周报6_YMK

最新推荐文章于 2026-01-01 10:51:21 发布

原创最新推荐文章于 2026-01-01 10:51:21 发布 · 300 阅读

·

0

·

CC 4.0 BY-SA版权

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

文章标签：

本周关注了Medusa头和base_model的代码理解，重写了项目代码并研究了CosmoFlow，一个基于TensorFlow的CNN模型用于预测宇宙参数。探索了将CNN模型替换为大模型的可能性，并设想将美杜莎头概念应用于扩散模型的生成过程以提高效率。

部署运行你感兴趣的模型镜像

周报6

本周主要在看代码：看Medusa头的代码发现不是很了解base_model那部分，所以又去看了llama2的代码和一些相关博客。
重写了一部分佛山中医学院项目的代码，更规范一些。
调研CosmoFlow，是一个深度学习预测宇宙参数的模型，旨在在现代 HPC 平台上处理大型 3D 宇宙学数据集。基于TensorFlow 框架，执行在两个 HPC 系统——Cori（美国）和 Piz Daint（瑞士）。

他的模型很小，是简单的CNN，700 万个参数（28.15 MB ）。

在这里插入图片描述

样本101,056 个，输入是[128, 128, 128]的空间张量（暗物质分布），输出是3个宇宙学参数

在这里插入图片描述

最大运行使用 Cori 的 8192 个 KNL 节点，训练 130 个epoch。平均 epoch 3.35 秒，整个运行大约需要 9 分钟。

个人觉得把CNN换成大模型是可行的。具体会存在哪些瓶颈我后面还需要去了解一下。

一些想法：

感觉扩散模型的逆扩散过程（生成）也可以用美杜莎头的思想来加快生成速度，因为扩散模型在生成过程中需要一个step一个step来去噪得到图片，所以或许也可以用几个小模型当做美杜莎头打草稿，经过几个step后用原模型校验一下，循环这个过程达到加快生成过程的目的。

一下，循环这个过程达到加快生成过程的目的。

您可能感兴趣的与本文相关的镜像

Llama Factory

Llama Factory

模型微调

LLama-Factory

LLaMA Factory 是一个简单易用且高效的大型语言模型（Large Language Model）训练与微调平台。通过 LLaMA Factory，可以在无需编写任何代码的前提下，在本地完成上百种预训练模型的微调

AI算力推荐

Llama Factory

LLaMA Factory 是一个简单易用且高效的大型语言模型（Large Language Model）训练与微调平台。通过 LLaMA Factory，可以在无需编写任何代码的前提下，在本地完成上百种预训练模型的微调

模型微调

LLama-Factory

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。