已经开源的中文大模型对比，支持更新

关注

原创 2023-11-07 19:21:15 1.2k 阅读 AI 写同款· GEO 优化 ›

免费下载 | 2024人工智能中文大模型使用手册 人工智能（AI）技术发展迅速，中文大模型作为AI领域的重要技术，具有强大的自然语言处理能力和深度学习能力，正在引领智能科技的新浪潮。本手册由东华大学图书馆馆长策划，旨在帮助用户更好地了解和应用中文大模型，无论用户是否是AI领域的专业人士，都能从中受益。定义与特点：大模型是参数数量庞大、网络结构复杂的机器学习模型，具有出色的性能，但需要高计算资源。其特点包括庞大的参数规模、复杂的网络结构、出色的性能和高计算资源需求。应用领域：大模型广泛应用于自然语言处理、图像识别、语音识别、推荐系统等多个领域。发展趋势。阅读详情

大模型对比网站：大模型综合评测对比 | 当前主流大模型在各评测数据集上的表现总榜单 | 数据学习 (DataLearner)

大模型下载：互链高科

ClueAI/PromptCLUE-base-v1-5 at main (huggingface.co) 支持多任务生成，支持中文，不支持多轮对话，体验：ClueAI (cluebenchmarks.com)

基于promptclue-base进一步训练的模型：ClueAI/ChatYuan-large-v1 at main (huggingface.co) 支持多任务生成，支持中文，支持简单对话

关于huggingface模型下载：

手动下载：https://mirrors.tuna.tsinghua.edu.cn/hugging-face-models/hfl/

代码下载：

import llama
#MODEL = '/home/guo/llama_test/llama_model'
MODEL = 'decapoda-research/llama-7b-hf'
# MODEL = 'decapoda-research/llama-13b-hf'
# MODEL = 'decapoda-research/llama-30b-hf'
# MODEL = 'decapoda-research/llama-65b-hf'

#tokenizer = llama.LLaMATokenizer.from_pretrained(MODEL,mirror='tuna')
#model = llama.LLaMAForCausalLM.from_pretrained(MODEL, mirror='tuna',low_cpu_mem_usage = True)
tokenizer = llama.LLaMATokenizer.from_pretrained(MODEL,mirror='https://mirrors.tuna.tsinghua.edu.cn/hugging-face-models')
model = llama.LLaMAForCausalLM.from_pretrained(MODEL, mirror='https://mirrors.tuna.tsinghua.edu.cn/hugging-face-models',low_cpu_mem_usage = True)
model.to('cpu')
batch = tokenizer("Yo mama", return_tensors = "pt")
print(tokenizer.decode(model.generate(batch["input_ids"], max_length=100)[0]))

关于github的镜像仓库下载，参考：(4条消息) git clone 换源 / GitHub 国内镜像_git换源_面里多加汤的博客-优快云博客：

https://gitclone.com
# 服务器位于杭州（可用）
使用方式：原始git地址：https://github.com/junegunn/vim-plug
克隆地址： https://gitclone.com/github.com/junegunn/vim-plug
#香港服务器https://doc.fastgit.org ，当前不可用

欢迎各位留言

收录于