英特尔集成显卡+ChatGLM3大语言模型的企业本地AI知识库部署
利用OpenVINOTM工具套件简单易用，仅需三步即可在算力魔方完成开发环境搭建及模型的INT4量化且在英特尔集成显卡上的部署实现RAG企业本地知识库部署.
在Mac m1运行ChatGLM3-6B cpu版本1-3秒出结果
输入内容：295个字，1.9秒开始出结果，这个速度接近T4。4.开启Metal for M1，安装chatglm-cpp。下载到/Users/xxx/chatglm3-6b。2.下载chatglm3-6b。
【ChatGLM3-6B】Docker下部署及微调
其中微调数据是通过本批数据对模型进行调试（文件是train.json），验证数据是通过这些数据验证调试的结果（文件是dev.json）。2、然后回到finetune_demo目录，执行以下脚本进行转换，转换后的文件放在formatted_data目录下。1、在项目代码的finetune_demo目录
ChatGLM3-6B：新一代开源双语对话语言模型，流畅对话与低部署门槛再升级
ChatGLM3-6B：新一代开源双语对话语言模型，流畅对话与低部署门槛再升级
