weixin_50366304的博客

微调（Fine-tuning）一个模型和将不同的模型或技术（如GraphRAG）结合起来使用是两种不同的人工智能应用策略，它们各自有不同的目标和方法。下面我将解释这两种策略，并讨论它们与DeepSeek结合时的区别。

通过在特定任务的数据上进行微调，模型可以更好地适应任务需求，提高任务性能。微调的目标是将预训练模型的知识迁移到特定任务上，如文本分类、命名实体识别、问答等。通过在特定任务的数据上进行微调，模型可以更好地适应任务需求，提高任务性能。预训练模型是在大量数据上训练得到的模型，能够学习到丰富的语言表示和知识。：微调时通常使用较小的学习率，以避免破坏预训练模型的知识。通过微调，预训练模型可以适应各种下游任务，提高任务性能。：调整模型的所有参数，包括预训练阶段的参数。：在特定任务的数据上进行训练，调整模型参数。

用Deepseek R1模型构建自己的业务领域大模型

PyTorch 是一个开源的机器学习框架，主要用于深度学习任务，由 Facebook 的人工智能研究团队（FAIR）开发并维护。它在深度学习领域被广泛使用，尤其受到研究人员和开发者的青睐。

由于我的电脑是M3 Mac Pro，虽然有GPU，但是不是NVIDIA GPU，如果要启用GPU的能力，需要从源代码编译PyTorch，并确保安装了必要的依赖项。下面我把详细步骤写下来，供各位参考。根据最新的信息，Mac M3 Pro可以安装支持GPU加速的PyTorch版本，但需要从源代码编译PyTorch，并确保安装了必要的依赖项。

DeepSeek-V3以低成本和高通用性见长，适合广泛的应用场景，能够高效处理各种文本生成、摘要和对话任务。DeepSeek-R1通过强化学习实现了专业领域的推理突破，并在开源生态中提供了灵活的蒸馏方案，适用于推理密集型任务。

Qwen2.5-7B是通义千问团队发布的一个大型语言模型，它在18T tokens的数据集上进行了预训练，旨在提供更丰富的知识、更强的编程和数学能力。因为我之前也安装了其他模型，所以大家可以看看不同模型的回答，qwen2.5 7B针对相同的问题，有不同的答复，第一个问题回答还是错误的，准确性还有待进一步提高和加强。下载并运行后，你就可以提问了，比如：我问的问题，请问阿里云的通义千问模型有哪些，Qwen2.5 7B模型回答如下。量化版本：通过量化算法优化后的版本，降低了部署门槛，可以在资源受限的环境下运行。

Ollama和Hugging Face在部署方式、模型管理、成本、隐私等方面存在明显区别，但它们也存在功能互补的联系。用户可以根据自己的需求和资源情况选择合适的工具和平台。