现在只要有额度，大家都可以调用OpenAI的多模态大模型了，例如GPT-4o和GPT-4 Turbo，我一年多前总结过一些OpenAI API的用法，发现现在稍微更新了一下。其实也是比较简单的，就是本地图片需要用base 64先编码，然后再上传。当然，大家用的时候还是要注意花费，现在感觉还是有点贵的。

但是GitHub这里说得比较简略了，具体怎么解决呢，在yaml文件的method那一部分加入：deepspeed: examples/deepspeed/ds_z3_config.json。如果需要微调比较大的模型，例如Qwen2.5-32B，那么在两个3090上可能不够用，这里我用A6000×4的服务器。呵呵呵，这个bug还不知道有什么办法能解决，现在对32B的模型可以这样，72B的就无能为力了

我们构造数据集的时候，最简单的方法就是只构造instruction和output。当然，如果训练数据集比较小的话，测试的效果也不会太好。如果大家只是想对微调效果和特定问题进行展示，可以训练模型到过拟合，呵呵呵。训练完成后切换到Export，然后在上面的“微调方法”——“检查点路径”中选择刚才存储的目录Train_2024_xxxx之类，然后指定导出文件的目录，然后就可以导出了。不过这时候还没有模型

https://github.com/rjust/defects4jhttp://www.cnblogs.com/a2211009/p/4265225.htmldefects4j info -p LangCan't locate DBI.pm in @INC (you may need to install the DBI module)https://stackoverf

IDA Pro是非常优秀的反汇编工具，今天简单介绍一下其可视化插件qwingraph.exe的使用方法。当建立一个二进制工程后，选择View——Graphs——Function Calls，会报如图所示的错误。按照错误提示，我们打开“cfg”文件夹下面的“ida.cfg”文件，定位到：GRAPH_VISUALIZER，可以发现如下配置：#ifdef __NT__/

其实到最后也没搞清楚，是其中一步起了作用，还是很多步综合起来起了作用。不过相信遇到类似问题的朋友按照我这种操作，应该还是可以解决这个问题的。这两天试了一下在Ubuntu上安装docker版本的Dify，说来惭愧，之前一直没怎么用过docker。碰到了一些问题，这里记录一下。这两篇博客都已经讲的比较详细了，我就不再重复了。首先我不知道为什么要加这么多源，难道大家就不能选几个有用的源？其次，发现加了之

来测试其是否正常，通常会出来“Ollama is running”，然后我习惯性地从Chrome把地址拷贝到VS Code，真是太奇怪了，试了几次才发现，原来不能带那个反斜杠！这个问题真是让人无语。说来让人无语，简单记录一下。安装好Ollama后，我们通常通过访问。

这两天想找找标题里说的这个示例代码，发现网上这么多教程，连怎么样实现自动重连都不讲，所以把自己写的例子贴上来。仅仅使用递归，不使用多线程，就可以实现初步的目的：import java.io.IOException;import java.net.ConnectException;import java.net.InetSocketAddress;import java.nio.ByteB

其中有两个是Deprecated的，而我们平时用到的HuggingFace的embedding model都基本以SentenceTransformer形式提供，我测试了一下，embeddings.huggingface.HuggingFaceBgeEmbeddings这个类是可以使用的，embeddings.huggingface.HuggingFaceInstructEmbeddings这个会

在一个新的Ubuntu 24.04上安装Ollama，结果报类似于：curl: (28) Failed to connect to github.com port 443 after 136027 ms: Couldn't connect to server的错，想想可能还是网络的问题。则不能解决问题（和上面这些稍有不同，我这里查到的github.com的网址是：140.82.112.3）。发现这