Bugku笔记

已于 2022-03-12 14:29:20 修改
阅读量4.5k 收藏 1
点赞数
分类专栏： 网络安全学习笔记 文章标签： 网络安全
于 2022-03-02 09:39:23 首次发布
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/qq_51267159/article/details/123222329
版权

Crypto-OK

1.下载文件
在这里插入图片描述
2.打开文件，看到里面的内容，猜想为加密。
在这里插入图片描述
3.输入网址，解密得到flag。

在这里插入图片描述

WEB-网站被黑

1.创建环境，打开地址后发现什么也做不了。
在这里插入图片描述

在这里插入图片描述

2.打开御剑扫描，发现一个可疑文件shell.php，打开这个文件。
在这里插入图片描述在这里插入图片描述3.使用burpsuite抓包并进行暴力破解，发现有一个长度非常与众不同，密码就是它了哈哈。
在这里插入图片描述4.输入密码，拿到flag。
在这里插入图片描述

LLM - 使用 LLaMA-Factory 微调 Qwen2-VL SFT(LoRA) 图像数据集 教程 (2)
AGI
11-12 3017
LLaMA-Factory 是开源的大模型微调框架，用于高效地微调和部署大语言模型，支持多种预训练模型和微调算法，提供完整的工具和接口，对于预训练的模型进行定制化的训练和调整，以适应特定的应用场景。
llamafactory0.9.0微调qwen2.5
liguandong
09-24 1124
本文介绍了如何使用LLaMA-Factory微调Qwen1.5模型，包括1.8B和0.5B版本的训练细节。在数据、训练、LORA融合及推理等方面进行了探讨，同时也分享了微调后模型在不同任务上的表现，如聊天对齐和显存占用等。在4卡A800-80G上微调的，数据不变。但是由于llamafactory更新了版本，因此训练命令也有所变化。llama_factory微调QWen1.5_llama factory qwen-优快云博客。注意训练数据要同步往llamafactory的dataset文件中拉取一份。
LLaMA-Factory微调sft Qwen2.5-VL-7B-Instruct
q742971636的博客
03-17 1941
"content": "你是一个擅长识别印章上文字的助手，输出json字符串给用户。",},"content": "<image>识别图片里红色印章上的公司名称或单位名称（印章主文字）。",},"content": "{\"印章主文字\": \"饮酒太原近似收益有限公司\"}",],"seal": {},"tags": {
手把手教你如何全参微调QWEN2.5
SuperTi_cloud的博客
12-24 1127
本次实战采用QWEN2.5的0.5b的小体量模型在弱智吧数据集上进行微调。通过本次实战，希望大家能够掌握以下技能：1，如何快速获取廉价算力2，如何在QWEN模型上进行全参微调。
LLama-Factory 快速部署Qwen2.5模型
q742971636的博客
11-04 908
【代码】LLama-Factory 快速部署Qwen2.5模型。
llama-factory微调Qwen2.5-7B-instruct实战，看这一篇就够了！！！（含windows和linux）
a1105425455的博客
03-20 1232
llama-factory微调Qwen2.5-7B-instruct实战，看这一篇就够了！！！（含windows和linux）
【从零开始】11. LLaMA-Factory 微调 Qwen 模型（番外篇）
Kida 的技术小屋（优快云 版）
12-29 1676
本文将从部署开始，详细讲一下如何使用 llamafactory 对开源模型进行指令微调了，并且在微调过程中我是如何一次一次地进行参数调整的，我也跟各位分享一下。
qwen2.5-vl-7B视觉大模型 私有化部署webUI
weixin_42684822的博客
02-08 5754
在云服务上，私有化部署qwen2.5-vl视觉大模型
LLaMA-Factory微调大模型Qwen2.5
最新发布
willhu2008的专栏
05-16 1017
