路人与大师
路人与大师_个人页
路人与大师
文章
11
问答
2
视频
0
个人介绍
暂无个人介绍
擅长的技术
- Python
- Linux
暂无更多信息
2024年11月
-
11.29 16:36:28
发表了文章
2024-11-29 16:36:28
基于qwen max 的知识图谱 指令对比分析 结构 指令 领域 指令差异分析
感谢阿里开发者社区通义千问Qwen技术应用实践征文活动赠予的Qwen Max Token。本文介绍了三种知识图谱抽取模式：只给结构、给结构和领域引导、给结构、领域引导和领域few-shot样本。通过对比“只给结构”和“给结构和领域引导”两种方法，分析了它们在准确性、推理能力、数据覆盖范围和构建成本等方面的优劣。结果显示，领域引导显著提升了知识图谱的准确性和推理能力，但构建成本较高；而只给结构的方法适用于大规模通用文本的快速抽取，但精度较低。选择合适的方法应根据具体应用需求。 -
11.26 19:03:44发表了文章
2024-11-26 19:03:44
深入剖析 Qwen2.5 - 32B 模型在 VLLM 上的单机三卡部署与运行
本文深入探讨了Qwen2.5 - 32B模型在VLLM框架上的部署过程，从模型下载、启动命令、资源占用分析到GPU资源分配及CUDA图应用，详述了大模型运行的挑战与优化策略，强调了硬件资源规划与技术调优的重要性。 -
11.26 18:06:01发表了文章
2024-11-26 18:06:01
探索大模型部署：基于 VLLM 和 ModelScope 与 Qwen2.5 在双 32G VGPU 上的实践之旅
本文介绍了使用 `VLLM` 和 `ModelScope` 部署 `Qwen2.5` 大模型的实践过程，包括环境搭建、模型下载和在双 32G VGPU 上的成功部署，展现了高性能计算与大模型结合的强大力量。 -
11.25 19:36:55发表了文章
2024-11-25 19:36:55
基于图论算法有向图PageRank与无向图Louvain算法构建指令的方式方法 用于支撑qwen agent中的统计相关组件
利用图序列进行数据解读，主要包括节点序列分析、边序列分析以及结合节点和边序列的综合分析。节点序列分析涉及节点度分析（如入度、出度、度中心性）、节点属性分析（如品牌、价格等属性的分布与聚类）、节点标签分析（如不同标签的分布及标签间的关联）。边序列分析则关注边的权重分析（如关联强度）、边的类型分析（如管理、协作等关系）及路径分析（如最短路径计算）。结合节点和边序列的分析，如子图挖掘和图的动态分析，可以帮助深入理解图的结构和功能。例如，通过子图挖掘可以发现具有特定结构的子图，而图的动态分析则能揭示图随时间的变化趋势。这些分析方法结合使用，能够从多个角度全面解读图谱数据，为决策提供有力支持。 -
11.25 15:49:12发表了文章
2024-11-25 15:49:12
llama factory 从数据集起步 跑通 qwen系列开源生成式大模型 微调
`dataset_info.json` 文件用于管理 llama factory 中的所有数据集，支持 `alpaca` 和 `sharegpt` 格式。通过配置此文件，可以轻松添加自定义数据集。数据集的相关参数包括数据源地址、数据集格式、样本数量等，支持 Hugging Face 和 ModelScope 两个平台的数据集仓库。针对不同格式的数据集，提供了详细的配置示例，如 `alpaca` 格式的指令监督微调数据集、偏好数据集等，以及 `sharegpt` 格式的多模态数据集等。今天我们通过自定义数据集的方式来进行qwen2.5_14B_instruct模型进行微调 -
11.22 16:29:40发表了文章
2024-11-22 16:29:40
基于百炼 qwen plus 、开源qwen2.5 7B Instruct 建非schema限定的图谱 用于agent tool的图谱形式结构化 文本资料方案
基于百炼 qwen plus 的上市企业ESG图谱构建工作，通过调用阿里云的 OpenAI 服务，从 Excel 文件读取上市公司 ESG 报告数据，逐条处理并生成知识图谱，最终以 YAML 格式输出。该过程包括数据读取、API 调用、结果处理和文件保存等步骤，确保生成的知识图谱全面、动态且结构清晰。此外，还提供了基于 Pyvis 的可视化工具，将生成的图谱以交互式图形展示，便于进一步分析和应用。 -
11.21 12:35:13发表了文章
2024-11-21 12:35:13
基于qwen2.5的长文本解析、数据预测与趋势分析、代码生成能力赋能esg报告分析
Qwen2.5是一款强大的生成式预训练语言模型，擅长自然语言理解和生成，支持长文本解析、数据预测、代码生成等复杂任务。Qwen-Long作为其变体，专为长上下文场景优化，适用于大型文档处理、知识图谱构建等。Qwen2.5在ESG报告解析、多Agent协作、数学模型生成等方面表现出色，提供灵活且高效的解决方案。 -
11.21 12:06:43发表了文章
2024-11-21 12:06:43
基于Qwen2.5的大规模ESG数据解析与趋势分析多Agent系统设计
2022年中国上市企业ESG报告数据集，涵盖制造、能源、金融、科技等行业，通过Qwen2.5大模型实现报告自动收集、解析、清洗及可视化生成，支持单/多Agent场景，大幅提升ESG数据分析效率与自动化水平。 -
11.21 11:46:35发表了文章
2024-11-21 11:46:35
基于qwen2.5开源大模型 处理 环境、社会及治理 相关资料
基于Qwen-2.5开源大模型，本方案旨在处理环境、社会及治理（ESG）相关资料，涵盖数据分析、决策辅助和报告生成等任务。方案详细描述了从数据准备、模型功能设计到部署优化的全过程，并列举了多种应用场景，如企业合规审查、投资评估支持等，旨在为企业、机构和研究者提供全面的ESG资料处理解决方案。 -
11.21 11:36:48发表了文章
2024-11-21 11:36:48
基于openi平台免费华为昇腾910B芯片部署qwen2.5 Instruct 14B大模型
基于OpenI平台和华为昇腾910B芯片，本方案详细介绍了如何免费部署Qwen-2.5 Instruct 14B大模型。涵盖准备工作、模型适配、部署步骤及性能优化等内容，适用于NLP任务部署、本地化适配及实时服务化等多种应用场景。 -
11.21 11:31:54发表了文章
2024-11-21 11:31:54
基于qwen2.5 Instruct的智能法庭预研
基于Qwen-2.5 Instruct的大模型智能法庭预研，旨在通过智能化手段提高庭审效率、确保司法公正、降低运营成本。核心功能涵盖智能庭审助手、文书生成、案件检索与分析及智能协作平台，利用自然语言处理、多模态融合等技术，实现庭审记录实时生成、法律条款动态匹配、证据多维度解析等，服务于民事、刑事及行政案件。项目注重数据安全与隐私保护，同时规划了智能仲裁平台、跨区域法庭协作等未来扩展方向，为构建高效、公正的智慧司法体系奠定基础。
