DataWhale的ChatGLM与SD项目实践

原创 已于 2024-03-13 20:52:12 修改 · 418 阅读 · 8 ·
CC 4.0 BY-SA版权
本文为博主原创文章，未经博主允许不得转载。
文章标签：

#人工智能

于 2024-03-13 20:51:20 首次发布
作者参与了DataWhale组织的项目，通过赠送算力点吸引新用户，介绍了部署chatGLM和stable-diffusion-webui的教程，强调了SSH配置的便利性。
部署运行你感兴趣的模型镜像

DataWhale|chatGLM与SD项目实践


参与了DataWhale组织的chatGLM与SD项目实践，要打卡记录学习结果。简单记录一下。 学习教程。

简单来说就是，趋动云花钱做推广，新用户送168个算力点，然后通过自行部署chatglm和stable-diffustion-webui，来帮助新手了解这两个东西。我之前都玩过，所以就是随便看看。教程中需要注意的是，会ssh的最好在系统那里配置一下ssh连接，方便改代码。
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
以上。

您可能感兴趣的与本文相关的镜像

Stable-Diffusion-3.5

Stable-Diffusion-3.5

图片生成
Stable-Diffusion

Stable Diffusion 3.5 (SD 3.5) 是由 Stability AI 推出的新一代文本到图像生成模型，相比 3.0 版本，它提升了图像质量、运行速度和硬件效率

