self llm

คู่มือโอเพนซอร์ส Mockup Edible

โครงการนี้เป็นบทช่วยสอนเกี่ยวกับโมเดลเด็กจีนพิเศษสำหรับรุ่นโอเพนซอร์สสำหรับผู้เริ่มต้นในประเทศและขึ้นอยู่กับแพลตฟอร์ม Linux ให้คำแนะนำเต็มรูปแบบสำหรับโมเดลโอเพนซอร์สต่างๆรวมถึงการกำหนดค่าสิ่งแวดล้อมการปรับใช้ในท้องถิ่นการปรับแต่งที่มีประสิทธิภาพและทักษะอื่น ๆ ทำให้การปรับใช้การใช้งานและกระบวนการแอปพลิเคชันของแบบจำลองโอเพนซอร์สง่ายขึ้นทำให้นักเรียนและนักวิจัยทั่วไปใช้แบบจำลองโอเพนซอร์สได้ดีขึ้น

เนื้อหาหลักของโครงการนี้รวมถึง:

1. คู่มือการกำหนดค่าสภาพแวดล้อม LLM โอเพ่นซอร์สตามแพลตฟอร์ม Linux ให้ขั้นตอนการกำหนดค่าสภาพแวดล้อมโดยละเอียดที่แตกต่างกันสำหรับข้อกำหนดของโมเดลที่แตกต่างกัน
2. บทช่วยสอนสำหรับการปรับใช้และการใช้ LLM โอเพ่นซอร์สหลักทั้งในและต่างประเทศรวมถึง Llama, Chatglm, internlm, ฯลฯ ;
3. คำแนะนำแอปพลิเคชันผู้ดูแลระบบสำหรับโอเพนซอร์ส LLM รวมถึงการโทรสายคำสั่งการปรับใช้การสาธิตออนไลน์การรวมกรอบ Langchain ฯลฯ ฯลฯ
4. การปรับแต่งอย่างละเอียดและวิธีการปรับแต่งที่มีประสิทธิภาพของ LLM โอเพนซอร์สรวมถึงการปรับแต่งแบบเต็มรูปแบบแบบกระจาย Lora, Ptuning ฯลฯ

เนื้อหาหลักของโครงการคือการสอนเพื่อให้นักเรียนและผู้ปฏิบัติงานในอนาคตสามารถเข้าใจและทำความคุ้นเคยกับวิธีการกินแบบจำลองโอเพนซอร์สขนาดใหญ่! ทุกคนสามารถเสนอปัญหาหรือส่ง PR เพื่อสร้างและบำรุงรักษาโครงการนี้ร่วมกัน

นักเรียนที่ต้องการมีส่วนร่วมอย่างลึกซึ้งสามารถติดต่อเราและเราจะเพิ่มคุณในโครงการดูแลโครงการ

ข้อเสนอแนะการเรียนรู้: คำแนะนำการเรียนรู้สำหรับโครงการนี้คือการเรียนรู้การกำหนดค่าสภาพแวดล้อมก่อนจากนั้นเรียนรู้การปรับใช้และการใช้งานแบบจำลองและในที่สุดก็เรียนรู้การปรับแต่งอย่างละเอียด เนื่องจากการกำหนดค่าสภาพแวดล้อมเป็นพื้นฐานการปรับใช้และการใช้แบบจำลองเป็นพื้นฐานและการปรับแต่งเป็นขั้นสูง ผู้เริ่มต้นสามารถเลือก QWEN1.5, InternLM2, MINICPM และโมเดลอื่น ๆ เพื่อจัดลำดับความสำคัญการเรียนรู้

