摘要: | 本站链接 | 标签 | 归档 | 笔记 | 随笔 | 杂的文 | 留言板 | 相册 | :postbox:关于 | | : : | : : | : : | : : | : : | : : | : : | : : | : : | | Code | modelscope | huggingface 阅读全文
posted @ 2021-01-20 16:03 Xu_Lin 阅读(132) 评论(0) 推荐(1) 编辑
摘要: 使用ollama玩转本地大模型 https://ollama.com/download 安装 安装验证 测试 ollama run llama2 ollama run qwen 阅读全文
posted @ 2024-03-19 20:44 Xu_Lin 阅读(13) 评论(0) 推荐(0) 编辑
摘要: mnn build tnn 阅读全文
posted @ 2024-02-03 00:34 Xu_Lin 阅读(9) 评论(0) 推荐(0) 编辑
摘要: 要使用 CMake 和 TNN 库基于 C++ 实现神经网络模型的推理预测,你需要按照以下步骤进行操作: 准备环境 确保已安装 CMake 和 C++ 编译器。并从 TNN 的 GitHub 仓库下载源代码(https://github.com/Tencent/TNN)。 编译 TNN 在 TNN 阅读全文
posted @ 2024-01-12 16:57 Xu_Lin 阅读(34) 评论(0) 推荐(0) 编辑
摘要: 2023年终总结 赶着昨晚回家前,把最后一个commit提交完,终于也又到一年之末了。 这一年来,是一路小跑冲到终点的快节奏,也是步履不停的一路前行; 行至当途,也是到了该停下来好好沉淀思考的时候了; 还记得也是去年年终的时候,开始陆续收到了一些猎头的邀约,BOSS直聘上也不乏一些推荐; 本着看一看 阅读全文
posted @ 2023-12-31 19:21 Xu_Lin 阅读(189) 评论(0) 推荐(0) 编辑
摘要: 干货分享: 下面给出一个笔者自己整理的GitHub仓库:https://github.com/isLinXu/awesome-road-map 里面包含了一些可供参考的学习路径和思维导图,并整理微软、meta、谷歌、Kaggle以及华为、百度、阿里、腾讯、讯飞等相关的学习资源内容,可以用来帮助学习某 阅读全文
posted @ 2023-11-17 15:25 Xu_Lin 阅读(40) 评论(0) 推荐(0) 编辑
摘要: 如何像专家一样高效使用 Google 搜索 你几乎可以在互联网上搜索到任何内容,而Google是大多数人选择搜索信息的主要途径之一。 尽管频繁地使用Google,但是大部分互联网用户都不知道如何快速和高效地使用Google搜索。 可以说使用Google是一门艺术。 想要获得正确的答案,你需要提出正确 阅读全文
posted @ 2023-11-13 16:31 Xu_Lin 阅读(33) 评论(0) 推荐(0) 编辑
摘要: Github: https://github.com/Tencent/TNN docs: https://github.com/Tencent/TNN/blob/master/doc/cn/user/demo.md 下载model权重 链接:https://share.weiyun.com/7inP 阅读全文
posted @ 2023-10-18 19:26 Xu_Lin 阅读(17) 评论(0) 推荐(0) 编辑
摘要: . 前言 本文主要讲解如何在deepin系统上安装和配置Xrdp远程桌面。 Xrdp是微软的远程桌面协议(Remote Desktop Protocol, RDP)的开源版本。在Linux系统上安装Xrdp后,用户可以使用RDP客户端远程访问Linux桌面。 现在我们来一起看看如何在deepin桌面 阅读全文
posted @ 2023-09-28 17:12 Xu_Lin 阅读(957) 评论(0) 推荐(0) 编辑
摘要: tnn-source ![](https://img2023.cnblogs.com/blog/1571518/202308/1571518-20230823175409578-1886976252.png) download-model ![](https://img2023.cnblogs.co 阅读全文
posted @ 2023-08-23 17:56 Xu_Lin 阅读(17) 评论(0) 推荐(0) 编辑
摘要: # V3Det dataset ![](https://img2023.cnblogs.com/blog/1571518/202309/1571518-20230901165449446-467856142.png) - https://opendatalab.com/V3Det ![](https 阅读全文
posted @ 2023-08-19 11:22 Xu_Lin 阅读(35) 评论(0) 推荐(0) 编辑
