1、安装Git,注册GitHub账号

下载地址：https://git-scm.com/
注册地址：https://github.com/
安装成功后，git --version查看git版本

2、在idea中配置Git、GitHub

Git：选择左上角文件-》设置-》Git-》填写安装的Git.exe路径-》然后测试是否成功（出现Git版本好，则成功）
在这里插入图片描述在这里插入图片描述

GitHub：选择GitHub-》点击右上角+号，在弹出框中选择Use Token进行登陆（如何创建token 请看http://t.csdn.cn/49gxx）填写直接的token进行登陆
在这里插入图片描述在这里插入图片描述

3、上传项目 VCS -》 Import into Version Control -》Create Git Repository

在这里插入图片描述

4、右键项目 -》 Git -》Add，把项目提交到本地仓库

在这里插入图片描述

5、右键项目 -》 Git -》Commit Directory，提交到本地Git。现在，本地Git已Commit完了，项目文件从暂存区真正进入版本库中

在这里插入图片描述
在这里插入图片描述

6、上传到GitHub

VCS -> Import into Version Control -> Share Project on GitHub->填写描述，上传项目到GitHub中
在这里插入图片描述在这里插入图片描述

# git # github # intellij-idea
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

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
cover

大模型实战指南（11）——推理框架选型实战：vLLM × SGLang × TensorRT-LLM 深度对比与部署指南

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