หมายเหตุ: หากนักเรียนต้องการเข้าใจองค์ประกอบของโมเดลของโมเดลขนาดใหญ่และงานเขียนเช่น RAG, Agent และ Eval จากศูนย์พวกเขาสามารถเรียนรู้โครงการอื่นของ Datawhale โมเดลขนาดใหญ่เป็นหัวข้อร้อนแรงในสาขาการเรียนรู้อย่างลึกซึ้งในปัจจุบัน แต่บทช่วยสอนขนาดใหญ่ที่มีอยู่ส่วนใหญ่มีเพียงการสอนวิธีเรียก APIs เพื่อให้การประยุกต์ใช้แบบจำลองขนาดใหญ่เสร็จสมบูรณ์และมีเพียงไม่กี่คนที่สามารถอธิบายโครงสร้างแบบจำลองผ้าขี้ริ้วตัวแทนและการประเมินจากระดับหลัก ดังนั้นที่เก็บจะให้ลายมือทั้งหมดและไม่ใช้รูปแบบของการโทร API เพื่อทำ RAG, Agent และงานประเมินของโมเดลขนาดใหญ่

หมายเหตุ: เมื่อพิจารณาว่านักเรียนบางคนหวังที่จะเรียนรู้ส่วนทฤษฎีของแบบจำลองขนาดใหญ่ก่อนที่จะศึกษาโครงการนี้หากพวกเขาต้องการศึกษาพื้นฐานทางทฤษฎีของ LLM และเข้าใจเพิ่มเติมและใช้ LLM บนพื้นฐานของทฤษฎี

หมายเหตุ: หากนักเรียนคนใดต้องการพัฒนาแอปพลิเคชั่นขนาดใหญ่ด้วยตัวเองหลังจากเรียนหลักสูตรนี้ นักเรียนสามารถอ้างถึงหลักสูตรการพัฒนาแอพพลิเคชั่นขนาดใหญ่ของ Datawhale ซึ่งเป็นแบบฝึกหัดการพัฒนาแอพพลิเคชั่นขนาดใหญ่สำหรับสามเณร มันมีจุดมุ่งหมายเพื่อนำเสนอกระบวนการพัฒนาแอปพลิเคชันขนาดใหญ่ให้กับนักเรียนตามเซิร์ฟเวอร์อาลีบาบาคลาวด์อย่างเต็มที่และรวมกับโครงการผู้ช่วยฐานความรู้ส่วนบุคคล

ความสำคัญของโครงการ

นางแบบขนาดใหญ่คืออะไร?

โมเดลขนาดใหญ่ (LLM) หมายถึงโมเดลการประมวลผลภาษาธรรมชาติ (NLP) ที่ได้รับการฝึกฝนตามอัลกอริทึมการเรียนรู้เชิงลึก พวกเขาส่วนใหญ่จะใช้ในสาขาต่าง ๆ เช่นความเข้าใจภาษาธรรมชาติและการสร้าง ในวงกว้างพวกเขายังรวมถึงรุ่น Machine Vision (CV) ขนาดใหญ่แบบจำลองขนาดใหญ่หลายรูปแบบและการคำนวณทางวิทยาศาสตร์แบบจำลองขนาดใหญ่

การต่อสู้ของโมเดลหลายร้อยรุ่นนั้นเต็มไปด้วยการแกว่งและ LLM โอเพนซอร์สก็เกิดขึ้นหลังจากนั้นอีก ทุกวันนี้ LLM โอเพ่นซอร์สที่ยอดเยี่ยมจำนวนมากได้ปรากฏตัวทั้งที่บ้านและต่างประเทศเช่น Llama และ Alpaca และในประเทศเช่น Chatglm, Baichuan, Internlm (Scholar Puyu) ฯลฯ โอเพ่นซอร์ส LLM สนับสนุนการปรับใช้ผู้ใช้ในท้องถิ่น ทุกคนสามารถสร้างโมเดลขนาดใหญ่ที่เป็นเอกลักษณ์ของตัวเองตาม Open Source LLM

อย่างไรก็ตามหากนักเรียนทั่วไปและผู้ใช้ต้องการใช้โมเดลขนาดใหญ่เหล่านี้พวกเขาจำเป็นต้องมีความสามารถทางเทคนิคบางอย่างเพื่อให้การปรับใช้และการใช้งานของแบบจำลองเสร็จสมบูรณ์ สำหรับโอเพนซอร์ส LLMS ที่เกิดขึ้นหลังจากนั้นเป็นงานที่ค่อนข้างท้าทายในการควบคุมวิธีแอปพลิเคชันของโอเพนซอร์ส LLM อย่างรวดเร็ว

