(Windows)Visual Studio Code配置python运行环境

(Windows)Visual Studio Code配置python运行环境

首先我们到Python官网下载windows x64位的python安装程序,版本推荐python3.x
下载地址:https://python.org
在这里插入图片描述

我们将鼠标悬停在downloads按钮上,会显示一个菜单,点击windows
进入windows的python下载界面后,在stable releases里选择自己需要的版本的python(推荐下载python3.x),点击download windows installer 64-bit(如果读者是32位系统就点击download windows installer 32-bit)
在这里插入图片描述

下载完成后开始安装
在这里插入图片描述
我们勾选Add Python x.x to PATH(一定要勾选!!!),然后点击Customize installation
在这里插入图片描述

按照上图勾选完后点击next
在这里插入图片描述
按照上图勾选完成后点击install,就会开始安装python
安装完成后会有提示。
安装python完成后,我们去下载vscode安装包,网址:https://code.visualstudio.com
下载到本地后运行
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
安装完成后启动visual studio code,我们接下来需要安装必要的vscode插件来运行我们的python文件
我们点击左侧的这个按钮,在跳出来的搜索框中输入code runner,点击install
在这里插入图片描述
安装完成后,我们点击file按钮,点击Open folder
在vscode中打开文件夹后,鼠标右键点击空白部分,选择New File,将新建的文件命名为xxx.py
在这里插入图片描述

在里面随便写点代码
在这里插入图片描述
写完后点击右上角小三角运行
在这里插入图片描述

### 大模型的基础知识与概念 #### 什么是大模型大模型通常指的是参数规模巨大、训练数据量庞大的机器学习模型,尤其是在自然语言处理(NLP)领域中的应用最为广泛。这些模型通过大量的计算资源和复杂的神经网络结构来实现强大的泛化能力和多任务适应能力[^3]。 #### 发展历程 大模型的发展经历了多个阶段,从最初的词向量技术逐步演变为基于神经网络的架构,并进一步扩展到单线程和并行训练模式。随着训练集规模的增长和技术的进步,如今的大模型已经具备了超大规模的数据处理能力以及高效的训练效率[^2]。 #### 技术特点 1. **Embedding的作用** Embedding 是一种将离散型变量映射成连续空间表示的技术,在一定程度上实现了维度降低的效果。这对于提高模型性能至关重要,因为它允许计算机更好地理解和操作复杂的信息结构[^1]。 2. **泛化性与通用性增强** 相较于传统的 NLP 方法,现代大模型展现出显著的优势——它们不仅具有更强的跨场景适用性,还能够更贴近人类认知水平去完成各种任务。例如 BERT 和 GPT 这样的预训练框架分别擅长解决不同类型的语言理解问题或生成高质量文本内容。 3. **少样本学习能力(Few-shot Learning)** 特别值得一提的是像 GPT 系列这样的解码器独占式(decode-only)设计使得该类别的大型语言模型成为了优秀的“快速模仿者”。当用户提供几个示范样例作为输入提示(prompt),即使面对从未见过的新颖查询也能迅速调整策略作出恰当响应。 #### 应用实例 以下是几种典型应用场景下的具体体现形式: - 文本分类/情感分析; - 自动摘要生成; - 对话系统构建等等。 ```python import torch from transformers import AutoTokenizer, AutoModelForCausalLM tokenizer = AutoTokenizer.from_pretrained("gpt2") model = AutoModelForCausalLM.from_pretrained("gpt2") input_text = "Once upon a time" inputs = tokenizer(input_text, return_tensors="pt").to('cuda' if torch.cuda.is_available() else 'cpu') outputs = model.generate(**inputs, max_length=50) print(tokenizer.decode(outputs[0], skip_special_tokens=True)) ```
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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