LuYF-Lemon-love の Blog
00187 干饭指南 - 米粥 00187 干饭指南 - 米粥
前言我们将介绍米粥的做法。 大米粥是一道以大米和水作為主要原料經大火煮沸熬製而成的美食,老少皆宜,米粥具有補脾、和胃、清肺功效。 预估烹饪难度:★★ src link: https://github.com/Anduin2017/How
2024-10-06
00186 干饭指南 - 汤面 00186 干饭指南 - 汤面
前言我们将介绍汤面的做法。 汤面是许多人喜爱的基础主食,根据个人喜好加入任何自己喜欢的食材,营养全面,固液兼具,材料易得,做法简单,有手就行。 预估烹饪难度:★★ src link: https://github.com/Anduin2
2024-10-05
00185 干饭指南 - 速冻馄饨 00185 干饭指南 - 速冻馄饨
前言我们将介绍速冻馄饨的做法。 馄饨是一种起源于中国的一种民间传统面食,饺子由其分化而出,有皮薄馅嫩、汤清味鲜的特点。 预估烹饪难度:★★ src link: https://github.com/Anduin2017/HowToCoo
2024-10-05
00184 干饭指南 - 炒馍 00184 干饭指南 - 炒馍
前言我们将介绍炒馍的做法。 预估烹饪难度:★★★ src link: https://github.com/Anduin2017/HowToCook/blob/master/dishes/staple/%E7%82%92%E9%A6%8
2024-10-05
00183 干饭指南 - 西红柿炒鸡蛋 00183 干饭指南 - 西红柿炒鸡蛋
前言我们将介绍西红柿炒鸡蛋的做法。 西红柿炒蛋是中国家常几乎最常见的一道菜肴。它的原材料易于搜集,制作步骤也较为简单,所以非常适合新厨师上手,是很多人学习做菜时做的第一道菜。 预估烹饪难度:★★ src link: https://gi
2024-10-05
00182 干饭指南 - 鸡蛋羹 00182 干饭指南 - 鸡蛋羹
前言我们将介绍鸡蛋羹的做法。 鸡蛋羹,又称水蒸蛋,不需要准备复杂的食材,是一道简单快捷易做的菜,当早餐或是正餐都可,制作时长约为 15 分钟。 预估烹饪难度:★★ src link: https://github.com/Anduin
2024-10-04
00181 干饭指南 - 炒茄子 00181 干饭指南 - 炒茄子
前言我们将介绍炒茄子的做法。 家常炒茄子,简单易学,原料不复杂,其中可选项有无皆可。(但是八角强烈推荐) 预估烹饪难度:★★★ src link: https://github.com/Anduin2017/HowToCook/blob
2024-10-04
00180 NLP Course - How do Transformers work? 00180 NLP Course - How do Transformers work?
前言在本节中,我们将高层次地了解Transformer模型的体系结构。 src link: https://huggingface.co/learn/nlp-course/chapter1/4 Operating System: Ubunt
00179 NLP Course - Transformers, what can they do? 00179 NLP Course - Transformers, what can they do?
前言在本节中,我们将看看Transformer模型可以做什么,并使用🤗Transformers库中的第一个工具:pipeline()函数。 src link: https://huggingface.co/learn/nlp-course
00178 NLP Course - Natural Language Processing 00178 NLP Course - Natural Language Processing
前言在进入Transformer模型之前,让我们快速概述一下什么是自然语言处理以及我们为什么关心它。 src link: https://huggingface.co/learn/nlp-course/chapter1/2 Operatin
00177 使用 Gitea 自建 Git 服务 00177 使用 Gitea 自建 Git 服务
前言Gitea的首要目标是创建一个极易安装,运行非常快速,安装和使用体验良好的自建 Git 服务。 Operating System: Ubuntu 22.04.4 LTS 参考文档 go-gitea/gitea gitea 官网
00176 使用 trl 进行 sft 00176 使用 trl 进行 sft
前言此脚本展示了如何使用SFTTrainer将模型或适配器微调到目标数据集中。 src link: https://github.com/huggingface/trl/blob/main/examples/scripts/sft.py O
8 / 23