[资源目录]:
00_Python基础
｜ 1-初始Python.mp4 9.55M
｜ 10-字符编码的处理.mp4 64.71M
｜ 11-Python程序调式和异常处理技巧.mp4 95.59M
｜ 12-JSON应用.mp4 40.10M
｜ 13-文件IO.mp4 25.28M
｜ 14-爬虫(1).mp4 33.20M
｜ 15-爬虫(2).mp4 76.67M
｜ 16-爬虫(3).mp4 63.92M
｜ 17-爬虫(4).mp4 66.87M
｜ 18-字符串处理.mp4 50.68M
｜ 19.dotenv使用.mp4 31.34M
｜ 2-Windows环境安装.mp4 6.63M
｜ 20.FastAPI的使用.mp4 59.62M
｜ 3-macOS环境安装.mp4 6.84M
｜ 4-VSCode安装与应用.mp4 19.43M
｜ 5-PyCharn安装与应用.mp4 22.86M
｜ 6-pip包管理工具.mp4 28.69M
｜ 7-Python工程应用-字符串.mp4 32.33M
｜ 8-Python文档化应用场景.mp4 18.98M
｜ 9-如何使用注解.mp4 29.06M
01_AI及LLM基础
｜ day01_AI领域基础概念
｜ ｜ day1-demo.zip 14.28kb
｜ ｜ OpenAI-HK 操作指南.pdf 151.09kb
｜ ｜ OpenAI.apifox.json 244.53kb
｜ ｜ [MD]AI 领域基础概念.md 35.11kb
｜ ｜ [课件]AI 领域基础概念.pdf 7.56M
｜ ｜ [录播]AI 领域基础概念.mp4 1.12G
｜ ｜ [语雀]AI 领域基础概念.txt 0.11kb
｜ ｜ [资料]AI 领域基础概念.pdf 1.74M
｜ day02_OpenAI 开发
｜ ｜ day2-demo.zip 766.14kb
｜ ｜ [MD]OpenAI 开发.md 6.92kb
｜ ｜ [课件]OpenAI 开发.pdf 1.64M
｜ ｜ [录播]OpenAI 开发.mp4 601.57M
｜ ｜ [语雀]OpenAI 开发.txt 0.10kb
｜ ｜ [资料]OpenAI 开发.pdf 639.13kb
｜ day03_支持多模态输入的 AI Chatbot App
｜ ｜ day3-demo.zip 787.72kb
｜ ｜ [MD]支持多模态输入的 AI Chatbot App.md 3.59kb
｜ ｜ [课件]支持多模态输入的 AI Chatbot App.pdf 838.96kb
｜ ｜ [录播]支持多模态输入的 AI Chatbot App.mp4 1.51G
｜ ｜ [语雀]支持多模态输入的 AI Chatbot App.txt 0.12kb
｜ ｜ [资料]支持多模态输入的 AI Chatbot App.pdf 2.85M
02_Prompt基础
｜ day04_Prompt Engineering 提示词工程
｜ ｜ ChatGPT提示技巧工程完全指南.pdf 2.87M
｜ ｜ DALL-E-3绘图提示词大全.pdf 14.31M
｜ ｜ day4-demo.zip 105.96kb
｜ ｜ [MD]Prompt Engineering 提示词工程.md 25.02kb
｜ ｜ [课件]Prompt Engineering 提示词工程.pdf 826.45kb
｜ ｜ [录播]Prompt Engineering 提示词工程.mp4 1.26G
｜ ｜ [语雀]Prompt Engineering 提示词工程.txt 0.12kb
｜ ｜ [资料]Prompt Engineering 提示词工程.pdf 2.64M
｜ ｜ 实用Prompt指令大全.xlsx 6.18M
03_LangChain基础
｜ day05_LangChain 基础
｜ ｜ day5-demo.zip 16.14kb
｜ ｜ [MD]LangChain 基础.md 68.03kb
｜ ｜ [课件]LangChain 基础.pdf 815.13kb
｜ ｜ [录播]LangChain 基础.mp4 596.70M
｜ ｜ [语雀]LangChain 基础.txt 0.10kb
｜ ｜ [资料]LangChain 基础.pdf 3.08M
｜ day06_LangChain Chat Model
｜ ｜ day6-demo.zip 147.24kb
｜ ｜ redis-3.2.100_x64.zip 4.93M
｜ ｜ RedisDesktopManager-2022.5.zip 29.06M
｜ ｜ vs_BuildTools.exe 4.22M
｜ ｜ [MD]LangChain Chat Model.md 57.06kb
｜ ｜ [课件]LangChain Chat Model.pdf 867.14kb
