随笔分类 - 自然语言处理与语音识别
摘要：Unsloth是一个专注于加速大语言模型微调过程的开源项目。它通过一系列底层优化，显著提升了微调速度并大幅降低了内存消耗，同时能保持模型性能。无论是研究者还是开发者，都能借助Unsloth更高效地定制自己的大语言模型。本文将介绍Unsloth的使用，相关学习资源如下： 开源仓库：Unsloth 官方
阅读全文
摘要：在大语言模型基础知识一文中，检索增强生成（Retrieval-Augmented Generation，简称 RAG）技术作为构建大语言模型（Large Language Model，简称 LLM）应用的一种方式已被简要提及，本文将详细介绍RAG技术的实现流程及其演进趋势。 关于RAG技术更全面更系
阅读全文
摘要：在文章大语言模型基础知识里，模型训练与微调作为大语言模型（Large Language Model，LLM）应用构建的主要方式被简要提及，本系列文章将从技术原理、实施流程及应用场景等维度展开深度解析。相关知识的进一步参考见：LLM训练理论和实战。本文作为该系列的下半部分，包含第3章并聚焦于大语言模型
阅读全文
摘要：在文章大语言模型基础知识里，模型训练与微调作为大语言模型（Large Language Model，LLM）应用构建的主要方式被简要提及，本系列文章将从技术原理、实施流程及应用场景等维度展开深度解析。相关知识的进一步参考见：LLM训练理论和实战。本文作为系列的上半部分，内容涵盖第1章大语言模型概览和
阅读全文
摘要：在文章大语言模型基础知识里，提示词工程（Prompt Engineering）作为大语言模型（Large Language Model，LLM）应用构建的一种方式被简要提及，本文将着重对该技术进行介绍。 提示词工程就是在和LLM聊天时，用来让模型回答得更好的一种方法。LLM的工作原理是猜下一个字或词
阅读全文
摘要：大语言模型（Large Language Model，LLM）是一类基于Transformer架构的深度学习模型，主要用于处理与自然语言相关的各种任务。简单来说，当用户输入文本时，模型会生成相应的回复或结果。它能够完成许多任务，如文本续写、分类、摘要、改写、翻译等。常见的LLM包括GPT、LLaMA
阅读全文
摘要：文本纠错（Text Error Correction）技术旨在自动修正输入文本中的拼写、语法、标点符号等错误，以提高文本的准确性、通顺性和规范性。该技术可以通过自然语言处理技术实现，基于上下文和语言规则对文本进行分析和推断，发现其中的错误，并给出正确的替换或修改建议。 pycorrector是一个开
阅读全文
摘要：语音识别技术的快速发展为实现更多智能化应用提供了无限可能。本文旨在介绍一个基于Python实现的简易音频录制与语音识别应用。文章简要介绍相关技术的应用，重点放在音频录制方面，而语音识别则关注于调用相关的语音识别库。本文将首先概述一些音频基础概念，然后详细讲解如何利用PyAudio库和SpeechRe
阅读全文
摘要：spaCy是一个基于Python编写的开源自然语言处理库。基于自然处理领域的最新研究，spaCy提供了一系列高效且易用的工具，用于文本预处理、文本解析、命名实体识别、词性标注、句法分析和文本分类等任务。 spaCy的官方仓库地址为：[spaCy-github](https://github.com/
阅读全文
浙公网安备 33010602011771号