a_void
关注
【DataWhale学习】用免费GPU线上跑chatGLM项目实践
你一定能够成为你想要去成为的人。
03-11 2380
本文以趋动云平台为例，详细介绍下如何通过平台提供的在线开发环境，直接在云端编写、运行代码，并使用**GPU资源进行加速**。用免费GPU创建属于自己的聊天GPT用免费GPU部署自己的stable-diffusion注册即送168元算力金Datawhale专属注册链接：https://growthdata.virtaicloud.com/t/SA适用人群新手开发者、快速原型设计者；需要协作和分享的团队；对大模型部署感兴趣的人；深度学习入门学习者；对使用GPU资源有需求的人。
【DataWhale学习】用免费GPU线上跑StableDiffusion项目实践
你一定能够成为你想要去成为的人。
03-12 2079
本文以趋动云平台为例，详细介绍下如何通过平台提供的在线开发环境，直接在云端编写、运行代码，并使用GPU资源进行加速。用免费GPU创建属于自己的聊天GPT用免费GPU部署自己的stable-diffusion注册即送168元算力金Datawhale专属注册链接：https://growthdata.virtaicloud.com/t/SA适用人群新手开发者、快速原型设计者；需要协作和分享的团队；对大模型部署感兴趣的人；深度学习入门学习者；对使用GPU资源有需求的人。
【DataWhale学习】用免费GPU线上跑chatGLM、SD项目实践
你一定能够成为你想要去成为的人。
03-22 1349
本文以趋动云平台为例，详细介绍下如何通过平台提供的在线开发环境，直接在云端编写、运行代码，并使用**GPU资源进行加速**。用免费GPU创建属于自己的聊天GPT用免费GPU部署自己的stable-diffusion注册即送168元算力金Datawhale专属注册链接：https://growthdata.virtaicloud.com/t/SA适用人群新手开发者、快速原型设计者；需要协作和分享的团队；对大模型部署感兴趣的人；深度学习入门学习者；对使用GPU资源有需求的人。
大模型入门书籍推荐：12本从理论到实践的必备指南，帮你彻底搞懂大模型！
2401_84495872的博客
10-15 1067
本文推荐了12本大模型入门必读书籍，重点介绍了两本：《基于GPT-3等Transformer架构的自然语言处理》涵盖NLP新技术、模型对比及实践应用；《大模型应用开发极简入门》指导如何用Python基于GPT-4/ChatGPT开发应用。书籍PDF及学习资料可通过CSDN免费获取。这些资源适合想系统学习大模型的读者，帮助从基础到高阶全面掌握相关知识。
2025年AI大模型学习必备：这份全面的书单，从0到1助你轻松掌握，一本都不容错过！
Trb201013的博客
10-11 1082
大语言模型是近年来比较流行的一个方向，市场中急需有丰富开发经验的AI人员，如何入门AGI？大语言模型就业前景怎么样？接下来，我收集资料，推荐几本入门书籍。
12本大模型入门必看的经典书籍，让你彻底理解大模型！【大模型必读书籍】
2401_84204207的博客
01-22 2056
随着AI在越来越多的行业被应用，AI赋能的价值逐步体现出来。本书从AI的本质出发，介绍AI技术过往的发展历程和最新的理论成果，然后讲解如何站在移动互联网和大数据的基础上，系统地学习、应用AI技术。本书希望向读者提供学习AI技术的资料、路径，以及打磨AI产品的观点、思路。此外，本书通过介绍笔者接触、打磨AI产品的实际经历，给大家指出AI赋能过程中需要避免的“坑”，期待我们在AI时代共同发展自己、发展生活，在未来遇到更好的AI产品、更好的自己。
入门大模型的终极书单！12本书颠覆认知，跪感十足！
m0_63171455的博客
02-27 769
随着AI在越来越多的行业被应用，AI赋能的价值逐步体现出来。本书从AI的本质出发，介绍AI技术过往的发展历程和最新的理论成果，然后讲解如何站在移动互联网和大数据的基础上，系统地学习、应用AI技术。本书希望向读者提供学习AI技术的资料、路径，以及打磨AI产品的观点、思路。此外，本书通过介绍笔者接触、打磨AI产品的实际经历，给大家指出AI赋能过程中需要避免的“坑”，期待我们在AI时代共同发展自己、发展生活，在未来遇到更好的AI产品、更好的自己。
大模型入门必看书籍清单：12本书籍，揭露大模型本质！非常详细收藏我这一篇就够了！
m0_63171455的博客
02-21 1577
随着AI在越来越多的行业被应用，AI赋能的价值逐步体现出来。本书从AI的本质出发，介绍AI技术过往的发展历程和最新的理论成果，然后讲解如何站在移动互联网和大数据的基础上，系统地学习、应用AI技术。本书希望向读者提供学习AI技术的资料、路径，以及打磨AI产品的观点、思路。此外，本书通过介绍笔者接触、打磨AI产品的实际经历，给大家指出AI赋能过程中需要避免的“坑”，期待我们在AI时代共同发展自己、发展生活，在未来遇到更好的AI产品、更好的自己。
大模型学习宝典：12本精选书籍（附PDF），助你高效掌握核心知识！
2401_85390073的博客
05-21 1037
这篇文章推荐了12本大模型入门必读书籍，建议用一年时间系统学习。重点介绍了前两本：《基于GPT-3,ChatGPT,GPT-4等Transformer架构的自然语言处理》和《大模型应用开发极简入门:基于GPT-4和ChatGPT》。第一本书涵盖Transformer架构对比、NLP任务实践、图像处理等内容；第二书聚焦GPT-4和ChatGPT的应用开发。这些书籍可以帮助读者从基础到进阶掌握大模型技术，适合收藏并循序渐进学习
DataWhale教程与实践笔记分享
在这个主仓库中，可能包含了DataWhale社区成员整理的各类教程、笔记、实践项目以及其他资源。它既是一个学习资源的集合，也可能是一个交流和协作的平台，方便社区成员获取和分享数据科学相关知识。 根据以上的知识...
Datawhale 组队学习之编程与数据结构算法资料存储库
07-28
本次内容聚焦于算法的理解与应用，将从优质课程设计或简化的工业界小项目入手，让每位参与者都能实践相应的函数接口。我们会提供相关文档和函数接口设计，同学们需完成代码实现并提交至指定平台，提交后可查看可视化...
Datawhale精彩SQL项目复制和学习笔记.zip
10-16
这次所提及的“Datawhale精彩SQL项目复制和学习笔记.zip”压缩包，很可能是Datawhale社区中针对SQL（Structured Query Language，结构化查询语言）的一个项目复现与学习资料集合。 SQL是数据库管理和数据操作的标准...
《Datawhale项目实践系列》发布！
Datawhale
08-19 521
Datawhale干货开源贡献：Datawhale团队你认为Datawhale体现的价值？Datawhale团队已经有200多个成员，我们在一起坚持做开源的意义和价值是什么？其实每个人都有自己的理解，促使着开源的种子生根发芽。我觉得Datawhale的价值就是连接一群人，进行知识分享与互助。— 王晓亮1加1是远远大于2的，Datawhale使这个效应变得更大。—刘双超Datawhale开源的活...
TensorRT笔记（5）：研究timingCache
ouliten的博客
12-02 1098
在里出现了大量的timingCache，但是当时没有取研究这是干啥的，本文就来解析一下。样例都基于上面的文章。
【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
12-02 902
【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
大模型应用：大模型 MapReduce 全解析：核心概念、中文语料示例实现.12
minhuan的专栏
12-03 1196
本文介绍了MapReduce编程模型及其在大模型训练中的应用。MapReduce通过"分治-并行-聚合"思想处理大规模数据，传统Hadoop MapReduce侧重结构化数据计算，而大模型MapReduce则针对自然语言处理任务。文章详细对比了两者在架构、处理对象和核心算力等方面的差异，并提供了中文词频统计的Python实现示例，包括单机版和分布式版本。分布式实现利用多进程模拟集群计算，展示了数据分片、Map、Shuffle和Reduce的完整流程。
人工智能的基石之三：硬件
最新发布
最简单的方法，解决最实际的问题。
12-05 580
高性能硬件是人工智能的基石，尤其是在机器学习和深度学习领域，海量数据是常态。从充当计算机大脑的中央处理器 (CPU) 到加速计算的图形处理器 (GPU)，硬件的作用是提供处理和运行复杂数据算法所需的原始能力。
AI泡沫什么时候破？
脑极体
12-04 577
而AI企业面对的短期形势，可能更为严峻。而AI公司和技术服务商，为了迎合决策者或拿下B端大项目，往往不计成本的低价竞标，无视人工成本的驻场开发，技术价值让位于领导偏好，企业自身也深陷人效黑洞，沦为挣辛苦钱的技术外包。To B/G不赚钱，To C也卖不上价，所以目前AI领域唯一清晰的商业模式，就是类似英伟达的“卖铲人”模式，卖加速卡和算力的企业成了这一轮AI浪潮的最大受益人。去伪存真之后，资本会冷却，叙事会修正，共识会重新凝聚，而那些持续追问“AI如何创造真实价值”的人，会与行业一同穿越周期，走向成熟。
【AI是否能替代IT从业者？】
博文致力于人工智能算法的探索研究；前后端分离项目的技术分享交流；专升本计算机基础课程内容讲解；各种中间件技术分享
12-03 1073
2025年IT行业面临AI深度重构：基础开发、测试、运维岗位替代率超60%，但AI相关新兴岗位激增380%。人类在复杂系统设计、伦理决策和跨界融合领域仍具不可替代性。微软等企业实践显示，人机协作可使效率提升40%。从业者需转型高价值领域（如Agent开发、大模型工程），掌握"技术+领域"双轨能力。AI本质是职业生态重构器，持续学习者的薪资溢价可达150%。建议立即评估岗位AI暴露指数，优先学习分布式架构优化、多智能体开发等技能。
评论
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