｜ ｜ [录播]LangChain Chat Model.mp4 792.99M
｜ ｜ [语雀]LangChain Chat Model.txt 0.10kb
｜ ｜ [资料]LangChain Chat Model.pdf 3.11M
｜ day07_LangChain Tools & Agent
｜ ｜ day7-demo.zip 1.36M
｜ ｜ [MD]LangChain Tools & Agent.md 61.99kb
｜ ｜ [课件]LangChain Tools & Agent.pdf 869.83kb
｜ ｜ [录播]LangChain Tools & Agent.mp4 1.60G
｜ ｜ [语雀]LangChain Tools & Agent.txt 0.11kb
｜ ｜ [资料]LangChain Tools & Agent.pdf 2.75M
04_Embedding基础
｜ day08_Embedding 与向量数据库
｜ ｜ day8-demo.zip 1.23M
｜ ｜ [MD]Embedding 与向量数据库.md 96.41kb
｜ ｜ [课件]Embedding 与向量数据库.pdf 867.46kb
｜ ｜ [录播]Embedding 与向量数据库.mp4 705.16M
｜ ｜ [语雀]Embedding 与向量数据库.txt 0.11kb
｜ ｜ [资料]Embedding 与向量数据库.pdf 6.45M
05_Rag基础
｜ day09_RAG 专题
｜ ｜ day9-demo.zip 286.15kb
｜ ｜ [MD]RAG 专题.md 54.21kb
｜ ｜ [课件]RAG 专题.pdf 863.53kb
｜ ｜ [录播]RAG 专题.mp4 788.80M
｜ ｜ [语雀]RAG 专题.txt 0.09kb
｜ ｜ [资料]RAG 专题.pdf 2.75M
06_LangChain进阶
｜ day10_自定义组件专题
｜ ｜ day10-demo.zip 18.69kb
｜ ｜ [MD]自定义组件专题.md 48.73kb
｜ ｜ [课件]自定义组件专题.pdf 858.02kb
｜ ｜ [录播]自定义组件专题.mp4 830.86M
｜ ｜ [语雀]自定义组件专题.txt 0.10kb
｜ ｜ [资料]自定义组件专题.pdf 2.20M
07_langChain和RAG实战
｜ day11_基于LangChain和RAG的常用案例实战
｜ ｜ day11-demo.zip 2.14M
｜ ｜ [MD]基于LangChain和RAG的常用案例实战.md 28.07kb
｜ ｜ [课件]基于LangChain和RAG的常用案例实战.pdf 863.47kb
｜ ｜ [录播]基于LangChain和RAG的常用案例实战.mp4 817.61M
｜ ｜ [语雀]基于LangChain和RAG的常用案例实战.txt 0.12kb
｜ ｜ [资料]基于LangChain和RAG的常用案例实战.pdf 5.41M
08_LangGraph
｜ day12_LangGraph
｜ ｜ day12-demo.zip 127.02kb
｜ ｜ [MD]LangGraph.md 127.20kb
｜ ｜ [课件]LangGraph.pdf 865.99kb
｜ ｜ [录播]LangGraph.mp4 798.70M
｜ ｜ [语雀]LangGraph.txt 0.09kb
｜ ｜ [资料]LangGraph.pdf 2.52M
09_Hugging Face
｜ day_13Hugging Face 核心组件介绍
｜ ｜ demo_13.zip 1.06G
｜ ｜ [课件]Hugging Face 核心组件介绍.pdf 502.45kb
｜ ｜ [录播]Hugging Face 核心组件介绍.mp4 1.74G
｜ ｜ [资料]Hugging Face 核心组件介绍.pdf 303.05kb
｜ day_14Hugging Face 模型微调训练(基于 BERT 的中文评价情感分析)
｜ ｜ demo_14.zip 382.46M
｜ ｜ [课件]Hugging Face 模型微调训练(基于 BERT 的中文评价情感分析).pdf 503.46kb
｜ ｜ [录播]Hugging Face 模型微调训练(基于 BERT 的中文评价情感分析).mp4.mp4 766.26M
｜ ｜ [资料]Hugging Face 模型微调训练(基于 BERT 的中文评价情感分析).pdf 743.21kb
｜ day_15Hugging Face 模型微调训练(如何处理超长文本训练问题)
｜ ｜ model.zip 364.54M
｜ ｜ [课件]Hugging Face 模型微调训练(如何处理超长文本训练问题).pdf 498.91kb
