探索 10bit 100MS/s 流水线Pipelined ADC电路：0.18um工艺下的宝藏学习资源
最新发布
qq__27699885的博客
12-06 272
10bit 100MS/s 流水线Pipelined ADC电路，采用0.18um工艺，直接可以用，直接可以跑仿真，包含实际电路和各模块的测试电路，有效位9.5bit，适合学习。最近在研究ADC电路相关内容，发现了一个超赞的 10bit 100MS/s 流水线Pipelined ADC电路，基于0.18um工艺设计，简直就是学习ADC的神器，必须来和大家分享分享。
【模式识别与机器学习（8）】主要算法与技术（下篇：高级模型与集成方法）之 元学习与集成方法：组合多个学习器来提高整体性能
hiliang521的博客
12-02 893
【模式识别与机器学习（8）】主要算法与技术（下篇：高级模型与集成方法）之 元学习
C++基础：Stanford CS106L学习笔记 1 类型与结构
WM2101的博客
12-02 336
本文介绍了C++的类型系统和结构体特性。在类型系统方面，C++采用静态类型，变量类型一旦确定不可更改，与Python的动态类型形成对比。静态类型能提高效率并减少运行时错误。文章还介绍了using类型别名、auto类型推断以及函数重载等现代类型特性。在结构体方面，展示了如何定义和使用结构体，以及使用std::pair模板简化多值返回的实现方式。通过对比Python和C++的代码示例，突出了C++在类型安全性和编译时检查方面的优势。
vite学习
qq_41549657的博客
12-04 610
核心优势极速开发启动：开发阶段不打包，直接让浏览器加载原生ESM,配合ebuild预购建第三方依赖，启动时间从webpack的秒级变为毫秒级热更新（HMR）快:只更新修改的模块，而非全量重建，大型项目热更新耗时<10ms按需编译：开发阶段仅编译当前请求的模块，而非全量打包内置对Typescript、JSX、CSS、静态资源的支持，无需复杂配置生产环境优化：基于Rollup打包，输出高度优化的静态资源，兼顾开发销量和生产性能<docs>Vite 处理.vue。
书生浦语大模型作业
05-13
### 书生浦语大模型作业实现指南 #### 1. 环境配置与模型加载 为了完成与书生浦语大模型相关的作业，首先需要确保基础环境已正确配置。可以通过指定 `local_llm_path` 参数来加载本地模型文件夹路径或 Huggingface ...
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
 
红包 添加红包
表情包 插入表情
表情包 代码片
 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