โครงการนี้มีจุดมุ่งหมายที่จะตระหนักถึงการปรับใช้การใช้งานและการปรับแต่งการปรับแต่งของ LLM โอเพนซอร์สที่สำคัญในบ้านและต่างประเทศตามประสบการณ์ของผู้มีส่วนร่วมหลัก หลังจากตระหนักถึงส่วนที่เกี่ยวข้องของ LLM กระแสหลักเราหวังว่าจะรวบรวมผู้ร่วมสร้างอย่างเต็มที่เพื่อเสริมสร้างโลกแห่งโอเพ่นซอร์ส LLM และสร้างแบบฝึกหัดที่ครอบคลุมมากขึ้นสำหรับ LLMs พิเศษ ประกายไฟจุดมาบรรจบกันในทะเล

เราหวังว่าจะเป็นบันไดสำหรับ LLM และประชาชนทั่วไปและยอมรับโลก LLM ที่งดงามและกว้างใหญ่ยิ่งขึ้นด้วยจิตวิญญาณแห่งเสรีภาพและความเท่าเทียมกันของโอเพ่นซอร์ส

ผู้ชมโครงการ

โครงการนี้เหมาะสำหรับผู้เรียนต่อไปนี้:

• ต้องการใช้หรือสัมผัสกับ LLM แต่ได้รับหรือใช้ API ที่เกี่ยวข้องอย่างไม่มีเงื่อนไข
• หวังว่าจะใช้ LLM ในระยะยาวราคาถูกและขนาดใหญ่
• สนใจ LLM โอเพนซอร์สและต้องการเริ่มต้นด้วยโอเพนซอร์ส LLM ด้วยตัวคุณเอง
• NLP กำลังศึกษาโดยหวังว่าจะศึกษาเพิ่มเติม LLM;
• เราหวังว่าจะรวม LLM โอเพ่นซอร์สเพื่อสร้างโดเมนส่วนตัว LLM กับลักษณะของโดเมน
• และกลุ่มนักเรียนที่กว้างใหญ่และธรรมดาที่สุด

การวางแผนโครงการและความคืบหน้า

โครงการนี้วางแผนที่จะจัดระเบียบกระบวนการทั้งหมดของแอปพลิเคชัน LLM โอเพนซอร์สรวมถึงการกำหนดค่าและการใช้งานด้านสิ่งแวดล้อมการปรับใช้และแอปพลิเคชันการปรับแต่ง ฯลฯ แต่ละส่วนครอบคลุมกระแสหลักและคุณสมบัติ Open Source LLM:

ชุดตัวอย่าง

• Chat-Huanhuan: Chat-Zhen Huan เป็นรูปแบบภาษาแชทที่เลียนแบบน้ำเสียงของ Zhen Huan โดยใช้บรรทัดและประโยคทั้งหมดเกี่ยวกับ Zhen Huan ในสคริปต์ "The Legend of Zhen Huan" และการปรับแต่งตาม LLM

• TIANJI: Tianji เป็นสถานการณ์ทางสังคมตามความรู้สึกของมนุษย์และสไตล์ทางโลกครอบคลุมกระบวนการทั้งหมดของวิศวกรรมคำที่รวดเร็วการผลิตร่างกายอัจฉริยะการเก็บข้อมูลและการปรับแต่งแบบจำลองการทำความสะอาดข้อมูล RAG ฯลฯ ฯลฯ

รุ่นที่รองรับ

• Qwen2.5-coder

  • QWEN2.5-CODER-7B-Instruct Fastapi การปรับใช้โทร @zhao Wenkai
  • QWEN2.5-CODER-7B-Instruct Langchian Access @yang Chenxu
  • QWEN2.5-CODER-7B-Instruct WebDemo การปรับใช้ @Wang Zeyu
  • qwen2.5-coder-7b-instruct vllm การปรับใช้ @wang zeyu
  • QWEN2.5-CODER-7B-Instruct Lora ปรับแต่งการปรับแต่ง @ buckwheat
  • QWEN2.5-CODER-7B-Instruct Lora ปรับแต่ง Swanlab Visual Record เวอร์ชัน @yang Zhuo

