第五章主要讲的是五种国内常见大模型的部署，并且进行了编程验证，代码都在GitHub。项目上面，这里就不贴详细代码了。上面选取了ChatGLM3-6B、Qwen-VL-Chat-Int4、LLama-2-7b-chat、Gemma-2B和Whisper-large-v3模型进行部署。这五个比较典型的大模型分别代表了国产文本类、国产图像类、开源标杆、最新模型和语音识别类。下面是我做的几个我觉得以后学习

使用idea1拉取gitlab的时候一直clonefailed，出现unabletoaccess'http://119.45.160.92:8010/kg-llm-group/yudao-boot-mini.git/':Failedtoconnectto127.0.0.1port7890after2052ms:Couldn'tconnecttoserver报错，检测了网址和token没有问题。最后

自注意力允许序列中的每个元素（如单词）通过加权聚合其他元素的信息，权重由元素之间的相关性动态决定。例如，在句子中，"it"需要关联到"cat"而非"fish"，自注意力通过计算相关性权重实现这一点。详细的自注意机制和多头注意力机制见链接代码如下：self.W_q = torch.nn.Linear(input_dim, hidden_dim)# Query 线性变换。

先点击帮助菜单里面的查找操作搜索找到框架支持，双击选择web应用程序。

今天第一次用Android Studio出现了几个错误，记录一下。

自注意力允许序列中的每个元素（如单词）通过加权聚合其他元素的信息，权重由元素之间的相关性动态决定。例如，在句子中，"it"需要关联到"cat"而非"fish"，自注意力通过计算相关性权重实现这一点。详细的自注意机制和多头注意力机制见链接代码如下：self.W_q = torch.nn.Linear(input_dim, hidden_dim)# Query 线性变换。

先给大家看看最终我的c盘存储情况，这是移动以后的，之前.android和.gradle占了大概七八个g。

test_df.isnull().sum() #在Jupyter Notebook中，单元格中的最后一个表达式的结果会被自动展示，这使得在一些情况下可以不必显式地使用print()函数。info（）方法详细列出了DataFrame中的每列，包括其名称、非空值的数量以及每列的数据类型。：这是 pandas 中的一个函数，用于计算两个（或更多）因子的简单交叉表。：这是 pandas 中的一个字符串方法