书生·浦语大模型实战营第二期

转载 已于 2024-03-15 13:54:32 修改 · 131 阅读 · 0 ·
CC 4.0 BY-SA版权
原文链接：https://mp.weixin.qq.com/s/5ImTnarVfJcWq250-ptleA
文章标签：

#深度学习

于 2024-03-15 13:48:23 首次发布
本文介绍了一门全面升级的在线课程，教授如何从零开始搭建RAG、多模态应用，并涵盖大模型微调、部署及评测流程。课程提供A100免费算力支持，配以助教讲师辅导，优秀学员将获得证书和额外资源支持。

这里写自定义目录标题

内容全面升级
零基础搭建 RAG、多模态和智能体应用，深入了解大模型微调、部署、评测全流程
[1] A100 免费算力强力助学
[2] 助教讲师全程伴学
[3] 优秀学员精美证书
[4] 杰出项目官方流量支持&更高级别赛事推荐机会
报名二维码：
Alt

芷詩
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营第三期】入门岛 Linux基础知识
weixin_40574825的博客
07-25 432
【书生浦语大模型实战营第三期】入门关卡linux闯关任务: 完成SSH连接与端口映射并运行hello_world.py。
书生浦语大模型实战营
weixin_66889864的博客
06-09 935
这里要考察业务本身是否需要跟环境进行交互，如果这个业务是需要与环境进行交互的，比如需要调用外部API，或者与已有的数据库进行交互，那么就需要构建一个智能体（Agent），完成相关业务。如果算力足够，可能就需要进行模型的续训，或者全参数的微调，当然，这个花的钱就比较多。如果不是足够复杂，可以直接使用该模型，加上Prompt工程，就可以实现相关的业务；XTuner可以适合不同的生态，支持不同的算法，支持不同的开原生态、不同的加速方式和Nvidia的各级显卡。关注不同维度的能力，特别是专业上的能力。
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 1422
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三次课
m0_73941645的博客
04-14 1010
此外，该模型具有很强的扩展性，可以适应各种不同的应用场景和需求。如生成幻觉、对于新闻新技术等新知识的缺失问题，以及在回答时很难给出到我们可追溯以及透明的过程和论证，而RAG可以提供更准确的回答、降低训练过程产生的成本、实现外部记忆。面向大规模数据以及需要高速响应的需求时，向量数据库也需要优化，尤其对向量表示的优化，对向量表示的优化将直接影响RAG结果的好坏。可以将RAG理解成搜索引擎，将用户输入的内容作为索引，在外部知识库中搜寻相应的内容，结合大语言模型的能力生成回答。
书生·浦语大模型实战营第二期学习笔记及作业（7）
qq_39310059的博客
04-26 1456
视频链接：OpenCompass 大模型评测实战_哔哩哔哩_bilibiligithub教程链接：https://github.com/InternLM/Tutorial/blob/camp2/opencompass/readme.md1、大模型评测的重要性以及评测所面临的挑战，并详细讲解了司南评测体系2.0的实现方法和特点。首先，研究评测对于我们全面了解大型语言模型的优势和限制至关重要。尽管许多研究表明大型语言模型在多个通用任务上已经达到或超越了人类水平，但仍然存在质疑，即这些模型的能力是否只是对训练数据
书生浦语大模型实战营第二期 第二次课笔记
SunInCrack的博客
04-03 502
介绍八戒-Chat-1.8B、Chat-嬛嬛-1.8B、Mini-Horo-巧耳等实战营优秀作品。- 通过InternLM2-Chat-7B运行Lagent智能体Demo。4. 实战：使用Lagent运行InternLM2-Chat-7B模型。- 启动InternLM-XComposer2-vl进行图片理解。- 运行InternLM2-Chat-7B模型的智能体Demo。- 部署InternLM2-Chat-1.8B模型进行智能对话。- 部署实战营优秀作品八戒-Chat-1.8B模型。
书生 浦语大模型实战训练营第二期 第三节笔记
04-14
书生 浦语大模型实战训练营第二期 第三节笔记
书生浦语大模型实战课 第二课笔记
03-31
书生浦语大模型实战课 第二课笔记
鱼类识别系统【最新版】Python+TensorFlow+Vue3+Django+人工智能+深度学习+卷积神经网络算法
2301_78372746的博客
11-24 1435
鱼类识别系统，基于TensorFlow搭建卷积神经网络算法，通过收集了包括‘墨鱼’、‘多宝鱼’、‘带鱼’、‘石斑鱼’等在内的30种鱼类图像数据集进行训练，最后得到一个识别精度较高的模型，然后搭建Web可视化操作平台。前端后端：Django算法：TensorFlow、卷积神经网络算法具体功能系统分为管理员和用户两个角色，登录后根据角色显示其可访问的页面模块。登录系统后可发布、查看、编辑文章，创建文章功能中集成了markdown编辑器，可对文章进行编辑。
MixFormer: A Mixed CNN–Transformer Backbone
最新发布
医学图像分割女研一枚~兴趣是JAVA学习；关于synapse数据集的分割、可提供创新与指导、欢迎访问！
11-25 621
​ 尽管基于自注意力机制的Transformer模型近年来通过建模长程语义依赖关系推动了医学影像分析的发展，但其在捕捉局部空间细节方面的能力仍逊于卷积神经网络（CNN）。本研究提出了一种新型分割网络（SEG），其核心是基于CNN-Transformer混合架构（MixFormer）的特征提取主干网络，旨在提升医学图像分割性能。MixFormer在网络下采样过程中有机融合了Transformer的全局信息建模能力和CNN的局部特征提取优势。
Python模型优化实战：深度学习加速与压缩技巧
我是 二川兄，对Web开发、GIS开发、3D模型、机器学习、面试技巧等方面都有一些涉猎~ 欢迎您加入技术交流圈！你可以在我的文章末尾找到我~
11-21 1972
Python模型优化实战：深度学习加速与压缩技巧
循环神经网络详解（五）：深层 RNN - 层次的艺术
limenga102的专栏
11-25 32
层次化思维： 通过多个抽象层次逐步理解序列数据。功能特化： 每层专注于特定级别的模式识别。渐进抽象： 从具体到抽象的特征学习过程。
交通标志识别系统【最新版】Python+TensorFlow+Vue3+Django+人工智能+深度学习+卷积神经网络算法
2301_78372746的博客
11-22 648
交通标志识别系统，本项目基于TensorFlow框架，构建了一套完整的交通标志识别系统。系统采用卷积神经网络（CNN）算法，针对40种常见交通标志（包括“停车避让”“减速让行”“限速15千米”“注意行人”“禁止左转弯”等）构建数据集，通过多轮迭代训练，最终获得高精度识别模型，并实现了基于Web的可视化操作平台。前端后端：Django算法：TensorFlow、卷积神经网络算法具体功能系统分为管理员和用户两个角色，登录后根据角色显示其可访问的页面模块。
时间序列预测2025：Python中Prophet与LSTM对比分析
我是 二川兄，对Web开发、GIS开发、3D模型、机器学习、面试技巧等方面都有一些涉猎~ 欢迎您加入技术交流圈！你可以在我的文章末尾找到我~
11-22 2962
时间序列预测2025：Python中Prophet与LSTM对比分析
书生浦语大模型实战课：解决配置与端口问题
"书生浦语大模型实战课的第二课作业中，学员们通过视频教程进行学习，但在实际操作中遇到了一系列问题，包括端口配置、权限不足、端口被占用以及URL无法打开等。这些问题主要围绕SSH免密登录和端口占用问题展开。在...
评论 1
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