｜ ｜ [录播]Hugging Face 模型微调训练(如何处理超长文本训练问题).mp4 801.37M
｜ ｜ [资料]Hugging Face 模型微调训练(如何处理超长文本训练问题).pdf 361.38kb
｜ day_16Hugging Face 模型微调训练(GPT2-中文生成模型定制化微调训练)
｜ ｜ demo_16.zip 26.28M
｜ ｜ gpt2-chinese模型.zip 1.78G
｜ ｜ [课件]Hugging Face 模型微调训练(GPT2-中文生成模型定制化微调训练).pdf 374.77kb
｜ ｜ [录播]Hugging Face 模型微调训练(GPT2-中文生成模型定制化微调训练).mp4 802.80M
｜ ｜ [资料]Hugging Face 模型微调训练(GPT2-中文生成模型定制化微调训练).pdf 323.90kb
10_modelScope
｜ day_17ModeScope在线训练平台&服务器选配训练模型
｜ ｜ demo_17.zip 27.84M
｜ ｜ [课件]ModeScope在线训练平台&服务器选配训练模型.pdf 539.68kb
｜ ｜ [录播]ModeScope在线训练平台&服务器选配训练模型.mp4 1.11G
｜ ｜ [资料]ModeScope在线训练平台&服务器选配训练模型.pdf 275.77kb
11_Llama3
｜ day_18Llama3大模型本地部署与调用
｜ ｜ demo_18.zip 388.83M
｜ ｜ [课件]llama3大模型本地部署与调用.pdf 555.16kb
｜ ｜ [录播]Llama3大模型本地部署与调用.mp4 877.91M
｜ ｜ [资料]Llama3大模型本地部署与调用(1).pdf 1.53M
｜ ｜ [资料]Llama3大模型本地部署与调用.pdf 1.19M
｜ day_19LLaMa3微调_使用 LLaMA-Factory微调Llama3
｜ ｜ data.zip 280.14kb
｜ ｜ demo_19.zip 4.31kb
｜ ｜ [课件]LLaMa3微调(使用 LLaMA-Factory 微调 LLaMA3).pdf 602.00kb
｜ ｜ [录播]LLaMA_Factory微调Llama3.mp4 881.58M
｜ ｜ [资料]LLaMa3微调(使用 LLaMA-Factory 微调 LLaMA3).pdf 140.89kb
｜ day_20LLaMa3打包部署教程 (Lora 微调与模型合并)
｜ ｜ demo_20.zip 4.27kb
｜ ｜ [课件]LLaMa3打包部署(Lora微调与模型合并部署).pdf 493.06kb
｜ ｜ [录播]LLaMa3打包部署教程 (Lora 微调与模型合并).mp4 1.83G
｜ ｜ [资料]LLaMa3 打包部署教程 (Lora 微调与模型合并部署).pdf 782.56kb
｜ day_21LLaMa3打包部署(LLaMA-Factory模型评估与量化)
｜ ｜ Lora微调权重(Llama-3-8B-Instruct).zip 299.20M
｜ ｜ [课件]LLaMa3打包部署(LLaMA-Factory模型评估与量化).pdf 497.09kb
｜ ｜ [录播]LLaMa3打包部署(LLaMA-Factory模型评估与量化).mp4 899.00M
｜ ｜ [资料]LLaMa3打包部署(LLaMA-Factory模型评估与量化).pdf 997.21kb
｜ day_22LLaMa3打包部署(大模型转换为 GGUF 以及使用 ollama 运行)
｜ ｜ Llama-3-8B-Instruct
｜ ｜ ｜ qlora
｜ ｜ [课件]LLaMa3打包部署(大模型转换为 GGUF 以及使用 ollama 运行).pdf 568.04kb
｜ ｜ [录播]LLaMa3打包部署(大模型转换为 GGUF 以及使用 ollama 运行) -笔记.PanD 0.09kb
｜ ｜ [录播]LLaMa3打包部署(大模型转换为 GGUF 以及使用 ollama 运行) .mp4 862.88M
｜ ｜ [资料]LLaMa3打包部署(大模型转换为 GGUF 以及使用 ollama 运行).pdf 219.33kb
12_多模态
｜ day_23多模态(多模态大模型的概念与本地部署调用)
｜ ｜ [课件]多模态(多模态大模型的概念与本地部署调用).pdf 731.71kb
｜ ｜ [录播]多模态大模型的概念与本地部署调用.mp4 1.23G
｜ ｜ [资料]多模态(多模态大模型的概念与本地部署调用).pdf 4.90M
｜ ｜ 文生视频效果.mp4 360.90kb
13_llamaindex
｜ day_24Llama_Index(核心组件介绍)
｜ ｜ demo_24.zip 4.85M
｜ ｜ llama_index0.8.3.zip 108.12M
