书生大模型实战营-第一关Linux环境配置

ShardingSphere-jdbc 5.5.0 + spring boot 基础配置 - 实战篇 shardingsphere 5.5.0移除了sm4算法,自己加上即可。增加spi扩展org.apache.shardingsphere.encrypt.spi.EncryptAlgorithm增加以下代码:SM4算法代码/***/static {@Getter@Overrideif (! 阅读详情

Linux关卡教程连接:Tutorial/docs/L0/Linux/readme.md at camp3 · InternLM/Tutorial (github.com)

SSH连接

首先我们去InternStudio创建一个开发机。

之后我们使用SSH连接再本地IDE上(笔者这里使用VS Code)连接服务器。将这里的登陆命令复制下来。

如果你是第一次使用VS Code的SSH连接需要先下载插件。

之后我们点击左下角蓝色按钮进行SSH连接。添加一个新的主机,将刚刚复制的登录命令粘贴进去。

配置文件我们采用默认的就可以,之后使用SSH连接。

端口映射

端口映射是一种网络技术,它可以将外网中的任意端口映射到内网中的相应端口,实现内网与外网之间的通信。通过端口映射,可以在外网访问内网中的服务或应用,实现跨越网络的便捷通信。

为了后续的web_demo部署,web加载的流畅,我们要外网链接映射到我们本地主机,我们使用本地连接访问,解决这个代理问题。下面让我们实践一下。

我们复制第二条命令,将它输入到powershell中:

ssh -p 42062 root@ssh.intern-ai.org.cn -CNg -L 7860:127.0.0.1:7860 -o StrictHostKeyChecking=no

这样就代表成功了。

接下来我们运行一个demo:

import socket
import re
import gradio as gr
 
# 获取主机名
def get_hostname():
    hostname = socket.gethostname()
    match = re.search(r'-(\d+)$', hostname)
    name = match.group(1)
    
    return name
 
# 创建 Gradio 界面
with gr.Blocks(gr.themes.Soft()) as demo:
    html_code = f"""
            <p align="center">
            <a href="https://intern-ai.org.cn/home">
                <img src="https://intern-ai.org.cn/assets/headerLogo-4ea34f23.svg" alt="Logo" width="20%" style="border-radius: 5px;">
            </a>
            </p>
            <h1 style="text-align: center;">☁️ Welcome {get_hostname()} user, welcome to the ShuSheng LLM Practical Camp Course!</h1>
            <h2 style="text-align: center;">😀 Let’s go on a journey through ShuSheng Island together.</h2>
            <p align="center">
                <a href="https://github.com/InternLM/Tutorial/blob/camp3">
                    <img src="https://oss.lingkongstudy.com.cn/blog/202406301604074.jpg" alt="Logo" width="20%" style="border-radius: 5px;">
                </a>
            </p>

            """
    gr.Markdown(html_code)

demo.launch()

我们点击链接就可以看到效果啦。

芒果YOLO11改进21:检测头Head篇:即插即用|新颖轻量化非对称多级压缩LADH检测头,原创改进适配YOLOv8高效检测头,检测头新颖性改进,全网首发独一份 检测头Head篇:即插即用|新颖轻量化非对称多级压缩LADH检测头,原创改进适配YOLOv8高效检测头,检测头新颖性改进,全网首发独一份 阅读详情

相关推荐

Arcgis 10.3 与 ArcGIS Engine 10.3 安装与破解

Arcgis 10.3 与 ArcGIS Engine 10.3 安装与破解

weixin_52127098的博客 4726

书生大模型闯关

将Linux基础命令在开发机上完成一遍。完成SSH连接与端口映射并运行。

aabbcc729的博客 314

matlab安装libsvm常见问题

matlab安装libsvm常见问题 libsvm的官网链接:LIBSVM -- A Library for Support Vector Machines.

cqujcy的博客 1535

书生·浦语大模型实战营

书生大模型实战营

贫穷小明的博客 561

uniapp实现app版本发现新版本后,自动更新

app实现自动更新

oldolder的博客 1285

第6篇:ESP32连接无源喇叭播放音乐《涛声依旧》

相邻两个音之间的倍数是2^(1/12),约等于1.0594630943592952645618252949463)。这样一来,高八度的do频率是低八度do的两倍。我们把频率440赫兹作为中央C ,C调的歌就是把频率440赫兹当作do,乐谱中写作:1=C。一个八度分成12份,八个八度的十二平均音率对应的频率如下(从33Hz到7902Hz)。相邻的两个音之间的差一个半音,12345671之间的间隔分别是“全全半全全全半”。D调的歌就是把从440后面第二个音494赫兹当作do,乐谱中写作1=D。

