<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[chenjambo的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/chenjambo</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; chenjambo]]></copyright><item><title><![CDATA[用 NVIDIA Jetson 创建 Phi3 聊天机器人]]></title><link>https://blog.youkuaiyun.com/chenjambo/article/details/138336893</link><guid>https://blog.youkuaiyun.com/chenjambo/article/details/138336893</guid><author>chenjambo</author><pubDate>Tue, 30 Apr 2024 10:12:16 +0800</pubDate><description><![CDATA[在 NVIDIA Jetson Xavier NX 上结合微软 Phi3 模型，创建专属的AI对话机器人]]></description><category></category></item><item><title><![CDATA[title: 用 LangChain 构建基于资料库的问答机器人（四）：通过代理使用外部工具]]></title><link>https://blog.youkuaiyun.com/chenjambo/article/details/131908114</link><guid>https://blog.youkuaiyun.com/chenjambo/article/details/131908114</guid><author>chenjambo</author><pubDate>Tue, 25 Jul 2023 08:00:00 +0800</pubDate><description><![CDATA[上一篇教程我们介绍了 ReAct 系统，这是一个非常强大的行为模式，但它需要编写大量的示例来告诉 LLM 如何思考、行动，并且为了遵循这个模式，还需要编写代码来分析生成文字、调用函数、拼接 prompt 等，这些工作都是十分繁琐且冗长的。而 LangChain 帮我们把这些步骤都隐藏起来了，将这一系列动作都封装成 “代理”，我们只需要提供有那些工具可以使用，以及这些工具的功能，就可以让 LLM 自动完成这些工作了。这样我们的代码就会变得简洁、易读，并且拥有更高的灵活性。]]></description><category></category></item><item><title><![CDATA[用 LangChain 构建基于资料库的问答机器人（三）：ReAct]]></title><link>https://blog.youkuaiyun.com/chenjambo/article/details/131885624</link><guid>https://blog.youkuaiyun.com/chenjambo/article/details/131885624</guid><author>chenjambo</author><pubDate>Mon, 24 Jul 2023 08:00:00 +0800</pubDate><description><![CDATA[大家好，我是 Jambo。我们已经学习了如何使用 LangChain 的一些基本功能，解下我们就应该要结合这些功能来做一些复杂的东西了。但在这之前，为了让同学们更好的理解 LangChain 在这其中做了什么，我想先介绍一下关于 GPT 使用方面的一些知识。在 ChatGPT 开放之初，除了各大公司在 AI 算法方面竞争，还有许多人在研究如何仅通过修改 prompt 就能让 GPT-3 做出更好的回答，这种方法被称为“提示工程（Prompt Engineering）”。]]></description><category></category></item><item><title><![CDATA[用 LangChain 构建基于资料库的问答机器人（二）：从资料源中提取文本信息]]></title><link>https://blog.youkuaiyun.com/chenjambo/article/details/131771078</link><guid>https://blog.youkuaiyun.com/chenjambo/article/details/131771078</guid><author>chenjambo</author><pubDate>Tue, 18 Jul 2023 07:00:00 +0800</pubDate><description><![CDATA[大家好，我是学生大使 Jambo。这个系列的目标是做出一个根据资料回答问题的机器人，那么从资料源中提取文本信息就是一件必要的事。但我们的资料源格式是多样的，比如 PDF、Word、HTML、PPT 等等，甚至有的资料源来自于网络，这些格式都不能直接提取出文本，但好在 Python 有很多第三方库可以帮助我们提取文本信息，并且 LangChain 也帮我们整合到了一起，我们只需要调用 LangChain 的接口就可以了。]]></description><category></category></item><item><title><![CDATA[用 LangChain 构建基于资料库的问答机器人（一）：基础用法]]></title><link>https://blog.youkuaiyun.com/chenjambo/article/details/131325604</link><guid>https://blog.youkuaiyun.com/chenjambo/article/details/131325604</guid><author>chenjambo</author><pubDate>Wed, 21 Jun 2023 13:02:12 +0800</pubDate><description><![CDATA[大家好，我是学生大使 Jambo。在上一个系列中，我们介绍了关于 Azure OpenAI API 的使用。如果你有跟着教程使用过，那么你应该能感觉到仅仅是调用 API 是非常简单的，繁琐的是如何将 API 与你的应用结合起来。接下来，我将会介绍一个名为 LangChain 的库，它可以帮助你更方便地将 Azure OpenAI 结合到你的应用中。我也会将这个做成一个系列，最终目标是实现一个可以根据资料库回答问题的聊天机器人。]]></description><category></category></item><item><title><![CDATA[来 Azure 学习 OpenAI 四 - 用 Embedding 赋能 GPT]]></title><link>https://blog.youkuaiyun.com/chenjambo/article/details/130776554</link><guid>https://blog.youkuaiyun.com/chenjambo/article/details/130776554</guid><author>chenjambo</author><pubDate>Mon, 22 May 2023 06:30:00 +0800</pubDate><description><![CDATA[大家好，我是学生大使 Jambo。在我们前一篇文章中，我们介绍了 OpenAI 模型的调用。今天，我将为大家介绍 Embedding 的使用。]]></description><category></category></item><item><title><![CDATA[来 Azure 学习 OpenAI 三 - 用 Python 调用 Azure OpenAi API]]></title><link>https://blog.youkuaiyun.com/chenjambo/article/details/130185519</link><guid>https://blog.youkuaiyun.com/chenjambo/article/details/130185519</guid><author>chenjambo</author><pubDate>Mon, 17 Apr 2023 06:30:00 +0800</pubDate><description><![CDATA[在使用模型之前，我们先来了解一下 Azure 提供了哪些 OpenAI 模型。