• QWEN2-VL

  • QWEN2-VL-2B FASTAPI การปรับใช้โทร @Jiang Shufan
  • QWEN2-VL-2B WebDemo การปรับใช้ @zhao Wei
  • การปรับใช้ qwen2-vl-2b vllm @buckwheat
  • QWEN2-VL-2B LORA ปรับแต่ง @LI Kechen
  • QWEN2-VL-2B LORA ปรับแต่ง Swanlab Visual Record เวอร์ชัน @ Lin Zeyi
  • QWEN2-VL-2B LORA CASE TUNING CASE-Latexocr @Lin Zeyi

• Qwen2.5

  • QWEN2.5-7B-Instruct Fastapi การปรับใช้การโทร @lou tianao
  • QWEN2.5-7B-Instruct Langchain Access @lou tianao
  • QWEN2.5-7B-Instruct VLLM การปรับใช้การโทร @Jiang Shufan
  • QWEN2.5-7B-Instruct WebDemo การปรับใช้ @gao liye
  • QWEN2.5-7B-Instruct Lora ปรับแต่ง @ Zuo Chunsheng
  • QWEN2.5-7B-Instruct O1 การใช้งานโซ่การใช้เหตุผลที่มีลักษณะคล้าย O1 @Jiang Shufan
  • QWEN2.5-7B-Instruct Lora ปรับแต่ง Swanlab Visual Record เวอร์ชัน @Lin Zeyi

• Apple Openelm

  • OpenElm-3B-Instruct Fastapi การปรับใช้ @wang zeyu
  • OpenElm-3B-Instruct Lora ปรับจูน @wang zeyu

• LLAMA3_1-8B-Instruct

  • LLAMA3_1-8B-Instruct Fastapi การปรับใช้การโทร @Don't Don't Don't Callions, Ginger, Garlic
  • llama3_1-8b- instruct langchain access @ zhang jin
  • LLAMA3_1-8B-Instruct WebDemo การปรับใช้ @zhang Jin
  • LLAMA3_1-8B-Instruct Lora ปรับแต่ง @Don't Don't Don't Callions, ขิงและกระเทียม

• Gemma-2-9b-it

  • Gemma-2-9b-it การปรับใช้ Fastapi @Don't Scallion, Ginger, Garlic
  • gemma-2-9b-it langchain access @ ไม่มีหัวหอมขิงและกระเทียม
  • gemma-2-9b-it webdemo ปรับใช้ @Don't Callions, Ginger และ Garlic
  • gemma-2-9b-it peft lora ปรับแต่ง @Don't Don't Callions, ขิงและกระเทียม

• yuan2.0

  • Yuan2.0-2b การปรับใช้ Fastapi Fan @zhang Fan
  • yuan2.0-2b langchain access @ zhang fan
  • yuan2.0-2b การปรับใช้ webdemo @zhang fan
  • yuan2.0-2b การปรับใช้ vllm call @zhang fan
  • yuan2.0-2b lora fine-tuning @ zhang fan

• Yuan2.0-M32

  • Yuan2.0-M32 การปรับใช้ Fastapi Fan @zhang Fan
  • yuan2.0-m32 langchain access @ zhang fan
  • yuan2.0-m32 การปรับใช้ webdemo @zhang fan

• DEEPSEEEK-CODER-V2

  • Deepseek-Coder-V2-Lite-Instruct Fastapi การปรับใช้ @Jiang Shufan
  • Deepseek-Coder-V2-Lite-Instruct Langchain Access @Jiang Shufan
  • Deepseek-Coder-V2-Lite-Instruct WebDemo การปรับใช้ @KailigITHUB
  • Deepseek-Coder-V2-Lite-Instruct Lora ปรับแต่ง @yu Yang

