
大模型实战
文章平均质量分 90
人工智能实战
挑大梁
数据分析:传统机器学习算法:深度学习:计算机视觉:
架构设计:数据库设计 后端多服务设计 微服务架构,代码生成器,工作流框架,前端框架
编程语言:java python c++ SpringCloud VUE uni-app Android IOS
展开
-
十二、视觉内容生成模型
并加入引条件(Conditioning),可以是目标分类、文本、图片,以更准确、更好的进行Decoder。多张图像引导 人脸、商品数字分身 LoRA/DreamBooth。:VAE(变分自编码器)将图像特征压缩到原始尺寸的。单张图像引导 SD Outpainting 模型。单张图像引导 SD Inpainting 模型。图像引导生成,1 作为输入 2 引导输入。特征注入式引导生成 ControlNet。特征注入式引导生成 IP-adapter。特征注入式引导生成 InstantID。原创 2024-05-02 11:50:09 · 1026 阅读 · 0 评论 -
十三、大模型项目部署与交付
vLLM 无缝支持多个 Hugging Face 模型,包括 Aquila、Baichuan、BLOOM、Falcon、GPT-2、GPT BigCode、GPT-J、GPT-NeoX、InternLM、LLaMA、Mistral、MPT、OPT、Qwen 等不同架构的模型。vLLM 比 HuggingFace Transformers(HF)的吞吐量高出 8.5 倍-15 倍,比 HuggingFace 文本生成推理(TGI)的吞吐量高出 3.3 倍-3.5 倍。支持张量并行处理,实现分布式推理。原创 2024-05-02 11:49:23 · 1351 阅读 · 1 评论 -
十一、多模态大语言模型(LLaVA)
多模态学习的核心在于特征对齐多模态大语言模型的本质在于All-to-one(LLM)的特征对齐范式多模态大语言模型在处于飞速发展阶段。原创 2024-04-27 20:05:35 · 790 阅读 · 0 评论 -
十、多模态大语言模型(MLLM)
通过余弦距离将文和图转换至同一向量空间。将图像的分类闭集引入至开集。Mask Image Modeling 无监督图像特征学习。2 基于transformer架构的图像-文本联合建模。3 大规模 图-文 Token对齐模型CLIP。支持图文交替输出,输入文本或图像,输出自然语言。4 多模态大语言模型OpenAI GPTv4。原创 2024-04-27 20:05:07 · 1805 阅读 · 0 评论 -
九、大模型之Fine-Tuning(2)
角色后跟随的是metadata,对于function calling来说,metadata是调用的函数和相应参数;get_weather\n```python\ntool_call(location=“北京”)```实际应用中,我们只需要将上述数据,与ChatGLM 3的标准数据格式对齐,就可调用其原生的数据加载器,自动完成数据拼接。微调:在预训练的基础上,使用自己的特定数据集上进行训练,对训练参数进行微调。\n根据天气工具的信息,北京的天气是:温度 12 摄氏度,有雾。原创 2024-04-21 20:46:54 · 1258 阅读 · 0 评论 -
八、大模型之Fine-Tuning(1)
通过HuggingFace,可以指定模型名称,运行自动下载对应Tokenizer。这些损失函数也可以组合使用(在模型蒸馏的场景常见这种情况),例如。为了让训练过程更好的收敛,人们设计了很多更复杂的求解器。6.定义数据规整器:训练时自动将数据拆分成Batch。加载数据集—>数据预处理—>数据规整器—>训练器。——假设是概率分布 p,q 是离散的。是一个预先定义的权重,也叫一个「超参」4. 加载Tokenizer。(等价于欧式距离,见下文):转成模型接受的输入格式。原创 2024-03-31 18:47:10 · 1238 阅读 · 0 评论 -
七、LLM维护平台LangFuse实战
项目地址:https://github.com/langfuse。官方网站:https://langfuse.com/通过docker compose up -d安装。将解析数据上传至创建的数据集my_dataset。实际调用,判断是否为新问题,需要回答。构建 PromptTemplate。创建自己的项目获得API Key。初始化大纲和问题列表。加载prompt测试。原创 2024-03-27 15:44:17 · 3219 阅读 · 0 评论 -
六、大模型开发框架LangChain
将大语言模型作为一个推理引擎。给定一个任务,智能体自动生成完成任务所需的步骤,执行相应动作(例如选择并调用工具),直到任务完成。原创 2024-03-19 20:09:44 · 1189 阅读 · 0 评论 -
五、OpenAI实战之Assistants API
在8线小城的革委会办公室里,黑8和革委会主任的对话再次展开。黑8:主任,您知道吗?除了OpenAI API,现在还有一项新的技术叫做Assistants API,它可以帮助我们更好地进行对话和沟通。主任:Assistants API?听起来很神奇,它有什么特别之处吗?黑8:是的,主任。Assistants API不仅可以生成自然流畅的文本,还能理解对话中的语境和情境,从而更加智能地回应用户的需求。它可以模拟人类对话,进行智能问答、提供建议和解决问题,为我们的工作和生活带来更多便利。主任:这听起来确实很有用。原创 2024-03-11 21:04:14 · 1888 阅读 · 0 评论 -
四、OpenAI之检索增强生成模型(RAG)
LLM的知识不是实时的LLM可能不知道你的私有的领域/业务知识。原创 2024-03-10 20:11:22 · 1684 阅读 · 0 评论 -
三、OpenAI之Function Calling实战
黑8决心将对 OpenAI API 的学习应用到更多实际场景中,以展示新时代技术的巨大潜力。在接下来的日子里,他不断探索和尝试,将 API 中的各种功能融入到不同的生活场景中,取得了一系列令人瞩目的成果。首先,他将 OpenAI API 中的文本生成功能应用到了日常写作中。通过简单的 function calling,他可以请求 API 生成文章大纲、段落或完整的文章。例如,在准备一个关于项目的解决方案时,他使用 API 生成了一份生动而具有说服力的文章,引起了人们的关注和共鸣。原创 2024-02-25 12:51:04 · 1695 阅读 · 0 评论 -
二、OpenAI提示工程(Prompt Engineering)实战
提示工程也叫「指令工程」Prompt 就是你发给大模型的指令,比如「讲个笑话」、「用 Python 编个贪吃蛇游戏」、「给男/女朋友写封情书」等貌似简单,但意义非凡Prompt」 是 AGI 时代的「编程语言」Prompt 工程」是 AGI 时代的「软件工程」提示工程师」是 AGI 时代的「程序员」学会提示工程,就像学用鼠标、键盘一样,是 AGI 时代的基本技能提示工程也是「门槛低,天花板高」,所以有人戏称 prompt 为「咒语」大模型对prompt开头和结尾的内容更敏感。原创 2024-01-31 09:52:36 · 2214 阅读 · 0 评论 -
一、对人工智能大模型了解与认知
月黑风高,乌云密布,树木低垂,黯淡沉闷。这黎明前的风暴,预示着新时代的变革即将到来。在一个8线小城市的办公室中世界上有男人、女人、人妖,米国有1/3男,2/3女…,以后会增加一个非常重要的人种,他就像孙悟空拔毫毛,变化出拥有各种本事的自己。如果咱们不懂驾驭他,做他的师傅,咱们可就被统治了。这是什么妖怪啊?人工智能大模型: 哪有那么夸张,离咱们远了去了,你小子是不是疯了,危言耸听,自以为是。梁主任啊,这妖怪来头还不小呢,正以一日千里的速度赶来。咱们非常有必要提升对他的了解和认知。您知道吗?原创 2024-01-27 20:00:18 · 1431 阅读 · 0 评论