动手学大模型应用开发 大模型简介

最新推荐文章于 2025-07-14 21:00:27 发布
最新推荐文章于 2025-07-14 21:00:27 发布
阅读量268 收藏
点赞数 3
CC 4.0 BY-SA版权
文章标签： python
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。
本文链接：https://blog.youkuaiyun.com/doublewei1/article/details/139806979

https://mp.weixin.qq.com/s?__biz=MzU1NjUxNjI3OQ==&mid=2247483857&idx=1&sn=76c27c13b2df1ba5ac8cb52253d00ed0&chksm=fbc29709ccb51e1f51ff2d178923c63cf373abb02cb2e92ca62e55af62ff57f810ffa0998c35#rd

【训练营】DateWhale——动手学大模型应用开发（更新中）
KLeinLAN的博客
04-17 1148
大模型时代从GPT爆发开始到现在已有一年多了，深度学习发展之快无法想象，一味感叹技术发展速度超越个人学习速度是没用的，倒不如花点时间参加一些活动，比如思考大模型时代下如何训练小模型呢？毫无例外，openai的GPT系列是我们值得了解的一个重要模型，不过很可惜其并未开源，现在我们常用的GPT是3.5-turbo，可以执行各种任务，包括代码编写、数学问题求解、写作建议等。其余模型见datawhale的开源学习文档。
Datawhale 动手学大模型应用开发 第六章第七章笔记 迭代优化prompt / 大模型评估 / 项目结构 / Gradio&FastAPI
qq_46231296的博客
11-23 1455
Datawhale 动手学大模型应用开发 第六章第七章笔记 迭代优化prompt / 大模型评估 / 项目结构 / Gradio&FastAPI
动手学大模型应用开发第一章：大模型简介
raulyy7777的博客
04-17 1577
本文内容来自 https://datawhalechina.github.io/llm-universeLarge Language Model ， 简称 LLM，也称大语言模型，是一种旨在理解和生成人类语言的人工智能模型。LLM 通常指包含数百亿（或更多）参数的语言模型，它们在海量的文本数据上进行训练，从而获得对语言深层次的理解。目前，国外的知名 LLM 有 GPT-3.5、GPT-4、PaLM、Claude 和 LLaMA 等，国内的有文心一言、讯飞星火、通义千问、ChatGLM、百川等。
动手学大模型应用开发之大模型简介
qq_62904883的博客
10-06 899
动手学大模型应用和开发
动手学大模型应用开发笔记--用dash开发一个大模型知识库
python1222_的博客
03-12 1034
动手学，把自己学到的东西动手自己做出来并输出，是最好的学习方式。最近一直在关注和使用各种ai工具，也在学一些ai开发的知识，看到datawhale的开源学习教程，动手学大模型开发()这个教程比较全面，正好可以结合自己常用的数据平台开发工具dash来开发一个web界面，做个简单的demo用起来，可以本地调用各种大模型api来和自己的文本知识库来对话。本来准备报名进群一起学习的，看到的时候报名时间刚好过了半天，就自己来自学一下了。先来看一下做出来的结果吧：代码开源在这里：# 新建虚拟环境# 进入环境。
动手学大模型LLM应用开发之大模型初探
lcx_nanmu的博客
04-18 1214
大语言模型（LLM，Large Language Model），是一种可以理解和生成人类语言的人工智能模型。它们通过海量的文本数据进行训练，从而获得对语言深层次的理解能力。LLM 通常指包含数百亿（或更多）参数的语言模型。国外的知名 LLM 有 GPT-3.5、GPT-4、PaLM、Claude 和 LLaMA 等。国内的有文心一言、讯飞星火、通义千问、ChatGLM、百川等。
动手学大模型应用开发-Task01
lanhaile的博客
11-13 500
