为了运行之后本地部署的Qwen-7B-Chat模型，我们需要根据要求在Anaconda中安装一个满足模型运行要求的虚拟环境，其官方的配置环境要求如下，这里配置的环境为使用GPU Pytorch的版本。点击其中的模型文件，进入模型文件页面，之后点击右侧的下载模型。第二步：安装通义千问官方说的运行Qwen-7B需要安装的依赖。第一步：安装modelscope可以用来下载模型。SDK安装安装工具包下载。

为了运行之后本地部署的Qwen-7B-Chat模型，我们需要根据要求在Anaconda中安装一个满足模型运行要求的虚拟环境，其官方的配置环境要求如下，这里配置的环境为使用GPU Pytorch的版本。点击其中的模型文件，进入模型文件页面，之后点击右侧的下载模型。第二步：安装通义千问官方说的运行Qwen-7B需要安装的依赖。第一步：安装modelscope可以用来下载模型。SDK安装安装工具包下载。

DeepLabV3+ 是由Google Brain团队开发的深度学习模型，专注于语义分割任务。它采用深度卷积神经网络和空间金字塔池化等先进技术，能够准确地捕获图像的语义信息。通过空洞卷积和多尺度预测等策略，DeepLabV3+能够在不同尺度下有效地分割图像，同时通过解码器模块和融合级联特征进一步提高分割精度。这使得DeepLabV3+成为处理复杂场景和提取细节信息的强大工具，在图像分割、医学图像分

本周阅读了一篇关于TCN和LSTM进行光伏功率预测的文章，光伏功率数据是非线性不平稳的数据，在一定程度上也能反应论文模型在水质预测方面的效果。论文模型可以通过单步或者多步对光伏功率进行预测，实验结果表明，其具有非常优异的表现。本周也针对论文模型进行了简单的复现，预测结果并不非常准确，仍需进一步优化和调参。

本周阅读了题为Water Quality Prediction Based on LSTM and Attention Mechanism: A Case Study of the Burnett River, Australia的论文。这项工作提出了一种基于长期短期记忆的神经网络和 注意力机制的混合模型——AT-LSTM。其中，LSTM缺乏对子窗口特征进行不同程度关注的能力，这可能会导致一些相关