GITHUB中的MD文件

在github中新建一个仓库Create a new repository时会有一个README文件，其实为自述文件，介绍这个仓库的基本概要。这个文件也是MD文件，可用软件typora和vscode等md软件进行拟写就行了。也是下面介绍的第三种方法。
在这里插入图片描述

编写方式

1.直接在github原页面进行编写

在这里插入图片描述
==就能直接进行预览了 ==
在这里插入图片描述

2.github加油猴插件进行使用（很强大）

先在浏览器中装上油猴，直接去官网下载插件或者去下面提供的网站下在就行了
在这里插入图片描述
==进入搜索git一键编辑插件安装上去就能在Github直接预览编辑了 ==
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

3.将库放入本地，在本地的编辑器进行编写，更直观

编辑器推荐：typora

3.1通过命令直接克隆本地库

学过git的都知道

git clone 你的仓库地址名

3.2下在github本地端软件，打开仓库Show in Explorer，然后通过typora打开编辑就行了

在这里插入图片描述

优化你的GITHUB主页

在这里插入图片描述

# github # git # vscode
Logo
加入AMD AI开发者计划！

免费领 150 小时云算力，进群参与显卡、AI PC 幸运抽奖

更多推荐

第20篇-推理部署实战-用Go构建vLLM推理客户端

/ ChatMessage 表示一条对话消息// ChatRequest 对应 POST /v1/chat/completions 的请求体// vLLM 扩展字段// ChatChoice 表示一个候选输出// Usage 表示 Token 计量（第 23 篇会深入讨论）// ChatResponse 对应响应体Created int64 `json:"created"` // Unix 时间戳

avatar AMD开发者中国社区

模型量化精度异常时的检查与止损

为了将 70B 大语言模型的部署成本打下来，我们将线上 vLLM 推理集群的模型权重与激活值从 FP16 全量量化到了 INT8（采用 W8A8 方案）。量化效果立竿见影：单卡 A100-80G 的显存占用直接从 140GB（需 2 卡并行）缩减到了 70GB，单卡即可拉起，推理吞吐量（Tokens/s）提升了将近一倍。然而上线不到两天，客服渠道就接到了多起投诉。在处理复杂代码推导和长文本逻辑分析

avatar AMD开发者中国社区

Agent强化学习训练框架Microsoft Agent-Lightning之训练环境部署

本文档详细记录了在Ubuntu 22.04系统上部署Agent-Lightning环境的完整流程。关键点包括：使用conda创建Python 3.12环境；安装特定版本的torch、vllm等核心组件；通过预编译wheel安装flash-attn以避免本地编译；解决了三个常见环境问题（libstdc++版本冲突、fastapi兼容性问题、transformers版本限制）。文档还提供了项目目录结构

avatar AMD开发者中国社区