
简介
该用户还未填写简介
擅长的技术栈
未填写擅长的技术栈
可提供的服务
暂无可提供的服务
深度学习环境配置:显卡驱动+Anaconda库管理+Pycharm IDE开发环境+pytorch安装
例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。提示:以下是本篇文章正文内容,下面案例可供参考。
大模型微调训练实战——基于Jetson Thor
这几个核心步骤。,它提供了图形化界面(WebUI),能大大降低操作门槛。下面我将为你详细拆解每一步。
大模型部署实战—1:NVIDIA Jetson Thor (128GB) :Ubuntu 24.04 + JetPack 7.2 搭建完整深度学习环境+部署本地大模型全记录
通过本文的实践,在 Jetson Thor 上成功搭建了完整的深度学习与大模型运行环境。善用量化与 MoE 架构:128GB 内存可运行 70B~122B 的量化模型。国内镜像加速是必须的:GitHub 代理、HF-Mirror、ModelScope 可大幅提升下载速度。Ollama 的 llama-server 需从源码编译:务必使用 Ollama 自带的子模块版本,避免参数不兼容。区分系统 P
小白之——Jetson AGX Orin运行环境安装与部署教程:Anaconda, Jetpack,jtop,CUDA, CUDNN,pytorch,torchvision
Jetson AGX Orin运行环境安装与部署教程:Anaconda, Jetpack,jtop,CUDA, CUDNN,pytorch,torchvision

YOLO系列目标检测模型内容汇总
YOLO系列的资源整理
Ubuntu20.4 深度学习环境配置及使用总结
Ubuntu20.4 深度学习环境配置及使用总结声明:个人使用总结,仅供参考。最近遇到一些在WINDOWS下无法完成的任务,被逼无奈,重回Linux。windows下系统安装1 在硬盘上压缩出一块空间2 制作U盘镜像,设置U盘启动3 在启动界面进入Ubuntu,对空白盘进行分区/boot, /, /home, /swap4 设置启动分区为/boot5 ubuntu20.04配置国内apt源环境配置
到底了