• bilibili index-1.9b

  • index-1.9b-chat fastapi การปรับใช้ @deng kaijun
  • index-1.9b-chat langchain access @zhang youdong
  • index-1.9b-chat webdemo การปรับใช้ @september
  • index-1.9b-chat lora ปรับแต่ง @jiang shufan

• Qwen2

  • QWEN2-7B-Instruct Fastapi การปรับใช้การโทร @kang jingqi
  • QWEN2-7B-Instruct Langchain Access @ ไม่มีหัวหอมขิงและกระเทียม
  • QWEN2-7B-Instruct WebDemo การปรับใช้ @Sanshui
  • QWEN2-7B-Instruct VLLM การปรับใช้การโทร @Jiang Shufan
  • QWEN2-7B-Instruct Lora ปรับแต่ง @ Walking

• GLM-4

  • GLM-4-9B-Chat Fastapi การปรับใช้การโทร @zhang YouDong
  • glm-4-9b-chat langchain access @tan yike
  • glm-4-9b-chat webdemo การปรับใช้ @he zhixuan
  • GLM-4-9B-Chat Vllm การปรับใช้ @Wang Yiming
  • glm-4-9b-chat lora ปรับแต่ง @xiao hongru
  • glm-4-9b-chat-hf lora ปรับแต่ง @ fu zhiyuan

• Qwen 1.5

  • QWEN1.5-7B-Chat Fastapi การปรับใช้ @yan xin
  • qwen1.5-7b-chat langchain access @yan xin
  • qwen1.5-7b-chat การปรับใช้ webdemo @yan xin
  • qwen1.5-7b-chat lora ปรับแต่ง @Don't Don't Spicy Ginger and Garlic
  • QWEN1.5-72B-Chat-GPTQ-INT4 สภาพแวดล้อมการปรับใช้ @BYX020119
  • QWEN1.5-MOE-Chat Transforment Transforment Call @ding Yue
  • qwen1.5-7b-chat vllm การปรับใช้การปรับใช้@gao liye
  • qwen1.5-7b-chat lora การปรับแต่งการปรับแต่งไปยังแพลตฟอร์มการจัดการทดลอง Swanlab @huang bote

• Google - Gemma

  • Gemma-2b-it การปรับใช้ fastapi @dongdong
  • gemma-2b-it langchain access @dongdong
  • Gemma-2b-it การปรับใช้ webdemo @dongdong
  • gemma-2b-it peft lora ปรับแต่ง @ dongdong

• Phi-3

  • phi-3-mini-4k-instruct การปรับใช้ fastapi @zheng haohua
  • PHI-3-MINI-4K-Instruct Langchain Access @zheng Haohua
  • phi-3-mini-4k-instruct การปรับใช้ webdemo @ding yue
  • phi-3-mini-4k-instruct lora ปรับแต่ง @ding yue

• ตัวละคร-6b

  • การปรับใช้ transformers callyglm-6b transforment
  • การปรับใช้ fastapi callyglm-6b fastapi @sun jianzhuang
  • การปรับใช้ WebDemo CANTALEGLM-6B @SUN JIANZHUANG
  • ตัวละคร GACTIONGLM-6B LORA ปรับแต่ง @SUN Jianzhuang

• Llama3-8b-Instruct

  • llama3-8b-instruct fastapi การปรับใช้โทร @gao liye
  • llama3-8b-instruct langchain access @Don't Sallions, Ginger และ Garlic
  • LLAMA3-8B-Instruct WebDemo การปรับใช้ @Don't Don't Callions, Ginger และ Garlic
  • llama3-8b-instruct lora ปรับแต่ง @ gao liye

• xverse-7b-chat

  • Xverse-7b-Chat Transformers Transforment Call @Guo Zhihang
  • Xverse-7b-chat fastapi การปรับใช้ @guo zhihang
  • xverse-7b-chat langchain access @guo zhihang
  • Xverse-7b-Chat Webdemo การปรับใช้ @Guo Zhihang
  • xverse-7b-chat lora ปรับแต่ง @ guo zhihang