2024年08月
-
08.19 14:29:44
回答了问题
2024-08-19 14:29:44
无法导入 modelscope，已经pip install了
赞0 踩0 评论0
2023年05月
-
05.08 11:42:13
提交了问题
2023-05-08 11:42:13
-
发表了文章
2024-11-29
基于qwen max 的知识图谱 指令对比分析 结构 指令 领域 指令差异分析
-
发表了文章
2024-11-26
深入剖析 Qwen2.5 - 32B 模型在 VLLM 上的单机三卡部署与运行
-
发表了文章
2024-11-26
探索大模型部署：基于 VLLM 和 ModelScope 与 Qwen2.5 在双 32G VGPU 上的实践之旅
-
发表了文章
2024-11-25
基于图论算法有向图PageRank与无向图Louvain算法构建指令的方式方法 用于支撑qwen agent中的统计相关组件
-
发表了文章
2024-11-25
llama factory 从数据集起步 跑通 qwen系列开源生成式大模型 微调
-
发表了文章
2024-11-22
基于百炼 qwen plus 、开源qwen2.5 7B Instruct 建非schema限定的图谱 用于agent tool的图谱形式结构化 文本资料方案
-
发表了文章
2024-11-21
基于qwen2.5 Instruct的智能法庭预研
-
发表了文章
2024-11-21
基于qwen2.5的长文本解析、数据预测与趋势分析、代码生成能力赋能esg报告分析
-
发表了文章
2024-11-21
基于qwen2.5开源大模型 处理 环境、社会及治理 相关资料
-
发表了文章
2024-11-21
基于openi平台免费华为昇腾910B芯片部署qwen2.5 Instruct 14B大模型
-
发表了文章
2024-11-21
基于Qwen2.5的大规模ESG数据解析与趋势分析多Agent系统设计
滑动查看更多
-
回答了问题
2024-08-19
无法导入 modelscope，已经pip install了
y遇到了同样的问题解决办法 pip install transformers 观察源代码发现以下内容 from typing import TYPE_CHECKING from modelscope.utils.import_utils import (LazyImportModule, is_transformers_available) from .utils.automodel_utils import fix_transformers_upgrade if TYPE_CHECKING: from .exporters import Exporter, TfModelExporter, TorchModelExporter from .hub.api import HubApi from .hub.check_model import check_local_model_is_latest, check_model_is_id from .hub.push_to_hub import push_to_hub, push_to_hub_async from .hub.snapshot_download import snapshot_download from .metrics import ( AccuracyMetric, AudioNoiseMetric, BleuMetric, ImageColorEnhanceMetric, ImageColorizationMetric, ImageDenoiseMetric, ImageInpaintingMetric, ImageInstanceSegmentationCOCOMetric, ImagePortraitEnhancementMetric, ImageQualityAssessmentDegradationMetric, ImageQualityAssessmentMosMetric, LossMetric, Metric, MovieSceneSegmentationMetric, OCRRecognitionMetric, PplMetric, ReferringVideoObjectSegmentationMetric, SequenceClassificationMetric, TextGenerationMetric, TextRankingMetric, TokenClassificationMetric, VideoFrameInterpolationMetric, VideoStabilizationMetric, VideoSummarizationMetric, VideoSuperResolutionMetric, task_default_metrics) from .models import Model, TorchModel from .msdatasets import MsDataset from .pipelines import Pipeline, pipeline from .preprocessors import Preprocessor from .trainers import (EpochBasedTrainer, Hook, Priority, TrainingArgs, build_dataset_from_file) from .utils.constant import Tasks if is_transformers_available(): from .utils.hf_util import AutoConfig, GPTQConfig, AwqConfig, BitsAndBytesConfig from .utils.hf_util import (AutoModel, AutoModelForCausalLM, AutoModelForSeq2SeqLM, AutoModelForSequenceClassification, AutoModelForTokenClassification, AutoTokenizer, GenerationConfig, AutoImageProcessor, BatchFeature) is_transformers_available这个判断是在判断transformers是否存在赞0 踩0 评论0 -
提交了问题
2023-05-08
如何下载llama模型到本地？
滑动查看更多
暂无更多信息