书生浦语大模型实战营第二期 第四次课作业

深度学习模型的微调与应用：从基础认知到OpenXLab部署
原创 已于 2024-05-11 21:31:16 修改 · 263 阅读 · 3 ·
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：

#人工智能 #大数据 #python

于 2024-04-24 23:46:48 首次发布
文章探讨了如何通过微调训练模型使其识别并理解自身作为助手的功能，以及在数据集限制下可能出现的知识遗忘现象。进阶作业涉及将微调后的模型部署到OpenXLab平台。部署教程也提及，展示了模型在多模态环境下的应用和实际操作步骤。

第 4 节课作业

记录复现过程并截图

基础作业（结营必做）

  • 训练自己的小助手认知（记录复现过程并截图）

可以看出微调前模型不知道它是我的助手，而微调后则知道，只是由于数据集只有重复的一条数据，所以模型灾难性地遗忘了所有其他知识。

进阶作业

  • 将自我认知的模型上传到 OpenXLab，并将应用部署到 OpenXLab（优秀学员必做）

  • 复现多模态微调（优秀学员必做）

可以看出，微调后，模型能够回答问题，而不是仅仅打标题。

OpenXLab 部署教程：Tutorial/tools/openxlab-deploy at camp2 · InternLM/Tutorial · GitHub

