- @weixin_42118737
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
本文记录了Qwen模型LoRA微调后的两种启动方式。
本文详细介绍了GraphRAG系统，这是一种将知识图谱与RAG框架结合的创新方法。传统RAG在处理多跳推理和深层关系时存在局限，GraphRAG通过结构化知识存储、多跳推理能力和可解释的推理路径解决了这些问题。文章系统阐述了GraphRAG的工作原理，包括知识图谱构建、查询理解与子图检索、图推理与答案生成三个阶段。完整展示了从实体关系抽取到知识图谱构建，再到子图检索和答案生成的实现代码。
本文介绍了jupyterlab的安装和配置。
RAG技术通过结合检索与生成能力，解决了传统大语言模型在专业知识和最新信息上的局限性。本文介绍了NaiveRAG的三个核心步骤：1）知识库准备（文档分块和向量化）；2）问题检索（相似度匹配）；3）答案生成（结合检索内容）。文章提供了Python实现代码，包含文档处理器、向量存储和主控制器模块，并演示了实际应用示例。NaiveRAG具有实现简单、成本低廉等优点，但也存在检索质量依赖简单向量相似度、无
本文详细介绍了GraphRAG系统，这是一种将知识图谱与RAG框架结合的创新方法。传统RAG在处理多跳推理和深层关系时存在局限，GraphRAG通过结构化知识存储、多跳推理能力和可解释的推理路径解决了这些问题。文章系统阐述了GraphRAG的工作原理，包括知识图谱构建、查询理解与子图检索、图推理与答案生成三个阶段。完整展示了从实体关系抽取到知识图谱构建，再到子图检索和答案生成的实现代码。
使用WSL2+docker+oneapi成功部署fastGPT
这段时间在自己的Win11系统上部署了chatGLM以及Qwen模型，进行对话、推理以及工具调用都没有问题，但是在尝试进行微调的时候发现好像并不能成功，因此花费了很大的力气，又分别在ubuntu桌面版、windows子系统WSL2 Ubuntu上部署了Qwen模型，并尝试进行LoRA的微调实践。由于过程比较多，步骤较为繁琐，我可能会分几个部分进行叙述。首先介绍一下我的两个环境（平民玩家，勿喷）：一
本文介绍了jupyterlab的安装和配置。