Txwtech 1425

书生大模型实战(从入门到进阶)L1-浦语提示词工程实践

本文是对书生大模型L1-浦语提示词工程实践部分的学习和实现

m0_73672030的博客 1285

【100%通过率】华为OD机试真题 Python 实现【字符串重新排列】【2022.11 Q4新题】

给定一个字符串s,s包括以空格分隔的若干个单词,请对s进行如下处理后输出: 1、单词内部调整:对每个单词字母重新按字典序排序 2、单词间顺序调整: 1)统计每个单词出现的次数,并按次数降序排列 2)次数相同,按单词长度升序排列 3)次数和单词长度均相同,按字典升序排列 请输出处理后的字符串,每个单词以一个空格分隔。

MISAYAONE的博客 7982

8G 显存玩转书生大模型 Demo

InternVL2 是上海人工智能实验室推出的新一代视觉-语言多模态大模型,是首个综合性能媲美国际闭源商业模型的开源多模态大模型。LMDeploy 也已经支持了 InternVL2 系列模型的部署,让我们一起来使用 LMDeploy 部署 InternVL2-2B 模型。在使用 Upload Image 上传图片后,我们输入 Instruction 后按下回车,便可以看到模型的输出。我们执行如下代码来把本教程仓库 clone 到本地,以执行后续的代码。首先,我们创建一个目录,用于存放我们的代码。

2301_80232162的博客 2094

DeFi核心协议代码解析

本文解析了DeFi两大核心协议Uniswap V2和Compound的智能合约架构与关键代码。Uniswap V2采用恒定乘积公式(x*y=k)实现自动做市,核心合约包括Factory、Pair和Router,具备流动性铸造、代币兑换和TWAP预言机功能。Compound借贷协议通过cToken合约管理存款和借款,采用动态利率模型和抵押率机制,包含资金利用率计算、清算触发等核心算法。两协议均采用模块化设计,通过智能合约实现去中心化金融服务的核心逻辑。

闲人编程的博客 936

Handler相关面试题

常见面试题: Handler相关 一.谈一谈你对handler的认识,例如:机制和实现等。 handler机制图解: handler常见使用过程: ①.子线程向主线程发送消息: 在主线程中新建Handler实例,并重写handleMessage()方法用于处理子线程传过来的message; 通过Message.obtain()方法获取到消息msg,然后将需要传递给主线程的信息通过msg的what、obj等字段传递; 通过handler的sendMessage发送msg消息,然后在hand

龚礼鹏的博客 3171

第三期书生大模型实战营-闯关第一关

完成SSH连接与端口映射并运行hello_world.py Linux基本命令 vscode里运行conda命令

kobebryantgc的博客 312

PCL 改进的RANSAC算法实现点云粗配准【2024最新版】

一种改进的RANSAC点云粗配准算法,具体改进见论文:“Pose Estimation using Local Structure-Specific Shape and Appearance Context”

点云侠的博客 37万+

Linux环境下部署书生·浦语AI大模型

依靠 streamlit 运行命令,会在本地启动一个 web 服务,把控制台给出的地址放入浏览器即可访问。网页 demo 工具是为 Chat 场景设计,因此不支持使用该工具调用 Base 模型。步骤一:下载InternLM2模型。欧派云设置8501端口可用。步骤五:打开网页并应用。

super_mochi1 455

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

第四期书生大模型实战营-第6关-L1G6000

OpenCompass 评测。

专注:太空算力、AI infra、异构调度、大模型成本工程 392

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

书生·浦语大模型实战营-第四课实战

参考了官方的视频和教程,在本地windows部署,微调功能的使用相对比较容易上手,不深入研究的话,大体的步骤比较简单,官方文档写的非常清楚,请参考,在此不赘述。本次实战数据集采用的是书生万卷1.0中的法律部分的数据集,配置采用的是internlm2_chat_7b_qlora_lawyer_e3,基础模型使用的是internlm2_chat_7b。