Azure 提供的模型从功能上可以分为三大类：补全（completion）、对话（chat）、嵌入（embeddings）。补全模型可以根据输入的文本，补全剩余的文本。这类模型顾名思义，就是根据前文续写后续的部分。他可以用来续写文章，补全程序代码。不仅如此，你其实也可以通过固定的文字格式来实现对话的效果。对话模型相信有使用过 ChatGPT 的同学应该很熟悉。对话模型可以根据输入的文本，生成对话的回复。]]></description><category></category></item><item><title><![CDATA[来 Azure 学习 OpenAI 二 - 环境构建]]></title><link>https://blog.youkuaiyun.com/chenjambo/article/details/129901929</link><guid>https://blog.youkuaiyun.com/chenjambo/article/details/129901929</guid><author>chenjambo</author><pubDate>Mon, 03 Apr 2023 08:30:00 +0800</pubDate><description><![CDATA[如今，越来越多的人拥有多台开发设备，例如在家和办公室都有电脑。但是跨设备开发是件麻烦的事情，因为你不仅需要同步文件，还需要在不同的设备上安装相同的开发环境。而对于使用轻型设备，比如 Chromebook 和 iPad，复杂的开发环境也很难被支持。在这种情况下，云端开发将会是一个很好的选择。把工作环境放在云端，无论你使用哪个设备，只要能上网，你就可以获得完全统一的开发环境，而且无需担心硬件算力的问题。]]></description><category></category></item><item><title><![CDATA[学生党，快来 Azure 一起学习 OpenAI （一）：注册 Azure 和申请 OpenAI]]></title><link>https://blog.youkuaiyun.com/chenjambo/article/details/129783819</link><guid>https://blog.youkuaiyun.com/chenjambo/article/details/129783819</guid><author>chenjambo</author><pubDate>Sun, 26 Mar 2023 21:37:57 +0800</pubDate><description><![CDATA[大家好我是微软学生大使 Jambo , 在刚结束的微软学生开发者峰会 2023中我们了解到微软为学生提供了 Azure for Student 大礼包，通过 Azure for Student 除了学习和部署云原生的应用外，还可以申请使用 Microsoft OpenAI Service。在这个 AIGC 火热的年代，作为学生别错过这个千载难逢的机会。下面我会介绍一下我是如何申请到 Microsoft Azure for Student 和 Azure OpenAI Service 的。]]></description><category></category></item><item><title><![CDATA[运行 Triton 示例]]></title><link>https://blog.youkuaiyun.com/chenjambo/article/details/126282719</link><guid>https://blog.youkuaiyun.com/chenjambo/article/details/126282719</guid><author>chenjambo</author><pubDate>Thu, 11 Aug 2022 22:58:50 +0800</pubDate><description><![CDATA[NVIDIA Triton 推理服务器 提供针对 CPU 和 GPU 优化的云和边缘推理解决方案。]]></description><category></category></item><item><title><![CDATA[Tinker board 安装 OpenCV]]></title><link>https://blog.youkuaiyun.com/chenjambo/article/details/125934807</link><guid>https://blog.youkuaiyun.com/chenjambo/article/details/125934807</guid><author>chenjambo</author><pubDate>Mon, 25 Jul 2022 22:28:26 +0800</pubDate><description><![CDATA[Tinker board 安装 OpenCV]]></description><category></category></item><item><title><![CDATA[Tinker Board 2S 使用 CSI 摄像头]]></title><link>https://blog.youkuaiyun.com/chenjambo/article/details/125928360</link><guid>https://blog.youkuaiyun.com/chenjambo/article/details/125928360</guid><author>chenjambo</author><pubDate>Fri, 22 Jul 2022 15:46:18 +0800</pubDate><description><![CDATA[TinkerBoard2S使用CSI摄像头]]></description><category></category></item><item><title><![CDATA[Tinker board 系统安装]]></title><link>https://blog.youkuaiyun.com/chenjambo/article/details/125851363</link><guid>https://blog.youkuaiyun.com/chenjambo/article/details/125851363</guid><author>chenjambo</author><pubDate>Mon, 18 Jul 2022 16:32:46 +0800</pubDate><description><![CDATA[Tinker board 系统安装]]></description><category></category></item><item><title><![CDATA[NVIDIA中文车牌识别系列-1” 在Jetson上用DeepStream识别中文车牌]]></title><link>https://blog.youkuaiyun.com/chenjambo/article/details/118415230</link><guid>https://blog.youkuaiyun.com/chenjambo/article/details/118415230</guid><author>chenjambo</author><pubDate>Fri, 02 Jul 2021 14:49:00 +0800</pubDate><description><![CDATA[前言
这是NVIDIA在2021年初公布的一个开源项目，用NVIDA Jetson设备上的DeepStream视频分析套件实现“车牌识别”的功能，这是个实用性非常高的应用，能应用在各类小区门禁管理、停车场管理、道路违章等使用场景。
这个项目还有一个非常重要的特色，就是支持中国（文）机动车牌的识别，本文就专门针对中文车牌识别的部分，带着大家走过一遍，项目内容中有些需要改进的部分，在本文中也都一一说明，现在先简单了解一下这个项目的执行原理。
本系列总共包括三部分：

