CodeGeex官网：https://codegeex.cn/zh-CN 在线体验地址：https://codegeex.cn/zh-CN/playground论文：https://arxiv.org/pdf/2303.17568.pdf开源地址：GitHub-THUDM/CodeGeeX:CodeGeeX:AnOpenMultilingualCodeGenerationModel 目录
文章目录1.ChatGLM-6B1.1P-Tuningv2简介2.运行环境2.1项目准备3.数据准备4.使用P-Tuningv2对ChatGLM-6B微调5.模型评估6.利用微调后的模型进行验证6.1微调后的模型6.2原始ChatGLM-6B模型6.3结果对比1.ChatGLM-6BChatGLM-6B仓库地址：https://github.com/THUDM/ChatGLM-6BChatGLM-6B/P-Tuning仓库地址：https://github.com/THUDM/ChatGLM-6B/tree/main/ptuning1.1P-Tuningv2简介P-Tuning是一种较新的模型
介绍ChatGLM-6B是开源的文本生成式对话模型,基于GeneralLanguageModel(GLM)框架,具有62亿参数,结合模型蒸馏技术,实测在2080ti显卡训练中上显存占用6G左右,优点:1.较低的部署门槛：FP16半精度下，ChatGLM-6B需要至少13GB的显存进行推理，结合模型量化技术，一需求可以进一步降低到10GB（INT8）和6GB（INT4），使得ChatGLM-6B可以部署在消费级显卡上。2,更长的序列长度：相比GLM-10B（序列长度1024），ChatGLM-6B序列长度达2048，支持更长对话和应用。3,人类意图对齐训练：使用了监督微调（SupervisedF
目录安装miniconda拉取仓库使用内置python安装依赖上传模型克隆及下载text2vec-large-chinese修改配置上传知识库（txt文件）处理txt数据启动服务测试ChatGLM-6B是清华团队+智谱AI开发的，一个开源的、支持中英双语的对话语言模型，具有62亿参数。被很多人视为ChatGPT的平替。但是由于ChatGLM-6B的规模较小，目前已知其具有相当多的局限性。解决这一问题的方式大体上有两种：一种是使用更大规模的模型来提升整体能力，提升其自我认知能力。开发者表示基于1300亿参数GLM-130B的ChatGLM已经在内测开发中。另一种便是使用插件或者外挂的方式，提升模
大家好，我是herosunly。985院校硕士毕业，现担任算法研究员一职，热衷于机器学习算法研究与应用。曾获得阿里云天池比赛第一名，CCF比赛第二名，科大讯飞比赛第三名。拥有多项发明专利。对机器学习和深度学习拥有自己独到的见解。曾经辅导过若干个非计算机专业的学生进入到算法行业就业。希望和大家一起成长进步。 本文主要介绍了ChatGLMptuning的实战方案，希望对学习大语言模型的同学们有所帮助。文章目录0.简介1.安装虚拟环境2.下载文件2.1下载源代码2.2下载模型依赖文件2.3下载模型文件3.安装依赖库4.ptuning训练5.运行微调后的ChatGLM0.简介 对特定数据集进行
文章首发及后续更新：https://mwhls.top/4500.html，无图/无目录/格式错误/更多相关请至首发页查看。新的更新内容请到mwhls.top查看。欢迎提出任何疑问及批评，非常感谢！服务部署汇总本来这篇是为了打比赛写的，写着写着发现两个问题，AI部署连续几篇，等我比赛打完再发模型都不知道更新到哪个版本了。所以就直接发了。题图随便放个，我之后部属个文生图让它生成个。嘻嘻，蹭个热度有问题推荐去GitHubIssue，当然评论问我也行。2023/05/06更新：增加API调用及ChatGLM清华开源大模型-ChatGLM-2023/04/29ChatGLM_GitHub：THUDM/
文章目录（零）前言（一）局部重绘（Inpaint）（二）画布扩绘（Outpaint）（2.1）图片画布扩大（插件：OpenOutpaint）（2.2）视频无限缩放（插件：InfiniteZoom）（三）选择合适的模型（零）前言本篇主要提到图生图的扩展使用，也就是画布扩绘（Outpaint），在不改变原画的基础上，扩大画布补充内容。更多不断丰富的内容参考：🔗《继续Stable-DiffusionWEBUI方方面面研究(内容索引)》（一）局部重绘（Inpaint）我们都知道，图生图当中可以用蒙版修改/去掉图片中某一部分内容，而不改变图片其它部分。同时也有个模型pix2pix，用文字描述来改变图片中
目录ubuntu部署1.下载安装anaconda32.创建并虚拟环境3.下载安装chatglm4.修改代码，减少gpu使用，目前使用6G显存5.启动web服务windows部署1.下载安装anaconda32.创建并虚拟环境3.下载安装chatglm4.修改代码，减少gpu使用，目前使用6G显存5.启动web服务ubuntu部署1.下载安装anaconda3wgethttps://repo.anaconda.com/archive/Anaconda3-2021.11-Linux-x86_64.sh./Anaconda3-2021.11-Linux-x86_64.sh2.创建并虚拟环境conda
StableDiffusionWebUI开源地址：https://github.com/AUTOMATIC1111/stable-diffusion-webui 首先根据要求做以下准备工作：1.安装 Python3.10.6,安装时记得勾选"AddPythontoPATH"把Python添加到环境变量.2.安装Git环境，Git-DownloadingPackage3.用git命令把下载StableDiffusionWebUI项目: gitclonehttps://github.com/AUTOMATIC1111/stable-diffusion-webui.git4.项目下载到本地后双击
下面介绍了N卡，A卡，或CPU跑stable-diffusion-webui的方法。先看样张：1.安装python3.10.xhttps://www.python.org/downloads/2.安装GitGit-Downloads(git-scm.com)3、克隆stable-diffusion-webui项目1.新建文件夹（不能有中文，建议放在空闲比较多的硬盘上），然后再文件夹打开命令行#【非必要】如果有代理工具（比如clash），在命令行配置git的http和https代理：gitconfig--globalhttp.proxy127.0.0.1:7890gitconfig--globa