SunInCrack
关注
【书生浦语大模型实战营第三期】入门岛 Git基础知识
weixin_40574825的博客
07-25 430
1、Fork 目标项目 https://github.com/InternLM/Tutorial。2、切换到自己的仓库，获取项目链接，克隆项目，完成之后查看项目分支等信息。【书生浦语大模型实战营第三期】入门岛 Git基础知识。5、创建个人破冰文件，并提交到新建的分支。
书生浦语大模型实战课（第二期） 第二课作业
04-04
### 书生浦语大模型实战课（第二期）第二课作业知识点总结 #### 一、使用Powershell配置端口及权限问题处理 在学习过程中，遇到的第一个问题是在使用Powershell配置端口时出现问题，尝试修改端口号并复制密码，但...
书生大模型实战营第四期----书生·浦语大模型开源开放体系
2301_81998532的博客
11-19 1423
一、书生·浦语大模型发展之路 二、书生·浦语2.5的发展现状 1、推理能力领先 综合推理能力领先社区开源模型,相对internLM2性能提升20%; 1) 模型能力飞轮 当前模型通过数据过滤智能评估预训练数据和指令生成辅助标注对齐数据来训练出更好模型从而促使当前模型的不断迭代更新. 2) 高质量合成数据:融合多种数据合成方案,提升合成数据质量 (1) 基于规则的数据构造 (2) 基于模型的数据扩充 (3) 基于反馈的数据生成 2、支持100万字上下文 百万字长文的理解和精确处理性能处于
书生浦语大模型实战营第二期 第五次课作业
SunInCrack的博客
04-11 441
完成以下任务，并将实现过程记录截图：完成以下任务，并将实现过程记录截图：命令行客户端：
书生浦语大模型实战营第二期 第四次课笔记
SunInCrack的博客
04-24 1999
本节内容涉及XTuner完整流程，包括数据集和模型使用、配置文件制作、训练、转换及整合。
书生浦语大模型实战营第二期第四次课
m0_73941645的博客
05-12 750
傻瓜式，上手难度低轻量级，对于7B参数量的LLM，微调需要的最小显存仅为8GBXTuner训练速度在不同的量级的模型上训练速度都显著高于LLaMa-Factory在不同参数长度下，无论是兼容性、性能优化、显存优化等方面XTuner都更具优势。
书生浦语大模型实战营第二期第二次课
m0_73941645的博客
04-05 438
八戒-Chat-1.8B 是利用《西游记》剧本中所有关于猪八戒的台词和语句以及 LLM API 生成的相关数据结果，进行全量微调得到的猪八戒聊天模型。八戒-Chat-1.8B 能够回答各种问题，提供建议、信息和娱乐，并与用户进行自然语言交互。课程文档：https://github.com/InternLM/Tutorial/blob/camp2/helloworld/hello_world.md。课程视频：https://www.bilibili.com/video/BV1AH4y1H78d/
书生浦语大模型实战营第二次课作业
lsjmax的博客
04-03 600
采用书生浦语提供的开发平台https://studio.intern-ai.org.cn/console/instance/new。使用studio-conda -o internlm-base -t demo。相当于以下几个命令：创建python虚拟环境，然后安装模型所依赖的包。让模型编写一个300字关于程序员的小故事。创建开发机，选用封装好的镜像。
书生浦语大模型实战营第三期 L1 书生大模型全链路开源体系学习笔记
yizhiboshanshan的博客
07-24 332
总结：书生·浦语大模型构建了全链路开源体系，并深入介绍了其发展历程与独特特点。大模型作为通用人工智能的关键路径，已展现出解决多元化任务与模态的强大能力。具体而言，书生葡语大模型凭借其超长上下文处理能力，实现了综合性能的全面飞跃，不仅支持结构化创作，还确保了数据分析的可靠性。此外，该模型还强化了内生计算能力并集成了先进的代码解释器，在多个能力维度上均取得了优异的评测成绩。
【书生浦语大模型实战营第三期】入门关卡Python
u013571134的博客
07-09 735
运行完全部代码后来到最后一步，可以看到count_res里已经是我们需要的结果了。
书生浦语大模型实战课 第二课作业（更新）
04-04
### 书生浦语大模型实战课程第二课作业解析与技术难点详解 #### 一、课程背景概述 在书生浦语大模型实战课程中，第二课主要涉及模型的部署与调试过程。本次作业旨在通过实际操作加深学员对模型部署流程的理解，并...
书生·浦语大模型第二课
03-04
根据提供的信息，“书生·浦语大模型第二课”似乎是指一次课程或者教学活动的内容，主要涉及“浦语大模型”的相关内容。虽然提供的信息较为有限，但从这些线索中，我们可以推测出这可能是一次关于自然语言处理（NLP...
基于学习的人工智能（1）为什么学习？
致力于大数据+AI 的应用创新。
11-24 253
学习是人类最重要的认知活动之一，贯穿我们的一生。出生后，我们无时无刻不在学习：从父母那里学说话，自己尝试走路，从小伙伴那里学会折纸飞机，从老师那里学到语文、数学等各种知识。研究人员始终将光源和风扇放在同一侧，经由学习，玉米幼苗逐渐学会了“有风的地方就会有光”的规律。之后，研究人员移去光源，并改变风扇方向，玉米幼苗依然按照所学知识，向风扇方向生长。1959 年，美国计算机学家亚瑟·塞缪尔设计了一款可以自我学习的跳棋程序，并将这一新方法称为“机器学习”，从而开启了机器自我学习的道路。
三大空间信息焕新：辉视让酒店服务、教育通知、监所管控更智能高效
CalebLXL的博客
11-24 477
走访这些场所后我发现，系统的真正价值不在于那些炫目的屏幕，而在于它构建了一套"空间信息免疫系统"——就像人体淋巴网络般，能智能识别各区域的信息需求，精准输送"营养"，快速清除"毒素"。当我们在酒店大堂不再错过末班机场大巴，在学校走廊偶遇恰好需要的竞赛通知，甚至在高墙内获得规整的信息权时，或许该重新思考：所谓智能化，本质是对空间信息代谢效率的一次外科手术式改造。这种荒诞的割裂感，正是传统信息分发模式崩溃的缩影——直到我最近走访数家采用辉视系统的场所，才意识到我们早已进入"精准信息触达"的新纪元。
（116页PPT）关于5G和新基建赋能智慧工地整体解决方案（附下载方式）
最新发布
2501_92808811的博客
11-25 301
在整体架构方面，方案以“5G智慧工地平台”为核心，依托多类感知设备（如传感器、摄像头、AI眼镜、智能安全帽等）采集数据，通过5G网络实时回传至云平台，再借助大数据、云计算、人工智能等技术进行分析处理，最终在PC、手机、监控大屏等多终端进行可视化展示。此外，文件还详细列举了传统智慧工地子系统（如深基坑监测、升降机监控、扬尘噪音监测、智能水电计量等）的功能与部署方式，并补充了如5G企业专网、实测机器人、智慧科技体验中心等延伸应用，体现出方案的系统性与前瞻性。详细资料请看本解读文章的最后内容。
中国计算机学会（CCF）推荐学术会议-A（人工智能）：ACL 2026
iaast的博客
11-24 448
大会官网：https://2026.aclweb.org/录用率：20.3%（1699/8360，2025年）时间地点：2026年7月2日-加州·美国。截稿时间：2026年1月5日。CCF推荐：A（人工智能）
RAG 的诞生：为了让 AI 不再“乱编”
weixin_44876263的博客
11-24 467
RAG全称，中文为“检索增强生成”。其核心思想是：在生成答案时，不仅依赖大模型内部的训练知识，还能够实时访问外部知识库或文档，从而生成更加准确和可靠的内容。就像一个学生回答问题，不仅依靠自己记忆，还会去图书馆查资料，然后结合记忆和查到的资料回答问题。你问模型：“请告诉我最新的新能源补贴政策。纯模型可能只靠训练记忆，回答的是过时或模糊的信息。RAG 模型会先去查最新政策文件，再结合训练知识生成答案，因此更准确。检索资料：先找到相关文档或信息。结合生成：把找到的资料和问题一起输入模型，让模型生成答案。
基于华为开发者空间实现花卉识别
优快云高校俱乐部官方博客
11-21 1953
基于华为开发者空间实现花卉识别
人工智能在医疗行业的革命性应用：从诊断到个性化治疗
2501_94114442的博客
11-21 505
人工智能（AI）技术近年来已经渗透到各个行业，其中，医疗行业无疑是受益最大之一。从疾病的早期诊断到个性化治疗方案的制定，AI正在加速医学领域的变革。通过机器学习、深度学习、自然语言处理等技术，AI不仅能够处理和分析大量的医疗数据，还能够帮助医生做出更加精准的决策，提升患者的治疗效果，并优化整个医疗体系的运作效率。本文将探讨人工智能在医疗行业的应用，分析其在不同医疗领域的具体作用，并展望AI如何进一步推动医疗健康行业的发展。
InternVL多模态模型部署与QLoRA微调实战
文章源自第三期书生大模型实战营的技术实践总结，具有高度的可操作性和工程指导意义。 首先，在任务介绍部分，作者明确了本次实践的核心目标：通过对InternVL模型进行有监督微调（Supervised Fine-tuning, SFT），...
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