｜ ｜ [课件]Llama_Index(核心组件介绍).pdf 479.02kb
｜ ｜ [录播]Llama_Index(核心组件介绍).mp4 1.51G
｜ ｜ [资料]Llama_Index(核心组件介绍).pdf 623.98kb
｜ day_25llamaindex实战(使用llamaindex构建自己的知识库)
｜ ｜ demo_25.zip 9.00kb
｜ ｜ [课件]llamaindex实战(使用llamaindex构建自己的知识库).pdf 482.90kb
｜ ｜ [录播]llamaindex实战(使用llamaindex构建自己的知识库).mp4 1.01G
｜ ｜ [资料]llamaindex实战(使用llamaindex构建自己的知识库).pdf 2.23M
14_AutoGen Studio
｜ day_26AutoGen Studio调用本地大模型实现多Agent应用
｜ ｜ [课件]AutoGen Studio入门使用.pdf 598.39kb
｜ ｜ [录播]AutoGen Studio调用本地大模型实现多Agent应用.mp4 834.23M
｜ ｜ [资料]AutoGen Studio入门使用.pdf 858.83kb
15 项目实战(聚客一和二期)
｜ day33_RAG项目实战(使用llamaindex构建自己的知识库)
｜ ｜ RAG_项目源码.zip 11.32kb
｜ ｜ [课件]RAG项目实战(使用llamaindex构建自己的知识库).pdf 486.88kb
｜ ｜ [录播]RAG项目实战(使用llamaindex构建自己的知识库).mp4 2.29G
｜ ｜ [资料]RAG项目实战(使用llamaindex构建自己的知识库).pdf 2.48M
｜ day34_视觉项目实战(基于yolo的骨龄识别项目_01)
｜ ｜ yolov5-master.zip 126.82M
｜ ｜ [课件]视觉项目实战(基于yolo的骨龄识别项目_01).pdf 761.71kb
｜ ｜ [录播]视觉项目实战(基于yolo的骨龄识别项目_01).mp4 925.61M
｜ ｜ [资料]YOLOv5目标侦测教程.pdf 8.45M
｜ day35_视觉项目实战(基于yolo的骨龄识别项目_02)
｜ ｜ dataset
｜ ｜ ｜ arthrosis.zip 141.51M
｜ ｜ ｜ VOCdevkit.zip 827.36M
｜ ｜ day31_demo
｜ ｜ ｜ hand_bone_detect
｜ ｜ ｜ hand_test
｜ ｜ ｜ yolov5-bone
｜ ｜ [课件]视觉项目实战(基于yolo的骨龄识别项目_02).pdf 805.94kb
｜ ｜ [录播]视觉项目实战(基于yolo的骨龄识别项目_02).mp4 920.75M
｜ day_27基于本地大模型的在线心理问诊系统(训练篇)
｜ ｜ data.zip 17.02M
｜ ｜ demo_27.zip 2.56kb
｜ ｜ [课件]基于本地大模型的在线心理问诊系统(训练篇).pdf 497.84kb
｜ ｜ [录播]基于本地大模型的在线心理问诊系统(训练篇01).mp4 1.17G
｜ ｜ [资料]xtuner微调大模型教程.pdf 172.99kb
｜ ｜ 项目流程.png 87.19kb
｜ day_28基于本地大模型的在线心理问诊系统(训练篇)
｜ ｜ data
｜ ｜ ｜ llama_factory_data.zip 5.38M
｜ ｜ ｜ output_conversations.csv 18.08M
｜ ｜ ｜ xtuner_data.zip 5.78M
｜ ｜ llamafactory数据集转换代码
｜ ｜ ｜ data_utils.py 2.29kb
｜ ｜ xtuner环境
｜ ｜ ｜ requirements.txt 3.24kb
｜ ｜ xtuner模型训练配置文件
｜ ｜ ｜ internlm2_5_chat_7b_qlora_oasst1_e3.py 8.04kb
｜ ｜ ｜ qwen1_5_1_8b_chat_qlora_alpaca_e3.py 7.53kb
｜ ｜ [录播]基于本地大模型的在线心理问诊系统(训练篇02).mp4 990.32M
｜ day_29基于本地大模型的在线心理问诊系统(部署篇)
｜ ｜ 项目模型
｜ ｜ ｜ Qwen1.5-1.8B-Chat_cusm
｜ ｜ ｜ trainer_log.jsonl 42.00kb
｜ ｜ ｜ training_eval_loss.png 40.10kb
｜ ｜ ｜ training_loss.png 55.33kb
｜ ｜ [课件]基于本地大模型的在线心理问诊系统(部署篇).pdf 496.72kb
｜ ｜ [录播]基于本地大模型的在线心理问诊系统(部署篇).mp4 1.65G