摘要: ```shell python tools/deploy/export_model.py \ --sample-image /Users/gatilin/PycharmProjects/model-graphviz-plot/model_graph/detectron/000000439715.jp 阅读全文
posted @ 2023-08-13 11:48 Xu_Lin 阅读(33) 评论(0) 推荐(0) 编辑
摘要: conda create -n label python=3.6 ![](https://img2023.cnblogs.com/blog/1571518/202307/1571518-20230718151440520-1058506642.png) ![](https://img2023.cnb 阅读全文
posted @ 2023-07-18 15:37 Xu_Lin 阅读(17) 评论(0) 推荐(0) 编辑
摘要: # chatglm-6b ![](https://img2023.cnblogs.com/blog/1571518/202307/1571518-20230707150844984-259920344.png) ![](https://img2023.cnblogs.com/blog/1571518 阅读全文
posted @ 2023-07-07 15:11 Xu_Lin 阅读(57) 评论(0) 推荐(0) 编辑
摘要: # clip-retrieval检索本地数据集 ```python from clip_retrieval.clip_client import ClipClient, Modality from tqdm import tqdm import urllib.request import os im 阅读全文
posted @ 2023-07-04 17:45 Xu_Lin 阅读(217) 评论(0) 推荐(0) 编辑
摘要: # AI实战营第二期 | 环境配置及安装 ![](https://img2023.cnblogs.com/blog/1571518/202305/1571518-20230531190849205-1944533522.png) - 强烈推荐使用 mim 来管理 OpenMMLab repo - O 阅读全文
posted @ 2023-05-31 19:53 Xu_Lin 阅读(228) 评论(0) 推荐(0) 编辑
摘要: 请你作为一个代码翻译解释生成器,下面我会发送一个github链接给你,请你详细解析与介绍这个链接下代码 好的,请发送链接。 https://github.com/huggingface/transformers/blob/main/src/transformers/models/blip_2/ 这是 阅读全文
posted @ 2023-05-15 20:14 Xu_Lin 阅读(2217) 评论(1) 推荐(0) 编辑
摘要: github -> deepin-4090-edd25519-key openl -> deepin-4090-rsa-key gitee -> deepin-4090-dsa-key gitlab -> deepin-4090-ecdsa-key 阅读全文
posted @ 2023-05-11 00:44 Xu_Lin 阅读(10) 评论(0) 推荐(0) 编辑
摘要: 使用pytorch从零开始实现一个简单的gpt 本文由prompt引导ChatGPT生成简易版gpt模型,根据比较关心的问题,使用了以下的prompt进行内容和代码的生成: prompt:->如何使用transformer模型在pytorch上进行大语言模型的设计实现,请分段给出完整的可行性实现 p 阅读全文
posted @ 2023-05-02 22:56 Xu_Lin 阅读(444) 评论(0) 推荐(0) 编辑
摘要: 要设计一个轻量化网络模型,并具备强大的特征提取与语义理解能力,可以采用以下策略: 使用较少的卷积层和全连接层,减少模型的参数数量和计算量; 使用卷积层进行特征提取,使用全局池化层进行特征整合; 加入注意力机制,提升模型的语义理解能力; 使用残差连接,增强模型的稳定性和泛化能力; 对模型进行轻量化的优 阅读全文
posted @ 2023-05-02 22:52 Xu_Lin 阅读(110) 评论(0) 推荐(0) 编辑
摘要: 下面是如何使用PyTorch降低计算成本和计算量的一些方法: 压缩模型:使用模型压缩技术,如剪枝、量化和哈希等方法,来减小模型的大小和复杂度,从而降低计算量和运行成本。 分布式训练:使用多台机器进行分布式训练,可以将模型训练时间大大缩短,提高训练效率,同时还可以降低成本。 硬件加速:使用GPU或TP 阅读全文
posted @ 2023-05-02 22:26 Xu_Lin 阅读(85) 评论(0) 推荐(0) 编辑