简介说来惭愧，好久不写博客，让我动笔的竟然是sklearn一个小小的api功能，以前评价模型用的都是总体的准确率，第一次用sklearn提供的分类报告功能竟然搞不懂是怎么计算的，怎么还分类别。就像下面这样：嗯，这都啥呀？老实说第一次看我只看懂了准确率即accuracy是怎么计算的。。。计算首先results是我们模型预测出的结果，y是真实标签，它们分别如下：yarray([0, 0, 0, 0,

文字生成？知识问答？手把手带你体验人人都能玩的开源大语言模型。

本期用人人都看的懂的文字介绍语言模型生成策略中的sampling，topk和topp以及temperature设定。

本期用实例介绍两种通用的文字生成解码策略：greedy search和beam search。

使用xturing库轻松微调bloom模型来回答中文问题。

文字生成？知识问答？手把手带你体验人人都能玩的开源大语言模型。

阅读和修改yolov5的detect.py，使用一个脚本搞定onnx模型的推断。

简介说来惭愧，好久不写博客，让我动笔的竟然是sklearn一个小小的api功能，以前评价模型用的都是总体的准确率，第一次用sklearn提供的分类报告功能竟然搞不懂是怎么计算的，怎么还分类别。就像下面这样：嗯，这都啥呀？老实说第一次看我只看懂了准确率即accuracy是怎么计算的。。。计算首先results是我们模型预测出的结果，y是真实标签，它们分别如下：yarray([0, 0, 0, 0,