【L0G1000】书生大模型第四期实战营第1关Linux 基础知识

书生大模型第四期实战营第1关L0G1000Linux 基础知识

目录

  1. 任务一:完成SSH连接与端口映射并运行hello_world.py
  2. 任务二:Linux基础命令操作
  3. 任务三:使用VSCODE远程连接开发机并创建一个conda环境

任务一:完成SSH连接与端口映射并运行hello_world.py

1. SSH连接开发机

SSH(Secure Shell)是一种用于远程登录Linux服务器的安全协议。我们可以通过SSH连接到InternStudio开发机,开始进行开发任务。以下是基本的步骤:

步骤1:获取开发机的IP地址和端口号

在实战营中,你应该会被分配到一个开发机的IP地址和端口号。假设我们得到的IP地址是 192.168.1.100,端口号是 22

步骤2:使用SSH命令连接开发机

在本地终端(Linux或Mac用户)或使用Windows的PowerShell中,输入以下命令:

ssh username@192.168.1.100 -p 22

其中,username 是分配给你的开发机用户名。

步骤3:输入密码

连接过程中,系统会提示输入密码。输入后按回车键,即可成功登录到开发机。

2. 端口映射

端口映射是指将开发机的端口映射到本地机器的某个端口上,以便通过本地端口访问远程资源。

步骤1:运行以下命令进行端口映射

假设我们需要将开发机的端口 8080 映射到本地机器的 8080 端口上:

ssh -L 8080:localhost:8080 username@192.168.1.100 -p 22

此命令的含义是将本地机器的 8080 端口映射到开发机的 8080 端口上。

3. 运行 hello_world.py

成功登录开发机后,我们可以运行简单的Python脚本 hello_world.py

### 书生大模型 L1G1000 技术文档概述 书生大模型全链路开源体系提供了详尽的技术文档,涵盖了从基础架构搭建到具体应用场景实现的各个方面[^3]。该体系由上海人工智能实验室开发,旨在为用户提供全面的支持。 #### 主要组成部分 - **数据处理工具**:提供了一系列高效的数据预处理方法和技术,确保输入数据的质量和一致性。 - **技术栈**:包括但不限于自然语言处理(NLP),计算机视觉(CV)等领域所需的各种算法库和支持框架[^2]。 - **应用实例** - **MINSEARCH**: 基于AI驱动的搜索引擎解决方案,利用先进的检索技术和机器学习优化搜索体验。 - **RAG (Retrieval-Augmented Generation)**: 将传统的信息检索系统与现代的语言生成能力相结合,实现了更精准的内容理解和表达转换服务。 - **LabelLLM Project**: 提供了一套完整的自动化标签生成流程,极大地方便了NLP任务中的数据标注工作。 - **OpenCompass Platform**: 构建了一个公开透明的大规模评测环境,有助于推动整个行业的健康发展并提高模型评估的标准性。 ```python # 示例代码片段展示如何加载预训练好的BookSheng模型进行推理预测 from transformers import AutoModelForCausalLM, AutoTokenizer tokenizer = AutoTokenizer.from_pretrained("shanghaiai/booksheng-l1g1000") model = AutoModelForCausalLM.from_pretrained("shanghaiai/booksheng-l1g1000") input_text = "你好世界" inputs = tokenizer(input_text, return_tensors="pt") outputs = model.generate(**inputs) print(tokenizer.decode(outputs[0], skip_special_tokens=True)) ``` 此段Python脚本展示了通过Hugging Face Transformers库快速上手使用书生大模型的方法之一。只需几行简单的命令即可完成对给定文本序列的编码解码操作,并获得相应的输出结果。
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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
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