｜ ｜ [资料]基于本地大模型的在线心理问诊系统(部署篇).pdf 266.82kb
｜ day_30基于RAG的线上智能客服系统(微调篇)
｜ ｜ data.zip 2.19M
｜ ｜ demo_30.zip 1.70kb
｜ ｜ [课件]基于RAG的线上智能客服系统(微调篇).pdf 494.57kb
｜ ｜ [录播]基于RAG的线上智能客服系统(微调篇).mp4 1.15G
｜ ｜ 项目背景.png 149.28kb
｜ day_31基于RAG的线上智能客服系统(部署篇)
｜ ｜ lora模型
｜ ｜ ｜ Qwen2.5-3B-Instruct-lora.zip 2.69G
｜ ｜ demo_31.zip 30.93kb
｜ ｜ [课件]基于RAG的线上智能客服系统(部署篇).pdf 495.76kb
｜ ｜ [录播]基于RAG的线上智能客服系统(部署篇).mp4 1.40G
｜ ｜ [资料]OpenCompass文档.md 22.06kb
｜ day_32基于pytorch的语音识别与语音唤醒
｜ ｜ 本地存储index的RAG
｜ ｜ ｜ data
｜ ｜ ｜ storage
｜ ｜ ｜ rag.py 2.68kb
｜ ｜ demo_32.zip 204.44M
｜ ｜ [课件]扩展项目(基于pytorch实现的语音识别).pdf 478.91kb
｜ ｜ [录播]扩展项目(基于pytorch的语音识别与语音唤醒).mp4 1.79G
｜ ｜ 语音应用场景.png 67.81kb
16_项目实战(聚客第三期_最新)
｜ 1_开班典礼-241216
｜ ｜ 2024-12-16 开班典礼.mp4 277.31M
｜ 2_RAG-Embedding-Vector
｜ ｜ day01
｜ ｜ ｜ RAG-Embeddings
｜ ｜ ｜ Python语法入门教程.md 49.25kb
｜ ｜ ｜ RAG搭建流程和文本向量.mp4 469.01M
｜ ｜ day02
｜ ｜ ｜ RAG-Embeddings
｜ ｜ ｜ 向量数据库和RAG高级进阶.mp4 634.66M
｜ 3_LangChain
｜ ｜ LangChain
｜ ｜ ｜ assets
｜ ｜ ｜ serve
｜ ｜ ｜ example_prompt_template.txt 0.03kb
｜ ｜ ｜ index.ipynb 63.68kb
｜ ｜ ｜ llama2.pdf 276.71kb
｜ ｜ ｜ memory.db 3.24kb
｜ ｜ LangChain.mp4 618.55M
｜ day04_Hugging Face 核心组件介绍
｜ ｜ demo_4
｜ ｜ ｜ API_test
｜ ｜ ｜ data
｜ ｜ ｜ dataset
｜ ｜ ｜ trasnFormers_test
｜ ｜ [课件]Hugging Face 核心组件介绍.pdf 479.05kb
｜ ｜ [录播]Hugging Face 核心组件介绍.mp4 762.87M
｜ ｜ [资料]Hugging Face 核心组件介绍.pdf 79.05kb
｜ day05_基于 BERT 的中文评价情感分析
｜ ｜ demo_5
｜ ｜ ｜ .idea
｜ ｜ ｜ data
｜ ｜ ｜ model
｜ ｜ ｜ params
｜ ｜ ｜ __pycache__
｜ ｜ ｜ data_test.py 0.64kb
｜ ｜ ｜ MyData.py 0.84kb
｜ ｜ ｜ net.py 0.97kb
｜ ｜ ｜ run.py 1.66kb
｜ ｜ ｜ token_test.py 1.47kb
｜ ｜ ｜ train.py 2.65kb
｜ ｜ [课件]Hugging Face 模型微调训练(基于 BERT 的中文评价情感分析).pdf 500.61kb
｜ ｜ [录播]基于 BERT 的中文评价情感分析.mp4 754.69M
｜ ｜ [资料]Hugging Face 模型微调训练(基于 BERT 的中文评价情感分析).pdf 304.73kb
｜ day06_自定义vocab
｜ ｜ demo_6
｜ ｜ ｜ .idea
｜ ｜ ｜ data
｜ ｜ ｜ model
｜ ｜ ｜ params
｜ ｜ ｜ __pycache__
｜ ｜ ｜ data_test.py 0.65kb
｜ ｜ ｜ MyData.py 0.84kb
｜ ｜ ｜ MyData02.py 0.58kb
｜ ｜ ｜ net.py 0.97kb
｜ ｜ ｜ run.py 1.66kb
｜ ｜ ｜ test.py 2.14kb
｜ ｜ ｜ token_test.py 1.47kb
｜ ｜ ｜ train.py 4.34kb
｜ ｜ ｜ vocab_test.py 1.12kb
｜ ｜ [课件]Hugging Face 模型微调训练(自定义vocab).pdf 18.95kb
｜ ｜ [录播]自定义vocab.mp4 921.73M