1、大语言模型旨在理解和生成人类语言2、为什么叫大语言模型？3、LLM的应用4、LLM的出现让人们重新思考了通用人工智能（AGI）的可能性。AGI 是一种像人类一样思考和学习的人工智能。5、大模型的能力（1）涌现能力（2）作为基座模型支持多元应用的能力（3）支持对话作为统一入口的能力6、大模型的特点7、常见大模型（1）GPT系列（不开源）（2）Claude系列（不开源）（3）PaLM 系列（不开源）（4）文心一言（不开源）（5）星火大模型（不开源）（6）LLaMA 系列（开源）（7）GLM 系列（开源）
动手学大模型应用开发_学习笔记（一）——大模型简介
dandellion_的博客
10-28 715
等任务。目前包含 Claude 和 Claude-Instant 两种模型可供选择，其中 Claude Instant 的延迟更低，性能略差，价格比完全体的 Claude-v1 要便宜，两个模型的上下文窗口都是 9000 个token（约 5000 个单词，或 15 页）。最早的 Claude 于 2023 年 3 月 15 日发布，并在 2023 年 7 月 11 日，更新至。
开源教程「动手学大模型应用开发」，从零基础到掌握大模型开发的关键技能！_大模型应用技能路线
qkh1234567的博客
07-17 1626
动手学大模型应用开发」是一个面向小白开发者的大模型应用开发教程，以个人知识库助手项目为实践目标，通过这个项目完成大模型开发的重点入门。大模型简介，何为大模型、大模型特点是什么、LangChain 是什么，针对小白开发者的简单介绍；如何调用大模型 API，本节介绍了国内外知名大模型产品 API 的多种调用方式，包括调用原生 API、封装为 LangChain LLM、封装为 Fastapi 等调用方式，同时将包括百度文心、讯飞星火、智谱AI等多种大模型 API 进行了统一形式封装；
动手学大模型应用开发：大模型简介与环境配置
2401_84495872的博客
06-20 496
大语言模型（LLM，Large Language Model），也称大型语言模型，是一种旨在理解和生成人类语言的人工智能模型。我将他理解为一种黑盒模型，他可以输入人类语言，输出人类语言，黑盒里面是什么呢？是一种大型神经网络。以上是一个普通的神经网络，它有3个输入权重和一个输出，w1、w2、w3w_1、w_2、w_3w1​、w2​、w3​是权重，x1、x2、x3x_1、x_2、x_3x1​、x2​、x3​是输入，只有当yyy大于某个值的时候，才会输出【出去玩】这个结论，这是一个简单的神经网络的例子。
“动手学大模型应用开发”（学习记录）-- Datawhale LLM Universe April 2024 开源学习
qq_41572132的博客
04-16 1398
DataWhale 的 LLM 实战项目学习笔记
动手学大模型应用全栈开发（Datawhale X 魔搭 AI夏令营）
Kristina_code的博客
08-09 1050
动手学大模型应用全栈开发（Datawhale X 魔搭 AI夏令营）
Datawhale AI夏令营第四期：动手学大模型应用全栈开发task1
sty0213的博客
08-08 1960
速览：这边笔记将会带大家快速跑一遍baseline，再带大家精读一下baseline。
【python实用小脚本-135】Python 实现图像卡通化：轻松将照片转换为卡通风格
kylner的博客
07-10 517
本文介绍了一个基于Python和OpenCV的图像卡通化工具imagecartoonizer.py。该工具通过灰度转换、中值滤波去噪、自适应阈值边缘提取和双边滤波颜色处理，最后合成卡通效果图像。操作简单高效，适用于社交媒体头像制作和创意设计等场景，帮助用户快速实现照片卡通化效果。源码已开源并提供下载链接。
深入浅出 Python Asynchronous I/O：从 asyncio 入门到实战
柷敔的博客
07-10 928
想象一下你在厨房做饭，需要同时烧水、切菜和炒菜。同步 (Synchronous)：你先把水壶放到灶上，然后就一直盯着它，直到水烧开。之后，你再去切菜，切完所有菜后，最后才开始炒菜。在这个过程中，当你在等待水烧开时，你什么也做不了，时间被白白浪费。异步 (Asynchronous)：你把水壶放到灶上后，就不管它了，直接去切菜。切菜的间隙，你抽空看一眼水开了没。水一开，你就去处理。这样，等待水烧开的时间被你用来切菜，整个做饭的效率大大提高。[3]代码的世界也是如此。
