【linux 使用ollama部署运行本地大模型完整的教程，openai接口， llama2例子】
【linux 使用ollama部署运行本地大模型完整的教程，openai接口， llama2例子】
Meta开源大模型LLaMA2的部署使用
Llama2开源且免费用于研究和商业用途，接受2万亿个标记的训练，上下文长度是Llama1的两倍。Llama2包含了70亿、130亿和700亿参数的模型。
Llama-2 推理和微调的硬件要求总结：RTX 3080 就可以微调最小模型
大语言模型微调是指对已经预训练的大型语言模型（例如Llama-2，Falcon等）进行额外的训练，以使其适应特定任务或领域的需求。
Falcon 180B 目前最强大的开源模型
Technology Innovation Institute最近发布了Falcon 180B大型语言模型(LLM)，它击败了Llama-2 70b，与谷歌Bard的基础模型PaLM-2 Large不相上下。
本地部署 CodeLlama 并在 VSCode 中使用 CodeLlama
本地部署 CodeLlama 并在 VSCode 中使用 CodeLlama
微调llama2模型教程：创建自己的Python代码生成器
本文将演示如何使用PEFT、QLoRa和Huggingface对新的lama-2进行微调，生成自己的代码生成器。所以本文将重点展示如何定制自己的llama2，进行快速训练，以完成特定任务。
使用 Docker 快速上手中文版 LLaMA2 开源大模型
感慨于昨天 Meta LLaMA2 模型开放下载之后，GitHub 上出现了许多“只有 Readme 文档” 的开源模型项目，并一时间在各个群里疯狂传播，宛如“郁金香泡沫”故事里的期货一般。中午吃饭的时候，和朋友一起吐槽，朋友说，这玩意又不难，今晚整一个吧。也希望能藉此让中文开源生态变的更好一些，于
