最近在做神经网络相关的实验，为了方便神经网络参数是否变化，学习一下TensorBoard可视化网络的参数的方法，这里使用pytorch实现。

LoRA是一种参数高效的微调技术，其原理可以参考Lora原理与实战这里我们着重讲一下QLoraQLora在LoRA：j结合了分位数量化和分块量化的4位标准浮点数量化双重量化：通过量化量化常量来节省内存。分⻚优化器：使用CPU内存代替GPU显存保存部分梯度参数因此我们通过peft框架实现QLora，只要开启上面三个机制就可以在⼤模型训练过程中，量化是⼀种降低模型计算复杂度和存储需求的技术。

大模型幻觉问题（AI Hallucination），指的是大型语言模型在生成文本时，产生事实不准确、逻辑不一致或完全虚构的内容，尽管这些内容看似合理且有说服力，但实际上并不反映真实世界的知识或数据。这种现象通常发生在模型没有足够的背景信息、推理能力不足、或者从训练数据中学习到的知识不完全时。尽管大模型在生成自然语言方面表现出了出色的能力，但它们并不具备真正的理解能力，因此可能会“幻觉”出不存在的事

在深度学习中，数据量通常是都非常多，非常大的，如此大量的数据，不可能一次性的在模型中进行向前的计算和反向传播，经常我们会对整个数据进行随机的打乱顺序，把数据处理成一个个的batch，同时还会对数据进行预处理。所以，接下来我们来学习pytorch中的数据加载的方法。

使用时，发现项目运行不了，经过排查之后，发现是python版本的问题，之前的项目在本地测试是python版本是3.7，但是的python版本是3.10，所以需要修改python版本，下面记录一下过程。

文章预览思路一、示例1.1、MainActivity.java1.2、activity_main.xml1.3、创建Fragement二、测试思路使用Bundle来进行通信Bundle类用作携带数据，它类似于Map，用于存放key-value名值对形式的值。相对于Map，它提供了各种常用类型的putXxx()/getXxx()方法，如:putString(/getString()和putInt()

大模型幻觉问题（AI Hallucination），指的是大型语言模型在生成文本时，产生事实不准确、逻辑不一致或完全虚构的内容，尽管这些内容看似合理且有说服力，但实际上并不反映真实世界的知识或数据。这种现象通常发生在模型没有足够的背景信息、推理能力不足、或者从训练数据中学习到的知识不完全时。尽管大模型在生成自然语言方面表现出了出色的能力，但它们并不具备真正的理解能力，因此可能会“幻觉”出不存在的事

本文主要介绍Xinference框架的使用方式，使用的环境是ubantu官方教程。

DQN算法DQN算法有一个显著的问题，就是DQN估计的Q值往往会偏大。这是由于我们Q值是以下一个s’的Q值的最大值来估算的，但下一个state的Q值也是一个估算值，也依赖它的下一个state的Q值…，这就导致了Q值往往会有偏大的的情况出现。所以出现了对DQN算法的改进算法算法。

往往我们拿到网上开源的代码，最令人头疼的就是配置环境，常常是代码还没有开始看，配环境配了一整天，其次是有时候我们需要多台服务器运行代码，环境需要配置多遍，熟悉配置环境的流程还好，不熟悉又是花时间的活，因此我们需要一种快捷的方式将已经配置好的环境直接迁移过来用。下面我将用两种方式实现。== 注意：本操作的前提是你已经安装了conda环境==