WSL安装不同版本ubuntu(已有ubuntu20.04,再装ubuntu18.04)

参考:

如何在 WSL 中删除指定版本的 Ubuntu(以删除 Ubuntu 22.04 为例)_wsl卸载某个-优快云博客


已有ubuntu20.04,现在再安装一个ubuntu18.04

直接参考下面我写的链接的第四步,前面的步骤都不需要再做了

Win11安装WSL2,自定WSL2安装位置,安装到其他磁盘(非C盘)_wsl2安装到其他盘-优快云博客

 

四. 安装所选的 Linux 分发

微软提供了一个手动下载WSL发行版的网址:旧版 WSL 的手动安装步骤 | Microsoft Learn

选择18.04下载即可 

05da9f8fbccb4352bb723ebe4599c517.png

下载后可得到一个后缀名为.AppxBundle的文件,将后缀改成.zip,并解压

这次我下载的和上次不太一样,解压后文件夹没有一个后缀名为.appx的文件了,因此直接将文件夹移动到想要安装的路径中即可

72841271d27148179dd2bc93724a281e.png

将文件夹移动到想要安装的路径中,解压后文件夹得到一个.exe文件,双击运行;
需要注意的是:安装目录的磁盘不能开压缩内容以便节省磁盘空间选项,否则会报错
可以右键文件夹–>属性–>常规–>高级找到并关闭这个选项

af8eae2a4ec647d78d570b3b5833d85f.png

41f1ffc59a36436f8f92597864e0a4f5.png

6d829d6bc63f4e0685eb454142678896.png

双击 ubuntu.exe,等待一段时间后安装完成,自行定义用户名及密码

3ce5ebeebfec4b0093b5aa9e73f9a6bd.png

回到PowerShell查看所有系统,测试,输入

wsl -l -v

128f98421e094a4ea523262e4044017b.png

0430acdf7e15481599146b277eec4755.png

一直担心命名会重复,这样删除的时候就不好指定,结果并不会!

学ros怎么能不重装几次系统呢,多装几次就会了,不管怎么样先做再说,系统和环境依赖就是删了装,装了删,别害怕,搞坏了再说。

 

### 大模型对齐微调DPO方法详解 #### DPO简介 直接偏好优化(Direct Preference Optimization, DPO)是一种用于改进大型语言模型行为的技术,该技术通过结合奖励模型训练和强化学习来提升训练效率与稳定性[^1]。 #### 实现机制 DPO的核心在于它能够依据人类反馈调整模型输出的概率分布。具体来说,当给定一对候选响应时,DPO试图使更受偏好的那个选项具有更高的生成概率。这种方法不仅简化了传统强化学习所需的复杂环境设置,而且显著增强了模型对于多样化指令的理解能力和执行精度[^2]。 #### PAI平台上的实践指南 为了便于开发者实施这一先进理念,在PAI-QuickStart框架下提供了详尽的操作手册。这份文档覆盖了从环境配置直至完成整个微调流程所需的一切细节,包括但不限于数据准备、参数设定以及性能评估等方面的内容。尤其值得注意的是,针对阿里云最新发布的开源LLM——Qwen2系列,文中给出了具体的实例说明,使得即使是初次接触此类工作的用户也能顺利上手。 ```python from transformers import AutoModelForCausalLM, Trainer, TrainingArguments model_name_or_path = "qwen-model-name" tokenizer_name = model_name_or_path training_args = TrainingArguments( output_dir="./results", per_device_train_batch_size=8, num_train_epochs=3, ) trainer = Trainer( model_init=lambda: AutoModelForCausalLM.from_pretrained(model_name_or_path), args=training_args, train_dataset=train_dataset, ) # 假设已经定义好了train_dataset trainer.train() ``` 这段代码片段展示了如何使用Hugging Face库加载预训练模型并对其进行微调的过程。虽然这里展示的例子并不完全对应于DPO的具体实现方式,但它提供了一个基础模板供进一步定制化开发之用[^3]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

leaf_leaves_leaf

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
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