从零开始微调阿里的qwen_vl_chat模型
通过这个重定向，标准错误输出和标准输出都会被写入 train.log 文件。这个脚本文件名为 finetune_lora_single_gpu.sh，通常用于单 GPU 上进行 LoRA（Low-Rank Adaptation）的微调。模型训练完会保存在output_qwen文件中，想要修改去fin
使用TensorRT进行加速推理（示例＋代码）
TensorRT 是 NVIDIA 开发的一款高性能深度学习推理引擎，旨在优化神经网络模型并加速其在 NVIDIA GPU 上的推理性能。它支持多种深度学习框架，并提供一系列优化技术，以实现更高的吞吐量和更低的延迟。TensorRT（NVIDIA Tensor Runtime）是由 NVIDIA 开
【人工智能】Python融合机器学习、深度学习和微服务的创新之路
本文探讨了AI技术的发展历程、创新应用和微服务架构的作用。技术进步：AI技术在算法和应用方面的显著进展。微服务架构：提高了AI系统的灵活性和可扩展性。挑战与展望：数据隐私、伦理和未来技术趋势的挑战和机遇。
2024年AI前20岗位薪酬出炉！搞AI大模型的远超同行？
AI相关，细分技术领域，薪资前20岗位，都有哪些。今天这篇文章与铁铁们分享一下。
AI舌苔诊病（文心快码Baidu Comate）进行代码解析与完成项目二创
可以从我的插件栏上看到我测试了很多款的工具，其实使用文心快码Baidu Comate的时间还是最多的，大模型有很多，都是喂数据，喂的多的我相信百度说第二就没人敢说第一了，所以对于AI代码助手来说，我选择百度的文心快码，好用。
anaconda修改安装的默认环境
📚✨🎃。
一文弄懂Python环境
本文旨在从本质上弄清python环境的运作以及配置机理，让读者摆脱环境混乱的困境，毕竟环境配置的好，代码才跑的通畅。
从头开始搭建 Langchain-Chatchat 0.3x
langchain-chatchat 0.3x 从零开始本地部署搭建，rag本地知识库学习
程序员必背单词最全总结
这些都是我认为需要掌握的单词，就算有些英文你不熟悉，但是对应的中文至少了解什么意思。看完这个系列，希望你：第一能认识更多单词第二是拓宽自己的知识面，哪个概念不懂就自己去主动了解这些是编程语言中用来执行特定操作的保留词，例如循环、条件判断和数据类型等。在计算机科学中常见的概念，如排序算法、搜索技术、链
一个可一键生成短视频的AI大模型，亲测可用
MoneyPrinterTurbo —— 一个利用大模型，一键生成短视频的开源项目。只需输入视频主题或关键词，就可以全自动生成视频文案、视频素材、视频字幕、视频背景音乐，最后合成一个高清的短视频。
pytorch里tensor用法总结
通过这篇总结，希望可以帮助pytorch学习者更好掌握Tensor的基本用法。
Pytorch基础：Tensor的连续性
在Pytorch中，一个连续的张量指的是张量中各数据元素在底层的存储顺序与其在张量中的位置一致。这意味着每一个元素的地址可以通过下面的线性映射公式来确定：
Python酷库之旅-第三方库Pandas(075)
第三方库Pandas(075)
pyinstaller打包onnxruntime-gpu报错找不到CUDA的解决方案
会在这个目录中查找自定义的钩子（hooks）文件。钩子文件用于在打包过程中处理一些特殊的依赖或行为。2、电脑上已经安装与onnxruntime-gpu对应版本的cuda和cudnn，并加入了环境变量。使用onnxruntime-gpu完成了深度学习模型部署，但在打包时发生了报错：找不到CUDA。--
Transformer 论文通俗解读：FFN 的作用
在经过前面3节关于 Transformer 论文的解读之后，相信你对提出 Transformer 架构的这篇论文有了一定的了解了，你可以点击下面的链接复习一下前3节的内容。总的来说，这篇论文虽然重要且经典，但很多关于Transformer 架构的技术细节并没有介绍的很清楚，因此读起来有些晦涩。之前的
结合傅里叶变换和传统特征提取方法，通过XGBoost检测计算机生成图像
我个人认为，在模型无法区分的情况下，使用图像取证工具的人类将比机器学习模型更好地检测CGI，因为人类可以使用他们的先验知识逐个像素地评估图像，而模型只能依赖他们的训练数据。CGI检测模型对世界的了解是不完整的，而人类对世界的了解要大得多。为什么要应用傅里叶变换?而如何检测AI生成的图片变得越来越困难
【机器学习】探索数据矿藏：Python中的AI大模型与数据挖掘创新实践
随着人工智能技术的迅猛发展，AI大模型（如GPT、BERT等）在各类任务中展现了强大的能力。然而，这些大模型的背后是海量数据和复杂的算法支撑。在这篇博客中，我们将深入探讨如何利用Python进行数据挖掘，并结合AI大模型实现更高效、更精准的智能应用。本文将从数据获取与预处理、模型训练与优化、实际应用
AI可解释性(Python语言版)书籍推荐
AI可解释性（Python语言版）》全面介绍了AI可解释性的概念和可用技术，使机器学习系统更易于解释。书中提出的方法可以应用于几乎所有现有的机器学习模型：线性和逻辑回归、深度学习神经网络、自然语言处理和图像识别等等。随着机器学习的发展，如今人们越来越多地使用人工智能体来执行以前由人类处理的关键任务(
评价类模型-基于熵权法的Topsis模型★★★★
基于熵权法的Topsis模型是对Topsis模型的补充，因为层次分析法具有较大的主观色彩，对于最终得分来说，缺乏客观性，而熵权法是基于数据本身进行分析，所以更加推荐使用熵权法。使用步骤与Topsis模型差不多，但是引入新的指标——信息效用值来评价问题，将信息效用值归一化后，再计算对于的权重。熵权法只
玄姐：阿里基于 Spring AI 发布新版本
Spring Cloud Alibaba AI 目前已经顺利融合了 Spring AI 框架的 0.8.1版本接口，并实现了与“通义”高级模型系列的顺畅连接。这种整合是通过阿里云的灵积模型服务实现的，该服务基于“模型即服务”（MaaS）的理念，专注于 AI 领域的多样化模型应用，并通过标准化API，