QuACK：用纯 Python 把 H100 推到“光速”
weixin_41446370的博客
07-14 228
Flash Attention作者Tri Dao团队推出全新GPU内核库QuACK，完全基于Python和CuTe-DSL开发，无需CUDA C++代码。在H100显卡上性能超越PyTorch编译器和Liger库33%-50%。团队强调高性能的关键在于精准处理bank冲突、流水线延迟和L2预取等硬件细节，并通过CuTe-DSL将这些优化抽象为Python表达式。QuACK现已开源，开发者可通过简单Python调用实现底层TMA+Hopper WGMMA指令优化。
使用SpringAOP自定义权限控制注解
青衫客36的博客
07-10 498
本文通过自定义注解对 Controller 层的方法实现访问控制，其核心原理是基于 Spring AOP 的面向切面编程机制。系统在运行时由 Spring 生成目标类的动态代理对象，在方法执行前织入权限校验逻辑，从而实现对用户访问权限的统一拦截与验证，确保接口调用符合预设的安全规则。
Java Stream流详解
最新发布
Broken_x的博客
07-14 822
Java Stream流详解：从基础到原理 摘要 Java 8引入的Stream流是集合操作的函数式抽象，通过无存储、惰性计算等特性，构建高效的数据处理流水线。Stream解决了传统集合操作的三大痛点：简化代码（消除迭代样板）、提升可读性（声明式编程）、支持并行计算（Fork/Join框架）。使用流程分为创建Stream、中间操作（如filter/map）和终端操作（如collect/reduce）三步，支持链式调用和延迟执行。Stream API统一了不同数据源的处理方式，其底层通过Spliterator
Python 编程冷知识--第二章：字符串的神秘驻留现象
旦莫的博客
07-10 1130
为什么同样是字符串赋值，有的is比较返回True，有的却返回False？这背后就是字符串驻留（String Interning）机制在起作用。
AI 大模型应用开发
02-26
### AI大模型应用开发概述 针对AI大模型的应用开发，存在多种途径和技术栈可供选择。对于初学者而言，《动手学大模型应用开发》提供了一套完整的入门指南[^1]。该教程不仅涵盖了基础概念的学习，还引导学习者通过构建个人知识库助手这一具体项目来加深理解。 ### 开发工具与环境配置 为了有效开展基于大模型的AI应用程序设计工作，掌握必要的计算资源至关重要。这包括但不限于获取足够的图形处理器(GPU)算力支持以及熟悉相关硬件特性。这些要素能够显著加速模型训练过程并提升最终产品的性能表现[^2]。 ### 应用框架介绍 在众多可用的技术方案之中，LangChain被推荐作为首选开发平台之一。它提供了丰富的API接口和服务组件，使得开发者可以更加便捷高效地实施从数据预处理到模型微调(Fine-tuning)，再到实际部署上线的一系列操作流程。 ### 实例项目解析 以《动手学大模型应用开发》中的案例为例，在此过程中将会涉及到如何利用高质量的数据集进行有效的特征工程作业，并确保标注质量以优化模型的表现水平[^3]。以下是简化版的知识库查询功能实现： ```python from langchain import LangChain def search_knowledge_base(query_string): chain = LangChain() results = chain.search(query=query_string) return results ``` 上述代码片段展示了怎样借助LangChain库快速搭建起一个简易但实用的信息检索系统原型。 ### 最佳实践经验分享 在整个生命周期内保持对最新研究成果的关注度同样重要。持续跟进领域内的前沿动态有助于及时调整技术路线图，确保所选解决方案始终处于行业领先位置。此外，积极参与开源社区交流也是积累经验的有效方式。
评论 2
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

打赏作者

doublewei1

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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