在 Jetson 上用 DeepStream]]></description><category></category></item><item><title><![CDATA[NVIDIA中文车牌识别系列-3：使用TLT训练车牌号识别LPR模型]]></title><link>https://blog.youkuaiyun.com/chenjambo/article/details/118399910</link><guid>https://blog.youkuaiyun.com/chenjambo/article/details/118399910</guid><author>chenjambo</author><pubDate>Thu, 01 Jul 2021 22:49:04 +0800</pubDate><description><![CDATA[预先准备
在开始建立和部署 TLT 中高准确率的车辆训练模型时，需要以下资源：

NGC 账号
DeepStream SDK

我们将使用 TLT 进行训练
pip3 install nvidia-pyindex
pip3 install nvidia-tlt

创建 ~/.tlt_mounts.json 文件，并加入以下内容：
{
    "Mounts": [
        {
            "source": "/home/&lt;username&gt;/tlt-experiments"]]></description><category></category></item><item><title><![CDATA[NVIDIA中文车牌识别系列-2：使用TLT训练车牌识别LPD模型]]></title><link>https://blog.youkuaiyun.com/chenjambo/article/details/118399891</link><guid>https://blog.youkuaiyun.com/chenjambo/article/details/118399891</guid><author>chenjambo</author><pubDate>Thu, 01 Jul 2021 22:46:37 +0800</pubDate><description><![CDATA[预先准备
在开始建立和部署 TLT 中高准确率的车辆训练模型时，需要以下资源：