• transnormerllm

  • Transnormerllm-7b-chat fastapi การปรับใช้ @wang maolin
  • transnormerllm-7b-chat langchain access @wang maolin
  • transnormerllm-7b-chat การปรับใช้ webdemo @wang maolin
  • transnormerllm-7b-chat lora ปรับจูน @wang maolin

• Bluelm Vivo Blue Heart Model

  • การปรับใช้ bluelm-7b-chat fatapi @guo zhihang
  • bluelm-7b-chat langchain access @guo zhihang
  • การปรับใช้ bluelm-7b-chat webdemo @guo zhihang
  • bluelm-7b-chat lora ปรับแต่ง @ guo zhihang

• internlm2

  • internlm2-7b-chat fastapi การปรับใช้ call @Don't Don't Scallion, Ginger, Garlic
  • internlm2-7b-chat langchain access @ ไม่มีหัวหอมขิงและกระเทียม
  • Internlm2-7b-Chat Webdemo การปรับใช้ @zheng Haohua
  • internlm2-7b-chat xtuner Qlora ปรับแต่ง @zheng haohua

• การค้นหาเชิงลึกลึก

  • การปรับใช้ fastapi deepseek-7b-chat fastapi @Don't Callion, Ginger, Garlic
  • deepseek-7b-chat langchain access @ ไม่มีหัวหอมขิงและกระเทียม
  • deepseek-7b-chat webdemo @ไม่มีหัวหอมขิงและกระเทียม
  • deepseek-7b-chat lora ปรับแต่ง @Don't Callions, ขิงและกระเทียม
  • deepseek-7b-chat 4bits Qlora Qlora ปรับแต่ง @Don't Don't Callions, Ginger, Garlic
  • การปรับใช้ Transformers Deepseek-Moe-16b-Chat Transforment
  • การปรับใช้ fastapi deepseek-moe-16b-chat fastapi @kailigithub
  • Deepseek-Coder-6.7b Fineune colab @swiftie
  • DEEPSEEEK-CODER-6.7B WebDEMO COLAB @Swiftie

• MINICPM

  • MINICPM-2B-Chat Transformers Transforment Call @KailigITHUB
  • MINICPM-2B-Chat Fastapi การปรับใช้ @KailIGITHUB
  • MINICPM-2B-Chat Langchain Access @ ไม่มีหัวหอมขิงและกระเทียม
  • MINICPM-2B-Chat WebDemo การปรับใช้ @KailigITHUB
  • minicpm-2b-chat lora && full fine adjust @Don't Don't Callions, Ginger และ Garlic
  • ลิงค์อย่างเป็นทางการ: MINICPM บทช่วยสอนเกี่ยวกับปืนใหญ่ที่หันหน้าเข้าหาผนังขนาดเล็ก @OpenBMB
  • ลิงค์อย่างเป็นทางการ: minicpm-cookbook @openbmb

• Qwen-Audio

  • QWEN-AUDIO FASTAPI การปรับใช้ @Chen Sizhou
  • qwen-Audio webdemo @chen sizhou

• Qwen

  • QWEN-7B-Chat Transformers การปรับใช้โทร @li Jiaojiao
  • การปรับใช้ qwen-7b-chat fastapi @li jiaojiao
  • qwen-7b-chat webdemo @li jiaojiao
  • qwen-7b-chat lora ปรับแต่ง @Don't Spicy Ginger and Garlic
  • qwen-7b-chat ptuning ปรับแต่ง @xiao hongru
  • QWEN-7B-Chat การปรับค่าใช้จ่ายที่ดีเต็มจำนวน @Don't Callions, Ginger และ Garlic
  • qwen-7b-chat การเข้าถึง Langchain เพื่อสร้างผู้ช่วยฐานความรู้ @li jiaojiao
  • QWEN-7B-Chat การฝึกอบรมความแม่นยำต่ำ @xiao Hongru
  • QWEN-1_8B-Chat CPU การปรับใช้ @成

• หนึ่งพันสิ่ง

  • การปรับใช้ yi-6b-chat fastapi @li kechen
  • yi-6b-chat langchain access @li kechen
  • yi-6b-chat webdemo @xiao hongru
  • yi-6b-chat lora ปรับแต่ง @li jiaojiao