Llama-Factory的文件夹里，打开examples\train_qlora（或train_lora）下提供的llama3_lora_sft_awq.yaml，复制一份并重命名为qwen_lora_sft_bitsandbytes.yaml。创建模型运行命令，在example/inference目录下，将llama3.yaml复制并重命名为QWen2.5_0.5B.yaml（名称不唯一），将内容更改为以下的内容，并保存（一定记得保存）。将其下载后，替换所有的{{author}}和{{name}}。
LLM - 使用 LLaMA-Factory 微调 Qwen2-VL DPO(LoRA) 图像数据集 教程 (3)
AGI
11-26 2562
DPO(Direct Preference Optimization, 直接偏好优化) 是在 RLHF 阶段中使用的优化算法，通过直接利用人类的偏好数据来优化策略模型，无需定义明确的奖励函数或进行复杂的强化学习过程。DPO的优化目标是，增加偏好样本的对数概率与减小非偏好样本响应的对数概率，结合动态加权机制，以避免仅使用概率比目标时遇到的模型退化问题。
llama-factory 微调 qwen2.5-vl
03-29
### 使用 LLaMA-Factory 对 Qwen2.5-VL 进行微调 为了实现对 Qwen2.5-VL 的微调操作，可以参考 LLaMA-Factory 提供的相关功能以及其配置文件中的参数设置[^1]。以下是具体方法： #### 配置数据参数 在 `data_args....
LLaMA-Factory微调Qwen2.5-7B模型
qq_46325481的博客
02-19 2255
本次实验环境使用的魔塔社区的机子。
使用 ollama 部署本地模型，零基础入门到精通，非常详细收藏我这一篇就够了
m0_65555479的博客
08-15 2958
在本地启动并运行大型语言模型。运行Llama 2，Code Llama和其他模型。自定义并创建您自己的。
llamafactory0.9.0微调qwen2vl
liguandong
09-24 847
llamafactory cli中的chat是不支持输入图片的，因此输入图片只能通过webchat来实现。改一下src/llamafactory/webui/inference.py中的87行，加一个server_port即可。Qwen2VL微调数据集的图片数量有无限制 · Issue #5375 · hiyouga/LLaMA-Factory · GitHub。其实llamafactory 0.9.0真不如以前的方式，现在的llamafactory-cli不好用，并不适合算法人员。
LLaMA-Factory 微调 Qwen2-VL 进行人脸情感识别
anneCoder的博客
02-20 1161
为了提升人脸情感识别的准确性和鲁棒性，本文采用LLaMA-Factory框架对Qwen2-VL大模型进行微调，以实现对人脸情感的高效识别。通过数据准备、模型配置、训练和评估等步骤，我们成功地构建了一个高效的人脸情感识别模型。在微调之前，需要配置模型参数和数据集路径。注意：上述代码中，加载模型和预测的部分被省略了，实际应用中需要使用合适的代码加载微调后的模型，并进行预测。注意：上述代码中，标签的读取部分被省略了，实际应用中需要从labels.csv等文件中读取标签信息，并添加到labels列表中。
手把手带你微调阿里qwen2.5大模型
热门推荐
python12222_的博客
10-23 1万+
大模型微调，也称为 Fine-tuning ，是指在已经预训练好的大型语言模型 基础上（一般称为“基座模型”），使用特定的数据集进行进一步的训练，让模型适应特定任务或领域。经过预训练的基座模型其实已经可以完成很多任务，比如回答问题、总结数据、编写代码等。但是，并没有一个模型可以解决所有的问题，尤其是。
【从零开始系列】Qwen2.5 & Llama-Factory：开源语言大模型+训练平台——（超详细、最新版）一篇文章解决：环境搭建 =＞ 微调训练 =＞ 本地部署
qq_58718853的博客
01-13 6171
使用llama-factory大语言模型微调高效平台，对qwen2.5官方预训练模型进行微调并部署
别只会用别人的模型了，自学Ai大模型，顺序千万不要搞反了！刚入门的小白必备！
2301_81888214的博客
02-13 771
别只会用别人的模型了，自学Ai大模型，顺序千万不要搞反了！刚入门的小白必备！
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