NGC 账号
DeepStream SDK

我们将使用 TLT 进行训练
pip3 install nvidia-pyindex
pip3 install nvidia-tlt

创建 ~/.tlt_mounts.json 文件，并加入以下内容：
{
    "Mounts": [
        {
            "source": "/home/&lt;username&gt;/tlt-experiments"]]></description><category></category></item><item><title><![CDATA[使用 DeepStream运行车牌识别]]></title><link>https://blog.youkuaiyun.com/chenjambo/article/details/118314486</link><guid>https://blog.youkuaiyun.com/chenjambo/article/details/118314486</guid><author>chenjambo</author><pubDate>Mon, 28 Jun 2021 23:18:13 +0800</pubDate><description><![CDATA[目录先决条件下载设置参数构建，运行
先决条件


DeepStream SDK 5.0.1
运行范例deepstream-test1，以检测deepstream是否安装成功


tlt-converter
下载对应版本的tlt-converter并根据内置说明安装




Platform
Compute
Link




x86 + GPU
CUDA 10.2/cuDNN 8.0/TensorRT 7.1
link


x86 + GPU
CUDA 10.2/cuDNN 8.0/TensorRT 7.2
]]></description><category></category></item><item><title><![CDATA[ASUS TPU加速卡：Linux 驱动安装]]></title><link>https://blog.youkuaiyun.com/chenjambo/article/details/117695557</link><guid>https://blog.youkuaiyun.com/chenjambo/article/details/117695557</guid><author>chenjambo</author><pubDate>Tue, 08 Jun 2021 11:54:16 +0800</pubDate><description><![CDATA[ASUS发布了一款基于Google Coral Edge TPU处理器的全高半长PCIe Gen3 AI加速卡。我们有幸拿到了一块。这款产品的型号为：CRL-G116U-P3DF，内置了16个GoogleCoral Edge TPU M.2模块。

本文讲述了如何在Linux上安装处理器的驱动]]></description><category></category></item><item><title><![CDATA[在Jetson Nano使用face_recognition人脸识别]]></title><link>https://blog.youkuaiyun.com/chenjambo/article/details/106311033</link><guid>https://blog.youkuaiyun.com/chenjambo/article/details/106311033</guid><author>chenjambo</author><pubDate>Sun, 24 May 2020 10:18:28 +0800</pubDate><description><![CDATA[配置环境

cd ~
touch setup.sh
gedit setup.sh

复制以下内容，保存
# install dependencies
sudo apt-get update
sudo apt-get install -y build-essential \
    cmake \
    gfortran \
    git \
    wget \
    curl \
    graphicsmagick \
    libgraphicsmagick1-dev \
    libat.]]></description><category></category></item><item><title><![CDATA[使用Nvidia Jetson TX2进行人脸检测]]></title><link>https://blog.youkuaiyun.com/chenjambo/article/details/81182732</link><guid>https://blog.youkuaiyun.com/chenjambo/article/details/81182732</guid><author>chenjambo</author><pubDate>Tue, 24 Jul 2018 13:05:28 +0800</pubDate><description><![CDATA[环境

Jetson TX2 
JetPack-3.1 

 

构建

1.下载代码


git clone https://github.com/AastaNV/Face-Recognition

2.进入Face-Recognition文件夹


cd Face-Recognition

3.创建build文件夹


mkdir build

4.进入build文件夹


cd build
...]]></description><category></category></item></channel></rss>