logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

整合包:Windows下一键部署chatglm2-6b

链接:https://caiyun.139.com/m/i?run_CPU运行.bat:无需CPU,速度比较慢。解压后点击“runxxx.bat”文件运行。run_6G显存运行.bat:小显存显卡。run_13G显存运行:大显存显卡。

#人工智能#python
windows下安装langchain-chatchat0.2.5

2-1、如果没有GPU或者GPU显存小于12G,建议用在线大模型:用文本编辑器修改config目录中的model_config.py文件,将申请的大模型key输入到114~184行,同时修改100行LLM_MODEL为对应大模型,例如:"zhipu-api"因国内访问huggingface.co困难,做了一个windows下的整合包,内置了chatglm2-6B、m3e-base,可以本地运行la

文章图片
如何在windows上本地部署audiocraft,实现电脑AI作曲

下载:https://huggingface.co/r4ziel/xformers_pre_built/blob/main/triton-2.0.0-cp310-cp310-win_amd64.whl。下载:https://huggingface.co/r4ziel/xformers_pre_built/blob/main/triton-2.0.0-cp310-cp310-win_amd64.wh

文章图片
#python#开发语言
基于Happy-LLM项目,一个小时内在5090上手搓一个大模型

由于训练的数据规模较小,训练的tokenizer效果一般,也可以直接复制 happy-llm/docs/chapter5/code/tokenizer_k目录,已经训练好的tokenizer文件。在base_model_215M就可以看到训练生成的基础模型文件:pretrain_1024_18_6144.pth、pretrain_1024_18_6144_step20000.pth、pretrai

#人工智能#python#语言模型
基于Happy-LLM项目,一个小时内在5090上手搓一个大模型

由于训练的数据规模较小,训练的tokenizer效果一般,也可以直接复制 happy-llm/docs/chapter5/code/tokenizer_k目录,已经训练好的tokenizer文件。在base_model_215M就可以看到训练生成的基础模型文件:pretrain_1024_18_6144.pth、pretrain_1024_18_6144_step20000.pth、pretrai

#人工智能#python#语言模型
如何在windows上本地部署SadTalker,实现AI数字人

解压:ffmpeg-6.0-full_build-shared.zip 到根目录(例如:c:\ffmpeg-6.0-full_build-shared)解压:ffmpeg-6.0-full_build-shared.zip 到根目录(例如:c:\ffmpeg-6.0-full_build-shared)下载:ffmpeg-6.0-full_build-shared.zip。下载:ffmpeg-6.

文章图片
#windows#人工智能
到底了