Lora01模块之间通信测试文章目录Lora01模块之间通信测试前言1、两个接串口TTL通信1.1准备工作1.1.1模块接线1.1.2模块引脚定义说明1.2实验步骤1.2.1模块接线1.2.2打开上位机软件1.2.3配置串口参数1.2.4指令配置2、单片机和串口通信2.1烧录代码2.2配置参数2.3通信3、单片机和单片机通信4、XCOM指令配置应用5、总结前言随着无线设备通信的需求不断加大，通信速度和通信距离是必须考虑的因素。之前用的WiFi模块和蓝牙模块都是基本在20米左右，而正点原子出了这款无线串口Lora模块大大改善了距离的问题，可以在3公里的范围内进行数据传输，比较实用。1、两个接串口

物联网其实到目前为止也没有一个精确的定义，一般来说，我们认为物联网是传统的互联网向物理世界的一个延伸。通过连接物理世界，使得网络能够更好的为人类服务。简单而言，通过物联网，各种不同的设备都能够互相连接起来，这些设备能够感知物理世界、互相交流和沟通，连接起来提供不同的服务。物联网能够广泛用在生产和生活的各个方面，产生了如智慧家庭smarthome,智慧城市smartcity,智慧农业smartagriculture,智慧医疗smartmedicalandhealthcare,环境保护environmentalmonitoring等一系列相关的应用场景。今天向大家介绍物联网其中一个技术：LoRa。

物联网其实到目前为止也没有一个精确的定义，一般来说，我们认为物联网是传统的互联网向物理世界的一个延伸。通过连接物理世界，使得网络能够更好的为人类服务。简单而言，通过物联网，各种不同的设备都能够互相连接起来，这些设备能够感知物理世界、互相交流和沟通，连接起来提供不同的服务。物联网能够广泛用在生产和生活的各个方面，产生了如智慧家庭smarthome,智慧城市smartcity,智慧农业smartagriculture,智慧医疗smartmedicalandhealthcare,环境保护environmentalmonitoring等一系列相关的应用场景。今天向大家介绍物联网其中一个技术：LoRa。

目录一、系统环境二、数据准备及预处理三、使用StableDiffusion获取图像信息四、安装训练图形化界面五、参数设置及训练过程六、效果测试七、常见报错处理一、系统环境同上一篇博客，云平台：CPU1核，GPU0.5卡，内存20G；python版本：3.10准备两个Terminal页面备用，一个打开上一篇博客已经装好的SDWebUI，一个我们安装训练图形化界面kohya_ss，都启动虚拟环境py310。二、数据准备及预处理网络上的建议：至少15张图片，每张图片的训练步数不少于100。照片人像要求多角度，特别是脸部特写（尽量高分辨率），多角度，多表情，不同灯光效果，不同姿势等图片构图尽量简单，避

文章目录共享空间系统，预定端效果展示（详情点击链接查看）功能点简列：具体实现方案请点击链接查看详情共享空间系统，预定端效果展示（详情点击链接查看）![请添加图片描述](https://img-blog.csdnimg.cn/e0af621921fe45c3a64c7e91949b92da.png功能点简列：1、支持SaaS模式2、支持多代理模式3、支持多商户、合伙分佣4、支持自动清分、对账5、支持多品牌独立运行6、支持小程序独立部署7、支持商户独立收款8、支持订单提醒和远程管理9、支持优惠券配置及抵扣10、会员管理、充值赠送、余额消费11、支持团购券、美团券核销12、智能管控硬件稳定、可靠、安

1.基本概念Lora，英文全称“Low-RankAdaptationofLargeLangurageModels”，直译为大语言模型的低阶适应，这是微软的研究人员为了解决大语言模型微调而开发的一项技术2.作用只要是图片上的特征都可以提取并训练（1）对人物/物品的脸部特征进行复刻（2）生成某一特定风格的图像（3）固定动作特征3.embedding和Lora的区别embedding文件小，保存的信息量小，对人物的还原、对动作的指定、对画风的指定效果一般；Lora文件大，保存的信息量大，对人物的还原、对动作的指定、对画风的指定效果比较好。embedding一般还原的人物为动漫人物，真人一般用Lora

相关博文stable-diffusion-webui的基础功能手动安装，了解代码结构、依赖、模型出处安装成功结果主要参考cuda11.7下载-https://developer.nvidia.com/cuda-toolkit-archivecudnn8.6for11.x:https://developer.nvidia.com/rdp/cudnn-archivedreambooth\lora训练环境：最原始的命令端https://github.com/kohya-ss/sd-scriptsGUI端口https://github.com/bmaltais/kohya_ss环境安装参考：win11

1.用lora配套的大模型效果更好lora训练是根据大模型作为参考，lora是根据那个大模型来训练参数的例如，这里以墨心lora为例，点击示例图片的中的“？”，在Model中就显示出了作者用于训练墨心lora的底模了2.最好使用和作者相同的参数还是以墨心lora为例，可以看到示例图片中有Sampler、Model、CFGscale等参数（1）Sampler——采样方式，在StableDiffusionWebUI中的Samplingmethod中进行选择（2）Model——作者使用的大模型，在StableDiffusionWebUI中的StableDiffusioncheckpoint中进行选择

模型介绍Alpaca模型是斯坦福大学研发的LLM（LargeLanguageModel，大语言）开源模型，是一个在52K指令上从LLaMA7B（Meta公司开源的7B）模型微调而来，具有70亿的模型参数（模型参数越大，模型的推理能力越强，当然随之训练模型的成本也就越高）。LoRA，英文全称Low-RankAdaptationofLargeLanguageModels，直译为大语言模型的低阶适应，这是微软的研究人员为了解决大语言模型微调而开发的一项技术。如果想让一个预训练大语言模型能够执行特定领域内的任务，一般需要做fine-tuning，但是目前推理效果好的大语言模型参数维度非常非常大，有些甚

前言为了使用开放权重的LLM(大语言模型)，基于自己的训练集，微调模型，会涉及到如下一些技术要点：配置运行环境下载、加载基础模型收集语料、微调训练检验训练效果在实施过程中，遇到不少困难，因此写下这篇文档，做为记录。环境配置1.模型加载-icetk报错(1)问题描述在huggingface的模型库中，大模型会被分散为多个bin文件，在加载这些原始模型时，有些模型(如Chat-GLM)需要安装icetk。这里遇到了第一个问题，使用pip安装icetk和torch两个包后，使用from_pretrained加载模型时会报缺少icetk的情况。但实际情况是这个包已经安装了。查资料的过程中，有人说出现该