weixin_45131680的博客

点击开始节点，再点击加号可选择后续节点，本章后续添加节点也是如此操作，后续不再赘述。注意复制提示词后需点击{x}选择文档提取器的输出，否则读取不了上下文。选中文档提取器，在右侧配置的输入变量中填写开始节点命名的变量名。点击右上角预览按钮，上传文件并输入请将文件内容生成思维脑图。在右侧回复框中点击{x}选择http节点的body输出。在开始节点点击右上角的+号，开始配置输入信息。大模型不能直接处理文件，需要通过文档提取器。中选择文档提取器输出的变量text。选中大模型节点后在右侧配置。提示词具体内容见附录。

7、第七个节点选择添加节点->LLM（大语言模型），并提供System信息指导，以及User模型指令。3、第三个节点选择添加节点->模板转换，输入的变量就是第二个节点输出的**/Json**2、第二个节点选择添加节点->工具->rookie_text2data，输入的变量就“5、第五个节点选择添加节点->工具->rookie_excute_sql，输入的变量“4、第四个节点选择添加节点->LLM（大语言模型），并提供System信息指导。8、第七个节点选择添加节点->结束，输入的变量“

虽然不知道以上几种方法能用多久，但相信会有新的方式来解决，只不过操作会比较繁琐一些，对于新手入门来说是完全够用了，Cursor 以优秀的多模型助手功能，支持多种编程语言，并内置了GPT-4等AI模型，提供智能代码补全、代码生成、代码编辑和聊天功能，确实在编程工作中能够大大提升效率，新手在学习Ai编程过程中也能找到更多乐趣！苏米整理了目前比较靠谱的四种方案，方便正在使用的你，或已经提示你的解决这一问题！试用期过期后，不用新注册新账户，最简单的办法是删除账户，然后用同样的邮箱登陆，14天免费试用就续上了。

最近 DeepSeek 有多火爆就不多说了。热度蹭蹭地往上涨！！！不过，也正因如此，导致很多人想用而用不上。。。经常是 DeepSeek「」的提示，严重影响大家使用~为了解决这个问题，我来分享下“在线使用DeepSeek”的两种方法。许多读者都说很实用，解决了燃眉之急。

按照国际惯例，首先声明：本文只是我自己学习的理解，虽然参考了他人的宝贵见解及成果，但是内容可能存在不准确的地方。如果发现文中错误，希望批评指正，共同进步。在深度学习中，自动求导（Automatic Differentiation, AD）是一项至关重要的技术，它使我们能够高效地计算神经网络的梯度，进而通过反向传播算法更新权重。PyTorch作为一款动态计算图的深度学习框架，以其灵活性和易用性著称，其自动求导机制是其实现高效、灵活训练的核心。

导师配了一个台式机，便着手配置PyTorch环境。根据台式机的显卡驱动(472.12)、CUDA、cuDNN版本安装好PyTorch之后，调用torch.cuda.is_available()函数，可以发现PyTorch-GPU版本已经安装成功。但是安装的PyTorch却无法调用GPU进行运算。

开发的用于并行计算的平台和编程模型。CUDA旨在利用NVIDIA GPU（图形处理单元）的强大计算能力来加速各种科学计算、数值模拟和深度学习任务。CUDA（Compute Unified Device Architecture）是由。

默子的960M是肯定不支持BF16的，目前支持BF16的显卡有很多，比较大众化的应该就是NVIDIA。具体是如何加速的，以及具体会加速多少，这个涉及到CUDA和Tensor核心的底层原理与深度学习相关知识。啦，哈哈哈（友情提示：如果电脑是多GPU的，上述代码只能列出第一个GPU设备的部分信息，并不能列出全部GPU的信息。在官方给出的文档中，如果进行神经网络的训练，建议GPU此数值在 5.0 以上（默子的卡刚刚及格，呜呜呜）表示当前 Pytorch 是GPU的，CUDA版本是11.3，如果是。

TensorBoard是一个用于机器学习实验结果的工具，可以帮助我们更好地理解和调试训练过程中的模型。在PyTorch中，我们可以使用库来与TensorBoard进行交互。TensorBoardX是一个PyTorch的扩展，它允许我们将PyTorch的训练中的关键指标和摘要写入TensorBoard的事件文件中。

PyTorch 是一个尖端的人工智能框架，在机器学习和深度学习社区中势头强劲。TensorFlow是人工智能领域的另一个强大引擎，是一个主要由 Google 开发的用于机器学习和神经网络研究的框架。

​​​​。

在没有互联网的环境下部署，可以将下载好的Ollama安装包复制到此环境安装，然后将下载好的模型复制到相应路径就可以在无互联网的环境下使用。默认安装后的目录：C:\Users\username\AppData\Local\Programs\Ollama。8B模型一般16GB内存就可以跑的很流畅，70B模型则至少需要64GB内存，有CPU就可以跑，当然有GPU更好。由于llama3对中文的支持并不是很好，需要中文的可以使用GitHub上开源的这个llama3中文微调模型。提问题，发现该模型给了很好的回复。

windows10 版本安装CUDA，首先需要下载两个安装包CUDA toolkit（toolkit就是指工具包）cuDNN注：cuDNN 是用于配置深度学习使用官方教程。

Ollama 是一款开创性的人工智能（AI）和机器学习（ML）工具平台，它极大地简化了 AI 模型的开发和使用过程。它不仅提供了一系列工具，更重要的是，这些工具使用起来非常直观且高效，不管你是 AI 领域的专业人士还是初涉此道的新手，都能在 Ollama 上找到对应的支持。不止于方便使用，Ollama 还让先进的 AI 模型和计算资源的获取不再局限于少数人。对于 AI 和 ML 社区而言，Ollama 的诞生具有里程碑意义，它推动了 AI 技术的普及，让更多的人能够去尝试和实践自己的 AI 创意。

由于最近跑机器学习相关代码的时候CPU运算速度跟不上，这才利用GPU来运算代码，显然使用GPU来运算速度明显要快很多，但是搭配GPU的使用环境是真的麻烦且头疼。网上有很多牛人的搭建过程，虽然他们都成功了，但是大家的情况不一定一样，有些人肯定也试过他们的方法并且还是没有成功，所以我还是写一份博客，以帮助广大的IT朋友们，还有也是为了方便自己以后的环境搭建。

的全称是atuarlanguagerocessing，中文意思是，是人工智能领域的一个重要方向自然语言处理（NLP）的一个最伟大的方面是跨越多个领域的计算研究，从到计算语言学的多个计算研究领域都在研究计算机与人类语言之间的相互作用。它主要关注计算机如何准确并快速地处理大量的自然语言语料库。什么是自然语言语料库？它是用现实世界语言表达的语言学习，是从文本和语言与另一种语言的关系中理解一组抽象规则的综合方法。人类语言是抽象的信息符号，其中蕴含着丰富的语义信息，人类可以很轻松地理解其中的含义。