｜ day07_如何处理超长文本训练问题
｜ ｜ demo_7
｜ ｜ ｜ data
｜ ｜ ｜ data.py 0.17kb
｜ ｜ ｜ data_test.py 0.29kb
｜ ｜ ｜ data_test02.py 0.89kb
｜ ｜ ｜ MyData.py 0.57kb
｜ ｜ ｜ net.py 1.33kb
｜ ｜ ｜ new_test.csv 18.32kb
｜ ｜ ｜ train.py 4.33kb
｜ ｜ ｜ validation.csv 18.39kb
｜ ｜ model.zip 364.54M
｜ ｜ [课件]Hugging Face 模型微调训练(如何处理超长文本训练问题).pdf 511.37kb
｜ ｜ [录播]如何处理超长文本训练问题.mp4 754.37M
｜ day08_GPT2-中文生成模型定制化微调训练
｜ ｜ demo_8
｜ ｜ ｜ .idea
｜ ｜ ｜ data
｜ ｜ ｜ example
｜ ｜ ｜ __pycache__
｜ ｜ ｜ data.py 0.48kb
｜ ｜ ｜ train.py 4.58kb
｜ ｜ gpt2-chinese模型.zip 1.78G
｜ ｜ [课件]Hugging Face 模型微调训练(GPT2-中文生成模型定制化微调训练).pdf 510.30kb
｜ ｜ [录播]GPT2-中文生成模型定制化微调训练.mp4 871.54M
｜ day09_远程GPU服务器
｜ ｜ 代码与资料
｜ ｜ ｜ GPT2训练日志及权重
｜ ｜ ｜ 模型推理代码
｜ ｜ ｜ GPU服务器配置与使用.pdf 697.08kb
｜ ｜ 1月8日.mp4 749.44M
｜ ｜ 未命名文档.PanD 0.09kb
｜ day10_llama3大模型本地调用
｜ ｜ demo_10
｜ ｜ ｜ Llama3_test
｜ ｜ ｜ data.py 0.49kb
｜ ｜ ｜ detect.py 0.69kb
｜ ｜ ｜ detect02.py 3.24kb
｜ ｜ ｜ net.pt 389.40M
｜ ｜ ｜ train.py 3.17kb
｜ ｜ [课件]llama3大模型本地调用.pdf 543.03kb
｜ ｜ [录播]llama3大模型本地调用.mp4 912.60M
｜ day11_Llama3.2模型微调
｜ ｜ demo_11
｜ ｜ ｜ .idea
｜ ｜ ｜ test01.py 0.33kb
｜ ｜ ｜ test02.py 1.14kb
｜ ｜ data.zip 280.14kb
｜ ｜ [课件]LLaMa3微调(使用 LLaMA-Factory 微调 LLaMA3).pdf 602.00kb
｜ ｜ [录播]llama3.2模型微调.mp4 865.31M
｜ ｜ [资料]LLaMa3微调(使用 LLaMA-Factory 微调 LLaMA3).pdf 140.89kb
｜ day12_Lora模型合并与推理测试
｜ ｜ checkpoint-800
｜ ｜ ｜ adapter_config.json 0.74kb
｜ ｜ ｜ adapter_model.safetensors 21.53M
｜ ｜ ｜ optimizer.pt 43.18M
｜ ｜ ｜ README.md 5.01kb
｜ ｜ ｜ rng_state.pth 13.91kb
｜ ｜ ｜ scheduler.pt 1.04kb
｜ ｜ ｜ special_tokens_map.json 0.63kb
｜ ｜ ｜ tokenizer.json 16.41M
｜ ｜ ｜ tokenizer_config.json 53.41kb
｜ ｜ ｜ trainer_state.json 29.28kb
｜ ｜ ｜ training_args.bin 5.49kb
｜ ｜ data
｜ ｜ ｜ ruozhiba_qaswift.json 588.54kb
｜ ｜ [录播]Lora模型合并与推理测试.mp4 906.61M
｜ day13_LLaMA-Factory模型导出量化
｜ ｜ checkpoint-3700
｜ ｜ ｜ adapter_config.json 0.74kb
｜ ｜ ｜ adapter_model.safetensors 21.53M
｜ ｜ ｜ optimizer.pt 43.18M
｜ ｜ ｜ README.md 5.01kb
｜ ｜ ｜ rng_state.pth 13.91kb
｜ ｜ ｜ scheduler.pt 1.04kb
｜ ｜ ｜ special_tokens_map.json 0.43kb
｜ ｜ ｜ tokenizer.json 16.41M
｜ ｜ ｜ tokenizer_config.json 53.34kb
｜ ｜ ｜ trainer_state.json 133.83kb
