LLM作为一种智能代理，引发了人们对人工智能与人类工作的关系和未来发展的思考。它让我们思考人类如何与智能代理合作，从而实现更高效的工作方式。而这种合作方式也让我们反思人类自身的价值和特长所在。

Pytorch可视化学习1. 打印模型基础信息# 使用print函数import torchvision.models as models# vgg13model = models.vgg13()print(model)这时候得到模型信息输出结果只能得出基础构件的信息，既不能显示出每一层的shape，也不能显示对应参数量的大小。VGG((features): Sequential((0): Con

聚宽（https://www.joinquant.com/） 成立于2015年5月，是一家量化交易平台，为投资者提供做量化交易的工具与服务，帮助投资者更好地做量化交易。整体来看，聚宽具有以下几点优势聚宽让做量化交易的成本极大降低提供多种优质的便于取用的数据提供投资研究功能，便于自由地统计、研究、学习等提供多种的策略评价指标与评价维度支持多种策略的编写、回测、模拟、实盘具备丰富且活跃的量化社区，可以

PyTorch模型训练1. 自定义损失函数PyTorch在torch.nn模块为我们提供了许多常用的损失函数，比如：MSELoss，L1Loss，BCELoss… 但是随着深度学习的发展，出现了越来越多的非官方提供的Loss，比如DiceLoss，HuberLoss，SobolevLoss… 这些Loss Function专门针对一些非通用的模型，PyTorch不能将他们全部添加到库中去，因此这些

AI绘画的发展感到吃惊是完全正常的, 因为从去年到今年, AI绘画的技术确实出现了连续的突破性的进展, 从CLIP模型基于无需标注的海量互联网图片训练大成, 到CLIP开源引发的AI绘画模型嫁接热潮, 然后找到了Diffusion扩散化模型作为更好的图像生成模块, 最后使用潜空间降维的改进方法解决了Diffusion模型时间和内存资源消耗巨大的问题

LangChain 为基于 LLM 开发自定义应用提供了高效的开发框架，便于开发者迅速地激发 LLM 的强大能力，搭建 LLM 应用。LangChain 也同样支持多种大模型，内置了 OpenAI、LLAMA 等大模型的调用接口。但是，LangChain 并没有内置所有大模型，它通过允许用户自定义 LLM 类型，来提供强大的可扩展性。在本部分，我们以百度文心大模型为例，讲述如何基于 LangCha

动手学大模型应用开发是一个面向小白开发者的教程，旨在结合个人知识库助手项目，通过一个课程完成大模型开发的重点入门。

ChatGPT 的巨大成功激发了越来越多的开发者兴趣，他们希望利用 OpenAI 提供的 API 或者私有化模型，来开发基于大型语言模型的应用程序。尽管大型语言模型的调用相对简单，但要创建完整的应用程序，仍然需要大量的定制开发工作，包括API集成、互动逻辑、数据存储等等。为了解决这个问题，从2022年开始，许多机构和个人相继推出了多个开源项目，旨在帮助开发者们快速构建基于大型语言模型的端到端应用程

Clip模型将图片标签转换为图像文本描述信息，是一个基于对比学习的图文匹配与训练语言模型。

如前所述，股票数据分为技术面数据和基本面，下面将分别介绍两种数据的常见指标。证券宝（www.baostock.com） 是一个免费、开源的证券数据平台，无需注册即可获取大量准确、完整的证券历史行情数据和上市公司财务数据。通过PythonAPI获取数据信息，满足量化交易投资者、数量金融爱好者、计量经济从业者的数据需求。该工具包返回的数据格式为pandasDataFrame类型，方便使用pandasN