• Baichuan ฉลาด

  • Baichuan2-7b-Chat Fastapi การปรับใช้ @hui jiahao
  • baichuan2-7b-chat webdemo @hui jiahao
  • การเข้าถึง Baichuan2-7b-chat ไปยัง Langchain Framework @hui Jiahao
  • baichuan2-7b-chat lora ปรับแต่ง @ hui jiahao

• ผู้ฝึกงาน

  • Internlm-Chat-7b Transformers Transforment Call @小时
  • internlm-chat-7b การปรับใช้ fastapi call @Don't Callions, Ginger และ Garlic
  • internlm-chat-7b webdemo @ไม่มีหัวหอมขิงและกระเทียม
  • lagent+internlm-chat-7b-v1.1 webdemo @Don't Don't Callions, ขิงและกระเทียม
  • กราฟิกและการสร้างข้อความและการสร้างข้อความและการสร้างข้อความ WebDemo @日本本本本本本本本本本本本本本本本本本本本本本本本本本本本本本本本本本本本�
  • Internlm-Chat-7b การเข้าถึง Langchain Framework @logan zou

• Atom (Llama2)

  • Atom-7b-Chat WebDemo @KailigITHUB
  • Atom-7b-Chat Lora ปรับแต่ง @logan zou
  • Atom-7b-Chat เชื่อมต่อกับ Langchain เพื่อสร้างผู้ช่วยฐานความรู้ @ Chen Sizhou
  • Atom-7b-Chat การปรับแต่งอย่างดี @logan zou

• chatglm3

  • chatglm3-6b transformers การปรับใช้โทร @ding yue
  • chatglm3-6b การปรับใช้ fastapi @ding yue
  • chatglm3-6b แชท webdemo @Don't Callion, Ginger, Garlic
  • CHATGLM3-6B CODE Interpreter WebDemo @Don't Scallion, Ginger, Garlic
  • chatglm3-6b การเข้าถึง Langchain Framework @logan zou
  • chatglm3-6b lora ปรับแต่ง @xiao hongru

การกำหนดค่าสภาพแวดล้อมทั่วไป

• Pip, Conda Change Source @ ไม่มีหัวหอม, ขิง, กระเทียม

• Autodl Open Port @Don't Spicy Ginger and Garlic

• ดาวน์โหลดรุ่น

  • กอดหน้า @อย่ามีหัวหอมสีเขียวขิงกระเทียม
  • กอดภาพหน้าดาวน์โหลด @ไม่มีหัวหอมขิงกระเทียม
  • ModelsCope @ไม่มีหัวหอมขิงกระเทียม
  • git-lfs @ไม่มีหัวหอมขิงและกระเทียม
  • OpenxLab

