上一页 1 ··· 5 6 7 8 9 10 下一页
摘要: 记录通过在 AutoDL 算力云(Linux)上用 LLaMA-Factory 的 WebUI 微调和训练模型,微调后下载到本地用 Ollama 运行的全流程,代码和界面操作为主,记关键点和坑。 环境准备 AutoDL 环境:Linux(Ubuntu 20.04 常见),租 NVIDIA GPU(推 阅读全文
posted @ 2025-04-13 20:32 TokE648 阅读(1331) 评论(0) 推荐(0)
摘要: YOLOv5 配置与训练笔记 YOLOv5 配置与训练笔记自用备份,Windows 端 YOLOv5 配置和训练为主,代码为核心,记录踩坑和关键点。 环境准备 系统:Windows 10/11 Python:3.9(其他版本容易崩) GPU(可选):NVIDIA + CUDA 11.8(CPU 也能跑,慢点) FFmpeg:解压后放根目录(视数据集需求) 阅读全文
posted @ 2025-04-09 22:02 TokE648 阅读(517) 评论(0) 推荐(0)
摘要: GPT-SoVITS Windows 配置与推理笔记(自用) GPT-SoVITS Windows 配置与推理笔记(自用)GPT-SoVITS Windows 配置与推理笔记(自用) 这是给自己留的备份,方便下次查。Windows 端配置和推理为主,代码为核心,直接干货。 环境准备 系统:Windows 10/11 Python:3.9(别用别的版本,坑多) GPU(可选):NVIDIA + CUDA 11.8(没 G 阅读全文
posted @ 2025-04-09 21:47 TokE648 阅读(381) 评论(0) 推荐(0)
摘要: 一、准备深度学习环境 首先,确保你的计算机上已经安装了Python、PyTorch以及CUDA等必要的深度学习框架和库。YOLOv5对Python版本和PyTorch版本有一定的要求,通常建议使用Python 3.8及以上版本,PyTorch 1.6及以上版本。此外,CUDA的安装可以加速模型的训练 阅读全文
posted @ 2025-04-09 08:59 TokE648 阅读(193) 评论(0) 推荐(0)
摘要: 在Python中,创建新的环境通常指的是创建一个隔离的Python环境,以便在该环境中安装和管理不同版本的库,而不会影响到系统中其他Python环境的库。这通常用于解决不同项目之间的依赖冲突。下面是一些常用的方法来创建和管理Python环境: 使用venv模块 venv是Python的标准库之一,用 阅读全文
posted @ 2025-04-08 23:05 TokE648 阅读(57) 评论(0) 推荐(0)
摘要: 渗透测试常用命令速览:从扫描到提权再到流量劫持 在渗透测试中,命令行工具是我们的得力助手。本文总结了我最近在测试虚拟机靶机(IP: 192.168.73.129)时用到的主要命令,涵盖网络扫描、暴力破解、权限提升、数据修改和流量劫持等环节。每个命令都附带介绍和使用场景,帮助你在类似场景中快速上手。以 阅读全文
posted @ 2025-03-27 23:23 TokE648 阅读(160) 评论(0) 推荐(0)
摘要: Markdown 主要命令(语法)如下: 标题 使用 # 号表示标题,# 的个数决定标题的级别: 一级标题 二级标题 三级标题 四级标题 五级标题 六级标题 段落 & 换行 直接输入文字形成段落,使用两个以上空格或 进行换行: 这是一个段落。 这是同一段的下一行。 使用 <br> 也可以换行。 3. 阅读全文
posted @ 2025-03-27 23:09 TokE648 阅读(180) 评论(0) 推荐(0)
摘要: 以下是在 Ubuntu 上安装 Python 3.11、创建虚拟环境并设置 pip 阿里云源的整理后的主要命令流程,简洁清晰: 1. 安装 Python 3.11 sudo apt update sudo apt install python3.11 python3.11-venv python3. 阅读全文
posted @ 2025-03-27 23:07 TokE648 阅读(967) 评论(0) 推荐(0)
摘要: ![](https://img2024.cnblogs.com/blog/3027557/202503/3027557-20250326194151726-1106957279.png) 阅读全文
posted @ 2025-03-26 19:42 TokE648 阅读(31) 评论(0) 推荐(0)
摘要: Transerformer架构(自然语言处理) 尝试学习和从零构建一个大语言模型 就目前我的认知 Transformer架构主要分为编码器、解码器、词表、训练集、训练算法(T5) 编码器(Encoder) Encoder主要负责将输入转换为计算机能够理解的内容(也就是词表中的向量词元) 解码器(De 阅读全文
posted @ 2025-03-17 22:26 TokE648 阅读(59) 评论(0) 推荐(0)
上一页 1 ··· 5 6 7 8 9 10 下一页