CLIP（ContrastiveLanguage-ImagePre-Training）:利用文本的监督信号训练一个迁移能力强的视觉预训练模型通过对比学习,训练得到图片和文本的相似度,传闻使用4亿个配对的数据和文本来进行训练,不标注直接爬取的注意:由于训练数据基本都是英文,对英文支持的比较好用途:CLIP主要是用来做图片分类(计算图片和文本的相似度(关联度)),也可以辅助做GAN,检测,分割,检索等等以往我们训练一个猫狗分类模型，换一个线条猫，点云猫，油画猫，穿着奇装异服的猫，分类网络很难还认识，但是现在只要加上一个CLIP，模型马上就被扩展了.CLIP是如何训练的:CLIP是如何进行推理的:可
论文：LLaMA:OpenandEfficientFoundationLanguageModels模型代码：https://github.com/facebookresearch/llama/blob/main/llama/model.py你也可以打开之前的目录看完整代码。摘要、介
论文：LLaMA:OpenandEfficientFoundationLanguageModels模型代码：https://github.com/facebookresearch/llama/blob/main/llama/model.py你也可以打开之前的目录看完整代码。摘要、介
?课程学习中心|?NLP课程合辑|?课程主页|?中英字幕视频|?项目代码解析课程介绍自然语言处理(NLP)是一门关于如何教计算机理解人类语言的工程艺术和科学。NLP作为一种人工智能技术，现在已经无处不在——我们可以与手机交谈、使用网络回答问题、在社交媒体中讨论，甚至在人类语言之间进行翻译。CS685马萨诸塞大学NLP进阶课程，广泛关注自然语言处理的深度学习方法，详细讲解前沿技术点与典型应用。课程重点是神经语言模型和迁移学习——这两者都极大地推动了最先进的技术。课程基于Pytorch完成代码案例讲解，涵盖建模架构、训练目标和下游任务。手写重点与手敲代码的授课风格，能帮助大家更好地深入掌握相关知识
?课程学习中心|?NLP课程合辑|?课程主页|?中英字幕视频|?项目代码解析课程介绍自然语言处理(NLP)是一门关于如何教计算机理解人类语言的工程艺术和科学。NLP作为一种人工智能技术，现在已经无处不在——我们可以与手机交谈、使用网络回答问题、在社交媒体中讨论，甚至在人类语言之间进行翻译。CS685马萨诸塞大学NLP进阶课程，广泛关注自然语言处理的深度学习方法，详细讲解前沿技术点与典型应用。课程重点是神经语言模型和迁移学习——这两者都极大地推动了最先进的技术。课程基于Pytorch完成代码案例讲解，涵盖建模架构、训练目标和下游任务。手写重点与手敲代码的授课风格，能帮助大家更好地深入掌握相关知识
DDL（DataDefinitionLanguage）：数据定义语言，用来定义数据库对象（数据库，表，字段）。数据库操作查询所有数据库showdatabases;查询当前数据库selectdatabase();创建数据库createdatabase[ifnotexists]数据库名[defaultcharset字符集][collate排序规则];/*例：创建一个study数据库，并且指定字符集*/createdatabaseifnotexistsstudydefaultcharsetutf8mb4;删除数据库dropdatabase[ifexists]数据库名;切换数据库use数据库名;表操作
DDL（DataDefinitionLanguage）：数据定义语言，用来定义数据库对象（数据库，表，字段）。数据库操作查询所有数据库showdatabases;查询当前数据库selectdatabase();创建数据库createdatabase[ifnotexists]数据库名[defaultcharset字符集][collate排序规则];/*例：创建一个study数据库，并且指定字符集*/createdatabaseifnotexistsstudydefaultcharsetutf8mb4;删除数据库dropdatabase[ifexists]数据库名;切换数据库use数据库名;表操作
摘要：该文为大模型评估方向的综述论文。本文分享自华为云社区《【论文分享】《HolisticEvaluationofLanguageModels》》，作者：DevAI。大模型（LLM）已经成为了大多数语言相关的技术的基石，然而大模型的能力、限制、风险还没有被大家完整地认识。该文为大模型评估方向的综述论文，由PercyLiang团队打造，将2022年四月份前的大模型进行了统一的评估。其中，被评估的模型包括GPT-3，InstructGPT等。在经过大量的实验之后，论文提出了一些可供参考的经验总结。1.在所有被评估的模型中，InstructGPT davinciv2(175B)在准确率，鲁棒性，公平
摘要：该文为大模型评估方向的综述论文。本文分享自华为云社区《【论文分享】《HolisticEvaluationofLanguageModels》》，作者：DevAI。大模型（LLM）已经成为了大多数语言相关的技术的基石，然而大模型的能力、限制、风险还没有被大家完整地认识。该文为大模型评估方向的综述论文，由PercyLiang团队打造，将2022年四月份前的大模型进行了统一的评估。其中，被评估的模型包括GPT-3，InstructGPT等。在经过大量的实验之后，论文提出了一些可供参考的经验总结。1.在所有被评估的模型中，InstructGPT davinciv2(175B)在准确率，鲁棒性，公平
前言突然想起来要好好整理一下自己的博客空间，已经荒废很多年，如果再不捡起来，等到自己知识老化的时候再去写东西就没人看了。使用GithubPages+Jekyll把博客发布为静态网站，给人感觉比较私密，似乎所有的控制权都抓在自己手里的样子。但是作为一个技术博客，如果写东西没有PlantUML的加持，当然效率就会差很多。本文内容记录了断断续续将近一周的折腾。PlantUML 插件目前支持 PlantUML 的插件我找到了好几个，但是最终使用的是 kramdown-plantuml，另外一个 jekyll-spaceship 插件支持更多的功能，如果需要安装的话，只需要装任意一个就可以支持 Plan