312

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

基础岛第2关:8G 显存玩转书生大模型 Demo

8G 显存玩转书生大模型 Demo

weixin_62549128的博客 1213

入门岛-书生大模型实战营第三期-第一关学习

并直接打开网页后可以显示,成功实现完成SSH连接与端口映射并运行。然后接下来进行了SSH密钥的配置以及vscode的端口映射。接下来尝试进行了一些Linux的语言的基础的学习与调试。接下来通过在powershell中运行。接下来就是在conda环境下的一个配置。首先按照教程进行了开发机的激活。

weixin_43808729的博客 309

书生大模型实战营-第三期-L0-Linux

创建hello_world.py程序并运行,提示需要安装pip依赖,使用。#配置conda环境。#Linux命令操作。

xidianwxm的专栏 655

Linux环境下部署书生·浦语AI大模型-基于厚德云

浦语AI大模型部署

super_mochi1 615

《书生大模型实战营第3期》入门岛 学习笔记与作业:Python 基础知识

python开发简介:【集成开发环境 IDE】python开发简介:【Conda,Pip】虚环境搭建、配置python开发简介:【jupyter notebook】实战配置python开发简介: 编码规范与工程基础实践使用 jupyter hub /lab搭建机器学习工作台使用跨平台的visual studio code 进行python 开发(综合内容老版本)python 开发环境搭建(综合内容老版本)其实Python 的环境配置在所有编程技术栈中是相对简单的,由于conda,pip 的存在。

shiter编写程序的艺术 1383

开源大模型食用指南 - 微调、部署 LLM、MLLM

一、关于 开源大模型食用指南 二、项目意义 三、项目受众 三、项目规划及进展 Example 系列 已支持模型 通用环境配置

AI工程化、开源分享、文档翻译、代码笔记 2218

《开源大模型食用指南》基于Linux环境快速部署开源大模型,更适合中国宝宝的部署教程

本项目是一个围绕开源大模型、针对国内初学者、基于 AutoDL 平台的中国宝宝专属大模型教程,针对各类开源大模型提供包括环境配置、本地部署、高效微调等技能在内的全流程指导,简化开源大模型的部署、使用和应用流程,让更多的普通学生、研究者更好地使用开源大模型,帮助开源、自由的大模型更快融入到普通学习者的生活中。本项目的主要内容包括:基于 Linux 平台的开源 LLM 环境配置指南,针对不同模型要求提供不同的详细环境配置步骤;针对国内外主流开源 LLM 的部署使用教程,包括 LLaMA、ChatGLM、Inte

ytt0523_com的博客 969

《开源大模型食用指南》适合中国宝宝的部署教程,基于Linux环境快速部署开源大模型

大模型(LLM)狭义上指基于深度学习算法进行训练的自然语言处理(NLP)模型,主要应用于自然语言理解和生成等领域,广义上还包括机器视觉(CV)大模型、多模态大模型和科学计算大模型等。百模大战正值火热,开源 LLM 层出不穷。如今国内外已经涌现了众多优秀开源 LLM,国外如 LLaMA、Alpaca,国内如 ChatGLM、BaiChuan、InternLM(书生·浦语)等。开源 LLM 支持用户本地部署、私域微调,每一个人都可以在开源 LLM 的基础上打造专属于自己的独特大模型。

小分享 969

书生实战营llamaindex+Internlm2 RAG实践

个人对RAG的理解,并不对大语言模型进行微调,而是为其增加一个知识库,该知识库的的输入可以是word,pdf等格式文字,这些文字通过词嵌入向量模块后被转化为词向量储存,当用户进行提问时,问题也会被转化为词向量,问题向量会在知识向量库中寻找最相关,也就是距离最近的知识向量,然后将原始的用户问题和该知识共同作为提示,输入到大模型中,生成最终问答。然后是在web上对llm进行询问,这个需要ssh连接,参考L0中的Linux课程,否则无法打开local网址。可以看出效果不好,模型并没有学习过xtuner的知识。

fotonice的博客 326

《开源大模型食用指南》基于Linux环境快速部署开源大模型,更适合中国宝宝的部署教程...

向AI转型的程序员都关注公众号机器学习AI算法工程本项目是一个围绕开源大模型、针对国内初学者、基于 AutoDL 平台的中国宝宝专属大模型教程,针对各类开源大模型提供包括环境配置、本地部署、高效微调等技能在内的全流程指导,简化开源大模型的部署、使用和应用流程,让更多的普通学生、研究者更好地使用开源大模型,帮助开源、自由的大模型更快融入到普通学习者的生活中。  本项目的主要内容包括:基于 Linu...

datayx的文章 267
下一篇: 书生大模型实战营-第二关Python
sty0213
博客等级 码龄3年 57粉丝 10原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 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