• ปัญหา && pr

  • ปัญหาส่ง @xiao hongru
  • ส่ง pr @xiao hongru
  • อัพเดทส้อม @xiao Hongru

กิตติกรรมประกาศ

ผู้สนับสนุนหลัก

• Song Zhixue (ไม่มีหัวหอมขิงและกระเทียม)-ผู้นำโครงการ (สมาชิกของ Datawhale-China University of Mining and Technology (ปักกิ่ง))
• Zou Yuheng - หัวหน้าโครงการ (สมาชิกของ Datawhale - มหาวิทยาลัยและเศรษฐศาสตร์ระหว่างประเทศ)
• Xiao Hongru (สมาชิกของมหาวิทยาลัย Datawhale-Tongji)
• Guo Zhihang (ผู้สร้างเนื้อหา)
• Zhang Fan (สมาชิกผู้สร้างเนื้อหา Datawhale)
• Jiang Shufan (ผู้ช่วยผู้สร้างเนื้อหาผู้สร้างครู)
• Li Jiaojiao (สมาชิกของ Datawhale)
• Ding Yue (Datawhale-jingying Assistant ครู)
• Lin Zeyi (Content Creator-Swanlab Manager)
• Hui Jiahao (เอกอัครราชทูต Datawhale-Propaganda)
• Wang Maolin (สมาชิกผู้สร้างเนื้อหา Datawhale)
• Sun Jianzhuang (ผู้สร้างเนื้อหา-University ของธุรกิจและเศรษฐศาสตร์ระหว่างประเทศ)
• Dongdong (ผู้เชี่ยวชาญด้านเทคโนโลยีการเรียนรู้ด้านเทคโนโลยีผู้สร้าง GOOGLE
• Gao Liye (สมาชิกผู้สร้างเนื้อหา Datawhale)
• Wang Zeyu (ผู้สร้างเนื้อหา Taiyuan มหาวิทยาลัยเทคโนโลยีผู้ช่วยสอนการสอน)
• Kailigithub (สมาชิก Datawhale)
• Zheng Haohua (ผู้สร้างเนื้อหา)
• Li Kechen (สมาชิกของ Datawhale)
• Chen Sizhou (สมาชิกของ Datawhale)
• Walk (สมาชิก Datawhale)
• Yan Xin (สมาชิกของ Datawhale)
• Buckwheat (สมาชิก CONTEL CREATOR-DATAWHALE)
• Swiftie (วิศวกรอัลกอริทึม Xiaomi NLP)
• Huang Bote (ผู้สร้างเนื้อหา-Xi'an University of Electronic Science and Technology)
• Zhang Youdong (สมาชิกผู้สร้างเนื้อหา-ทาวาเฮล)
• Yu Yang (สมาชิก CONTEL CREATOR-DATAWHALE)
• จางจิน (สมาชิกผู้สร้างเนื้อหา Datawhale)
• Lou Tianao (ผู้สร้างเนื้อหา-University ของ Academy Academy of Sciences ผู้ช่วยสอนการสอน)
• Zuo Chunsheng (สมาชิกผู้สร้างเนื้อหา Datawhale)
• Yang Zhuo (ผู้สร้างเนื้อหา-Xi'an University of Electronic Science และผู้ช่วยสอนการสอนเทคโนโลยี)
• Luo Luo (สมาชิกผู้สร้างเนื้อหา-ทาวาเฮล)
• Tan Yike (ผู้สร้างเนื้อหา - มหาวิทยาลัยและเศรษฐศาสตร์ระหว่างประเทศ)
• Wang Yiming (สมาชิก CONTEL CREATOR-DATAWHALE)
• เขา Zhixuan (ผู้ช่วยผู้สร้างเนื้อหาผู้สอนการสอน)
• Kang Jingqi (สมาชิกผู้สร้างเนื้อหา Datawhale)
• Sanshui (ผู้ช่วยผู้สร้างเนื้อหาผู้สอนการสอน)
• กันยายน (สมาชิกผู้สร้างเนื้อหา Datawhale)
• DENG KAIJUN (สมาชิกผู้สร้างเนื้อหา Datawhale)
• Yang Chenxu (ผู้สร้างเนื้อหา Taiyuan มหาวิทยาลัยเทคโนโลยีผู้ช่วยสอนการสอน)
• Zhao Wenkai (ผู้สร้างเนื้อหา Taiyuan มหาวิทยาลัยเทคโนโลยีผู้ช่วยสอนการสอน)
• Zhao Wei (ผู้ช่วยครูผู้สร้างเนื้อหา)
• Fu Zhiyuan (University ผู้สร้างเนื้อหา Hainan)

หมายเหตุ: การจัดอันดับจะถูกจัดเรียงตามระดับการบริจาค

อื่น

• ขอขอบคุณเป็นพิเศษสำหรับ @SM1LES สำหรับความช่วยเหลือและการสนับสนุนสำหรับโครงการนี้
• รหัส LORA และคำอธิบายที่เก็บข้อมูลอ้างอิง: https://github.com/zyds/transformers-code.git
• หากคุณมีแนวคิดใด ๆ โปรดติดต่อเรา Datawhale ทุกคนยินดีที่จะส่งปัญหา
• ขอขอบคุณเป็นพิเศษสำหรับนักเรียนที่มีส่วนร่วมในการสอนด้านล่าง!

ประวัติดาว