LongChain + Deepseek + Faiss 打造RAGLongChain的功能跟大模型中的 Function Call 类似。

LongChain + Deepseek + Faiss 打造RAGLongChain的功能跟大模型中的 Function Call 类似。

当我们使用pytorch进行模型训练或测试时，有时候希望能知道模型每一层分别是什么，具有怎样的参数。此时我们可以将模型打印出来，输出每一层的名字、类型、参数等。

1.Pipeline都是执行各学习器中对应的方法，如果该学习器没有该方法，则报错2. 假设该pipeline有n个学习器，fit依次对前n-1的学习器执行fit和transform方法，并且对最后一个学习器执行fit方法3.predict先对n-1学习器执行transform方法，然后执行最后一个学习器的predict方法4. score先对n-1学习器执行transform方法，然后执行最后一个

embedding 过程中，神经网络的输入=单词，输出=输出 = 单词（作为邻居）的概率Q：怎么把调用模型API改为服务器部署好的大模型，另外知识库单个文件改为文件夹现在使用的是 dashscope 接口，我们也可以部署自己的大模型，通过 http serivce，按照dashscope/openai 接口进行返回内容server填写自己的 api url即可faiss。

embedding 过程中，神经网络的输入=单词，输出=输出 = 单词（作为邻居）的概率Q：怎么把调用模型API改为服务器部署好的大模型，另外知识库单个文件改为文件夹现在使用的是 dashscope 接口，我们也可以部署自己的大模型，通过 http serivce，按照dashscope/openai 接口进行返回内容server填写自己的 api url即可faiss。

embedding 过程中，神经网络的输入=单词，输出=输出 = 单词（作为邻居）的概率Q：怎么把调用模型API改为服务器部署好的大模型，另外知识库单个文件改为文件夹现在使用的是 dashscope 接口，我们也可以部署自己的大模型，通过 http serivce，按照dashscope/openai 接口进行返回内容server填写自己的 api url即可faiss。

在yolov5-master/data/images有两张图片，可直接用来做测试。使用上一步下载的预训练模型yolov5s.pt进行测试.保存至yolov5-master文件夹下。结果保存至run/train/exp 中。5s 模型比较小，便于用来入门学习。

预测下一个点效果还不错，长短期效果不一定。tao 不能太大 也不能太小。

虽然将数据划分为训练集、测试集但这种方法对数据的划分相当敏感。为了得到更客观的正确率 (不一定正确率更高)，我们可以使用交叉验证 + 网格搜索方式最大程度上来获取客观的最优解。