｜ ｜ ｜ training_args.bin 5.43kb
｜ ｜ demo_13
｜ ｜ ｜ data
｜ ｜ ｜ test01.py 0.71kb
｜ ｜ [课件]LLaMa3导出量化(LLaMA-Factory模型导出量化).pdf 497.26kb
｜ ｜ [录播]LLaMA-Factory模型导出量化.mp4 1.06G
｜ ｜ [资料]LLaMa3导出量化(LLaMA-Factory模型导出量化).pdf 768.96kb
｜ day14_LLaMA-Factory模型评估与QLora微调
｜ ｜ AI技术路线.pdf 107.45kb
｜ ｜ [课件]LLama-Factory模型评估与QLora微调.pdf 512.75kb
｜ ｜ [录播]LLama-Factory模型评估与QLora微调.mp4 763.64M
｜ ｜ [资料]LLama-Factory模型评估.pdf 295.40kb
｜ day15_Qwen模型打包部署(Lora模型合并&转GGUF模型部署)
｜ ｜ Lora
｜ ｜ ｜ checkpoint-400
｜ ｜ [课件]Qwen模型打包部署(Lora模型合并&转GGUF模型部署).pdf 555.32kb
｜ ｜ [录播]HF模型转GGUF以及使用ollama部署.mp4 1.11G
｜ ｜ [资料]Qwen模型打包部署(Lora模型合并&转GGUF模型部署).pdf 390.86kb
｜ day16_Qwen模型打包部署(HF转GGUF&ollama+open_webui部署)
｜ ｜ Qwen1___5-1___8B-Chat-merged-q8.gguf 1.82G
｜ ｜ [课件]Qwen模型打包部署(Lora模型合并&转GGUF模型部署).pdf 555.32kb
｜ ｜ [录播]Qwen模型打包部署(HF转GGUF&ollama+open_webui部署).mp4 848.66M
｜ ｜ [资料]Qwen模型打包部署(Lora模型合并&转GGUF模型部署).pdf 395.66kb
｜ day17_Xtuner微调大模型
｜ ｜ xtuner数据集转换代码
｜ ｜ ｜ data
｜ ｜ ｜ data_utils.py 0.72kb
｜ ｜ xtuner微调配置文件
｜ ｜ ｜ qwen1_5_1_8b_chat_qlora_alpaca_e3.py 7.56kb
｜ ｜ [录播]Xtuner微调大模型(QLora与Lora).mp4 923.50M
｜ ｜ [资料]xtuner微调大模型教程.pdf 184.87kb
｜ day18_LMDeploy部署大模型
｜ ｜ demo_18
｜ ｜ ｜ test01.py 0.45kb
｜ ｜ ｜ test02.py 0.43kb
｜ ｜ [录播]LMDeploy部署大模型.mp4 952.81M
｜ ｜ [资料]LMDeploy部署大模型.pdf 326.99kb
｜ day19_OpenCompass大模型评估
｜ ｜ OpenCompassData-core-20240207
｜ ｜ ｜ data
｜ ｜ ptb
｜ ｜ ｜ ptb_train
｜ ｜ ｜ ptb_val
｜ ｜ OpenCompassData-core-20240207.zip 148.87M
｜ ｜ [课件]OpenCompass模型评估.pdf 490.00kb
｜ ｜ [录播]OpenCompass大模型评估.mp4 850.42M
｜ ｜ [资料]OpenCompass模型评估.pdf 197.85kb
｜ day20_llama-index核心组件
｜ ｜ demo_20
｜ ｜ ｜ data
｜ ｜ ｜ test01.py 0.36kb
｜ ｜ ｜ test02.py 0.22kb
｜ ｜ [课件]Llama_Index(核心组件介绍).pdf 323.02kb
｜ ｜ [录播]Llama_Index核心组件介绍.mp4 1.15G
｜ ｜ [资料]Llama_Index(核心组件介绍).pdf 623.98kb
｜ ｜ 模型微调与RAG.png 87.17kb
｜ day21_llama-index入门实操
｜ ｜ demo_21
｜ ｜ ｜ data
｜ ｜ ｜ download_hf.py 0.17kb
｜ ｜ ｜ test01.py 0.52kb
｜ ｜ ｜ test02.py 1.60kb
｜ ｜ ｜ test03.py 0.73kb
｜ ｜ [课件]Llama_index入门实操.pdf 496.09kb
｜ ｜ [录播]Llama_index入门实操.mp4 932.76M
｜ day22_llama-index实现RAG
｜ ｜ demo_22
｜ ｜ ｜ data
｜ ｜ ｜ storage
｜ ｜ ｜ app.py 2.70kb
｜ ｜ ｜ download_hf.py 0.17kb
｜ ｜ ｜ test01.py 0.52kb
