LuYF-Lemon-love の Blog
00236 QwQ-32B-Preview 00236 QwQ-32B-Preview
前言QwQ: 思忖未知之界。 github: https://github.com/QwenLM/Qwen2.5 huggingface: https://huggingface.co/collections/Qwen/qwq-67476
00233 Qwen2.5-Coder 00233 Qwen2.5-Coder
前言Qwen2.5-Coder 全系列: 强大、多样、实用。 github: https://github.com/QwenLM/Qwen2.5-Coder huggingface: https://huggingface.co/col
00232 Ollama Python Library 00232 Ollama Python Library
前言The Ollama Python library provides the easiest way to integrate Python 3.8+ projects with Ollama. Operating System: Ub
00231 Ollama 学习笔记 (手动安装) 00231 Ollama 学习笔记 (手动安装)
前言与大型语言模型一起启动并运行。 Operating System: Ubuntu 22.04.4 LTS 参考文档 Ollama ollama - manual install InstallTo install Ollama, ru
00230 Ollama 学习笔记 00230 Ollama 学习笔记
前言与大型语言模型一起启动并运行。 Operating System: Ubuntu 22.04.4 LTS 参考文档 Ollama ollama - github 安装macOS https://ollama.com/download/
00227 NLP Course - Time to slice and dice 00227 NLP Course - Time to slice and dice
前言大多数时候,你处理的数据并不会完美地为训练模型做好准备。在本节中,我们将探讨🤗 Datasets提供各种功能来清理你的数据集。 src link: https://huggingface.co/learn/nlp-course/cha
00226 NLP Course - What if my dataset isn’t on the Hub? 00226 NLP Course - What if my dataset isn’t on the Hub?
前言你知道如何使用Hugging Face Hub下载数据集,但很多时候你会发现自己正在处理存储在你笔记本电脑或远程服务器上的数据。在本节中,我们将向你展示如何使用🤗 Datasets来加载数据集,即使这些数据集在Hugging Face
00225 NLP Course - Introduction 00225 NLP Course - Introduction
前言在第三章中,你首次体验了🤗 Datasets库,并看到了微调模型时的三个主要步骤: 从Hugging Face Hub加载一个数据集。 使用Dataset.map()预处理数据。 加载并计算指标。 但这只是🤗 Datasets库
00224 NLP Course - Part 1 completed! 00224 NLP Course - Part 1 completed!
前言这是课程第一部分的结束!第二部分将在11月15日发布,届时将有一个大型社区活动,更多信息请点击这里查看。 你现在应该能够在一个文本分类问题(单个或成对的句子)上对预训练模型进行微调,并将结果上传到模型中心。为了确保你掌握了这一部分,你应
00223 NLP Course - Building a model card 00223 NLP Course - Building a model card
前言模型卡是模型仓库中与模型和分词器文件同等重要的文件。它是模型的中心定义,确保了社区成员的可重用性和结果的再现性,并为其他成员提供了一个构建他们工件的平台。 记录训练和评估过程有助于他人了解对模型的期望——并提供足够的信息关于使用的数据以
00222 NLP Course - Sharing pretrained models 00222 NLP Course - Sharing pretrained models
前言在下面的步骤中,我们将看看分享预训练模型到🤗 Hub的最简单方法。有一些工具和实用程序可以帮助我们在Hub上轻松地分享和更新模型,我们将在下面进行探索。 我们鼓励所有训练模型的用户通过分享它们来为社区做出贡献——即使是在非常特定的数据
00221 NLP Course - Using pretrained models 00221 NLP Course - Using pretrained models
前言模型中心(Model Hub)简化了选择合适模型的过程,使得在任何下游库中使用这些模型只需几行代码。让我们来看看如何实际使用这些模型,以及如何回馈社区。 假设我们正在寻找一个基于法语的模型,能够执行掩码填充任务。 我们选择camemb
2 / 8