｜ ｜ ｜ test02.py 1.62kb
｜ ｜ ｜ test03.py 0.93kb
｜ ｜ ｜ test04.py 2.14kb
｜ ｜ [课件]Llama_index实现RAG.pdf 489.23kb
｜ ｜ [录播]llama-index实现RAG.mp4 1.31G
｜ day23_AutoGen_Studio搭建多智能体应用
｜ ｜ 图像资料
｜ ｜ ｜ Agent01.png 121.07kb
｜ ｜ ｜ Agent02.png 113.38kb
｜ ｜ ｜ Agent03.png 31.66kb
｜ ｜ [课件]AutoGen_Studio搭建多智能体应用.pdf 599.76kb
｜ ｜ [录播]AutoGen_Studio搭建多智能体应用.mp4 753.13M
｜ ｜ [资料]AutoGen_Studio搭建多智能体应用.pdf 839.02kb
｜ day24_多模态大模型
｜ ｜ 笔记
｜ ｜ ｜ 多模态01.png 27.21kb
｜ ｜ ｜ 多模态02.png 123.21kb
｜ ｜ [课件]多模态(多模态大模型的概念与本地部署调用).pdf 731.87kb
｜ ｜ [录播]多模态大模型的概念与本地部署调用.mp4 704.82M
｜ ｜ [资料]多模态(多模态大模型的概念与本地部署调用).pdf 4.90M
｜ day25_deep-seek与多卡训练
｜ ｜ 课堂笔记
｜ ｜ ｜ deepseek.png 152.93kb
｜ ｜ [课件]deepseek与分布式训练.pdf 491.82kb
｜ ｜ [录播]deep_seek与多卡训练.mp4 1.02G
｜ day26_基于本地大模型的AI试题系统(方案篇)
｜ ｜ 数据
｜ ｜ ｜ 2020年高考生物选择题专项训练11-15套Word版含答案及解析.docx 42.02kb
｜ ｜ ｜ 2020年高考生物选择题专项训练20套附答案及解析.docx 438.85kb
｜ ｜ ｜ 2022年高考生物选择题专项训练(共6份).docx 2.49M
｜ ｜ ｜ 2023年高考生物选择题专练(8套)含答案及解析.docx 37.46kb
｜ ｜ ｜ 高考生物常识选择题单选题100道及答案.docx 27.30kb
｜ ｜ ｜ 数据示例.xls 19.50kb
｜ ｜ AI题库项目分析.png 245.31kb
｜ ｜ [录播]基于本地大模型的AI试题系统(方案篇).mp4 1.27G
｜ day27_基于本地大模型的AI试题系统(实现篇)
｜ ｜ Lora模型与训练日志
｜ ｜ ｜ checkpoint-1300
｜ ｜ ｜ nohup.out 262.21kb
｜ ｜ ｜ training_args.yaml 0.75kb
｜ ｜ 标注后的数据
｜ ｜ ｜ 高考生物选择题01.csv 75.14kb
｜ ｜ ｜ 高考生物选择题02.csv 35.00kb
｜ ｜ 数据转换代码
｜ ｜ ｜ data_utils.py 2.03kb
｜ ｜ ｜ test_data.py 1.12kb
｜ ｜ 转换后的训练集与测试集
｜ ｜ ｜ test.json 51.25kb
｜ ｜ ｜ train.json 162.20kb
｜ ｜ [录播]基于本地大模型的AI试题系统(实现篇).mp4 1.60G
｜ day28_基于RAG的法律条文智能助手(方案篇)
｜ ｜ llama_factory对话模板导出
｜ ｜ ｜ mytest.py 0.81kb
｜ ｜ ｜ 文件位置.jpg 19.59kb
｜ ｜ RAG知识库数据获取
｜ ｜ ｜ data_test01.py 1.60kb
｜ ｜ ｜ data_test02.py 1.59kb
｜ ｜ 模型微调数据集
｜ ｜ ｜ train_data.json 20.10kb
｜ ｜ R1思维链与微调.png 3.15kb
｜ ｜ RAG项目需求.png 125.26kb
｜ ｜ [课件]基于RAG的法律条文智能助手(方案篇).pdf 495.85kb
｜ ｜ [录播]基于RAG的法律条文智能助手[方案篇].mp4 1.06G
｜ day29_基于RAG的法律条文助手(实现篇)
｜ ｜ 项目源码
｜ ｜ ｜ rag_law
｜ ｜ [课件]基于RAG的法律条文智能助手(实现篇).pdf 491.23kb
｜ ｜ [录播]基于RAG的法律条文智能助手[实现篇].mp4 1.49G
｜ day30_基于pytorch的语音唤醒系统
｜ ｜ 项目源码
｜ ｜ ｜ wakeup_test
｜ ｜ [课件]扩展项目(基于pytorch实现的语音识别).pdf 487.94kb
｜ ｜ [录播]扩展项目(基于pytorch的语音唤醒系统).mp4 1.67G
｜ ｜ 语音唤醒.png 171.25kb
AI大模型学习路径.pdf 499.13kb
大神指南.docx 1.44M
评论0